展开

关键词

GANs 之父 Ian Goodfellow 离职谷歌加盟苹果

自雷锋网 & 专知生成对抗网络之父、前谷歌大脑著名科学家 Ian Goodfellow 正式宣布加盟苹果,他将在苹果公司领导一个「机器学习特殊项目组」。 随后不久,谷歌发言人证实了他的离职,不过却拒绝对此作出回应,Ian Goodfellow 同样对此三缄其口。 Ian Goodfellow 任职经历 2013 年 6 月,还在蒙特利尔大学读博的 Ian Goodfellow 就以软件工程师的身份在谷歌的 Street Smart team 实习,并在毕业后先后担任谷歌 2016 年 3 月,Ian GoodFellow 转投 OpenAI 担任研究科学家。 2016 年 3 月,Ian GoodFellow 便从谷歌大脑团队投奔 OpenAI 麾下担任研究科学家。 2017 年 3 月份 ,Goodfellow 又重回谷歌大脑团队。

28820

Ian Goodfellow盛赞】一个GAN生成ImageNet全部1000类物体

【新智元导读】Ian Goodfellow刚刚在Twitter盛赞一篇论文,担心仅仅浏览摘要无法充分体会其突破。 就在几小时前,生成对抗网络(GAN)的发明人Ian Goodfellow在Twitter上发文,激动地推荐了一篇论文:? 点开链接,可以看到Ian Goodfellow更加热情的赞美:?这是一篇很棒的论文!这是一篇很棒的论文!我认为这篇论文没有充分说明它结论的重要性,我担心仅仅浏览摘要会让人错过这项突破。 第一个成功应用于ImageNet全部1000个类别的GAN变体最后,来看让Ian Goodfellow觉得没有充分强调的部分。 希望Ian Goodfellow的推荐不要让这篇论文“过火”才好……

657110
  • 广告
    关闭

    云产品限时秒杀

    云服务器1核2G首年50元,还有多款热门云产品满足您的上云需求

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    观点 | Ian Goodfellow:关于GANs的那些不为人知的事儿

    AI 科技评论按:近日,「GANs 之父」Ian Goodfellow 做客国外一档「你问我答」(Ask Me Anything)的线上问答节目,提问者可以直接对 Ian Goodfellow 提出任何关于 Ian Goodfellow:我或许没有资格评价强化学习,但是我认为 GAN 是使用强化学习来解决生成建模的一种方式。 Ian Goodfellow:这篇论文已被撤稿了,但我们仍有分歧。 Ian Goodfellow:它取决于你希望拿 GAN 来做什么。 Ian Goodfellow:我猜测是可以用于主题建模的,但目前还没听说在该领域有哪些具体研究。

    57650

    观点 | 争议、流派,有关GAN的一切:Ian Goodfellow Q&A

    Ian Goodfellow:这是真的,并不是谣言而已。 Ian Goodfellow:第三个问题,不,我认为有更多的阵营。 Ian Goodfellow:那篇论文已经被撤销提交了,我们之间仍有分歧。 Ian Goodfellow:我可能没有时间做这样的工作,而且如果我做了,它也很快就会过时。 Ian Goodfellow:它取决于你希望拿 GAN 来做什么。

    52480

    Ian Goodfellow 五问】GAN、深度学习,如何与谷歌竞争

    【新智元导读】Ian Goodfellow 昨天在 Quora 上回答网友提问。新智元摘选排名最高的 5 大问题编译整理。如何与谷歌、Facebook 的深度学习研究项目竞争? 下面是 Goodfellow 的回答。独立学习者或研究人员如何与谷歌,Facebook、OpenAI这样的公司里快节奏的深度学习研究相竞争? Ian Goodfellow:在谷歌大脑,我们实际上经常考虑如何选择项目,确保它们值得做,因为世界上有很多人在做很多其他工作。我在OpenAI期间他们战略的重要组成部分也是这样。 Ian Goodfellow:防御对抗样本是一个非常热门的话题。 《深度学习》(Deep Learning),Ian Goodfellow、Bengio 和 Aaron Courville 合著。回顾十多年前我学习机器学习的过程,那时候我最喜欢的书是:2.

    32240

    Ian Goodfellow:深度学习的8个未来方向

    最近,这个问题在美国问答网站Quora上发出没几天,就收到了Ian Goodfellow的回答。 Goodfellow是Google Brain研究员,Deep Learning教科书的第一作者,还曾经在OpenAI工作过一段时间。他最广为人知的成就,是提出了生成对抗网络(GAN)。

    39450

    Ian Goodfellow 生成对抗网络GAN论文解析

    本文将介绍三篇基于Ian Goodfellow开创性工作 https:arxiv.orgpdf1406.2661v1.pdf 论文。 GAN简介 笔者曾在一篇博文中简单提过Ian Goodfellow的生成对抗网络论文 https:arxiv.orgpdf1406.2661v1.pdf,《九篇深度学习好文》https:adeshpande3 下面是Goodfellow 在2014年发表的论文中给出的例子。?如图所示,生成器模拟生成的手写数字和人脸图片非常相似,而模拟CIFAR-10数据集生成的图片则略逊色。

    65540

    ICML 2019录取结果出炉,Ian Goodfellow等入选论文推荐

    ---- 新智元原创 编辑:肖琴 【新智元导读】ICML 2019的录取结果昨天已经出炉,许多投稿者在Twitter发表“中了”的消息,新智元摘选了几篇不错的ICML中奖论文,包括Ian Goodfellow 5篇ICML 2019论文推荐 首先介绍来自加州大学圣地亚哥分校Yao Qin、Garrison Cottrell和前谷歌大脑Ian Goodfellow等人的论文,在这篇论文中,研究人员提出了语音识别的对抗样本 接下来介绍的论文来自罗格斯大学Han Zhang和Dimitris Metaxas,以及谷歌大脑的 Ian Goodfellow 和 Augustus Odena,在这篇论文中,他们提出 “自注意力生成对抗网络 3、Self-Attention Generative Adversarial Networksarxiv.orgabs1805.08318 作者:Han Zhang, Ian Goodfellow, 相关阅读:Ian Goodfellow 等提出自注意力 GAN,ImageNet 图像合成获最优结果!

    28630

    Ian Goodfellow:生成对抗网络 GAN 就是强化学习(超全资料)

    Ian Goodfellow :这是真事,不仅仅是传言。我之前在好几次采访中都讲过这个故事了。 Ian Goodfellow:这取决于你想用GAN来做什么。 Ian Goodfellow:这不是总是可行的,但你可以训练模型这样表现。 Ian Goodfellow:我不太了解基因组学,但我认为GAN这类的模型可以用于半监督学习。 Ian Goodfellow:我可能没有时间做这件事情,而且就算写一篇这样的文章,它会很快就过时。

    74670

    大咖 | GAN之父Ian Goodfellow在Quora:机器学习十问十答

    大数据文摘作品,转载要求见文末编译 | Aileen,张礼俊笪洁琼,钱天培近日,GAN之父Ian Goodfellow在Quora上举行了一年一度的live问答活动。 当然,我们也摘录了Ian Goodfellow对他的“爱子”GAN的点评。此外,文摘将在本周推出Quora问答精选专栏,大家敬请关注!给新人的学习建议1. Ian Goodfellow:你应该要掌握一些基本的线性代数、概率和python的编程知识! Ian Goodfellow:哈哈,我当然会推荐我和Yoshua还有Aaron一起写的《深度学习》。 Ian Goodfellow:谷歌大脑是一个很大的团队,独立研究者们有很大的自由度去实现他们自己的想法,所以我很难将这些研究方向总结出来。

    23550

    一篇2010年的博客挑战Ian Goodfellow

    【导读】一般认为GAN是2014年由Ian Goodfellow等人提出的,但有人发现同样的想法早在2010年,就被一位芬兰的电气工程师提出了,引发关于“怎样才算是第一个发明者”的讨论。 Ian Goodfellow于2014年提出的GAN,至今已经是计算机视觉领域最重要、使用最广泛的概念之一。?学术界流传的一则GAN诞生的传说。 据说是因为一天晚上Ian Goodfellow在酒吧在喝高的状态下与同事讨论学术问题,突然灵光一闪,提出了GAN初步的想法,当时并没有得到同事的认可。 有人比Ian Goodfellow早4年就提出了GAN? 正当大家都已经认为GAN等于Ian Goodfellow的时候,Reddit上有人挖坟,称其实早在Ian提出GAN这一概念的4年前,就已经有人提出了非常类似的概念。?

    26110

    业界 | Ian Goodfellow专访:我为什么可以在一夜之间创建GAN

    Ian Goodfellow:不客气!非常感谢您来采访我,也感谢您撰写采访博客为其他学生提供帮助。 Ian Goodfellow:如果你有良好的相关编程基础,那么快速实现自己的想法将变得非常简单。 Ian Goodfellow:无疑可以的,但你需要恰当地选择你的研究项目。例如,证明一个有趣的理论结果可能不需要任何计算资源。 Ian Goodfellow:我确实认为发展专业技能是很重要的,但我不认为博士学位是获得这种专业技能的唯一方式。 Ian Goodfellow:从简单的项目开始,并且只复现那些你已经知道应该可行的项目,例如 CIFAR-10 分类器。

    23420

    GAN之父Ian Goodfellow离职谷歌,加盟苹果神秘机器学习小组

    大数据文摘出品作者:魏子敏、蒋宝尚当地时间4月4日,GAN之父Ian Goodfellow离职谷歌跳槽苹果。 这一消息最早由外媒CNBC报道,报道称,谷歌确认了Goodfellow的离职,但苹果公司拒绝置评,Goodfellow未回覆置评请求。Ian Goodfellow和谷歌的缘分颇为深长。 Ian Goodfellow朋友们提出的方案是对那些组成图片的元素进行复杂的统计分析以帮助机器自己生成图片。这需要进行大量的数据运算,Ian Goodfellow告诉他们这根本行不通。 此外,Ian Goodfellow还为谷歌带来了捷径数字地图。2014年,谷歌的地面实况小组发布了最新的街景数字(SVHN)数据集阅读方法,该方法由当时的暑期实习生Ian Goodfellow实施。 Ian Goodfellow :那个赋予机器想象力的人类?Goodfellow 从斯坦福大学获得计算机科学学士和硕士学位以及获得博士学位。

    22950

    资源 | 像「花书」一样排版:Ian Goodfellow「亲授」的高级LaTex教程

    机器之心整理作者: Ian Goodfellow参与:邱陆陆当地时间 3 月 1 号,深度学习知名同名教材《Deep Learning》的第一作者 Ian Goodfellow 发推把这个一行 Python Ian 介绍道,「两个附属文件里,math_commands.tex 里面有很多好用的 LaTex 宏,而 notation.tex 定义了一个可以用在任何出版物前面的符号说明页。 我们在编写 Goodfellow et al.(2016) 时开发了这些文件,现在发布这些文件供任何人免费使用,以期帮助深度学习社区建立一些标准符号规范。」 间接引用,或者用 Ian 的话说,「支持了句子,但原文并没有出现在句子中」的引用。这种情况下,应该使用 citep 把引用放在句末:?效果:? 花书里面用到的所有排版技巧,都在这份「男神手把手教你 LaTex 999」教程里得到了详细说明,欢迎各位读(qiang)者(po)小(zheng)伙(huan)伴(zhe)自己去试一试,祝大家在写出和 Goodfellow

    578100

    深度 | Ian Goodfellow AIWTB开发者大会演讲:对抗样本与差分隐私

    在本文中,机器之心对这次对话大会上 Ian Goodfellow 的演讲和对话内容进行了梳理,文后还附带了 IProgrammer 在会前对 Ian Goodfellow 的关于该在线会议的采访内容。 Ian Goodfellow 是谷歌大脑的一位研究科学家,是生成对抗网络(GAN)的提出者,也是《Deep Learning》的作者之一。 在这一部分,我们对 Ian Goodfellow 演讲的内容进行了梳理。? Ian Goodfellow:每个演讲者都能自由选择演讲多少个时段。1 对 1session 对演讲者和用户都会有帮助,而且有趣。 Ian Goodfellow:我两个都研究,它们与机器学习安全都密切相关。

    78380

    Ian Goodfellow实力「嘲讽」了一波

    同时,Ian Goodfellow 的观点也得到了 Zachy Lipton 的赞同,表示同行评审机制的退化也应该被列在在文章的「原因」章节之下。 之后,Ian Goodfellow 接连发了多条 Twitter,「嘲讽」评审论文方式:我常常担任某领域的主席,且自己管理了一个小型研究组织,因此我看过大量评审,包括我们组的研究成果和其他人的研究。 其实,Ian Goodfellow 并非在批评同行评审机制本身,而是认为该机制在实际应用中没有做好,「我认为同行评审理论上是个好主意,但在实践中正确地执行非常重要。」 此外,也有其他学科的学者表示,不只是 AIML 社区有 Ian Goodfellow 所说的问题,生物科学等其他领域也这样。但是,单单的批评并不能解决问题,整个社区需要的是解决方案。 最后小编想问,Ian Goodfellow 的 NIPS 2018 论文也被评审批得一无是处吗??

    14110

    Ian Goodfellow:生成对抗网络 GAN 的公式是怎样推导出来的

    ----新智元编译 来源:Ian Goodfellow编辑:肖琴【新智元导读】昨天,谷歌大脑研究科学家、生成对抗网络GAN的提出者Ian Goodfellow在Twitter推荐了他最喜欢的两个机器学习的 GAN论文地址:https:papers.nips.ccpaper5423-generative-adversarial-nets.pdf昨天,谷歌大脑研究科学家、《深度学习》的作者之一Ian Goodfellow Ian Goodfellow还是生成对抗网络GAN的提出者,利用这两个技巧,他在著名的GAN论文中推导了一个公式。很多时候,我们想用代数微积分来分析神经网络的最优行为。

    49350

    GAN之父Ian Goodfellow :那个赋予机器想象力的人类

    大数据文摘作品编译:文明、Gao Ning 、Aileen通过使用两个神经网络的相互对抗,Ian Goodfellow创造了一个强大的AI工具。而现在,他以及我们所有人都必须开始面对其所带来的后果了。 2014年的一晚,Ian Goodfellow和一个刚刚毕业的博士生一起喝酒庆祝。在蒙特利尔一个酒吧,一些朋友希望他能帮忙看看手头上一个棘手的项目:计算机如何自己生成图片。 Ian Goodfellow朋友们提出的方案是对那些组成图片的元素进行复杂的统计分析以帮助机器自己生成图片。这需要进行大量的数据运算,Ian Goodfellow告诉他们这根本行不通。 该方法已经在机器学习领域产生了巨大的影响,也让他的创造者Goodfellow成为了人工智能界的重要人物。 自从Goodfellow等人在2014年发表了关于他的发现的第一份报告之后,数百篇与GAN相关的论文陆续发表。

    35320

    学界 | Ian Goodfellow推特小课堂又开课啦:数学求导的小技巧

    大数据文摘作品作者:小鱼、蒋宝尚最近,Ian Goodfellow不断在推特和大家分享一写学习的小技巧。 Goodfellow称,他最喜欢用超实数(hyperreal numbers)来求导数。注:超实数是一个包含实数以及无穷大和无穷小的域,它们的绝对值分别大于和小于任何正实数。 以下是Ian Goodfellow推特内容:对于这个技巧,我们介绍一种新的数字,称为无穷小超实数。假设我们有一个无穷小量ε,而且其取值范围是0

    29340

    Ian Goodfellow推荐:GAN生成模特照片媲美真人

    GAN是一个相对较新的概念,由 Ian Goodfellow 于2014年提出,在生成图像方面表现特别好。Vue.ai 的创新使GAN能够指定如何生成每个图像。

    58840

    扫码关注云+社区

    领取腾讯云代金券