微软亚研自动语法纠错系统达到人类水平

微软亚研自动语法纠错系统达到人类水平

因为 seq2seq 模型在语法纠错上存在缺陷，微软亚洲研究院的自然语言计算团队近日提出了流畅度提升学习和推断机制，用于改善 seq2seq 模型的语法纠错性能。实验表明，改进后的模型取得了当前最佳性能，并首次在两个基准上都达到了人类水平。结合流畅度提升学习和推断与卷积 seq2seq 模型，微软亚洲研究院取得了当前最佳的结果，这使其成为首个在两个基准上都达到人类水平的 GEC 系统。

NLP领域的ImageNet时代到来：词嵌入「已死」，语言模型当立

计算机视觉领域常使用在 ImageNet 上预训练的模型，它们可以进一步用于目标检测、语义分割等不同的 CV 任务。而在自然语言处理领域中，我们通常只会使用预训练词嵌入向量编码词汇间的关系，因此也就没有一个能用于整体模型的预训练方法。Sebastian Ruder 表示语言模型有作为整体预训练模型的潜质，它能由浅到深抽取语言的各种特征，并用于机器翻译、问答系统和自动摘要等广泛的 NLP 任务。Ruder 同样展示了用语言模型做预训练模型的效果，并表示 NLP 领域中的「ImageNet」终要到来。

让环境适应人类：百度展示AI时代的交互设计

7 月 5 日下午，在百度 AI 开发者大会上，举办了一场 AI 设计论坛，从交互的角度向我们解读了 AI 时代的环境、用户行为变化以及用户体验的新特点。在会上，百度还发布了机器人自然情感人机交互模型 NIRO。百度自 2010 年开始布局 AI 技术，先后开展了自然语言处理、计算机视觉、机器学习、数据挖掘、知识图谱等 AI 技术的研发，随后开始探讨 AI 可能对人们生活产生的影响。百度认为，AI 的发展和人类的进化非常相似，而「重构」是伴随 AI 发展最重要的事。

密集对象网络：通过机器人操作学习密集的视觉对象描述符

机器人操作中，针对特定任务的强化学习方法可以在给定的任务中获得很好的技能，但是人们还没有找到高效完成多种不同任务的最佳途径。本文作者提出了密集对象网络——被训练用来提供密集对象描述的深度神经网络。密集对象网络可以区分多个对象，以完全机器人自监督的方式快速学习，并实现新的操作任务。源代码地址：https://github.com/ RobotLocomotion/pytorch-dense-correspondence

2018中国人工智能大会7月28-29日深圳举办

由中国人工智能学会主办的学术交流盛会——2018中国人工智能大会（简称CCAI2018）将于7月28-29日在深圳举办。CCAI创办于2015年7月，今年的CCAI将登陆中国南方的科技与创新基地——深圳，现已有超过30位人工智能领域的顶级嘉宾确认出席，预计将有超过2000名来自世界各地的朋友共聚一堂，共同探讨和展望属于人工智能的新时代。 作为学会三大品牌活动之一（GAITC、CCAI、CIIS），CCAI2018是汇聚中国智慧和接轨世界前沿的顶级平台，肩负着“引领、协同、赋能”三大愿景。

来源：智东西、机器之心等。