机器学习2017年重大进展汇总

云栖君导读:很难相信在人工智能和机器学习领域里这一年发生了那么多的事情,很难做一个全面的系统的汇总。尽管如此,作者还是尝试性的去做了一个汇总,希望能够帮助大家去回顾一下今天的科技到底发展到了何种程度。

1.Alpha Go Zero:创造者的兴起

如果让我必须选择今年的主要亮点,那就是AlphaGo Zero(论文)。这种新方法不仅在一些最有希望的方向上有所改进(如深度强化学习),而且也证实了这种模式可以在没有数据的情况下学习的范式转变(译者认为:这是思想的转变,在商业上,给了那些没有大量数据的创新者一个机会)。我们最近也看到了Alpha Go Zero正在推广到象棋类的其他游戏。

2.GAN:不要怕,就要GAN

最近的一项元研究(meta-study)发现在GAN相关研究论文的报告指标上存在系统性错误。尽管如此,不可否认的是,GAN继续发挥着它的独到之处,特别是当涉及到图像空间的应用时(例如,渐进式GAN,pix2pix中的条件GANS或CycleGans)。

3.深度学习版的NLP:商业化的开端

今年的深度学习是NLP的天下,特别是翻译,NLP让我们感受到了翻译正在变得简单容易。Salesforce提供了一个有趣的非自回归方法,可以处理完整的句子翻译。也许更具开创性的是Facebook提供的无监督的方法UPV。深度学习也成功的帮助商家让它们的推荐系统做的更加的完美。然而,最近的一篇论文也对最近的一些进展提出了质疑,例如KNN与Deep Learning相比有多么简单。与GAN研究一样,人工智能研究的惊人速度也会导致科学严谨性的损失,这也不足为奇。虽然人工智能的许多或大部分进展来自深度学习领域,但在AI和ML方面还有许多其他方面的不断创新也应该是值得让人关注的。

转自:云栖社区

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180113B0QU1700?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券