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