机器学习人工学weekly-2018/1/14

注意下面很多链接需要科学上网，无奈国情如此

1. 大炮Gary Marcus(NYU教授，前Uber AI lab的director)发长文讨论深度学习的各种问题，比如需要大量数据，容易被攻击等等

链接：https://arxiv.org/ftp/arxiv/papers/1801/1801.00631.pdf

2. Justin Timberlake新出的MV Filthy，背景是2028年吉隆坡的AI大会（当然是虚构的），如果机器人真的有这种dexterity就好了

视频：https://www.youtube.com/watch?v=gA-NDZb29I4

3. TF 1.5快出来了，现在有了rc0，大的feature看来就是eager和Lite，以及CUDA/cuDNN升级

Release note链接：https://github.com/tensorflow/tensorflow/releases/tag/v1.5.0-rc0?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

4. 上周说到adversarial attack，这周就看到Google的这篇NIPS论文，他们做的这个patch可以直接3D打印出来放到物体旁边，然后classifier就悲剧了

链接：https://arxiv.org/pdf/1712.09665.pdf

5. MIT自驾车的课2018又要开始了（2017年的guest speaker视频还没传完，哎），这个课虽然比较短，应该只是半个学期，但是内容还不错，而且作业也蛮有意思，请的speaker都是大牛，就是我觉得课的内容太浅，自驾是及其复杂的系统，这个课只讨论了很小的一块儿。今年看邀请的speaker也很赞，都是各大自驾厂Waymo/nuTonomy/Aurora/Voyage的领军人物

链接：https://selfdrivingcars.mit.edu/

另外这个课的主讲Lex Fridman这个学期还要上一门AGI的课，请的speaker也都是大神: Josh Tenenbaum（MIT教授）, Ray Kurzweil（Google eng director），Mark Reibert（Boston Dynamics CEO），还有Ilya Sutskever和Andrej Karpathy就不用介绍了，非常期待

链接：https://agi.mit.edu/

6. 这个工作也蛮有趣，根据bug报告来判断那个工程师应该去triage。记得以前我在的那个组每周有一个专门的人就干这个事儿，大概要占一半的时间，有了这个工具就可以省很多时间了。虽然现在几个开源项目上的效果并不是那么准（rank-10也只有50%左右的准确率），但是感觉如果效果好的话应用空间很大。另外我觉得他们没有考虑工程师的commit，不然应该会有提高

链接：https://arxiv.org/pdf/1801.01275.pdf

7. Toronto一帮人写的RNN survey，原来还有那么多不知道的东西，LSTM/GRU就一堆变种，还有各种优化方法，gradient descent变种训练方法等等，博大精深

链接：https://arxiv.org/pdf/1801.01078.pdf

8. 艾瑞最近出的两个研究报告还不错，一个关于计算机视觉，一个关于人工智能城市，我觉得行业里的公司和应用方向的整理比较清晰

CV:http://report.iresearch.cn/wx/report.aspx?id=3097

智能城市：http://report.iresearch.cn/wx/report.aspx?id=3121

9. Reddit 评选2017年机器学习各项最佳

链接：https://www.reddit.com/r/MachineLearning/comments/7nrzhn/d_results_from_best_of_machine_learning_2017/

10. BAIR发blog介绍Ray，之前也介绍过Ray，是个不错的framework，大大简化了并行化带来的复杂度，很多算法几十行就能搞定

链接：http://bair.berkeley.edu/blog/2018/01/09/ray/