[[217506]]

 

新聞：

1.’Facebook關閉私人助理“M”

來源：TECHCRUNCH.COM
鏈接：
https://techcrunch.com/2018/01/08/facebook-is-shutting-down-its-standalone-personal-assistant-m/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

M的用戶收到了Facebook將在1月19日停止服務的消息。雖然M一直以來都以AI的標簽在臺前行走，但是幕后的M實際上仍然需要依靠人類來回答最復雜的查詢。例如，您可以在預定餐廳、，訂購鮮花或安排下一個假期。

2.Yann LeCun 瘋狂抨擊機器人Sophia

來源：WWW.BUSINESSINSIDER.COM
鏈接：
http://www.businessinsider.com/facebook-ai-yann-lecun-sophia-robot-bullshit-2018-1?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

日前Yann LeCun對之前引起熱議的機器人Sophia發(fā)出了猛烈的抨擊，甚至用上了臟字。該機器人曾經以發(fā)表“希望毀滅人類”言論而成文熱點。

3.給AI正名

來源：WWW.NYTIMES.COM

這篇文章認為，由Elon Musk等人推動的人工智能調控方法是一個錯誤。我們其實早就在管理AI了，知識沒有把它叫做AI而已。

4.Google Brain Team的2017年回顧

來源：RESEARCH.GOOGLEBLOG.COM
鏈接：
https://research.googleblog.com/2018/01/the-google-brain-team-looking-back-on.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

這個由兩部分組成的系列文章回顧了Google Brain團隊在2017年所做的工作。這也是對去年研究進展的總體概述。

5.PyImageConf 2018：實用計算機視覺會議

來源：WWW.PYIMAGESEARCH.COM

PyImageConf 2018是一個新的會議，將于8月26日至28日在舊金山凱悅酒店舉行。

文章&教程

1.強化學習算法介紹（一）

來源：TOWARDSDATASCIENCE.COM

這篇文章涵蓋了強化學習（RL）基礎知識和流行的Q-Learning，SARSA，DQN和DDPG算法。

2.Ray：AI的分布式系統(tǒng)

來源：BAIR.BERKELEY.EDU
鏈接：
http://bair.berkeley.edu/blog/2018/01/09/ray/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Ray的目標之一是使使用者能夠將筆記本電腦上運行的原型算法轉換為在群集上高效運行的高性能分布式應用程序。

3.用一個模型解決所有的AI問題

來源：BLOG.ACOLYER.ORG
鏈接：
https://blog.acolyer.org/2018/01/12/one-model-to-learn-them-all/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

深度神經網絡通常是針對具體的問題而設計并進行調整的。 我們能否創(chuàng)建一個統(tǒng)一的深度學習模型來解決跨多個領域的任務呢？

代碼，項目&數據

1.通過深度學習將設計模型轉化為代碼

來源：BLOG.FLOYDHUB.COM
鏈接：
https://blog.floydhub.com/turning-design-mockups-into-code-with-deep-learning/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

這篇文章介紹了如何訓練神經網絡以達到基于設計模型的圖片來編碼基本的HTML和CSS網站的目的?？梢栽贕itHub上找到所有代碼。

2.強化學習的MuJoCo與Unity集成包

來源：WWW.MUJOCO.ORG
鏈接：
http://www.mujoco.org/book/unity.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

MuJoCo插件和Unity集成包的目標是一石二鳥：在同一個項目中同時使用MuJoCo物理模擬和Unity渲染。

3.膠囊網絡的Tensorflow實現

來源：GITHUB.COM
鏈接：
https://github.com/JunYeopLee/capsule-networks?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Hinton最近的論文——“膠囊之間的動態(tài)路徑”（Dynamic Routing Between Capsules）的TensorFlow實現。

論文

具有優(yōu)先級隊列訓練的程序合成神經網絡（Neural Program Synthesis with Priority Queue Training）

來源：ARXIV.ORG
鏈接：
https://arxiv.org/abs/1801.03526?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

作者認為程序合成的任務是在程序輸出中存在獎勵函數的情況下進行的，目標是找到獎勵函數的值***的程序。他們使用的PQT算法優(yōu)于標準值。另外，通過將程序長度添加到獎勵函數的懲罰減分條件中，算法可以合成短的、人類可讀的程序。

eCommerceGAN：電子商務的GAN-Amazon出品（eCommerceGAN : A Generative Adversarial Network for E-commerce (Amazon)）

來源：ARXIV.ORG
鏈接：
https://arxiv.org/abs/1801.03244?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

這篇文章介紹了用于在電子商務網站上處理訂單的生成式對抗網絡（GAN）。 經過訓練后，GAN中的發(fā)單機可以產生任何數量合理的訂單。

強化學習的預期梯度策略（Expected Policy Gradients for Reinforcement Learning）

來源：ARXIV.ORG
鏈接：
https://arxiv.org/abs/1801.03326?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

作者提出了一種新的框架，在這個框架中，行為者的目的是***化回報的期望值，同時也使熵***化 - 也就是在盡可能隨機的情況下成功完成任務。

【編輯推薦】