[[217506]]

 

新聞：

1.’Facebook關(guān)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(wù)的消息。雖然M一直以來都以AI的標(biāo)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(fù)雜的查詢。例如，您可以在預(yù)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(jīng)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(rèn)為，由Elon Musk等人推動的人工智能調(diào)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(xué)習(xí)算法介紹（一）

來源：TOWARDSDATASCIENCE.COM

這篇文章涵蓋了強化學(xué)習(xí)（RL）基礎(chǔ)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(biāo)之一是使使用者能夠?qū)⒐P記本電腦上運行的原型算法轉(zhuǎn)換為在群集上高效運行的高性能分布式應(yīng)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(jīng)網(wǎng)絡(luò)通常是針對具體的問題而設(shè)計并進行調(diào)整的。 我們能否創(chuàng)建一個統(tǒng)一的深度學(xué)習(xí)模型來解決跨多個領(lǐng)域的任務(wù)呢？

代碼，項目&數(shù)據(jù)

1.通過深度學(xué)習(xí)將設(shè)計模型轉(zhuǎn)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(xùn)練神經(jīng)網(wǎng)絡(luò)以達(dá)到基于設(shè)計模型的圖片來編碼基本的HTML和CSS網(wǎng)站的目的?？梢栽贕itHub上找到所有代碼。

2.強化學(xué)習(xí)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(biāo)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(wǎng)絡(luò)的Tensorflow實現(xiàn)

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(xiàn)。

論文

具有優(yōu)先級隊列訓(xùn)練的程序合成神經(jīng)網(wǎng)絡(luò)（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(rèn)為程序合成的任務(wù)是在程序輸出中存在獎勵函數(shù)的情況下進行的，目標(biāo)是找到獎勵函數(shù)的值***的程序。他們使用的PQT算法優(yōu)于標(biāo)準(zhǔn)值。另外，通過將程序長度添加到獎勵函數(shù)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(wù)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(wù)網(wǎng)站上處理訂單的生成式對抗網(wǎng)絡(luò)（GAN）。 經(jīng)過訓(xùn)練后，GAN中的發(fā)單機可以產(chǎn)生任何數(shù)量合理的訂單。

強化學(xué)習(xí)的預(yù)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(wù)。

【編輯推薦】