精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕

云棲君導(dǎo)讀：很難相信在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域里這一年發(fā)生了那么多的事情，很難做一個(gè)全面的系統(tǒng)的匯總。盡管如此，作者還是嘗試性的去做了一個(gè)匯總，希望能夠幫助大家去回顧一下今天的科技到底發(fā)展到了何種程度。

1.Alpha Go Zero：創(chuàng)造者的興起

如果讓我必須選擇今年的主要亮點(diǎn)，那就是AlphaGo Zero（論文）。這種新方法不僅在一些最有希望的方向上有所改進(jìn)（如深度強(qiáng)化學(xué)習(xí)），而且也證實(shí)了這種模式可以在沒有數(shù)據(jù)的情況下學(xué)習(xí)的范式轉(zhuǎn)變（譯者認(rèn)為：這是思想的轉(zhuǎn)變，在商業(yè)上，給了那些沒有大量數(shù)據(jù)的創(chuàng)新者一個(gè)機(jī)會(huì)）。我們最近也看到了Alpha Go Zero正在推廣到象棋類的其他游戲。

2.GAN：不要怕，就要GAN

最近的一項(xiàng)元研究（meta-study）發(fā)現(xiàn)在GAN相關(guān)研究論文的報(bào)告指標(biāo)上存在系統(tǒng)性錯(cuò)誤。盡管如此，不可否認(rèn)的是，GAN繼續(xù)發(fā)揮著它的獨(dú)到之處，特別是當(dāng)涉及到圖像空間的應(yīng)用時(shí)（例如，漸進(jìn)式GAN，pix2pix中的條件GANS或CycleGans）。

3.深度學(xué)習(xí)版的NLP：商業(yè)化的開端

今年的深度學(xué)習(xí)是NLP的天下，特別是翻譯，NLP讓我們感受到了翻譯正在變得簡單容易。Salesforce提供了一個(gè)有趣的非自回歸方法，可以處理完整的句子翻譯。也許更具開創(chuàng)性的是Facebook提供的無監(jiān)督的方法UPV。深度學(xué)習(xí)也成功的幫助商家讓它們的推薦系統(tǒng)做的更加的完美。然而，最近的一篇論文也對(duì)最近的一些進(jìn)展提出了質(zhì)疑，例如KNN與Deep Learning相比有多么簡單。與GAN研究一樣，人工智能研究的驚人速度也會(huì)導(dǎo)致科學(xué)嚴(yán)謹(jǐn)性的損失，這也不足為奇。雖然人工智能的許多或大部分進(jìn)展來自深度學(xué)習(xí)領(lǐng)域，但在AI和ML方面還有許多其他方面的不斷創(chuàng)新也應(yīng)該是值得讓人關(guān)注的。

4.理論的問題：可解釋性和嚴(yán)密性

與上面提到的一些問題有些相關(guān)的是，許多人批評(píng)這種方法的理論基礎(chǔ)缺乏嚴(yán)密性和可解釋性。就在前不久，阿里·拉希米（Ali Rahimi）在他的NIPS 2017談話中將現(xiàn)代AI描述為“煉金術(shù)” 。Yann Lecun在一場不可能很快解決的辯論中迅速作出了回應(yīng)。值得注意的是，今年在嘗試推進(jìn)深度學(xué)習(xí)的基礎(chǔ)上，已經(jīng)看到了很多的努力。例如，研究人員正在試圖了解神經(jīng)網(wǎng)絡(luò)如何深度泛化。Tishby的信息瓶頸理論也在今年作為對(duì)某些深度學(xué)習(xí)屬性的合理解釋進(jìn)行了長時(shí)間的辯論。正在為今年的職業(yè)生涯慶祝的辛頓也一直在質(zhì)疑諸如使用反向傳播的基本問題。佩德羅·多明戈斯（Pedro Domingos）等知名研究人員很快進(jìn)入節(jié)奏，開發(fā)了使用不同優(yōu)化技術(shù)的深度學(xué)習(xí)方法。Hinton提出的最后一個(gè)最近的根本性變化是使用（capsule）膠囊（見原文）作為卷積網(wǎng)絡(luò)的替代品。

5.服務(wù)商的戰(zhàn)斗：越來越好的開發(fā)體驗(yàn)

如果我們看一下人工智能的工程相關(guān)的成果，那么一年來，Pytorch開始挑起熱潮，成為Tensorflow的真正挑戰(zhàn)，特別是在研究方面。Tensorflow通過在Tensorflow Fold中發(fā)布動(dòng)態(tài)網(wǎng)絡(luò)迅速作出反應(yīng)。大玩家之間的“AI之戰(zhàn)”還有很多其他的戰(zhàn)斗，其中最激烈的就是圍繞著云。所有的主要供應(yīng)商都已經(jīng)加緊了，增加了他們?cè)谠浦械腁I支持。亞馬遜已經(jīng)呈現(xiàn)在他們的AWS，大創(chuàng)新，如他們最近的表現(xiàn)Sagemaker構(gòu)建和部署ML車型。另外值得一提的是，更小的玩家也紛紛涌入.Nvidia最近推出了他們的GPU云，這是訓(xùn)練深度學(xué)習(xí)模式的另一個(gè)有趣的選擇。所有的這些戰(zhàn)斗無疑在未來都將大力推動(dòng)工業(yè)升級(jí)。另外，新的ONNX神經(jīng)網(wǎng)絡(luò)表示標(biāo)準(zhǔn)化是互操作性的重要和必要的一步。

6.始終有待解決的未來的社會(huì)問題

2017年，人工智能方面的社會(huì)問題也得到了延續(xù)（升級(jí)）。伊隆·馬斯克（Elon Musk）繼續(xù)推動(dòng)我們?cè)絹碓浇咏鼩⑹旨?jí)AI的想法，令許多人感到沮喪。關(guān)于人工智能在未來幾年會(huì)如何影響工作，也有很多討論。最后，我們看到更多的焦點(diǎn)放在AI算法的可解釋性和偏見上。

7.新的戰(zhàn)場：機(jī)器學(xué)習(xí)+傳統(tǒng)行業(yè)

最近幾個(gè)月來，我一直在從事醫(yī)學(xué)和醫(yī)療方面的人工智能方面的工作。我很高興地看到，像“醫(yī)療保健”這樣的“傳統(tǒng)”領(lǐng)域的創(chuàng)新速度正在被迅速提高。AI和ML已經(jīng)應(yīng)用于醫(yī)學(xué)多年，從60年代和70年代的專家系統(tǒng)和貝葉斯系統(tǒng)開始。不過，我經(jīng)常發(fā)現(xiàn)自己引用了幾個(gè)月前的文章。今年提出的一些最近的創(chuàng)新包括使用Deep RL，GAN或自動(dòng)編碼器來幫助患者診斷。最近人工智能的許多進(jìn)步還集中在精準(zhǔn)醫(yī)學(xué)（高度個(gè)性化的醫(yī)療診斷和治療）和基因組學(xué)上。例如David Blei的最新文章通過使用貝葉斯推斷來預(yù)測個(gè)體是否具有對(duì)疾病的遺傳傾向，從而解決神經(jīng)網(wǎng)絡(luò)模型中的因果關(guān)系。所有的大公司都投資人工智能在醫(yī)療保健領(lǐng)域。Google有幾個(gè)團(tuán)隊(duì)，其中包括Deepmind Healthcare，他們?cè)卺t(yī)學(xué)人工智能方面提出了一些非常有趣的進(jìn)展，特別是在醫(yī)學(xué)影像自動(dòng)化方面。另外，蘋果公司也在為蘋果手表尋找醫(yī)療保健應(yīng)用程序，而亞馬遜也“秘密”地投資于醫(yī)療保健。很明顯，創(chuàng)新的空間已經(jīng)成熟。

Uber AI團(tuán)隊(duì)在深度強(qiáng)化學(xué)習(xí)的背景下提出了使用遺傳算法（GA）的非常有趣的想法。在這5篇論文中，團(tuán)隊(duì)展示了GA如何成為SGD的一個(gè)競爭性替代方案。看到GA復(fù)出是件非常有趣的事情，我很高興看到在未來幾個(gè)月里它可以把我們帶到哪里。

最后，我最近閱讀了關(guān)于Libratus如何在單挑無限撲克（這是IJCAI早期論文的一個(gè)版本）上擊敗專家的科學(xué)論文。而AlphaGo Zero確實(shí)是一個(gè)非常令人興奮的發(fā)展，事實(shí)上現(xiàn)實(shí)中的大多數(shù)問題可以更容易地被吸收到像Poker這樣的不完善的信息游戲，而不是像Go或Chess這樣的完美信息游戲。這就是為什么在這個(gè)領(lǐng)域的工作是一個(gè)真正令人興奮的重要推動(dòng)領(lǐng)域前進(jìn)。除了上面提到科學(xué)論文之外，我還建議你去閱讀以下兩個(gè)：在不完全信息博弈中自我對(duì)弈的深度強(qiáng)化學(xué)習(xí)，以及DeepStack：專家級(jí)人工智能在單挑無限制撲克中的應(yīng)用。

本文由阿里云云棲社區(qū)組織翻譯。

文章原標(biāo)題《What-are-the-most-significant-machine-learning-advances-in-2017》，