0
| 本文作者： 叢末 | 2019-02-09 11:01 |
雷鋒網(wǎng) AI 科技評(píng)論按：本文作者 Antoine Moreau 來自一家數(shù)據(jù)公司，自去年開始他便每月整理一份 AI 最佳網(wǎng)文榜單，覆蓋的文章主題包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、自然語言處理等熱門的人工智能細(xì)分領(lǐng)域。2019 年 1 月過去不久，他也整理出了一份一月 AI 最佳網(wǎng)文榜單，并發(fā)布在 Medium 網(wǎng)站上。雷鋒網(wǎng) AI 科技評(píng)論編譯如下。
歡迎大家前來閱讀 2019 年第一個(gè)月份的 AI 最佳網(wǎng)文榜單。我們是巴黎的一家致力于開發(fā)敏捷數(shù)據(jù)（Agile data）的公司。我們本月榜單中的文章主題涵蓋強(qiáng)化學(xué)習(xí)、自然語言處理、人工智能立法等。如果大家想要跟著這些教程進(jìn)行實(shí)際操作，建議準(zhǔn)備好一個(gè) Python 環(huán)境。首先不妨來看一個(gè)本月的笑話：
「當(dāng)收到的大部分正面反饋都是挖苦的時(shí)，研究人員很難對(duì)深度學(xué)習(xí)算法進(jìn)行訓(xùn)練?！?/span>
原文：《神經(jīng)網(wǎng)絡(luò)能夠像我們?nèi)祟愐粯訉W(xué)習(xí)組織其概念中的世界》，A neural network can learn to organize the world it sees into concepts—just like we do，文章發(fā)布于 MIT Technology Review
GAN 畫出的第一幅畫在藝術(shù)拍賣會(huì)上進(jìn)行了拍賣。
生成式對(duì)抗網(wǎng)絡(luò)（GAN）是能夠產(chǎn)生現(xiàn)實(shí)輸出的算法。例如，生成式對(duì)抗網(wǎng)絡(luò)過去常被用于生成臉部以及對(duì)名人的視頻進(jìn)行篡改。它們畫出的第一幅畫甚至還在藝術(shù)拍賣會(huì)上進(jìn)行了拍賣。
來自 MIT 和 IBM 的聯(lián)合 AI 實(shí)驗(yàn)室意識(shí)到，繪畫 GAN 可以向人類提供神經(jīng)網(wǎng)絡(luò)怎樣學(xué)習(xí)和思考的信息，并且他們確實(shí)發(fā)現(xiàn)了神經(jīng)元簇可以學(xué)習(xí)表示特定的元素（例如樹、墻、門等）。這些算法通過自主學(xué)習(xí)來將像素組織到合理的部分中。
該團(tuán)隊(duì)發(fā)布了一個(gè)叫做 GANpaint 的 APP，為觀測這一現(xiàn)象帶來了可能。通過激活神經(jīng)網(wǎng)絡(luò)中特定的神經(jīng)元簇，你可以在圖畫中畫出門、樹或者云。這個(gè) demo 非常棒！
不過如果你試圖在天空中畫一扇門，這是無法實(shí)現(xiàn)的——因?yàn)檫@個(gè)生成式對(duì)抗網(wǎng)絡(luò)也學(xué)到了：在天空中畫一棵樹、一扇窗或門是沒有意義的。
這項(xiàng)操作值得一試，大家不妨動(dòng)手嘗試一下。
原文：《Tensorow 2.0 的深度強(qiáng)化學(xué)習(xí)》，Deep Reinforcement Learning with TensorFlow 2.0，文章發(fā)布于 Roman Ring
閱讀地址：http://inoryy.com/post/tensorflow2-deep-reinforcement-learning/
Tensorow 團(tuán)隊(duì)最近發(fā)布了 Tensorow 2.0 版本。這個(gè)新版本作為一個(gè)重要的里程碑被引入，主要聚焦于簡易性和易用性。
如果你希望改進(jìn)自主提出的想法，你可以前往閱讀這篇文章，它描述了得益于深度強(qiáng)化學(xué)習(xí)（DRL）實(shí)施所帶來的新特征。我也特別附上了這篇文章的鏈接，以幫助大家理解 Tensorow 2.0 主要發(fā)生了哪些變化。
Tensorow 2.0 依舊還在測試階段，但是你已經(jīng)可以嘗試使用這個(gè)版本，同時(shí)回答這個(gè)問題：Tensorow 2.0 是否便捷了你的生活？
原文：《使用深度學(xué)習(xí)的最新進(jìn)展來預(yù)測股價(jià)走向》，Using the latest advancements in deep learning to predict stock price movements，文章發(fā)布于 Towards Data Science
閱讀地址：https://towardsdatascience.com/aifortrading-2edd6fac689d
當(dāng)生成式對(duì)抗網(wǎng)絡(luò)在生成逼真的數(shù)據(jù)時(shí)，你是否曾想過使用它們來生成股價(jià)的未來價(jià)格走勢？這就是這篇文章的作者嘗試實(shí)現(xiàn)的事情！
GAN 很少應(yīng)用于預(yù)測未來的股價(jià)。此外，本文作者嘗試?yán)闷渌纳疃葘W(xué)習(xí)以及最先進(jìn)的算法來改進(jìn)其模型的性能。你可以閱讀關(guān)于 BERT 的文章以及關(guān)于強(qiáng)化學(xué)習(xí)和卷積的情感分析... 這項(xiàng)進(jìn)展真的很棒！
同時(shí)，文中也有一些 Python 的代碼片段，大家請(qǐng)做好準(zhǔn)備！
原文：《使用亞馬遜的理解醫(yī)療來識(shí)別和處理敏感的健康數(shù)據(jù)》，Identifying and working with sensitive healthcare data with Amazon Comprehend Medical，文章發(fā)布于 AWS Machine Learning Blog
醫(yī)療領(lǐng)域是人工智能領(lǐng)域頗受關(guān)注的細(xì)分領(lǐng)域。最近，它在癌癥以及阿爾茨海默病癥檢測取得了非常好的結(jié)果... 但是醫(yī)療機(jī)構(gòu)經(jīng)常因?yàn)樾枰袷厥鼙Ｗo(hù)的健康信息法規(guī)而放緩人工智能在該領(lǐng)域的發(fā)展步伐。
得益于亞馬遜的理解醫(yī)療（Amazon Comprehend Medical），該領(lǐng)域的發(fā)展也變得更容易些。Amazon Comprehend Medical 是新的 AWS 服務(wù)，使用機(jī)器學(xué)習(xí)來提取醫(yī)療數(shù)據(jù)，準(zhǔn)確率非常高。例如，該算法可以提取私人的醫(yī)療信息。由于這個(gè)服務(wù)能夠禁止識(shí)別一些敏感數(shù)據(jù)或?qū)ζ溥M(jìn)行匿名處理，它對(duì)于醫(yī)療領(lǐng)域來說意義重大。
原文：《應(yīng)用于自然語言處理的現(xiàn)代深度學(xué)習(xí)技術(shù)》，Modern Deep Learning Techniques Applied to Natural Language Processing
閱讀地址：https://nlpoverview.com/index.html
在該項(xiàng)目中，你可以找到處理自然語言處理（NLP）的最新方法的更新后的演示。它解釋了例如詞嵌入、卷積神經(jīng)網(wǎng)絡(luò)（CNN）以及循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等深度學(xué)習(xí)模型是怎樣更好地「理解」人類話語的。
同時(shí)，你還能找到參考數(shù)據(jù)集以及機(jī)器翻譯、情感分析以及問答等關(guān)鍵 NLP 任務(wù)的最佳結(jié)果的概述。
我肯定會(huì)考慮它作為我的新 NLP 寶典。
原文：《人工智能 VS 黑客》，Articial Intelligence vs. the Hackers，文章發(fā)布于 Bloomberg
閱讀地址：https://www.bloomberg.com/news/articles/2019-01-03/artificial-intelligence-vs-the-hackers
某個(gè)機(jī)器學(xué)習(xí)算法最近檢測到一位攻入羅馬尼亞一家大型零售商的云帳戶的黑客。
此前「基于規(guī)則」的專為對(duì)抗特定攻擊而設(shè)計(jì)的技術(shù)，無法處理新出現(xiàn)的襲擊類型。此外，這些技術(shù)的嚴(yán)格性會(huì)屏蔽和標(biāo)記合法的用戶。
開發(fā)的新型人工智能軟件能夠適用于防范黑客不斷進(jìn)化的戰(zhàn)術(shù)。這些算法從基于登錄、用戶行為以及以前攻擊的大量數(shù)據(jù)中學(xué)習(xí)，它們能夠更準(zhǔn)確地區(qū)分合法用戶和非法用戶。
原文：《POET：通過 Paired Open- Ended Trailblazer 不斷生成愈加復(fù)雜和多樣的學(xué)習(xí)環(huán)境以及對(duì)應(yīng)分解決方案》，POET: Endlessly Generating Increasingly Complex and Diverse Learning Environments and their Solutions through the Paired Open- Ended Trailblazer，文章發(fā)布于 Uber Engineering
閱讀地址：https://eng.uber.com/poet-open-ended-deep-learning/
來自 Uber 人工智能實(shí)驗(yàn)室的團(tuán)隊(duì)一直致力于解決 open-endedness 問題。他們受到地球似乎處于永無止境的進(jìn)化中的啟發(fā)，而這一啟發(fā)可以比作「釋放后的創(chuàng)造性天才」。他們的想法就是生成一種永遠(yuǎn)不會(huì)停止學(xué)習(xí)愈加復(fù)雜和新穎的算法。
利用 Uber 人工智能實(shí)驗(yàn)室開發(fā)的 POET（Paired Open-Ended Trailblazer）算法，一個(gè)隨機(jī)實(shí)例化的智能體首先要面對(duì)的是一個(gè)復(fù)雜的環(huán)境；然后從第一個(gè)環(huán)境中生成更復(fù)雜的環(huán)境，之后該智能體會(huì)逐步接受訓(xùn)練。
研究者對(duì)這種算法的熱情在于，它可以訓(xùn)練穩(wěn)健的智能體來解決人類尚未認(rèn)識(shí)到的問題。
原文：《AlphaStar：主宰實(shí)時(shí)策略游戲星際爭霸 II》，AlphaStar: Mastering the Real-Time Strategy Game StarCraft II，from DeepMind’s Blog
閱讀地址：https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/
《星際爭霸 II》是一款科幻電子游戲，它被認(rèn)為是最具挑戰(zhàn)性的實(shí)時(shí)策略游戲之一。而正是這一點(diǎn)激勵(lì)了 DeepMind！開發(fā)出 AlphaGo 的這家公司最終成功訓(xùn)練出一個(gè)能夠擊敗世界上最強(qiáng)大的專業(yè)星際玩家之一的人工智能。下面就讓我為大家介紹一下 AlphaStar。
AlphaStar 是人工智能的里程碑成果！事實(shí)上，雖然人工智能算法在很多電子游戲（如 Mario，Atari 等）中取得了很好的結(jié)果，但它們始終都還無法應(yīng)對(duì)星際爭霸這款游戲的復(fù)雜性。
為了在《星際爭霸 II》中獲得好結(jié)果，DeepMind 的研究人員建立了一個(gè)首度通過對(duì)人類游戲進(jìn)行監(jiān)督學(xué)習(xí)來完成訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，然后，得益于強(qiáng)化學(xué)習(xí)（RL）技術(shù)，模型的性能得到了提高。
如果我要玩《星際爭霸 II》，我毫無疑問會(huì)竭盡全力讓 AlphaStar 成為我的隊(duì)友！
原文：《回首谷歌 2018 年的研究成果》，Looking Back at Google’s Research Efforts in 2018，文章發(fā)布于 Google AI Blog
閱讀地址：https://ai.googleblog.com
如果你對(duì) 2018 年人工智能的相關(guān)新聞了解不多，那么這篇發(fā)表在谷歌人工智能博客上的文章正是為你而寫的。這篇文章對(duì)谷歌去年所領(lǐng)導(dǎo)的研究進(jìn)行了完整的總結(jié)。無論如何，谷歌這一年都稱得上是多產(chǎn)的！在這篇文章中，大家可以閱讀到 AI 的社會(huì)效益、自然語言理解、感知、量子計(jì)算以及發(fā)布的開源數(shù)據(jù)集。
我不知道你對(duì)于這篇文章有什么感想，但就我而言，我非常期待看到谷歌在 2019 年給我們帶來了什么。
原文：《人工智能，法律以及我們的未來》，AI, the law, and our future，文章發(fā)布于 MIT News
閱讀地址：http://news.mit.edu/2019/first-ai-policy-congress-0118
2019 年一月初，科學(xué)家和政策制定者齊聚麻省理工學(xué)院。共同探討人工智能規(guī)范。
他們都認(rèn)同人工智能對(duì)于解決人類至今無法解決的問題的潛力：治愈癌癥，幫助保護(hù)瀕危物種等。
但他們的討論本質(zhì)上都是關(guān)于如何讓人工智能不失去控制。他們研究了人工智能所帶來的倫理和社會(huì)問題。例如，他們解決了智能機(jī)器將大量取代工人的風(fēng)險(xiǎn)。
這篇文章匯總了演講者的大量語錄以及與會(huì)者所得出的結(jié)論。閱讀科學(xué)家和政策制定者對(duì)未來生活以及人工智能的見解，這真的非常有趣。
我們非常希望大家喜愛我們本月的 AI 最佳網(wǎng)文榜單，也非常歡迎大家在評(píng)論區(qū)中給我們反饋或者對(duì)今后的文章提建議。我們下個(gè)月見！
往期 AI 最佳網(wǎng)文榜單：
十一月份：https://blog.sicara.com/11-2018-best-ai-new-articles-this-month-a219efa105ba-8cf1a554e161
十月份：https://blog.sicara.com/10-2018-best-ai-new-articles-this-month-a219efa105ba
九月份：https://blog.sicara.com/09-2017-best-ai-new-articles-this-month-df0f2088543d
八月份：https://blog.sicara.com/08-2017-best-big-data-new-articles-this-month-8aa97b466cf0
Via：https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Fblog.sicara.com%2F01-2019-best-ai-new-articles-this-month-8e2113fbd17b 雷鋒網(wǎng) AI 科技評(píng)論編譯。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
