0
雷鋒網(wǎng) AI 科技評論按：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習、強化學習、自然語言處理等熱門的人工智能細分領域。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 科技評論編譯如下。
歡迎大家前來閱讀 2019 年第一個月份的 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化學習、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行實際操作，建議準備好一個 Python 環(huán)境。首先不妨來看一個本月的笑話：
「當收到的大部分正面反饋都是挖苦的時，研究人員很難對深度學習算法進行訓練?！?/span>
原文：《神經(jīng)網(wǎng)絡能夠像我們?nèi)祟愐粯訉W習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拍賣會上進行了拍賣。
生成式對抗網(wǎng)絡（GAN）是能夠產(chǎn)生現(xiàn)實輸出的算法。例如，生成式對抗網(wǎng)絡過去常被用于生成臉部以及對名人的視頻進行篡改。它們畫出的第一幅畫甚至還在藝術拍賣會上進行了拍賣。
來自 MIT 和 IBM 的聯(lián)合 AI 實驗室意識到，繪畫 GAN 可以向人類提供神經(jīng)網(wǎng)絡怎樣學習和思考的信息，并且他們確實發(fā)現(xiàn)了神經(jīng)元簇可以學習表示特定的元素（例如樹、墻、門等）。這些算法通過自主學習來將像素組織到合理的部分中。
該團隊發(fā)布了一個叫做 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 demo 非常棒！
不過如果你試圖在天空中畫一扇門，這是無法實現(xiàn)的——因為這個生成式對抗網(wǎng)絡也學到了：在天空中畫一棵樹、一扇窗或門是沒有意義的。
這項操作值得一試，大家不妨動手嘗試一下。
原文：《Tensorow 2.0 的深度強化學習》，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 團隊最近發(fā)布了 Tensorow 2.0 版本。這個新版本作為一個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化學習（DRL）實施所帶來的新特征。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)可以嘗試使用這個版本，同時回答這個問題：Tensorow 2.0 是否便捷了你的生活？
原文：《使用深度學習的最新進展來預測股價走向》，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
當生成式對抗網(wǎng)絡在生成逼真的數(shù)據(jù)時，你是否曾想過使用它們來生成股價的未來價格走勢？這就是這篇文章的作者嘗試實現(xiàn)的事情！
GAN 很少應用于預測未來的股價。此外，本文作者嘗試利用其他的深度學習以及最先進的算法來改進其模型的性能。你可以閱讀關于 BERT 的文章以及關于強化學習和卷積的情感分析... 這項進展真的很棒！
同時，文中也有一些 Python 的代碼片段，大家請做好準備！
原文：《使用亞馬遜的理解醫(yī)療來識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)療領域是人工智能領域頗受關注的細分領域。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果... 但是醫(yī)療機構經(jīng)常因為需要遵守受保護的健康信息法規(guī)而放緩人工智能在該領域的發(fā)展步伐。
得益于亞馬遜的理解醫(yī)療（Amazon Comprehend Medical），該領域的發(fā)展也變得更容易些。Amazon Comprehend Medical 是新的 AWS 服務，使用機器學習來提取醫(yī)療數(shù)據(jù)，準確率非常高。例如，該算法可以提取私人的醫(yī)療信息。由于這個服務能夠禁止識別一些敏感數(shù)據(jù)或?qū)ζ溥M行匿名處理，它對于醫(yī)療領域來說意義重大。
原文：《應用于自然語言處理的現(xiàn)代深度學習技術》，Modern Deep Learning Techniques Applied to Natural Language Processing
閱讀地址：https://nlpoverview.com/index.html
在該項目中，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（CNN）以及循環(huán)神經(jīng)網(wǎng)絡（RNN）等深度學習模型是怎樣更好地「理解」人類話語的。
同時，你還能找到參考數(shù)據(jù)集以及機器翻譯、情感分析以及問答等關鍵 NLP 任務的最佳結果的概述。
我肯定會考慮它作為我的新 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
某個機器學習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」的專為對抗特定攻擊而設計的技術，無法處理新出現(xiàn)的襲擊類型。此外，這些技術的嚴格性會屏蔽和標記合法的用戶。
開發(fā)的新型人工智能軟件能夠適用于防范黑客不斷進化的戰(zhàn)術。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)中學習，它們能夠更準確地區(qū)分合法用戶和非法用戶。
原文：《POET：通過 Paired Open- Ended Trailblazer 不斷生成愈加復雜和多樣的學習環(huán)境以及對應分解決方案》，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 人工智能實驗室的團隊一直致力于解決 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不會停止學習愈加復雜和新穎的算法。
利用 Uber 人工智能實驗室開發(fā)的 POET（Paired Open-Ended Trailblazer）算法，一個隨機實例化的智能體首先要面對的是一個復雜的環(huán)境；然后從第一個環(huán)境中生成更復雜的環(huán)境，之后該智能體會逐步接受訓練。
研究者對這種算法的熱情在于，它可以訓練穩(wěn)健的智能體來解決人類尚未認識到的問題。
原文：《AlphaStar：主宰實時策略游戲星際爭霸 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，它被認為是最具挑戰(zhàn)性的實時策略游戲之一。而正是這一點激勵了 DeepMind！開發(fā)出 AlphaGo 的這家公司最終成功訓練出一個能夠擊敗世界上最強大的專業(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）中取得了很好的結果，但它們始終都還無法應對星際爭霸這款游戲的復雜性。
為了在《星際爭霸 II》中獲得好結果，DeepMind 的研究人員建立了一個首度通過對人類游戲進行監(jiān)督學習來完成訓練的深度神經(jīng)網(wǎng)絡，然后，得益于強化學習（RL）技術，模型的性能得到了提高。
如果我要玩《星際爭霸 II》，我毫無疑問會竭盡全力讓 AlphaStar 成為我的隊友！
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 2018 年人工智能的相關新聞了解不多，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。這篇文章對谷歌去年所領導的研究進行了完整的總結。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 的社會效益、自然語言理解、感知、量子計算以及發(fā)布的開源數(shù)據(jù)集。
我不知道你對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，科學家和政策制定者齊聚麻省理工學院。共同探討人工智能規(guī)范。
他們都認同人工智能對于解決人類至今無法解決的問題的潛力：治愈癌癥，幫助保護瀕危物種等。
但他們的討論本質(zhì)上都是關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問題。例如，他們解決了智能機器將大量取代工人的風險。
這篇文章匯總了演講者的大量語錄以及與會者所得出的結論。閱讀科學家和政策制定者對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論區(qū)中給我們反饋或者對今后的文章提建議。我們下個月見！
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 科技評論編譯。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
