AI 科技評(píng)論君對(duì)上周末剛剛結(jié)束的 CNCC 2016 大會(huì)依然意猶未盡，無(wú)論是包云崗研究員提出通過(guò)標(biāo)簽化馮諾依曼結(jié)構(gòu)降低云計(jì)算數(shù)據(jù)中心成本，還是山世光研究員介紹的深度化人臉檢測(cè)與識(shí)別技術(shù)中關(guān)于深度學(xué)習(xí)的應(yīng)用，都展示了國(guó)內(nèi)人工智能領(lǐng)域的學(xué)術(shù)創(chuàng)新成果。

而來(lái)自業(yè)界的出門(mén)問(wèn)問(wèn)創(chuàng)始人李志剛和大家講述了的 AI 創(chuàng)業(yè)路上的那些坑與機(jī)遇，也作為最早一批人工智能領(lǐng)域的創(chuàng)業(yè)者，給廣大讀者帶了不同的思考感悟。

除了關(guān)于創(chuàng)新和創(chuàng)業(yè)的分享，AI 科技評(píng)論君也注意到了科技巨頭 Google 的學(xué)術(shù)動(dòng)態(tài)，其最新發(fā)布的增強(qiáng)型風(fēng)格遷移算法可以簡(jiǎn)單地讓單個(gè)深度卷積風(fēng)格遷移網(wǎng)絡(luò)（Deep Convolutional style Transfer Network）同時(shí)學(xué)習(xí)多種藝術(shù)風(fēng)格。

說(shuō)了這么多關(guān)于人工智能的學(xué)界和業(yè)界動(dòng)態(tài)，躍躍欲試的你卻還是個(gè) AI“小白”，連什么是機(jī)器學(xué)習(xí)都不明白，怎么辦呢？沒(méi)關(guān)系，AI 科技評(píng)論君這周貼心地為大家準(zhǔn)備了福利 —— 16 個(gè)新手必看的機(jī)器學(xué)習(xí)視頻教程。

下面我們一起回顧一下本周的 AI 科技評(píng)論頭條吧。

| 中科院包云崗37頁(yè)P(yáng)PT剖析 ——如何降低云計(jì)算數(shù)據(jù)中心的成本？

包云崗是中科院計(jì)算所研究員、博士生導(dǎo)師、先進(jìn)計(jì)算機(jī)系統(tǒng)研究中心副主任，作為 CNCC 2016 的特邀嘉賓的他提出通過(guò)標(biāo)簽化馮諾依曼結(jié)構(gòu)降低云計(jì)算數(shù)據(jù)中心的成本。

標(biāo)簽化馮諾依曼結(jié)構(gòu)它的目標(biāo)其實(shí)是：

去提高數(shù)據(jù)中心的資源利用率，降低數(shù)據(jù)中心的整個(gè)成本。

圍繞這個(gè)目標(biāo)的三個(gè)關(guān)鍵詞是云計(jì)算、馮諾依曼結(jié)構(gòu)以及標(biāo)簽化。

但是也有人問(wèn)我？如果它以后真的會(huì)成為主流？關(guān)于數(shù)據(jù)中心成本降低了，對(duì)于設(shè)備商來(lái)說(shuō)，他們?cè)敢飧蓡?？為什么他們有?dòng)力去做呢？因?yàn)樗麄兊氖杖牒孟駮?huì)下降。

這里我想提一點(diǎn)，其實(shí)在200年前，英國(guó)的經(jīng)濟(jì)學(xué)家杰文斯就問(wèn)過(guò)這個(gè)問(wèn)題，煤炭利用率提升了一倍，但會(huì)不會(huì)煤的產(chǎn)量下降呢？事實(shí)上，他發(fā)現(xiàn)，煤的產(chǎn)量增加了，因?yàn)楦嗟娜藭?huì)去用，所以技術(shù)的進(jìn)步會(huì)去增加技術(shù)的消費(fèi)量，我相信我們通過(guò)努力，去降低云計(jì)算的成本，也會(huì)進(jìn)一步去促進(jìn)云計(jì)算的快速發(fā)展。

原文鏈接

| 中科院山世光：深度化的人臉檢測(cè)與識(shí)別技術(shù)—進(jìn)展與展望

山世光是中科院計(jì)算所研究員，中科院智能信息處理重點(diǎn)實(shí)驗(yàn)室常務(wù)副主任，在 CNCC 2016 可視媒體計(jì)算論壇上發(fā)表了演講，介紹最近幾年在人臉識(shí)別領(lǐng)域幾個(gè)關(guān)鍵流程上面，深度學(xué)習(xí)的應(yīng)用情況。

特別要提到的是學(xué)術(shù)界的里程碑（數(shù)據(jù)庫(kù)）：ORL——FERET——FRGC v2.0——LFW

也給出了目前人臉識(shí)別的應(yīng)用現(xiàn)狀：

總結(jié)這個(gè)報(bào)告就是以下幾點(diǎn)：

• 人臉檢測(cè)與識(shí)別不再具有特殊性

• 深度模型（&大數(shù)據(jù)&高性能計(jì)算）極大推進(jìn)了人臉識(shí)別能力，在一些（用戶(hù)配合的）任務(wù)上能超過(guò)人眼

• 萬(wàn)人規(guī)模的黑名單視頻監(jiān)控場(chǎng)景尚不成熟

• SeetaFace為大家提供了一個(gè)不錯(cuò)的baseline

原文鏈接

| 出門(mén)問(wèn)問(wèn)李志飛：AI 創(chuàng)業(yè)路上的那些坑與機(jī)遇

在 CNCC 2016 大會(huì)特邀報(bào)告中，出門(mén)問(wèn)問(wèn)創(chuàng)始人李志飛介紹了最常見(jiàn)的兩條 AI 產(chǎn)業(yè)化路線：

• 在已有的產(chǎn)品中實(shí)現(xiàn) AI first 戰(zhàn)略，比如 Google；

• AI 作為技術(shù) API 提供給第三方，比如出門(mén)問(wèn)問(wèn)。

“前者適用于大公司，后者適用于小公司。”

To B 的優(yōu)勢(shì)在于：初期就能賺到錢(qián)；更專(zhuān)注，不需要全棧式團(tuán)隊(duì)；實(shí)現(xiàn)應(yīng)用更豐富。

To B 的劣勢(shì)在于：難以擴(kuò)大規(guī)模。

To C 的優(yōu)勢(shì)在于：打造自主的品牌；逐漸形成規(guī)模和商業(yè)模式。

To C 的劣勢(shì)在于：需要更長(zhǎng)時(shí)間的積累；需要全棧式的團(tuán)隊(duì)。

出門(mén)問(wèn)問(wèn)選擇 To C 的代價(jià)就是要經(jīng)歷從軟到硬的痛苦過(guò)程，李志飛和大家分享了幾個(gè)需要注意的方面：

• 必須發(fā)現(xiàn)并尊重硬件規(guī)律；

• 必須依循硬件的生命周期；

• 硬件的個(gè)性化交互創(chuàng)新很難實(shí)現(xiàn)。

原文鏈接

| Google 最新發(fā)布的增強(qiáng)型風(fēng)格遷移算法

Google 本周發(fā)布了一種新的遷移網(wǎng)絡(luò)（來(lái)自其論文《A Learned Representation for Artistic Style》）同時(shí)學(xué)習(xí)多種風(fēng)格的簡(jiǎn)單方法，可以簡(jiǎn)單地讓單個(gè)深度卷積風(fēng)格遷移網(wǎng)絡(luò)（Deep Convolutional style Transfer Network）同時(shí)學(xué)習(xí)多種藝術(shù)風(fēng)格。

這種方法能實(shí)現(xiàn)實(shí)時(shí)的風(fēng)格插補(bǔ)（Style Interpolation），其不僅可以應(yīng)用于靜態(tài)圖像，還可應(yīng)用于視頻中。

如上圖所示，在實(shí)際使用中用戶(hù)可使用13 種不同的繪畫(huà)風(fēng)格，通過(guò)滑塊調(diào)整這些風(fēng)格的相對(duì)強(qiáng)度。多種風(fēng)格實(shí)時(shí)結(jié)合到一起，最后得到一個(gè)輸出。

下圖是 4 種風(fēng)格按不同比例結(jié)合的成果：

原文鏈接

| 16 個(gè)新手必看的機(jī)器學(xué)習(xí)視頻教程

我們很多人都沒(méi)有注意到，其實(shí) YouTube 上面有大量免費(fèi)的機(jī)器學(xué)習(xí)的指導(dǎo)課程。你無(wú)須再等待 MOOC 課程的更新了，可以在 YouTube 上面找到你想要的。（備注：請(qǐng)自備梯子科學(xué)上網(wǎng)觀看）

本文可以幫助你發(fā)現(xiàn)新的工具、技術(shù)、方法等。你要牢記這句話：對(duì)新知識(shí)的學(xué)習(xí)要像生命對(duì)于活水的需求一樣迫切，永遠(yuǎn)不要停下追趕新知識(shí)、新觀點(diǎn)的腳步。

這些視頻主要分成 4 個(gè)部分，內(nèi)容目錄：

1、機(jī)器學(xué)習(xí)新手入門(mén)

·如何成為一個(gè)數(shù)據(jù)科學(xué)家

·每個(gè)程序員都應(yīng)掌握的重要數(shù)據(jù)處理技巧

·數(shù)據(jù)科學(xué)大賽的新手指南

·機(jī)器學(xué)習(xí)指南

2、最新的機(jī)器學(xué)習(xí)課程

·統(tǒng)計(jì)學(xué)機(jī)器學(xué)習(xí)

·滑鐵盧大學(xué)機(jī)器學(xué)習(xí)課程

·基于 Python 的機(jī)器學(xué)習(xí)實(shí)踐

·Geoff Hinton 的神經(jīng)網(wǎng)絡(luò)課程

3、其他有用的講座

·失衡數(shù)據(jù)集下的機(jī)器學(xué)習(xí)

·Scikit—learn教程

·前沿技術(shù)——深度學(xué)習(xí)

·Pandas 新手教程

·基于 Python 語(yǔ)言的預(yù)測(cè)模型

4、企業(yè)機(jī)器學(xué)習(xí)案例

·谷歌

·Pinterest

·Grabtaxi

原文鏈接

| 公開(kāi)課預(yù)告

最后，預(yù)告一下公開(kāi)課時(shí)間： 11 月 1 日，下周二下午 3 點(diǎn)。歡迎大家踴躍報(bào)名。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。