0
| 本文作者： 三川 | 2017-03-06 15:29 |
更高效的聚類、相似性搜索算法庫，F(xiàn)acebook 開源 FAISS
MIT 黑科技，合成數(shù)據(jù)也能用于機器學(xué)習(xí)
機器學(xué)習(xí)算法成功預(yù)測人造地震
每日推薦閱讀
ViZDoom 使用教程：訓(xùn)練 AI 來玩《毀滅戰(zhàn)士》
雷鋒網(wǎng)消息，F(xiàn)AIR（Facebook 人工智能實驗室）上周發(fā)表了一篇論文，提出一項針對聚類和相似性搜索的新算法設(shè)計。新架構(gòu)比此前最先進(jìn)的算法更快更高效，并使用 GPU 來獲得更高的內(nèi)存帶寬和計算吞吐量。
基于此項研究，FAIR 近日在 Github 開源了一個名為 FAISS 的庫，相關(guān)文檔已陸續(xù)完成上傳，并于昨日更新了安裝文件。能進(jìn)行聚類和相似性搜索的算法已有不少，F(xiàn)AISS 對它們進(jìn)行了優(yōu)化，以便更高效地在 GPU 上運行。FAISS 整合的部分算法有：
Fast K-Nearest Neighbour
QuickSelect
Warpselect
K-Means clustering
FAIR 表示，F(xiàn)AISS 有五大特性：
使用 C++ 編寫，有完整的 Python/numpy 封裝。
支持單個、多 GPU。
優(yōu)異的可擴(kuò)展性，通常情況下能支持最多 100 個維度。
基于 BLAS 和 CUDA。
比當(dāng)前最先進(jìn)的庫速度提高 8.5 倍。
詳情：http://www.ozgbdpf.cn/news/201703/lzEITGcs5Miuh8k5.html
GitHub：http://www.ozgbdpf.cn/news/201703/lzEITGcs5Miuh8k5.html
論文：https://arxiv.org/abs/1702.08734
IEEE 數(shù)據(jù)科學(xué)大會上出現(xiàn)了一篇重磅論文。該論文的作者是 MIT LIDS（Laboratory for Information and Decision Systems） 實驗室的首席科學(xué)家 Kalyan Veeramachaneni。他提出了一項新技術(shù)：通過機器學(xué)習(xí)算法基于真實數(shù)據(jù)生成合成數(shù)據(jù)，將后者應(yīng)用于模型訓(xùn)練，卻能產(chǎn)生和前者相當(dāng)?shù)男Ч?/p>
你或許要問，這個技術(shù)有什么價值？
很多領(lǐng)域，比如醫(yī)療和金融，普通用戶的隱私、敏感信息要么難以合法獲取、要么代價極大（雷鋒網(wǎng)注：AI 公司從醫(yī)院購買患者掃描圖像普遍需要一筆巨資，幾乎沒有企業(yè)負(fù)擔(dān)得起）。而合成數(shù)據(jù)避免了隱私泄露問題，但又具備真實數(shù)據(jù)的價值；因此可用來開發(fā)、測試算法模型。
Kalyan Veeramachaneni 發(fā)明的這個機器學(xué)習(xí)系統(tǒng)名為 Synthetic Data Vault (SDV)，能基于真實數(shù)據(jù)創(chuàng)建機器學(xué)習(xí)算法模型，來自動生成人造、合成數(shù)據(jù)。這套系統(tǒng)基于名為 "recursive conditional parameter aggregation" 的算法。
詳情：http://news.mit.edu/2017/artificial-data-give-same-results-as-real-data-0303
論文：http://dai.lids.mit.edu/SDV.pdf
眾所周知，地震預(yù)測一直是終極科學(xué)難題之一，至今尚無可靠的方法。相當(dāng)多地質(zhì)專家認(rèn)為這根本不可能實現(xiàn)。雷鋒網(wǎng)消息，美國 Los Alamos 國家實驗室的兩名研究人員，利用機器學(xué)習(xí)技術(shù)實現(xiàn)了對實驗室環(huán)境的人工地震預(yù)測。這再次點燃了希望。
他們訓(xùn)練了一個機器學(xué)習(xí)算法，對人造地震發(fā)生前材料受壓釋放的聲波成功進(jìn)行了識別?？紤]到地震預(yù)測課題的難度，研究團(tuán)隊對該技術(shù)在真實地震條件下的預(yù)測效果表示謹(jǐn)慎。但這項研究指出了一個新方向。
該突破在地質(zhì)學(xué)界造成了相當(dāng)大的震動?？梢灶A(yù)料，將會有一大批科研人員著手研究如何將機器學(xué)習(xí)應(yīng)用于對地震前兆信號的識別。
ViZDoom 是一個可與 Tensorflow、Theano 等框架結(jié)合的強化學(xué)習(xí)庫，同時是一個基于游戲《毀滅戰(zhàn)士》（“Doom”）的 AI 研究平臺，為機器視覺學(xué)習(xí)和深度強化學(xué)習(xí)而設(shè)計。技術(shù)人員可用該工具開發(fā)僅通過 screen buffer 信息來玩《毀滅戰(zhàn)士》的 AI 智能體。
英國數(shù)據(jù)咨詢師 Mark Litwintschik，近日發(fā)表了一篇使用 ViZDoom 的上手教程。該教程基于 Tensorflow，感興趣的可以玩一玩。
文章地址：http://tech.marksblogg.com/tensorflow-vizdoom-bots.html
ViZDoom 地址：http://vizdoom.cs.put.edu.pl/
欄目介紹：AI 開發(fā)者頭條是雷鋒網(wǎng)旗下 AI 研習(xí)社推出的資訊欄目，周一到周五更新，匯總每天 AI 開發(fā)圈的重磅新聞，并推薦技術(shù)干貨。你所關(guān)注的 AI 技術(shù)資訊，盡在開發(fā)者頭條。
關(guān)注 AI 研習(xí)社公眾號，獲取每日頭條推送。
相關(guān)文章：
谷歌開源 Python Fire；一張圖讀懂 Python、R 的大數(shù)據(jù)應(yīng)用等 | AI 開發(fā)者頭條
藍(lán)牙、WiFi 版樹莓派發(fā)布；日韓三巨頭聯(lián)手推出 AI 語音助手 Clova | AI 開發(fā)者頭條
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。
