AI大事件丨吴恩达再度出手创立AI制造业公司，李飞飞领衔谷歌中国AI研究中心，AI或将应用于成人电影

呜啦啦啦啦啦大家好呀，又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么？大佬们互撕了哪些问题？研究者们发布了哪些值得一读的论文？又有哪些开源的代码和数据库可以使用了？文摘菌带你盘点过去一周AI大事件！

新闻

吴恩达创立AI +制造业创业公司

来源：MEDIUM.COM

链接：https://medium.com/@andrewng/revitalizing-manufacturing-through-ai-a9ad32e07814?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

著名的Andrew Ng教授再度出手创立Landing.ai，这是一个主要关注制造业的人工智能公司。目前还不清楚landing.ai会生产什么产品。

谷歌在北京开设人工智能中心

来源：WWW.BLOOMBERG.COM

谷歌将在中国成立一个由数百名中国工程师组成的AI研究小组。“这将是一个在出版物、学术会议和知识交流上推进基本的人工智能的团队，”李飞飞说，她是谷歌云的首席科学家，将领导北京AI研究中心。

人工智能将应用于成人电影

来源：MOTHERBOARD.VICE.COM

链接：https://motherboard.vice.com/en_us/article/gydydm/gal-gadot-fake-ai-porn?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

有人使用机器学习算法将“神奇女侠”Gal Gadot的脸换到成人视频的女主角上。 有时脸部会显得不自然，而且有时候有一些UVE（uncanny valley effect），但如果只是随意一瞥，它能骗过绝大多数人。

文章&教程

深度学习：实践和趋势（NIPS 2017教程）

来源：WWW.YOUTUBE.COM

链接：https://www.youtube.com/watch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI&v=YJnddoa8sHk

关于当今深度学习系统构建模块的优秀教程。 本教程涵盖了卷积模型，自回归模型，域对齐，元学习，图形网络等。

NLP中的深度学习 - 2017年的发展和趋势

来源：TRYOLABS.COM

链接：https://tryolabs.com/blog/2017/12/12/deep-learning-for-nlp-advancements-and-trends-in-2017/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章很好地总结了2017年深度学习中NLP的进展，涵盖了预训练的词嵌入，情感神经元，SemEval 2017的结果，抽象汇总系统，无监督机器翻译等等。

高斯过程介绍

来源：BRIDG.LAND

链接：http://bridg.land/posts/gaussian-processes-1?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

高斯过程可能不是当前机器学习炒作的核心，但仍然被用在研究的最前沿。例如，研究者们最近发现它们用于自动调整AlphaGo Zero的MCTS超参数。

训练序列模型

来源：AWNI.GITHUB.IO

链接：https://awni.github.io/train-sequence-models/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章提供了几个训练序列模型的实用技巧，例如机器翻译或文本摘要中使用的技巧。

代码，项目&数据

MAgent Platform：多代理强化学习平台

来源：GITHUB.COM

链接：https://github.com/geek-ai/MAgent?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

MAgent Platform是一个多代理强化学习的研究平台。 以前的平台大多专注于使用单一代理或少量代理进行强化学习研究，而MAgent Platform旨在支持由数百到数百万代理扩展的强化学习研究。

从视频到音频：在野外为视频生成自然声音

来源：BVISION11.CS.UNC.EDU

链接：http://bvision11.cs.unc.edu/bigpen/yipin/visual2sound_webpage/visual2sound.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

在本文的项目中，作者给定了视觉的输入，并应用基于学习的方法来生成输入视频的原始波形样本。

探索ChestXray14发现的问题

来源：LUKEOAKDENRAYNER.WORDPRESS.COM

链接：https://lukeoakdenrayner.wordpress.com/2017/12/18/the-chestxray14-dataset-problems/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章详细分析了ChestXray14数据集，并解释了它可能不适合训练医学AI系统做诊断工作的原因。 对现实世界的各种数据集做分析是非常重要的，我们希望将来能看到更多。

爆款论文

Libratus AI在德州扑克上击败人类

来源：SCIENCE.SCIENCEMAG.ORG 

链接：http://science.sciencemag.org/content/early/2017/12/15/science.aao1733?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

LibratusAI，经过12万次的比赛，在德州扑克上击败了四位顶尖的人类专家，这是不完全信息游戏解决方案中的长期挑战问题。游戏理论方法使用独立于应用程序的技术：计算总体战略的算法，充实游戏中达到的子游戏战略细节的算法，以及修正潜在弱点的自我改进算。

Peephole：在训练前预测网络性能

来源：ARXIV.ORG

链接：https://arxiv.org/abs/1712.03351?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一种基于其架构来在训练之前预测网络性能的方法。作者开发了一种将单独的图层编码成矢量的方法，并通过LSTM将它们组合在一起形成一个集成的描述。利用循环网络的表达能力，该方法可以可靠地预测各种网络体系结构的性能。

深度学习中的数学

来源：ARXIV.ORG

链接：https://arxiv.org/abs/1712.04741?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

最近，由于引入了用于表示学习和分类的深层架构，识别系统的性能显着提高。 然而，这个成就背后的数学原因仍然难以捉摸。本教程将回顾最近的工作，旨在为深度网络的几个属性（如全局最优性，几何稳定性和学习表示的不变性）提供数学证明。

大数据文摘编辑部招人啦！！！

地处宇宙之心

和最聪明的脑袋一起玩耍

择个黄道吉日点击下方二维码加入我们~

志愿者介绍

回复“志愿者”加入我们

往期精彩文章

点击图片阅读

数据驱动型企业如何炼成？只需五步！