【AI每日播报】吴恩达离职百度 腾讯任命张潼为AI Lab主任

欢迎人工智能相关的技术投稿、约稿、行业分析、热点新闻、编译等，请发送邮件至baiyan@csdn.net，期待大家投稿

资讯

快讯 | 百度首席科学家吴恩达宣布即将离职

3月22日，百度首席科学家、在线教育平台Coursera的联合创始人吴恩达宣布将会辞去在百度的工作，吴恩达于2014年5月加入百度，负责百度研究院的领导工作，尤其是Baidu Brain计划。据悉，在同一天，百度通过内部邮件，任命百度副总裁王海峰接替吴恩达成为AI技术平台体系(AIG)总负责人。

吴恩达在Twitter发布的消息

首发 | 人工智能大事件！腾讯任命张潼博士为AI Lab主任

3月23日，腾讯宣布任命人工智能领域顶尖科学家张潼博士担任腾讯AI Lab（腾讯人工智能实验室）主任。

腾讯任命张潼博士为AI Lab主任

张潼博士将作为腾讯AI Lab第一负责人，带领50余位AI科学家及200多位AI应用工程师团队，专注于人工智能的基础研究，主要包括计算机视觉、语音识别、自然语言处理和机器学习这四个垂直领域。同时，基于腾讯自身的业务需求，腾讯AI Lab还会在内容、社交、游戏和平台工具型AI四个方向进行研发与应用合作。

聚焦四大领域的基础研究，包括：计算机视觉、语音识别、自然语言处理与机器学习，力求全面覆盖并深层次拓展AI的前沿技术能力。

同时发展AI在具有腾讯特色的四大业务场景中的应用能力：内容 AI、社交AI、游戏AI和平台工具AI。

人工智能是虚假新闻的“克星”

如何更好地掌握规律、制定规则，给算法提供正确指引，让人工智能能够更有效地甄别虚假和低俗内容并控制其传播，是当前业界和学界要重点研究的问题。

当前，甄别和控制网络虚假信息传播已经成为一个世界性话题。虚假信息不仅令我国网络空间深受其扰，一些西方国家也日益意识到它的危害。去年美国大选中，不同利益集团相互指责和控诉对方制造和传播虚假信息，吃相难看，颜面尽失。

声音

马化腾：人工智能将成未来业内核心竞争力

腾讯控股有限公司主席兼首席执行官马化腾22日在港表示，人工智能近两年成为全球投资者关注的热点，吸引许多资金投入，腾讯也十分看重该领域的发展，预计人工智能将成为未来业内的核心竞争力。

马化腾当日在腾讯2016年业绩发布会上表示，目前公司整体技术人员都在不断积累人工智能领域的相关经验，该技术最终能否有效广泛应用，主要取决于数据及使用场景两个因素，而腾讯受惠于多元化业务，拥有众多合作伙伴及平台式服务，因此在数据及使用场景方面占据优势。

据悉，近日刚于日本落幕的第十届UEC杯计算机围棋大赛中，由腾讯人工智能实验室研发的人工智能程序“绝艺”夺冠。此次在“阿尔法围棋”没有参赛的情况下，“绝艺”成为围棋人工智能程序的胜者。

对此，马化腾表示，该比赛算是集团内部的测试应用，以进一步积累相关经验。他说，人工智能技术目前已应用在腾讯多个业务上，包括微信语音处理、优图的人脸识别及社交广告智能化等，未来还可应用在医疗及自动驾驶等领域，发展空间广阔。

Facebook人工智能研究院院长进清华：AI不会取代人类

北京时间3月22日晚间消息，Facebook人工智能研究院院长Yann LeCun教授今天下午在清华大学举办了一场主题为“深度学习与人工智能的未来”的讲座，谈论了深度学习与人工智能的历史、现状与挑战。

Facebook人工智能研究院院长、纽约大学教授Yann LeCun

Yann LeCun教授是Facebook人工智能研究院院长，纽约大学教授。他最著名的是在深度学习和神经网络方面作出的杰出贡献，特别是他创立的卷积网络模型，被广泛地应用于计算机视觉和语音识别应用里，也因此他被称为卷积网络之父。本次讲座是由清华大学经济管理学院发起，清华x-lab与Facebook公司联合设计并推出的《创新与创业：硅谷洞察》学分课程中的一节公开课。这也是清华大学首次和跨国企业联合进行课程讲授。

在讲座中，LeCun教授首先讲述了人工智能的发展史。他提到，人工智能的研究首先是从机器学习中的监督学习开始，研究人员将训练实例输入机器，让机器辨别简单的物体；到了上个世纪50年代，研究人员提出了“认知机”（perceptron）概念。而后来研究人员又建立了多层神经网络理论，并最终建立深度学习概念。

LeCun教授重点谈论了他参与的卷积神经网络（CNN）研究：他当时将CNN用于辨别支票上的手写数字，识别率达50%，识别错误率仅为1%，这是CNN第一次解决实际问题；但当时不少研究者认为CNN并无实际意义，为此他的同事之间还有一场赌约，最后输赢各半，因为直至今日研究者也无法让CNN更好的用于实际中，但它在多个领域仍有应用。

LeCun教授认为，深度学习的作用一是为现有的事物分类，二是表达世界上的事物。时至今日，卷积神经网络的层级越来越多，使得人工智能在人脸识别，无人驾驶和图像识别方面都有广泛应用。

迅雷创始人程浩：人工智能只做技术服务商死路一条！

朋友们大家好，我是程浩，迅雷创始人，现在专注互联网领域的投资。这一年来我看了许多人工智能领域的创业项目，很多都是技术背景的创业者，发现两个普遍问题：

• 有技术但没有好的场景，“拿着锤子找钉子”非常普遍；
• 技术创业者如果只定位做技术提供商，而不直接面向用户/客户提供整体解决方案，未来价值会越来越小，不往上游走风险非常大，甚至是死路一条。

为什么说未来只做技术提供商价值会越来越小，甚至死路一条？原因有几点：

• 未来很多基础技术服务都是大公司的赛道，都会免费
• 依托于算法的技术壁垒会越来越低
• 技术提供商如果不直接面向用户/客户提供整体解决方案，则非常容易被上游碾压

那么对于技术创业公司，从“一横”走到“一纵”，要选哪个垂直领域，取决几个关键因素：

• 市场空间够不够大？
• 行业集中度如何？
• 技术是改良还是革命？
• 双方壁垒谁更高？

技术

TensorFlow架构与设计：会话生命周期

TensorFlow的系统结构以C API为界，将整个系统分为「前端」和「后端」两个子系统：

• 前端系统：提供编程模型，负责构造计算图；
• 后端系统：提供运行时环境，负责执行计算图。

本文首先以Session创建为例，揭示前端Python与后端C/C++系统实现的通道，阐述TensorFlow多语言编程的奥秘。随后，以Python前端，C API桥梁，C++后端为生命线，阐述Session的生命周期过程。

TensorFlow架构与设计：OP本质论

TensorFlow的系统结构以C API为界，将整个系统分为「前端」和「后端」两个子系统。前端系统扮演了Client的角色，完成计算图的构造，通过转发Protobuf格式的GraphDef给后端系统的Master，并启动计算图的执行过程。

最终，Master将图进行分裂，通过RegisterGraph接口，将GraphDef的子图片段注册到Worker上。因此，GraphDef是描述计算图的知识模型，整个TensorFlow的计算过程都是围绕GraphDef所展开的。

TensorFlow计算的单位是OP，它表示了某种抽象计算。本章首先阐述NodeDef, OpDef的元数据模型，然后通过一个简单的例子，讲述元数据的流动过程。

机器学习中梯度下降算法（包括其变式算法）简介

许多受欢迎的机器算法都源于优化技术，例如：线性回归算法、K-最近邻算法、神经网络算法等等。在学术界以及各行各业中，优化研究比比皆是，优化应用随处可见。
在本篇文章中，我会向大家介绍梯度下降（Gradient Descent）这一特殊的优化技术，在机器学习中我们会频繁用到。以下为本文目录：

• 什么是梯度下降？
• 运用梯度下降算法所面临的挑战
• 梯度下降算法的变式
• 梯度下降的实现过程
• 使用梯度下降算法的实用小贴士
• 附录

---