AI大事件 | Geoffrey Hinton决定抛弃反向传播,预期策略梯度算法

640?wx_fmt=png&wxfrom=5&wx_lazy=1

大数据文摘作品

编译 | 宁云州

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!

了解过去一周AI爆点,一篇就够啦!


新闻

Geoffrey Hinton决定抛弃反向传播

来源:WWW.AXIOS.COM

链接:https://www.axios.com/ai-pioneer-advocates-starting-over-2485537027.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

现在几乎所有神经网络都会经过反向传播的训练。然而在最近的一次采访中,Hinton,深度学习之父却表示,他将“抛开一切重新开始”。要想在深度学习上向前推进,就必须发明全新的方法。


Facebook人工智能研究登陆蒙特利尔

来源:NEWSROOM.FB.COM 

链接:https://newsroom.fb.com/news/2017/09/fair-montreal/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

作为Facebook的人工智能研究的一部分(FAIR),这个新的团队将由超过100名来自门洛帕克、纽约和巴黎的科学家组成,他们将努力推进人工智能领域的研究。

蒙特利尔实验室将对AI领域进行广泛的研究,但它也将特别关注强化学习和对话系统。


Sophia Genetics筹集了3000万美元帮助医生使用人工智能和基因组数据进行诊断

来源:VENTUREBEAT.COM 

链接:https://venturebeat.com/2017/09/13/sophia-genetics-raises-30-million-to-help-doctors-diagnose-using-ai-and-genomic-data-analysis/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

9月13日消息,瑞士医疗数据分析公司Sophia Genetics宣布完成3000万美元D轮融资,Balderton Capital领投,Alychlo、Invoke Capital Partners、360 Capital Partners等跟投。

Sophia Genetics成立于2011年,是一家遗传信息数据分析公司,专注于通过人工智能找出患者基因突变原理,并结合专家意见提供个性化的治疗诊断方案。


文章&教程

学习其他代理想法的模型(OpenAI)

来源:BLOG.OPENAI.COM

链接:https://blog.openai.com/learning-to-model-other-minds/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一种算法,它解释了其他代理也在学习的事实,并在迭代囚徒困境中发现了类似于针锋相对的合作策略。


AI健身房

来源:LEARNINGAI.IO

链接:https://learningai.io/projects/2017/07/28/ai-gym-workout.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一个易于理解的近端策略优化( Proximal Policy Optimization)的介绍(PPO)并且能够很好的应对MuJoCo 和 RoboSchool 的环境。点击这里查看代码:https://github.com/pat-coady/trpo


使用强化学习达到最优化

来源:BAIR.BERKELEY.EDU 

链接:http://bair.berkeley.edu/blog/2017/09/12/learning-to-optimize-with-rl/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

机器学习的算法仍然是人工设计的。这就引出了一个自然的问题:我们可以学习这些算法吗?


项目&数据

使用TensorBoard API完成自定义可视化

来源:RESEARCH.GOOGLEBLOG.COM 

链接:https://research.googleblog.com/2017/09/build-your-own-machine-learning.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

为了让学习者能够使用新的和有用的可视化进行创作,谷歌公布了一组API,允许开发人员添加自定义的可视化插件到TensorBoard。


膨胀残留网络(Dilated Residual Network)的实现

来源:GITHUB.COM

链接:https://github.com/fyu/drn?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

基于膨胀卷积的多元内容集成和膨胀残留网络的官方PyTorch实现。


对TensorFlow数据集和估计机制(Estimators)的介绍

来源:DEVELOPERS.GOOGLEBLOG.COM 

链接:https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

TensorFlow 1.3介绍了两个重要的特点:数据集和估计机制。这篇文章显示了他们如何适应TensorFlow架构。


数据集 | 一万本最受欢迎的书:一万本书,六百万次阅读

来源:GITHUB.COM

链接:https://github.com/zygmuntz/goodbooks-10k?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

该数据集包含了goodreads.com上一万本最受欢迎的书,其中最受欢迎的被阅读了六百万次。


爆款论文

针对工程师的机器学习简介

来源:ARXIV.ORG

链接:https://arxiv.org/abs/1709.02840?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一个200页的“简短”的介绍。这项工作旨在介绍机器学习中的关键概念、算法和理论框架,包括监督和无监督学习、统计学习理论、概率图形模型和近似推理。


把所有东西都嵌入进去!

来源:ARXIV.ORG

链接:https://arxiv.org/abs/1709.03856?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一个通用的神经嵌入模型,可以解决各种各样的问题:标签型任务,如文本分类;排序型任务,如信息检索、网络搜索、基于协同过滤和基于内容的推荐;多关系图的嵌入,并能够实现单词、句子或文档级的嵌入。在每种情况下,模型都是通过嵌入由离散特征组成的实体来实现的,并将对它们进行比较——学习依赖于任务的相似性。


预期策略梯度算法

来源:ARXIV.ORG

链接:https://arxiv.org/abs/1706.05374?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

预期策略梯度算法(EPG:Expected policy gradients)使强化学习中的随机策略梯度算法(SPG: stochastic policy gradients )和确定性策略梯度算法(DPG: deterministic policy gradients )达成了一致。这一算法的灵感来自于预期的SARSA算法,EPG在估计梯度的时候整合了整个操作,而不是仅仅依赖于采样轨迹。


志愿者介绍

回复“志愿者”加入我们


0?wx_fmt=png

往期精彩文章

点击图片阅读

AI大事件 | IBM和MIT成立联合人工智能研究实验室,等

0?wx_fmt=jpeg

0?wx_fmt=gif

640?wx_fmt=png

你可能感兴趣的:(AI大事件 | Geoffrey Hinton决定抛弃反向传播,预期策略梯度算法)