机器人在德国：自动化造成更低工资，更少工作，但实现了更大的经济效益：
... AI的兴起将如何影响经济？自动化是否会导致过多失业，以至造成的经济损失超过其收益？这是对于AI人们常问的几个问题，相信在将来也是。
...那么当你给某个经济体实施大规模自动化时，到底会发生什么呢？目前只有很少的数据让我们知道具体会发生什么，但最近的几项研究让未来变得更清晰一些了。
...几个月前，麻省理工学院和波士顿大学的Acemoglu和Restrepo就发表了美国劳动市场的相关报告，显示雇主在工厂每部署一个机器人，附近地区的总就业人数会减少大约6.2名，每年工资平均减少200美元。
...现在，改革派智库经济与政策研究中心的研究人员们，就对德国的就业情况与其工业机器人的关系做了一番研究。
...最引人注目的观察：“尽管机器人不影响总就业，但是对德国的制造业就业还是产生了很大的负面冲击。我们估计一个机器人平均可以替代两个生产工作职位。这意味着，在1994年至2014年期间，大约有275,000个全职制造工作已经被机器人取代掉了。但实际上，这些巨大损失可以被制造业以外的就业增长抵消掉，换句话说，机器人大大改变了就业构成。”
...因此，机器人对制造业就业的负平衡效应不是由现任工人的直接流失造成的，而是由劳动力市场中对机器人密集行业的更少分流造成的。也就是说，机器人不会破坏现有的制造业工作，而是会让公司为年轻人提供更少的相关新工作。“
...他们还注意到，更严酷的趋势是，正在引进机器人的行业内的工人往往是处于经济上的不利地位，因为在某些行业中，可能会导致员工们愿意“在机器人的威胁下，为了稳定工作而进行减薪“。
...但对于乐观的人们来说：“这个工人层面的分析提供了一个发现 - 我们发现与机器人接触更多的工人，实际上在其原工作场所保留工作的可能性也更高。这意味着，接触机器人增加了这些工人的工作稳定性，尽管其中一些工作人员最终进入了与之前不同的岗位。“
...阅读更多：机器人在德国劳动力市场的兴起。
AI研究不可重现的世界 (俺们个研究玄学的)：
...加拿大麦吉尔大学和微软收购的AI公司Maluuba的研究人员发表了一篇大胆的论文，直接指出了现代AI的不可重复，糟糕的特性。
...为说明这一点，他们对AI算法进行了一系列测试实验，范围从具有和不具有层规范化，到修改网络使用的细粒度组件。结果令人不安，因为即使看似微小的变化也会导致性能方面的巨大反应。他们还展示了一些算法对用于初始化它们的随机种子到底是多么的敏感。
...值得记住的一点是，如果性能如此易变（即使是同一作者在不同年份内通过类似算法的不同实现），那么研究人员应更努力于提出正确的基准，来测试新任务的同时确保代码质量。此外，由于没有一个单独强化学习算法可以在整个基准范围内取得出色的性能，所以我们需要集中注意于AI从业者认为值得开展工作的一系列基准上去。
...使用的组件： 这篇文章主要基于OpenAIs的“ baselines”项目进行的实验。
...阅读更多：Deep Reinforcement Learning that Matters
谁优化了优化器？当然是强化学习训练出的优化器！
...通过强化学习来优化优化神经网络的东西，学会创建新的优化器
...在AI研究神奇的递归世界中，目前的一个趋势是“学习如何学习”。这涉及到允许系统在暴露于各种不同的数据类型和环境（RL2，MAML等）后，快速解决大量任务的技术；在另一方面，又涉及到用神经网络来发明另一个神经网络架构和组件的技术（参见：Neural Architecture Search, Large-scale Evolution of Image Classifiers [神经结构搜索，图像分类器的大规模演进]等）。
...现在，Google的新研究在学习生成用于优化网络每层的更新方程。
...结果：研究人员在CIFAR-10图像数据集上测试了他们的方法，发现他们的系统得到了比Adam，RMSProp，SGD等这些标准更新算法更好性能的几个更新规则。
...如何训练：作者创建了一种非常局限的领域特定语言，用它们来训练RNN以在特定的领域特定语言中生成新的更新规则。一个控制器被训练出来以在不同的生成的字符串之间进行选择。
...惊奇之处：随着发现一系列基本和原始优化操作，系统还学会了随着训练时间调节学习速度，这显示了如何用相对简单的奖励策略来训练系统，甚至就可以带来很大的复杂性。
...阅读更多：Neural Optimizer Search with Reinforcement Learning
游戏玩家：Unity将游戏环境变成完整的AI开发系统：
...游戏引擎Unity已经发布了Unity Machine Learning Agents，能将通过该引擎制作的游戏转换为训练AI系统的环境。
...通过该系统建立的任何环境都有三个主要部分：agents (智能体)，brains (大脑)和academy (学术)。将agent视为具体的智能，根据与它们联接在一起的brain中运行的算法来行动（许多agent可以连接到一个brain，或每个代理可以拥有自己的brain，或之间的某处）。brain可以通过Python API与AI框架进行通信，例如TensorFlow。academy设置环境的参数，定义帧数，训练长度以及与游戏引擎本身相关的各种配置。
...彩蛋：软件的一个特点是能够让智能同时访问多个摄像机视图，这对于训练自驾车或其他系统来说可能会很方便。
...阅读更多：Introducing Unity Machine Learning Agents.
AI，按秒收费：
...许多AI开发人员现在都有种感觉，即购买和销售该技术的方式将会发生变化。 现在，如果你从公司购买预包装的服务，你可以购买按每次使用收费的分类器，但如果你想租用自己的基础训练设备，就通常会以分钟（Google）或小时（Amazon，微软）收费了。 现在，亚马逊更是将其销售的时间段缩短到按秒计算了。 这将使人们更容易快速启动和分拆服务，我认为这样可以更轻松地为合适的AI应用构建大规模的部件。
...阅读更多：EC2的按秒收费。
AAAI开展了一个专注于AI和伦理的新会议：
...AAAI正在推出一个专注于AI，伦理和社会的新会议。该组织目前正在接受会议的论文提交，主题例如社会福利AI，AI和法规，以及建立道德AI系统等主题。
...日期：会议将于2018年2月2-3日在新奥尔良举行。
...阅读更多。
图像识别公司Matroid的$1000万风投：
...计算机视觉新创公司Matroid，从英特尔和NEA筹集了1000万美元，用于易使用的视频分析工具。
...阅读更多
微软AI＆研究部门，员工人数：
... 2016：〜5,000
... 2017：〜8,000
...阅读更多
开放数据：中文新公司发布大型普通话语音识别语料库：
...当研究人员想要训练英语语音识别系统时，他们拥有丰富的大规模数据集，而普通话却较少。目前发布的最大的数据集是THCHS30，来自清华大学，其中包含50位说话人，大约30小时的语音数据。
...为解决这个，Beijing Shell Shell Technology Co(真没查到这公司)已经发布了AISHELL-1，其中包括400个说话人，170小时以上的语音数据，作为开源（Apache 2）数据集。每个说话人由三类设备并行记录（高保真麦克风，Android手机，iPhone）。
...使用的组件：Kaldi语音处理框架。
“据我们所知，这是用于普通话语音识别任务的最大学术免费数据集”，研究人员写道。 “实验结果将在与语料库一起的开放的Kaldi recipe中展示。
...阅读更多：AISHELL-1：An Open-Source Mandarin Speech Corpus and ASpeech Recognition Baseline.