Hinton 发表新作探索流体胶囊网络 | AI日报

为了方便大家及时了解国内外AI领域的重要事件、科研进展、相关讨论等，我们智源社区推出了《AI日报》系列，以飨诸位。

AAAI 2021放榜，共有1692篇论文被接收，录取率21%

昨日，人工智能顶级会议AAAI 2021 已经开奖，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。

AAAI历年数据汇总

AAAI历年投稿总数、录取总数和录取率

关于AAAI的投稿总数，近几年一直处于上涨状态，其中2019年相较于2018年有了近一倍的增长，但近两年的增长则是出现了缓慢趋势。AAAI的录取率也并不是稳定或者线性的，从上图曲线可以看出，录取率是波动状态，且2019年最低，只有16.9%；最高当属2013年，接近30%

Hinton 最新论文探索流体胶囊网络的无监督组件表征

胶囊网络旨在将一张图像解析为具有层次结构的对象、组件和关系。尽管很有潜力，但无法高效学习低级组件描述仍然限制了胶囊网络。为了解决这个问题，包括Hinton在内来自多伦多大学和谷歌研究院的研究者提出了一种新颖的自我监督方法，用于学习一张图像的组件描述符。在训练阶段，研究者将运动（motion）作为组件定义的有力感知线索，并使用表达解码器进行组件生成和具有遮挡的分层图像形成。实验表明，在存在多个对象、混乱背景和明显遮挡的情况下，我们可以发现鲁棒的组件。

论文地址：https://arxiv.org/abs/2011.13920

Nature最新论文：深度强化学习“落地”高空，全自动环境监测或成现实

近日，来自谷歌研究院（Google Research ）和 Alphabet 旗下公司 Loon 的研究人员组成的科研团队，成功开发出的一种基于深度强化学习的高性能人工智能控制器，能让高空气球一连数周待在原地，并根据环境因素进行实时决策并实现自主导航。这一研究结果提高了全自动环境监测成为现实的可能性，代表深度强化学习向现实世界应用迈进了非常重要的一步。

该研究成果以“Autonomous navigation of stratospheric balloons using reinforcement learning”为题，于 12 月 3 日在线发表在顶级期刊 Nature 上。

参考资料：https://www.nature.com/articles/s41586-020-2939-8

颜宁评AlphaFold：算突破，但不够震撼，分子动力学模拟才是关键

今日美国普林斯顿大学教授颜宁在其微博上发表对AlphaFod的看法，摘录其要点如下：

这次新闻的亮点有两个，一是AI，二是准确度高。这确实是突破，但是有了两年前的新闻做铺垫，现在这次委实是意料之中。带给我的震撼还赶不上冷冻电镜的革命。

结构生物学的本质不是解结构，是理解生命、回答问题，做出生物学发现。获得结构只是手段。我这里说的“发现”，特指超乎想象的通过结构才揭示出来的自然界里神奇的存在或者令人叹为观止的机理，我讲课最喜欢举的例子之一就是施一公组的剪接体结构。为啥呢？因为集合了结构生物学发现里几乎所有的精彩要素和挑战。

预训练图像处理Transformer：华为诺亚、北大等提出IPT模型，刷榜多项底层视觉任务

与自然语言任务相比，视觉任务在输入形式上有很大差别。Transformer 等模型在自然语言处理任务上展现出了强大的特征学习能力，使用大量数据进行预训练的策略获得了成功。因此，很多研究都在考虑如何在计算机视觉领域发挥 Transformer 模型与预训练的潜力。

近日，华为、北大、悉大以及鹏城实验室的研究者提出了一个名为 IPT（Image Processing Transformer）的预训练 Transformer 模型，用于完成超分辨率、去噪、去雨等底层视觉任务。IPT 具备多个头结构与尾结构用于处理不同的任务，不同的任务共享同一个 Transformer 模块。预训练得到的模型经过微调即可在多个视觉任务上大幅超越对应任务上的当前最好模型。

论文链接：https://arxiv.org/pdf/2012.00364.pdf

点击此处进入社区查看原文