dotamh(dotamh lanzous)

行业资讯

AI攻破Dota2！马斯克OpenAI版“阿尔法狗”完胜最强人类选手，马斯克：这可比围棋难多了

星际争霸2人机大战在即，DeepMind和暴雪发布最新机器学习“工具包”

陆奇：我与李彦宏分工明确，百度要通过人工智能征服世界！

吴恩达AI布局三板斧第一斧，真的需要培养这么多AI专家吗？

惊呆了，2000行代码搞定特斯拉

信息检索顶会SIGIR 2017奖项公布：微软最佳论文、清华最佳学生论文

科学家们竟然用DNA攻击了一台计算机！

天啊！这只机器人竟然在我的衣服上爬来爬去！

2017年人工智能行业分析：芯片企业最少，计算机视觉与图像企业数量最多

学术前沿

ACS新技术：可自动修复Bug，正确率达78.3%！

通过NMT训练的通用语境词向量：NLP中的预训练模型？

UC伯克利提出小批量MH测试：令MCMC方法在自编码器中更强劲

南京理工大学ICCV 2017论文：图像超分辨率模型MemNet

MINIEYE首席科学家吴建鑫解读ICCV入选论文：用于网络压缩的滤波器级别剪枝算法ThiNe

UC伯克利提出新型视觉描述系统，物体描述无需大量样本

点击下文蓝字标题即可跳转至新闻详情页~

喜欢就分享文章到朋友圈吧~

AI攻破Dota2！马斯克OpenAI版“阿尔法狗”完胜最强人类选手，马斯克：这可比围棋难多了

链接：马斯克OpenAI版“阿尔法狗”完胜最强人类选手

8 月 11 日，人工智能又给人类带来了惊喜，伊隆·马斯克（Elon Musk）旗下的人工智能研究机构 OpenAI 宣布他们所打造的一个 AI 机器人已经在电子竞技游戏 Dota 2 中击败了一个名为 Dendi 的人类职业玩家，而比赛所采取的形式也是很直接的 1v1。双方约定好共进行三轮比赛，在第一场比赛中，人工智能在不到十分钟的时间内闪电击败对手；第二场比赛同样也是由人工智能取得了胜利；而这直接导致了 Dendi 放弃进行第三场比赛。

图片来源于DeepTech深科技

2.星际争霸2人机大战在即，DeepMind和暴雪发布最新机器学习“工具包”

链接：教AI打星际2？试试暴雪和DeepMind的工具包

作为谷歌旗下专攻人工智能的子公司，DeepMind存在的意义就是“突破人工智能的边界，开发可以解开复杂问题的系统”。而为了衡量这一目标，DeepMind往往会选择在人类擅长的领域中挑战人类（并胜之）。

而在雅达利（Atari）游戏和围棋完胜人类顶级选手之后，DeepMind的人工智能将在星际争霸2中对战人类。

3.陆奇：我与李彦宏分工明确，百度要通过人工智能征服世界

近日陆奇在访问硅谷时独家接受了《连线》采访。陆奇表示，全球大多数地区与中国的共性多于美国，他认为，这是中国在向全球市场输出人工智能方面最大的优势。目前美国科技巨头在人才方面可能优势更大，但陆奇认为，百度有征服世界的潜力。

核心要点：

李彦宏与陆奇：一个抓移动，一个抓AI；

百度大脑包含有60种不同类型的AI服务；

DuerOS支持逾100个品牌的家用电器；

在AI竞赛中，更重要的是拥有合适的应用场景和生态链；

自动驾驶系统是机器人、无人车的核心；

Apollo有四个原则；

中美之间的差距正在迅速缩小。

4.吴恩达AI布局三板斧第一斧，真的需要培养这么多AI专家吗？

链接：吴恩达AI布局三板斧第一斧，真的需要培养这么多AI专家吗？

阔别已久的吴恩达终于又有了新的消息！就在最近，他对外宣布其初创公司deeplearning.ai将通过 Coursera 网站向大众提供有关深度学习方面的最新在线课程。

作为全球最为知名的人工智能专家之一，吴恩达即将推出的深度学习在线项目，目的是帮助不同行业培养出数百万名 AI 专家。作为在线学习最早的开拓者之一，吴恩达希望，他最新的深度学习课程可以帮助人们掌握近几年来层出不穷的 AI 技术。

图片来源于DeepTech深科技

5.惊呆了，2000行代码搞定特斯拉

链接：惊呆了，2000行代码搞定特斯拉

著名的IPhone和PlayStation破解者乔治·霍茨（George Hotz）正在重启他于10月份取消的DIY自动驾驶项目。所有这些代码都免费提供，代码都已经托管在Github上了。

在Comma.ai总部举行的新闻发布会上，乔治·霍茨将无人驾驶软件称为“开放式驾驶仪”，并作为“特斯拉自动驾驶仪”的开源替代品。他声称，开放式驾驶仪和Comma Neo能提供与Autopilot 7几乎完全相同的功能”， Autopilot 7是特斯拉无人驾驶软件的第二大版本。

图片来源于超级数据建模

6.信息检索顶会SIGIR 2017奖项公布：微软最佳论文、清华最佳学生论文

链接：信息检索顶会SIGIR 2017奖项公布：微软最佳论文、清华最佳学生论文

ACM SIGIR 是国际计算机学会主办的信息检索领域最重要的学术会议，今年已是第四十届。

8月9日，正在日本东京举行的ACM SIGIR2017会议上，大会公布了包括最佳论文、最佳学生论文在内的 4 个奖项，微软获得最佳论文奖、清华大学获得最佳学生论文奖。

本届SIGIR会议共收到稿件760篇（其中长文投稿362篇），长文录用仅为78篇，反映了信息检索领域国际最前沿的研究水平。

7.科学家们竟然用DNA攻击了一台计算机！

链接：科学家们竟然用DNA攻击了一台计算机！

为了实现侵入，以Tadayoshi Kohno和Luiz Ceze领头的研究团队将恶意软件编码在一小段他们在线购买的DNA里。当DNA测序机读取基因数据后，他们用它“完全控制”了用来处理基因数据的计算机。

这些生物恶意软件是由西雅图华盛顿大学的科学家开发出来的，科学家们称之为第一个“基于DNA的计算机系统入侵”。

图片来源于DeepTech深科技

8.天啊！这只机器人竟然在我的衣服上爬来爬去！

链接：天啊！这只机器人竟然在我的衣服上爬来爬去！

相信大家小时候都玩过电子宠物机，随着科技的发展，这些黑白像素的电子宠物早已被淘汰了。近日，盛产黑科技的MIT最近研发了一种电子宠物机器人——Rovables，它有什么“特异功能”呢？

9.2017年人工智能行业分析：芯片企业最少，计算机视觉与图像企业数量最多

链接：2017年人工智能行业分析：芯片企业最少，计算机视觉与图像企业数量最多

随着互联网的快速发展以及信息化建设的大力推进，人工智能逐渐进入人们的视野中。近年来AI厚积薄发，主要因深度学习获得了突破，创业和投资由此情绪高涨。人工智能，俨然成为各国、各科技企业竞争的下一个战场。2017年人工智能行业分析：芯片企业最少，计算机视觉与图像企业数量最多。

图片来源于EETOP

10.ACS新技术：可自动修复Bug，正确率达78.3%！

链接：程序修复程序：78.3%的“Bug修复正确率”是怎么做到的？

今年 2 月，微软研究院与剑桥大学宣布了 DeepCoder 的新算法，可以根据问题的输入输出自动编写解题程序。事实上，DeepCoder 的实现是基于一种原创的、极其精简的语言，无法处理复杂的问题，通用编程语言对于它来说难以掌握。广大程序员们完全不用担心会被机器取代！

但是程序员还有很多其他的担忧，包括编程错误。机器可以通过接管错误修复的任务来辅助程序员工作。

因此，北京大学、微软亚洲研究院和电子科技大学的研究人员联合开发了一种新技术 ACS (Accurate Condition Synthesis)。该技术可以全自动修复软件系统中的缺陷，无需用户进行干预。

11.通过NMT训练的通用语境词向量：NLP中的预训练模型？

自然语言处理（NLP）这个领域目前并没有找到合适的初始化方法，它不能像计算机视觉那样可以使用预训练模型获得图像的基本信息，我们在自然语言处理领域更常用的还是随机初始化词向量。本文希望通过 MT-LSTM 先学习一个词向量，该词向量可以表征词汇的基本信息，然后再利用该词向量辅助其它自然语言处理任务以提升性能。本文先描述了如何训练一个带注意力机制的神经机器翻译，其次描述了如何抽取该模型的通用词向量与将其应用于其它任务的性能。

图片来源于机器之心

12.UC伯克利提出小批量MH测试：令MCMC方法在自编码器中更强劲

近日伯克利大学官方博客发文提出小批量 MH（Minibatch Metropolis-Hastings），即一种进行 MH 测试的新方法，该方法根据数据集规模将 MH 测试的成本从 O(N) 减少到 O(1)，它不仅对全局统计量没有要求，同时还不需要使用末端限定。伯克利大学使用新型修正分布直接将有噪声的小批估计量转换为平滑的 MH 测试分布。

13.南京理工大学ICCV 2017论文：图像超分辨率模型MemNet

利用卷积神经网络让图片清晰化的研究目前正成为计算机视觉领域的热点方向。近日，南京理工大学邰颖、杨健、许春燕与密歇根州立大学刘小明等人提出的 MemNet 将技术又向前推进了一步，新模型在图像去噪、超分辨率和 JPEG 解锁任务中的表现均超过此前业内最佳水平。该研究已入选 ICCV 2017 Spotlight 论文，将在十月底于威尼斯举行的大会上进行演讲。

图片来源于机器之心

14.MINIEYE首席科学家吴建鑫解读ICCV入选论文：用于网络压缩的滤波器级别剪枝算法ThiNet

近日，南京大学计算机科学与技术系教授、MINIEYE 首席科学家吴建鑫所在团队的一篇论文《ThiNet: 一种用于深度神经网络压缩的滤波器级别剪枝算法》被计算机视觉领域顶级国际会议 ICCV 2017 收录。论文中提出了滤波器级别的剪枝优化算法，利用下一层的统计信息指导当前层的剪枝，能够在不改变原网络结构的前提下，让卷积神经网络模型在训练与预测阶段同时实现加速与压缩。ThiNet 框架具普适性，可无缝适配于现有的深度学习框架，有助于减少网络的参数与 FLOPs，同时保留原网络的精度级别。为此，机器之心对吴建鑫教授进行了采访，进一步解读 ThiNet 框架的设计思路以及背后的研究工作。

15.UC伯克利提出新型视觉描述系统，物体描述无需大量样本

现在的视觉描述只能描述现有的训练数据集中出现过的图像，且需要大量训练样本。近日，UC 伯克利提出一种新型视觉描述系统，无需成对的新物体图像和语句数据就可描述该物体。

本文标签：