AI大事件 | OpenAI員工離職創立機器人新公司，spaCy v2.0.0釋出

嗚啦啦啦啦啦大家好呀，又到了本周的AI大事件時間了。過去的一周中AI圈都發生了什麼？大佬們互撕了哪些問題？研究者們釋出了哪些值得一讀的論文？又有哪些開源的代碼和資料庫可以使用了？文摘菌帶你盤點過去一周AI大事件！

<b>新聞</b>

Waymo的無人駕駛汽車已奔馳在亞利桑那州鳳凰城的大路上

來源：WWW.RECODE.NET

連結：https://www.recode.net/2017/11/7/16614780/alphabet-driverless-cars-phoenix-arizona

Alphabet的自動駕駛汽車的公司——Waymo，日前推出了真正的無人駕駛汽車并首次在鳳凰城的部分公共道路上完成了實驗。

人工智能研究人員離開OpenAI創立機器人新公司

來源：WWW.NYTIMES.COM

Pieter Abbeel是前伯克利教授和OpenAI的資深研究員，包括他在内的三個研究人員日前離開了OpenAI并建立了自己的智能機器人公司。該公司得到了各方總計700萬美元的投資。

<b>文章&amp;教程</b>

神經網絡如何建立對圖像的了解

來源：DISTILL.PUB

連結：https://distill.pub/2017/feature-visualization/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

特征可視化是一個很強大的工具，但在實際工作中卻需要涉及到很多細節。在本文中，作者研究了特征可視化的主要問題并探讨了解決這些問題的一般方法。

進化穩定政策

來源：BLOG.OTORO.NET

連結：http://blog.otoro.net/2017/11/12/evolving-stable-strategies/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

這篇文章将帶你了解如何将進化政策應用于強化學習問題，以及如何找到穩定的政策。實驗代碼可以在GitHub上找到。

深度學習（斯坦福）+視訊

來源：STATS385.GITHUB.IO

連結：https://stats385.github.io/?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

近些年深度學習的成就大多是經驗性的。這門在斯坦福的課程回顧了深度網絡近些年來的工作，并試圖建立了理論架構。

基于神經機器翻譯的完全并行文本生成

來源：EINSTEIN.AI

連結：https://einstein.ai/research/non-autoregressive-neural-machine-translation?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

本文介紹了一種神經機器翻譯系統，能夠以完全并行的方式一次生成整個句子，克服了現有神經網絡模型的局限性。

<b>代碼，項目&amp;資料</b>

Tangent：源代碼調試的衍生物

來源：RESEARCH.GOOGLEBLOG.COM

連結：https://research.googleblog.com/2017/11/tangent-source-to-source-debuggable.html?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

Tangent是一個用于自動區分的開源Python庫。與現有的機器學習庫相比，Tangent是一個源到源系統，能夠生成Python代碼。

進化政策工具

來源：GITHUB.COM

連結：https://github.com/hardmaru/estool?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

本文介紹了不同的進化政策的實作，如GA、PEPG，CMA-ES和OpenAI的ES并且使用了一個通用接口。

spaCy v2.0.0釋出

連結：https://github.com/explosion/spaCy/releases/tag/v2.0.0?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

提供了神經網絡，超過7種語言的13個新模型，更便捷的訓練，自定義接口，以及許多API的改進。

NeuralKart

連結：https://github.com/rameshvarun/NeuralKart?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

一個在Mario Kart這款遊戲上實作的實時的 AI，使用了CNN、離線搜尋、DAGGER等技術。

<b>爆款論文</b>

用深度學習和樹搜尋快速思考（更新版本）

來源：ARXIV.ORG

連結：https://arxiv.org/abs/1705.08439?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

專家疊代法是一種新的強化學習算法，它将問題分解為單獨的規劃和泛化任務。通過樹搜尋建立新的政策，并用一個深度神經網絡概括這些政策。随後，利用神經網絡政策指導搜尋，對樹搜尋進行了改進。

塊稀疏遞歸神經網絡

連結：https://arxiv.org/abs/1711.02782?utm_campaign=Revue%20newsletter&amp;utm_medium=Newsletter&amp;utm_source=The%20Wild%20Week%20in%20AI

通過兩種不同的方法實作RNNs的塊稀疏：在層中精簡塊的權重和使用群組正則化創造零權重塊。該研究表明，使用這些技術，可以建立稀疏度範圍從80%到90%且精度損失更小的塊稀疏RNNs，大約10倍降低了這些模型的大小。

原文釋出時間為：2017-11-14

本文作者：文摘菌