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>
AlphaGo Zero: 從零開始的學習
來源：DEEPMIND.COM：
連結：https://deepmind.com/blog/alphago-zero-learning-scratch/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
上周乃至最近一段時間人工智能領域最大的新聞莫過于AlphaGo Zero的誕生。它比AlphaGo更加強大，可以說是曆史上最強的圍棋運動員。與AlphaGo不同，AlphaGo Zero跳過了學習人類棋手的對弈，而直接從完全随機的自我對弈開始學習。結果是，AlphaGo超越了人類的水準，并在100場比賽中全部擊敗了此前的冠軍AlphaGo。
英特爾推出了一組針對NVIDIA GPU的新型AI晶片
來源：WWW.THEVERGE.COM
連結：https://www.theverge.com/circuitbreaker/2017/10/17/16488414/intel-ai-chips-nervana-neural-network-processor-nnp
英特爾Nervana神經網絡處理器系列（簡稱NNP）是為了響應機器學習和資料中心的需要而設計的。 NNP晶片是英特爾收購Nervana的直接結果。 目前還沒有對該晶片進行過基準測試的報道，晶片的确切細節還不得而知。
準備好和機器人親密接觸了嗎
來源：WW.WIRED.COM
連結：https://www.wired.com/2017/10/hiroshi-ishiguro-when-robots-act-just-like-humans/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Hiroshi Ishiguro建構了一個美麗、現實到接近人類的機器人。 在學術上，他正在用他們來了解人與人之間互動的機制。 但他的真正任務是解開互動的本質。
<b>文章&教程</b>
AMA：DeepMind的AlphaGo團隊
來源：WWW.REDDIT.COM
連結： https://www.reddit.com/r/MachineLearning/comments/76xjb5/ama_we_are_david_silver_and_julian_schrittwieser/
DeepMind AlphaGo團隊的David Silver和Julian Schrittwieser在十月十九号在Reddit上回答了各路網友提出的問題，點選連結即可檢視他們對AlphaGo Zero你的新見解和對團隊未來目标的計劃。
Word Embeddings : 趨勢和未來發展方向
來源：RUDER.IO
連結：http://ruder.io/word-embeddings-2017/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Word Embeddings技術（類似word2vec）對NLP領域有很大的影響。 這篇文章解決了他們的一些缺陷，并讨論了最近嘗試解決它們的方法。
《The Deep Learning Book》伴讀視訊
來源：WWW.YOUTUBE.COM
連結：如果你還能的話，去YouTube找吧！：）
《The Deep Learning Book》這本深度學習巨著搭配的視訊集合。 視訊的各個章節由深度學習領域的各個大佬發表，其中包括作者之一，Ian Goodfellow。 如果你正在閱讀這本書，這是一個很好的輔助學習資源。
從仿真進行推廣（OpenAI）
來源：BLOG.OPENAI.COM
連結：https://blog.openai.com/generalizing-from-simulation/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
這項新技術允許機器人控制器完全在仿真環境中進行訓練并将結果部署在實體機器人上，以便在解決簡單任務時對環境中的計劃外變化做出反應。
<b>代碼，項目&資料</b>
AVA：人類了解行為的資料集
來源：RESEARCH.GOOGLEBLOG.COM
連結：如果你還能的話，去google blog裡找吧！
資料集由YouTube的公開提供的視訊組成，在空間和時間次元對80個原子動作（例如步行，踢手握手）進行了注釋和标簽，形成了57.6k的視訊片段，96k标記的執行動作，以及210k個動作标簽。
Nervana Coach：強化學習架構
來源：COACH.NERVANASYS.COM
連結：http://coach.nervanasys.com/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Nervana Coach是一個基于python的強化學習研究架構，包含許多最先進算法的實作。 該文檔還包含各種優秀算法的摘要。
Horovod：Uber的分布式深度學習架構
來源：ENG.UBER.COM
連結：https://eng.uber.com/horovod/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Horovod是一個分布式的TensorFlow訓練架構。Horovod的目标是使分布式深度學習能夠更快運作并且易于使用。
<b>爆款論文</b>
AlphaGo Zero 的論文（Mastering the game of Go without human knowledge）
來源：WWW.NATURE.COM
連結：https://www.nature.com/articles/nature24270.epdf?author_access_token=VJXbVjaSHxFoctQQ4p2k4tRgN0jAjWel9jnR3ZoTv0PVW4gB86EEpGqTRDtpIz-2rmo8-KG06gqVobU5NSCFeHILHcVFUeMsbvwS-lxjqQGg98faovwjxeTUgZAUMnRQ&utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一種完全基于強化學習的算法，沒有除了遊戲規則之外的人類的資料，引導或領域知識。 AlphaGo成為了它自己的老師：神經網絡被訓練來用作預測AlphaGo自己的選擇。這種神經網絡提高了樹搜尋的強度，實作了更高品質的移動選擇和更有效的自我對弈。AlphaGo Zero不但超越了人類的表現，并且在與之前赢得柯潔的AlphaGo版本的對弈中以100-0碾壓了對手。
卷積神經網絡中類不平衡問題的系統研究
來源：ARXIV.ORG
連結：https://arxiv.org/abs/1710.05381?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
作者系統地研究了類不平衡對卷積神經網絡分類性能的影響。他們使用了三個基準資料集，MNIST，CIFAR-10和ImageNet，并比較了幾種方法來解決這個問題：過采樣，欠采樣，兩階段訓練以及對類機率進行門檻值補償。
深度學習的泛化
連結：https://arxiv.org/abs/1710.05468?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
本文解釋了為什麼深度學習在可能出現大容量、算法不穩定、非魯棒性的情況下還可以很好地泛化，有效地解決了之前文獻中的一個開放問題。基于新的理論觀點，本文還提出了一系列新的正則化方法。
多代理溝通中的緊急翻譯
來源：ARXIV.ORG– Share
連結：https://arxiv.org/abs/1710.06922?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
本篇論文設定了這樣一個遊戲，遊戲由以兩種不同的語言作為母語的代理參加，他們需要互相溝通來解決一個視覺參考任務，隻有能夠翻譯對方的語言并了解
A communication game where two agents, native speakers of their own respective languages, jointly learn to solve a visual referential task. The ability to understand and translate a foreign language emerges as a means to achieve shared goals.
原文釋出時間為：2017-10-24