<b>新闻</b>
大学正在失去他们最好的人工智能科学家
来源：WWW.THEGUARDIAN.COM
链接：
https://www.theguardian.com/science/2017/nov/01/cant-compete-universities-losing-best-ai-scientists?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一些公司正在不断地从高校中挖走顶尖的AI研究人员，对于这一现象很多学者称之为”杀死产金蛋的鹅“。“这些公司能提供五倍的薪水，太令人难以置信了，我们根本无法竞争”，情感和行为计算的鼻祖Maja Pantic说。
索尼重启Aibo计划
来源：AIBO.SONY.JP
http://aibo.sony.jp/en/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
索尼声称新Aibo的适应性行为包括：积极寻求其所有者，识别赞美、微笑，抚摸头部和背部等等。新的AI机器人售价198000日元（1735美元~）但是你还需要订阅额外的云服务。
Geoff Hinton公布神经网络的新方法
来源：WWW.WIRED.COM
https://www.wired.com/story/googles-ai-wizard-unveils-a-new-twist-on-neural-networks/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
在谷歌工作的Geoff Hinton声称：“我们做计算机视觉的方式是错误的。虽然它比任何其他目前的方法好，但这并不意味着它是正确的。”Hinton发布了两篇关于”降囊网络“的研究论文，他说这一想法他已酝酿了将近40年。
人工智能和机器学习将为美国情报部门带来革命
来源：BLOGS.NVIDIA.COM
https://blogs.nvidia.com/blog/2017/11/01/gtc-dc-project-maven-jack-shanahan/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这是来自中将约翰带领的项目”Maven“的消息，在今年四月完成，将机器学习和人工智能应用于情报，能够把由美国军方收集的航拍视频监控转化为可操作的智能模块。
<b>文章&教程</b>
TensorFlow新的命令接口：Eager Execution
来源：RESEARCH.GOOGLEBLOG.COM
Eager Execution是由运行界面定义，在Python调用时立即执行的接口。这是像PyTorch和Chainer Work一样的框架。
支持简约——为什么基础需要更多的关注？
来源：SMERITY.COM
http://smerity.com/articles/2017/baselines_need_love.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
当我们失去准确的基础时，我们就失去了精确测量时间和进度的能力。解决方法：1.采取一个调整良好的基础，并给予它应有的照顾；2.复杂的模型会影响AI的进程，解决问题时要更谨慎地使用计算。
AlphaGo Zero：它是怎么工作的
来源：TIM.HIBAL.ORG
http://tim.hibal.org/blog/alpha-zero-how-and-why-it-works/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
AlphaGo Zero不需要人来告诉它如何去下棋。而且它不仅优于以前的围棋球员，还优于之前的所有围棋机器，更令人惊讶的是，它只需要三天的训练时间就能做到这一点。这篇文章解释了它如何运行，并且介绍了AlphaGo Zero的蒙特卡洛搜索树的实现细节。
<b>代码，项目&数据</b>
Pyro——深度概率编程语言（来自Uber）
来源：ENG.UBER.COM
https://eng.uber.com/pyro/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Pyro，建立在Pytorch上，是一个开源的编程语言，结合深度学习和贝叶斯模型。Pyro的目标是促进这些技术的研究和应用，并使其在更广泛的AI社区中得到应用。
播放马里奥赛车的神经网络
来源：WWW.POLYGON.COM
https://www.polygon.com/2017/11/5/16610012/mario-kart-mariflow-neural-network-video?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
在给程序展示了15个小时的视频并且提炼了它的一些行为后，代理赢得了摩托车蘑菇杯（50cc Mushroom Cup）的金牌。点击上面的链接可以了解更多实现的细节。
AWS上地球的数据集
来源：AWS.AMAZON.COM
https://aws.amazon.com/cn/earth/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这个数据集囊括了可用的地理空间数据集的集合。包括卫星图像，天气雷达数据，街道地图数据，兴趣点等等。可用于地球观测研究的云计算。
<b>爆款论文</b>
不要降低学习率，应该增加批量
来源：ARXIV.ORG
https://arxiv.org/abs/1711.00489?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
降低学习率是常见的做法。作者表明，在训练过程中增加批量大小通常可以在训练和测试集上获得相同的学习曲线。本程序成功的实现了随机梯度下降，SGD momentum，Nesterov momentum和 Adam。
仅使用单语语料库的无监督机器翻译-Facebook
https://arxiv.org/abs/1711.00043?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这篇论文介绍了一种从单语语料库中用两种不同语言提取句子并将其映射到同一个潜在空间的模型。通过学习从这一共享特征空间中重构两种语言的过程，该模型有效地学习了不使用任何标记数据的翻译。作者在两种广泛使用的数据集和语言组合中证明了模型的有效性，并且在BLEU报告中得分高达32.8。
原文发布时间为：2017-11-7
本文作者：文摘菌
![Nacos 2.0 升级前后性能对比压测[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)