AI大事件丨OpenAI啟動Research2.0，AI破譯怪異古老手稿

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？研究者們發布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！

新聞

Andrew Ng正式啟動1.75億美元AI基金

來源：http://TECHCRUNCH.COM

鏈接：

https://techcrunch.com/2018/01/30/andrew-ng-officially-launches-his-175m-ai-fund/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

這個新基金的投資者包括NEA，Sequoia，Greylock Partners和軟銀集團。Andrew Ng則將作為普通合伙人領導該基金，Eva Wang擔任合伙人兼首席運營官，另外，Steven Syverud也將加入合伙人行列。這個基金的第一筆投資正是Andrew Ng之前發布的另一個創業項目landing.ai，但目前尚不清楚這個創業基金具體以何種類型為目標。

OpenAI啟動Research2.0

來源：http://BLOG.OPENAI.COM

鏈接：https://blog.openai.com/requests-for-research-2/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

OpenAI發布了新的一批（七個）未解決的問題，需要提出新的解決方案。這些需要解決的具體問題正是開展深度學習和強化學習研究的絕佳機會。

人工智慧可能破解600年前的怪異手稿

來源：http://GIZMODO.COM

鏈接：https://gizmodo.com/artificial-intelligence-may-have-cracked-freaky-600-yea-1822519232?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

伏尼契手稿（Voynich manuscript）發現於一百多年前，這本長達240頁的手稿充斥著看似編碼的語言和不可思議的插圖，在過去一直被語言學家和密碼學家當作世界性難題。而在近日，加拿大的研究人員利用人工智慧在揭開文件隱藏意義方面邁出了巨大的一步。

Google翻譯的淺薄之處

來源：http://WWW.THEATLANTIC.COM

鏈接：https://www.theatlantic.com/technology/archive/2018/01/the-shallowness-of-google-translate/551570/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

谷歌翻譯使用最先進的人工智慧技術，但簡單的測試表明，人工智慧距離真正理解人類的自然語言還有很長的路要走。雖然這一結果對AI領域的研究人員來說絲毫不意外，但是將當前模型的局限性系統地傳達給公眾也是很重要的。

文章&教程

深化強化學習中的偏差/方差權衡意識

來源：http://MEDIUM.COM

在強化學習中，偏差和方差不再僅僅評價在監督學習中模型與訓練數據的適配性，還會表明強化信號如何對真實環境的獎勵結構做出反應。

深度學習的矩陣微積分

來源：http://PARRT.CS.USFCA.EDU

鏈接：http://parrt.cs.usfca.edu/doc/matrix-calculus/index.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

這篇文章解釋了深度神經網路的訓練需要的所有矩陣微積分知識，相信這沒有超出你在微積分1中學到的知識。

從嘈雜的數據中學習解釋規則

來源：http://DEEPMIND.COM

鏈接：https://deepmind.com/blog/learning-explanatory-rules-noisy-data/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

深度學習專註於直觀的感性思維，而象徵性的程序綜合則側重於概念性的，基於規則的思維。這篇文章表明，系統可以將直觀的感性思維和理性的推理結合起來。

代碼、項目&數據

Tensorflow MiniGo

來源：http://GITHUB.COM

鏈接：https://github.com/tensorflow/minigo?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

基於神經網路Go AI的純Python實現，使用TensorFlow。雖然這個項目受到了DeepMind AlphaGo演算法的啟發，但該項目不是DeepMind的項目，也不隸屬於官方的AlphaGo項目。

自然環境下的密集人體姿態映射

來源：http://DENSEPOSE.ORG

鏈接：http://densepose.org/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

密集人體姿態映射旨在將RGB圖像上的所有像素映射到人體的3D表面。你可以點擊鏈接觀看視頻，並閱讀文獻。數據將很快在網站上公布。

嵌套LSTM Cell

來源：http://GITHUB.COM

鏈接：https://github.com/hannw/nlstm?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Nested LSTM Cell的TensorFlow實現，與Tensorflow RNN API完全兼容。

爆款論文

通過總結長序列生成維基百科

來源：http://ARXIV.ORG

鏈接：https://arxiv.org/abs/1801.10198?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

作者表示，可以通過對於多個源文檔的摘要生成維基百科文章。他們通過抽取摘要並粗略地識別顯著信息和一個神經抽象模型來生成維基百科文章。

電子健康記錄的可拓展性和準確深度學習（新版本）

來源：http://ARXIV.ORG

鏈接：https://arxiv.org/abs/1801.07860?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

作者提出了患者基於快速醫療保健互操作性資源（Fast Healthcare Interoperability Resources :FHIR）格式數據的全部EHR原始記錄的表示。他們表明，使用這種表示的深度學習方法能夠準確預測來自多個中心的多個醫療事件，而無需特定的數據協調工作。

Nested LSTMs

來源：http://ARXIV.ORG

鏈接：https://arxiv.org/abs/1801.10308?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

作者提出Nested LSTM（NLSTM），是一種具有多級記憶的新型RNN架構。Nested LSTM通過嵌套增加LSTM的深度，而不是堆疊。NLSTM中存儲器單元的值由具有其自己內部存儲器單元的LSTM單元計算。