你好2018：你的人工智慧版圖

張江

各位集智AI學園的小夥伴們，大家2018新年快樂！

作為集智AI學園的創始人，我給大家帶來了一個特別的新年禮物，這就是

——你的「人工智慧版圖」。相信每一個學園的小夥伴都希望能學到實實在在的AI知識，甚至成長為人工智慧領域的專家。然而，大家往往容易鑽到演算法、公式、調參等技術細節之中，卻忽視了AI的全貌。這一特殊的學科雖然僅僅有60年的歷史，但卻早已經產生了你怎麼學都學不完的知識，它的學科樹非常龐雜、凌亂。作為一個早在1998年就入行AI科研的老司機來說，我深知AI有許多毀人不淺的坑，歷史上曾出現過許多AI分枝，它們看起來很高大上，但卻是曇花一現。比如我剛入行的時候，搞的是「模糊數學」（Fuzzy set）——當時號稱連模糊電飯鍋、模糊洗衣機都能搞出來，但現在已經基本上無人問津了。因此，初學者一定要謹慎，不要踩入這樣的坑。

這套「人工智慧版圖」是我們參考了斯坦福、MIT、卡耐基梅隆等美國知名的學校下設的人工智慧相關專業課程而設計的，同時也引入了我們自己的特色。我將試圖給大家呈現出一個AI學習的全貌。與此同時，我也將我們集智AI學園已經開設的課程安插在這張大版圖上，這也是對我們這個新創公司一年的發展業績總結。

人工智慧版圖

這個版圖的一級目錄相當於是課程模塊，每一個模塊下的二級目錄的每一個相當於是一個系列課。你可能會奇怪，這裡為什麼沒有語音識別？為什麼沒有字元識別？甚至為什麼沒有機器人？

這是有我們自己的特色考慮的。我們認為，隨著人工智慧即將變成類似於互聯網一樣的基礎性技術，它的應用範圍必將會越來越廣。因此，更加重要的恰恰不在這些技術的應用，而是它們背後的「第一性原理」（有關這個第一性原理，first principle，我有機會還要跟大家詳細介紹）。有了這種認識，我們學員在學習了這些課程之後，便可以在各種各樣的場景動態地生成所需要的解決方案。相比之下，語音識別、字元識別等就是比較傳統而具體的應用領域了，它們完全可以被吸納進圖像與視覺或自然語言處理等模塊中，因此我們沒有開設。我們希望看到的是學員能夠產生更多的奇思妙想的AI應用。

下面，就讓我們按照這幾大模塊的順序，介紹一下我們集智AI學園在這短短的一年中都已經開設了哪些課程。

一、基礎通識

作為人工智慧的基礎通識模塊，我們早已經開設了不少的課程，這包括AI視野類的課程，讓你對AI發展全貌有一個了解，也包括技術類的概述性課程。

火炬上的深度學習

例如我自己講解的《火炬上的深度學習》上、下這兩個系列課。該系列課程不僅涵蓋了目前深度學習從計算機視覺到自然語言處理的方方面面，而且還將理論與實踐緊密地結合起來。我們總課程共有10次，每次持續大概2個小時，還有課後的補充視頻（一次半個小時）和相應的習題。另外，課程全部講解的案例都用PyTorch實現，課後還附加了有關PyTorch的作業題和課程示例的源代碼。

PS: 劇透一下，本課程的配套叢書馬上就要上市咯，而且我們還會重新推出這個重磅系列課程的。

http://campus.swarma.org/gapp=120

http://campus.swarma.org/gapp=10346

機器學習思維

另外，我還講過一個機器學習概覽的單課《機器學習思維》，特別適合沒有接觸過這方面知識的學員了解這個學科。課程內容主要涉及到為什麼機器學習已經演變成了企業的一種思維模式，還包括機器學習的各大分類以及各種領域的應用案例。

https://campus.swarma.org/vdetail=103

大數據與大發展——從若干實例看大數據應用

在大數據方面，我們有清華大學的董磊博士講解的《大數據與大發展》，該課程深入淺出地給我們介紹了大量大數據的應用案例，包括用搜索數據預測流感趨勢，用中國的手機數據探測東北的鬼城等等。

https://campus.swarma.org/vdetail=10069

二、自然語言處理

截止到目前為止，自然語言處理是我們相對來說最成熟的一個課程模塊。在這裡，我們有三個系列重磅課程都非常受歡迎。

自然語言處理與深度學習

第一個就是香港理工大學的李嫣然（小S）博士和愛因互動科技公司鍾翰廷工程師給我們帶來的系列課程「自然語言處理與深度學習」。這套課程在推出時（2016年9月份）可以說是極具時效性和前沿性的。課程內容涵蓋了詞向量、情感分析、機器翻譯、文本生成、RNN、LSTM、神經圖靈機等內容。

http://campus.swarma.org/gpac=1

中文自然語言理解（NLU）在金融領域的應用

第二套非常棒的系列課程就是剛剛結束的由Deep Belief創始人尹相志老師奉獻給大家的這套：「中文自然語言理解（NLU）在金融領域的應用」。可以說，這套課程不僅僅帶領我們領略了各種自然語言處理技術以及深度學習的高級玩法，例如用計算機視覺技術玩轉中文，而且還教會我們如何將這些技術應用到具體的金融領域應用中，極具實操性。更可貴的是，尹相志老師的每節課都會有配套的PyTorch源代碼，並耐心講解，非常細膩，你不會都難！

http://campus.swarma.org/gapp=121

如何打造你自己的聊天機器人

第三套重磅系列課程同樣還是香港理工大學的李嫣然（小S）博士給我們帶來的，這個系列課叫「如何打造你自己的聊天機器人」。該課程深入淺出地將聊天機器人的前世今生、各個發展分枝和主要的框架都給我們做了一一介紹。課程最後的作業就是打造一套你自己的聊天機器人，你能接受挑戰嗎？

http://campus.swarma.org/gapp=10296

當然除了這些系列課之外，我們集智AI學園的網站上還有大量有關NLP的相關課程，包括機器翻譯、詞向量、自然語言理解等等，大家可以盡情地去探索。

三、圖像與視覺 很遺憾，在圖像和視覺方面我們沒有特別成系統的系列課程，但我們卻有一些非常有特色的課程，下面一一介紹。

GAN的原理與應用

首先，我們最受歡迎的課程，不是圖像識別，也不是CNN，而是這一套講圖像生成的《GAN的原理與應用》。我們看到一位帥哥，三位美女：著名網路講師莫煩、商湯科技實習生尉方音、北師大研究生文雷、北師大博士樓曉丹，為我們深入潛出地介紹了有關GAN的基本原理以及相關應用。

http://campus.swarma.org/gpac=8

人臉識別技術與應用

另外，我們還有一些非常有特色的單次課程，例如中科奧森創始人李子青老師就曾親自給我們上課。李老師據說是人臉識別領域的教父，曾給比爾蓋茨展示過他研發出的最早的一套人臉識別系統。在這節課中，李老師不僅講解了人臉識別原理，還講解了他當年是如何突破一個個障礙實現人臉識別系統的人生經歷：

http://campus.swarma.org/vdetail=10143

深度學習在生物醫療圖像分割領域的應用

另外，還有北大張曉雅博士的「深度學習在生物醫療圖像分割領域的應用」不僅深入潛出地介紹了全卷積網路，而且還就她自己的博士論文研究，將深度卷積網路應用於醫學圖像處理之中進行了詳細介紹：

http://campus.swarma.org/gcou=10186

網路解構：量化深度視覺表徵的可解釋性

深度網路一直被認為是無法打開的黑箱，然而，辛茹月講解的這一堂「網路解構：量化深度視覺表徵的可解釋性」卻給我們介紹了如何追溯卷積神經網路如何做決策，可視化網路的學習效果的方法。Deep Dream、Style Transfer等技術都是從該研究中發展出來的。

http://campus.swarma.org/gcou=10353

視覺理解新突破——關係推理模型

另外，樓曉丹博士講解的這一堂「視覺理解新突破——關係推理模型」則為我們深入潛出地介紹了谷歌DeepMind公司的最新研究成果，它們利用新發展出來的「自注意力模型」來理解圖像中多個物體之間的空間關係，甚至還能夠自動學出模擬多個物體的運動軌跡：

http://campus.swarma.org/gcou=118

四、推理與博弈

本模塊將主要涵蓋有關智能推理、搜索、博弈，以及強化學習、多主體智能等相關內容。它更多關心的是有關智能體的概念。在本部分模塊中，我們尚沒有開發出比較重的系列課程，但卻有一些很棒的單課，主要集中在強化學習方面。

強化學習入門系列（免費）

首先，關於強化學習的入門課程，大家可以看看莫煩的「強化學習入門」，他深入淺出地將強化學習的各種分類、各種概念娓娓道來，聽著很是受用。

http://campus.swarma.org/gcou=16

深度強化學習簡介

如果你覺得不過癮，想深入一步了解，可以看Intel研究院的史雪松博士講解的「深度強化學習簡介」課程，該課程詳細介紹了強化學習的提出框架，以及DeepMind用AI打遊戲的實例。

http://campus.swarma.org/gcou=9

通用自學習圍棋程序：AlphaGo 元解析

最近，我們新上了一堂講解AlphaGo Zero的課。這個AlphaGo元可以單憑強化學習，不藉助任何人類經驗而能超越世界圍棋冠軍。該單次課主要以講解DeepMind團隊最近發表在Nature上的那篇文獻Mastering the game of Go without human knowledge為主，講解人是北師大研究生高飛。

http://campus.swarma.org/gcou=10380

多主體與群體行為（免費）

另外，在本模塊中，我們還有一堂有關多智能體的課程，由北師大系統科學學院教授韓戰鋼老師講解的「多主體與群體行為」。該課程先是以自然界中的各種動物群體為例介紹了群集湧現的基本概念和相關的計算機模擬；之後，又介紹了多機器人系統的相互協調與合作等技術。

http://campus.swarma.org/gcou=10310

五、網路智能

所謂的網路智能主要是利用有關複雜網路和互聯網數據挖掘等基本技術完成的有關推薦、搜索、競價排名等與社會網路、技術網路有關的各類技術和演算法。

非歐氏數據的幾何深度學習

我們首先給大家推出的是這一套網路科學與深度學習相結合的最新系列課程，由北師大研究生辛茹月、文雷主講的「非歐氏數據的幾何深度學習」。該課程主要有兩個部分，一個是針對點雲（point clouds）數據的深度學習，另一個是針對網路或圖（Graph）上的深度學習。這兩套方法都是將卷積神經網路擴展到更難以處理的數據類型點雲和圖上，從而獲得了一定的成功。特別是針對網路部分，辛茹月介紹了如何將GCN（圖卷積神經網路）應用到商品推薦上。

http://campus.swarma.org/gpac=122

知識圖譜與知識表徵學習專題

我們推薦的第二個系列課程就是我以及北師大研究生文雷、龔力等主講的「知識圖譜與知識表徵學習」。在這個系列課中，我首先概述了知識圖譜是什麼，它有哪些具體應用領域，以及什麼是表徵學習，有哪些常用演算法。接下來，文雷等人則針對一些具體的知識表徵演算法，例如TransE、TransR等展開詳細的介紹。

http://campus.swarma.org/gpac=109

計算傳播學——用AI穿透你的注意力壁壘（免費）

在這個模塊中，我們有一節重磅的綜述性課程，這就是南京大學王成軍老師給我們講解的「計算傳播學」，該課程首先概述了有關網路科學、計算社會科學等相關的最新進展，之後又結合傳播學介紹了有關計算傳播學的相關內容。

http://campus.swarma.org/vdetail=10140

六、複雜性科學

複雜性科學和人工智慧到底是什麼關係？我個人認為，雖然目前來看這兩個學科都在平行發展，交叉並不多。但是，複雜性科學必然會成為理解人工智慧基礎的基本學科；另一方面，人工智慧則為複雜性科學提供了實驗場所。

北師大系統科學學院2017複雜系統暑期學習（免費）

這實際上不能算系列課，而是北師大複雜系統暑期學校的現場直播。在這個暑期學校中，14名北師大知名老師給你全面介紹體們在包括神經科學、生態學、經濟學、計算機科學、氣候科學等不同的交叉研究領域的複雜性研究。相信這系列講座會給你帶來有關複雜性的全新認識。

http://campus.swarma.org/gpac=10323

複雜性科學的前世今生（免費）另外，我再推薦自己講解的一堂課：「複雜性科學的前世今生」。該課用了一個多小時的時間，按照歷史發展的順序系統介紹了包括老三論、新三論、分形、多主體模擬、複雜適應系統、複雜網路、複雜系統的物理學、大數據時代的複雜性研究等複雜性科學的相關內容，包括它的大致發展階段，以及最新研究動態。這堂課有助於我們對系統科學有一個全面了解：

http://campus.swarma.org/vdetail=3

七、類腦計算 這一課程模塊的設計主要是考慮到目前的人工智慧還需要在很多方面向人類的生物大腦學習，因此認知神經科學必然會與人工智慧有許多交叉。歷史上，卷積神經網路的設計正是從人類視覺皮層的研究中借鑒出來的。因此，我們將在這裡開設有關這一交叉領域的課程。目前，我們並沒有系列課程，但是有一些很不錯的單課。

計算神經科學與類腦智能演算法（免費）

例如，北師大系統科學學院教授王大輝老師給我們帶來了「計算神經科學與類腦智能演算法」這一講座，深入潛出地介紹了計算神經科學這一生物與計算相結合的領域

http://campus.swarma.org/gcou=10317

相信這麼多課程足夠打發你春節無聊的時間了。最後，我給大家拜個年，希望你在2018新的一年中能夠有更多的收穫，也希望你隨時關注我們的網站：campus.swarma.org

推薦閱讀：