呜啦啦啦啦啦大家好呀，又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么？大佬们互撕了哪些问题？研究者们发布了哪些值得一读的论文？又有哪些开源的代码和数据库可以使用了？文摘菌带你盘点过去一周AI大事件！

新闻

AlphaZero：通过自我对弈掌握象棋和将棋

来源：ARXIV.ORG

链接：

https://arxiv.org/abs/1712.01815?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

DeepMind发表了一篇关于AlphaZero的论文，是AlphaGo的进一步泛化，显示了它仅仅通过24小时的训练（在很多TPU上）就在国际象棋和将棋上击败了世界冠军。

英伟达发布新的Titan V GPU价值$2999

来源：WWW.NVIDIA.COM

链接：

https://www.nvidia.com/en-us/titan/titan-v/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

NVIDIA日前宣布，Titan V有史以来最强大的PC系列GPU。Titan V能够达到每秒110万亿次浮点运算的性能，使用12GB的HBM2内存和5120 CUDA内核。更重要的是，它的颜色是金色的！

FaceBook推出人工智能研究实习岗位

来源：RESEARCH.FB.COM

Facebook人工智能研究（FAIR）实习计划是一个Facebook的人工智能研究小组为期一年的研究训练计划，旨在给大家提供动手实践的机器学习研究。申请截止日期是2018年1月26日，需要学士学位。

Elon Musk表示特斯拉正在自定义AI芯片

来源：WWW.THEREGISTER.CO.UK

链接：

https://www.theregister.co.uk/2017/12/08/elon_musk_finally_admits_tesla_is_building_its_own_custom_ai_chips/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

马斯克日前在人工智能会议NIPS上透露了特斯拉最近在硬件方面的动态。马斯克说道：“我想清楚地表明，特斯拉在软件和硬件方面都很重视人工智能。我们正在开发定制的AI硬件芯片。”

文章&教程

CTC序列建模

来源：DISTILL.PUB

链接：

https://distill.pub/2017/ctc/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

一个连接时态分类（CTC：Connectionist Temporal Classification）的视觉化指南，用于训练深度神经网络在语音识别、手写识别和其他序列问题中的算法。

智能爆炸的不可能性

来源：MEDIUM.COM

“智能爆炸”这一概念的突然崛起和“超人智能”将会终结人类的论调已经占据了各个人工智能社区。这篇文章认为这样的事件是不可能的——“智能爆炸”的概念来源于对智能性质和递归自增强系统行为的深刻误解。

在简单环境中度量人工智能安全问题

来源：DEEPMIND.COM

链接：

http://rev.vu/7Rnad?utm_campaign=Issue&utm_content=domain&utm_medium=email&utm_source=The+Wild+Week+in+AI

随着AI系统在现实世界中变得更加通用，确保它们安全地运行将变得更加重要。本篇文章介绍了一种简单的强化学习环境，专门用来度量人工智能系统的“安全行为”。

基于模型的神经网络动力学模型

来源：BAIR.BERKELEY.EDU

链接：http://rev.vu/Y7vRk?utm_campaign=Issue&utm_content=domain&utm_medium=email&utm_source=The+Wild+Week+in+AI

深度强化学习方法的样本效率低下是利用该方法在现实世界中学习的主要瓶颈之一。这篇文章研究了一种有效的机器人控制方法。该技术只需在环境中随机操作机器人收集数据，就能学习轨迹跟踪技术。

代码，项目&数据

利用人工智能增强人类智能

来源：DISTILL.PUB

链接：https://distill.pub/2017/aia/

通过创建让我们使用机器学习模型的用户界面，我们可以给人们提供新的推理工具，从而增强人类智能。

Ali Rahimi在NIPS上的演讲

来源：WWW.YOUTUBE.COM

链接：https://www.youtube.com/watch?v=Qi1Yry33TQE

Ali Rahimi的讲话引起了很多人工智能研究者的注意。他呼吁更严格的机器学习研究，在演讲中他把许多当今流行的深度学习技术比喻为炼金术“炼金术”。Yann LeCun立即对他的讲话做出了回应，可以点击以下链接查看他们在Reddit上的讨论https://www.reddit.com/r/MachineLearning/comments/7hys85/n_ali_rahimis_talk_at_nipsnips_2017_testoftime/

一个对于Francois Chollet智能爆炸论的回复

来源：INTELLIGENCE.ORG

链接：https://intelligence.org/2017/12/06/chollet/

这篇文章回复了Francois Chollet之前发表的“智能爆炸的不可能性”，Francois Chollet是TensorFlow Keras包装器和Theano深度学习系统的发明者。如果你喜欢Francois Chollet的文章，这篇回复同样值得一读。

代码，项目&数据

基于JavaScript的deeplearn.js神经网络

来源：WWW.ROBINWIERUCH.DE

链接：

https://www.robinwieruch.de/neural-networks-deeplearnjs-javascript/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这个教程介绍了如何执行JavaScript的deeplearn.js神经网络。我们的目标是找到字体和背景颜色的匹配，以提高Web的可访问性。

PyTorch 0.3.0 发布

来源：GITHUB.COM

链接：

https://github.com/pytorch/pytorch/releases/tag/v0.3.0?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

新的版本提供了性能优化，新的层和通过ONNX将模型传输到其他框架的能力，支持CUDA9 和CuDNNv7.

Unity ML-Agents v0.2发布

来源：BLOGS.UNITY3D.COM

链接：

https://blogs.unity3d.com/cn/2017/12/08/introducing-ml-agents-v0-2-curriculum-learning-new-environments-and-more/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

新版本增加了Unity SDK和Python API的新功能，添加了新的示例环境，并改进了默认的强化学习算法（PPO），同时修复了许多bug。

苹果的Turi Create框架

来源：GITHUB.COM

链接：

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

Turi Create简化了定制机器学习模型的发展。你不必成为一个机器学习专家，就可以在你的应用程序中添加推荐、对象检测、图像分类、图像比较或活动分类的功能。

爆款论文

使用一般的强化学习算法自我对弈掌握国际象棋和将棋

来源：ARXIV.ORG

链接：

https://arxiv.org/abs/1712.01815?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

在本文中，作者提出了一种AlphaZero的算法，可以实现在许多具有挑战性的领域从一张白板短时间内超越人类的表现。从随机对弈开始，除了游戏规则没有任何其他领域知识，AlphaZero在24小时内在国际象棋和将棋（日本象棋）上达到了超人级别的水平，并击败了人类世界冠军。

渐进式神经结构搜索

来源：ARXIV.ORG

链接：

https://arxiv.org/abs/1712.00559?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Learning CNN结构比以前的方法更有效的：之前的算法大多使用强化学习（RL）和遗传算法（GA），而本文的作者则使用基于模型的连续优化策略（SMBO：sequential model-based optimization）。该模型ImageNet上实现了前所未有的高性能。

深度学习与Keras粉丝福利

如果你

基础稍弱但超想入手深度学习

迫切渴望模型搭建和工程实现

想体验大佬手把手指导的快乐

那就扫码领资料吧！

谷歌和微软的顶级科学家

告诉你深度学习和Keras

到底要怎么学！

志愿者介绍

回复“志愿者”加入我们

往期精彩文章

点击图片阅读

重磅译制 | 视频更新：牛津大学xDeepMind自然语言处理课程第5讲（下）文本分类