AI头条 | 本周人工智能要闻回顾 01-06

作者: 智众互动 | 来源:发表于2017-01-06 18:02 被阅读0次

欢迎加入AI技术群和投资者群，请联系微信号：luofei614（添加时请注明身份以便验证）

1.《深度 | 大脑如何思考？科学家正用机器学习解码人类智能》

来源：机器之心

简介：过去几年中，Jack Gallant的神经科学实验室已经发表了一串听起来有些荒诞的论文。

2011 年，实验室证实，仅通过观察人类观影时的脑部活动，就可能再造电影片段。某种意义上，扫描观影人大脑再用计算机生成这部电影就像是读心术。类似地，2015 年，这个团队通过观察人类大脑活动成功预测了被试脑中勾勒着的名画。

2016 年，该团队在《自然》上发表了著名论文，宣布画出一万多个单个语词在大脑中的位置地图——方法是让被试收听 podcast 节目。（Nature 封面：神经科学家成功绘制大脑语义地图，解读人类思想迈出关键一步）

点击阅读原文 >

2.《深度 | 区块链对人工智能的变革：去中心化将带来数据新范式》

来源：机器之心

简介：近年，从围棋到人类水平的语音识别，人工智能（AI）研究者终于在他们几十年一直努力探索的领域取得了突破。取得突破进展的关键一点是研究者们可以收集巨量的数据并「学习」这些数据，从而将错误率降低到可接受范围以内。

简而言之，大数据大为改观了人工智能的发展，将其推到一个几乎难以置信的高度。

区块链技术同样能够变革人工智能——当然以它自己的特定方式进行。部分将区块链用于人工智能方式目前还很单一，比如在人工智能模型上进行审计跟踪（audit trail）。有些应用几乎是难以置信的，比如拥有自己的人工智能——人工智能去中心化自治组织（AI DAO）。这些都是发展的机会。这篇文章将具体探讨这些应用。

点击阅读原文 >

3.《做空机构 Citron 6 大理由唱衰英伟达，2017年谁能问鼎 AI 芯片市场》

来源：新智元

简介：近日，美国著名做空机构香橼（Citron Research）通过 Twitter 发布做空报告并给出了6点分析理由，称英伟达 2017 年股价将跌回 90 美元（按照当日股价来看，跌幅大约为 20%）。英伟达在2016年深度学习硬件市场中占绝对统治地位，在资本市场上，英伟达的股价2016年也上扬了250%，是成长最好的股票之一。但是英伟达真的就可以在2017年超越老牌芯片制造商英特尔和AMD吗？从前的客户Google参与芯片市场角逐，又是否成为新晋赢家？本文从市场、技术、资本三个角度深度分析2017年AI芯片大战，究竟鹿死谁手。

点击阅读原文 >

4.《【5大看点】CES 2017 , 人工智能引爆全球最火黑科技盛会》

来源：新智元

简介：CES 2017 将于1月5日-8日在美国拉斯维加斯举行，数千家企业、几十万人将参与到这次科技的狂欢秀中。本文为埃森哲技术总监带来的关于本年度CES 的5大看点。他认为：人工智能将统治本年度的CES，变得无处不在。另外，他还分析了智能助理、物联网安全、虚拟现实等多个领域在本届大会上的表现。

点击阅读原文 >

5.《百度将会怎样利用人工智能？这里总结了三种可能》

来源：智众互动

简介：人工智能对百度有多么重要？该公司CEO李彦宏最近在电话会议上提到十几次人工智能，他甚至在最近的一次演讲中发表了大胆预测：

“PC时代已经过去，我们很快也将与移动互联网时代说再见……我相信接下来将迎来人工智能时代。”

百度首席科学家吴恩达在这一领域拥有丰富经验。他之前供职于谷歌母公司Alphabet，领导了“谷歌大脑”人工智能项目。他还是斯坦福大学的兼职教授，在那里讲授人工智能课程。他在最近的采访中说：

“人工智能已经融入百度的基因。人工智能最近的进步加快了我们的发展，也加快了人工智能的影响速度。”

深度学习是如今最令人振奋的人工智能领域。伴随着深刻的模式转变，初步了解这种技术或许有助于投资者更好地理解它的应用模式。

点击阅读原文 >

6.《诞生阿法狗的DeepMind回顾2016年，提出三大发展方向》

来源：AI世代

简介：在当前世界中，无论是天气还是征服疾病，我们都面临着非常复杂、紧急、难于掌握的系统。我们认为，智能程序将有助于挖掘新的科学知识，给社会带来帮助。为了实现这一目标，我们需要通用的学习系统，从头开始建立起对问题的理解，并利用这些去识别模式，取得其他方式无法获得的突破。在DeepMind，这是我们长期研究使命的焦点。

尽管距离我们设想的智能还有很远的距离，但2016年是重要的一年。对于多项核心挑战，我们取得了令人兴奋的进展，而我们也首次看到了人工智能对现实世界可能的积极影响。

点击阅读原文 >

7.《2016机器学习与自然语言处理学术全景图：卡耐基梅隆大学排名第一》

来源：机器之心

简介：随着 2016 年结束，剑桥大学高级研究员 Marek Rei 对人工智能行业的 11 个主要会议和期刊进行了分析，它们包括 ACL、EACL、NAACL、EMNLP、COLING、CL、TACL、CoNLL、Sem / StarSem、NIPS 和 ICML。本次分析对目前在机器学习与自然语言处理领域的各类组织与院校的科研情况进行了对比。分析显示，在论文数量上，卡耐基梅隆大学（CMU）高居第一位。

以下各图所用到的信息均来自网络，每份文件的机构组织信息都是由论文的 pdf 文件中获取的，并不保证完全准确。

在你看完这份分析，得出自己的结论之前，请注意一个前提：论文的质量远比数量重要，而论文质量并不在本次分析的范围内。我们的分析来源于这样一个动机：我们希望展示深度学习和机器学习领域在过去的一年里发生了什么，大公司和院校正在做什么，希望它能够为你提供一些帮助。