AI头条 | 本周人工智能要闻回顾 12-30

作者: 智众互动 | 来源:发表于2016-12-30 17:57 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.《让老外颤抖不已的2016深圳十大黑科技产品》

来源：智众互动

简介：2016年涌现了一大批让人目瞪口呆的黑科技，其中大部分来自于素有小科技帝国之称的深圳，让我们来揭开那些鲜为人知的黑科技企业吧！

Top.01 大疆无人机

还记得白宫无人机入侵事件吗？这是该政府情报人员因醉酒误把无人机坠落在白宫境内的草坪上，而引起美国政府反间谍组织强烈关注的恐慌事件，这只无人机就是由大疆科技研发的，有很多人认为此事件是大疆科技精心策划的，是或否我们就不多做解释。

无人机，无人驾驶飞机，利用无线电遥控设备或是装有程序的移动设备操纵不载人飞机进行各种工作。大疆科技拥有无人机领域多项行业专利与技术，实现了多种航拍角度的可能性，并深受人们的喜爱，在世界占有70%的市场销售额。无论在多么恶劣的环境下，例如火山爆发、海啸来袭，也丝毫不影响大疆无人机的工作，无论是技术的优良精湛，还是技术的曝光方式，大疆无人机实属第一黑。

点击阅读原文 >

2.《智能音箱能否会成为智能家居时代的新入口？》

来源：智众互动

简介：从互联网时代，到移动互联网时代，再到现在异常「火热」的人工智能（AI）时代，每次时代的变化都会影响着「入口」的变化。互联网时代，各个公司都抢占「网页」入口的 BAT、新浪、网易成为获胜者。移动互联网时代抢占「APP」入口，微信、微博是最大的赢家。「得入口者得天下」，那么在人工智能时代，下一个入口又是什么？

智能家居是人工智能的一个重要应用场景，亚马逊的Echo 智能音箱已经在美国成为了智能家居的入口，人们通过 Echo 可以用语音控制家电、购买商品、查询资讯。那么在中国，智能音箱能否也成为智能家居的入口呢？

点击阅读原文 >

3.《独家专访| 强化学习教父Richard Sutton：也许能在2030年之前实现强人工智能算法》

来源：机器之心

简介：Richard S. Sutton 教授被认为是现代计算的强化学习创立者之一。他为该领域做出了许多重大贡献，包括：时间差分学习（temporal difference learning）、策略梯度方法（policy gradient methods）、Dyna 架构。

但惊人的是，Sutton 博士进入的第一个领域甚至与计算机科学无关。他先是获得了心理学学士学位，然后才转向计算机科学。但是，他并不认为自己转变了方向。他说：「和大多数心理学家关注的问题一样，我也对学习（learning）的工作方式很感兴趣，我在 1977 年获得了心理学学士学位；那时候学习在计算机科学领域还并不是很流行。因为我对人工智能或与人工智能相关的一切感到很好奇，所以我就选择了就读计算机科学的硕士，然后又读了博士。我对人工智能的看法受到了心理学领域关于人类和动物学习方面的影响——这也是我的秘密武器，因为人工智能领域的很多人都没有我这样的背景。我从心理学开始的，并且从中汲取了大量的灵感。」

点击阅读原文 >

4.《重磅| 苹果发布第一篇人工智能研究论文：提出模拟+无监督方法改善合成图像质量》

来源：机器之心

简介：在12 月初的时候，苹果正式向外界宣布允许其人工智能和机器学习研究员公开发布和分享他们的最新研究成果，这一举措稍稍掀开了苹果久负盛名且神秘的创新研究进程的一角。仅在几周之后，他们的人工智能和机器学习研究的第一篇论文发表了，主要聚焦苹果在智能图像识别领域的研究。

点击阅读原文 >

5.《中国人工智能迎来黄金时代，跟风发展快但缺乏重大突破》

来源：新智元

简介：近日，中科院在其第一份英文科技类综述期刊National Science Review（国家科学评论）上发布了一篇名《中国人工智能研究与发展》的文章。记录了蒲慕明、谭铁牛、陈云霁、曾毅、查红彬这5位研究者对当前中国人工智能发展的分析，讨论的主题包括“脑启发”式人工智能研究、人工智能的本质——可塑性、中国人工智能研究面临的主要挑战和与国外研究的差距等问题。

点击阅读原文 >

6.《首次超越LSTM : Facebook 门卷积网络新模型能否取代递归模型？》

来源：新智元

简介：Facebook 在尝试使用“门卷积网络”的方法来为语言建模，最近，他们首次取得了超过递归神经网络方法建模方法的性能表现，性能了超越目前被认为是最好的 LSTM 方法。在 WikiText 数据集上，他们创造了新的性能记录。同时，在谷歌 Billion Word 基准上，单个GPU运行的横向对比中的表现也做到了最好。LSTM 目前在自然语言处理上有着广泛的应用，卷积的方法会替代递归的方法吗？本文将带来国内专家的深度解读。

点击阅读原文 >

7.《机器学习和人工智能：2016 重大进展和 2017 主要趋势》

来源：新智元

简介：“2016年机器学习及人工智能领域的最大亮点和2017年的重要趋势是什么？”Kdnuggets 网站汇集了十几位专家的看法，AlphaGo 无疑成为今年最夺目的亮点，但 2017 年哪些领域值得我们密切关注呢？

在我看来，2016年主要事件在深度强化学习、生成模型、神经网络机器翻译。首先，我们有了AlphaGo（DeepMind的神经网络通过深度强化学习，打败了国际象棋世界冠军）。整个一年，我们看到了一系列论文展示生成对抗网络(generative adversarial networks，用于生成模型的无监督学习)的成功。同样在无监督学习领域，我们看到了自相关神经网络（automation-correlation neural networks，就像 DeepMind WaveNe 的t论文）取得了意想不到的成就。最后，不久之前，我们看到了神经网络机器翻译的“加冕”（我的实验室从2014开始做其中一部分），谷歌把这个技术带到了大规模的Google翻译，获得了令人瞩目的效果（达到超优秀人类水平）。

点击阅读原文 >

8.《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）

他们怎么做到的？研究人员使用了机器学习工具——一种人工智能——挖掘海量大脑数据、找到了大脑活动模式、预测人类感知。

点击阅读原文 >

9.《盘点2016，人工智能都发生了哪些大新闻》

来源：AI头条

简介：2016是人工智能的元年。这一年人工智能发展的异常迅速。之前人工智能还只是一个概念，而现在，它已经落地到寻常百姓家了。它就在我们身边，甚至你都察觉不到它的存在。全球每10.9个小时就会诞生一个人工智能公司。而北上广深则占据全球人工智能公司的7.4％，下面我们按照时间顺序来盘点一下2016发生了哪些人工智能的大新闻。