了解過去一周AI圈咨訊，一篇就夠了！

新聞

IBM和MIT成立聯(lián)合人工智能研究實驗室

來源：NEWS.MIT.EDU

IBM計劃投資240萬元，與MIT聯(lián)合創(chuàng)建一個能工作十年的、叫作MIT-IBM沃森的人工智能實驗室。實驗室主要進(jìn)行基本的人工智能研究。

prowler.io在AI決策領(lǐng)域搶到了1300萬美元

來源：TECHCRUNCH.COM

Prowler是基于概率模型，強(qiáng)化學(xué)習(xí)和博弈論在一個平臺上工作。他們的目標(biāo)是能夠用更少的數(shù)據(jù)來學(xué)習(xí)，而不是今天更為廣泛的深入學(xué)習(xí)方法。

IBM的沃森為癌癥治療帶來了革命嗎？并沒有

來源：WWW.STATNEWS.COM

IBM用沃森向全世界的醫(yī)生銷售癌癥治療方案已經(jīng)有三年了，但一項統(tǒng)計調(diào)查發(fā)現(xiàn)，沃森超級計算機(jī)并沒有達(dá)到IBM為它設(shè)置的崇高期望。

谷歌大腦團(tuán)隊將在Reddit上舉行AMA

來源：WWW.REDDIT.COM

谷歌大腦團(tuán)隊將于2017年9月13日舉行AMA（Ask Me Anything），從上午9點(diǎn)左右開始回答問題。對于想要了解谷歌深度學(xué)習(xí)團(tuán)隊要做什么的學(xué)習(xí)者來說，這是一個很好的機(jī)會。

文章&教程

EMNLP 2017會議視頻放出

來源：KU.CLOUD.PANOPTO.EU

所有EMNLP 2017（Empirical Methods in Natural Language Processing）會議的視頻已經(jīng)被記錄并可以在線查閱了，可以使用YouTube-dl下載這些視頻。

米開朗基羅：Uber的機(jī)器學(xué)習(xí)平臺

來源：ENG.UBER.COM

Uber工程部門日前公布了關(guān)于米開朗基羅，其機(jī)器學(xué)習(xí)即服務(wù)系統(tǒng)的更多細(xì)節(jié)，可以使Uber的團(tuán)隊建立、部署和操作機(jī)器學(xué)習(xí)。

我的神經(jīng)網(wǎng)絡(luò)不工作！我該怎么辦？

來源：THEORANGEDUCK.COM

如果你的神經(jīng)網(wǎng)絡(luò)不工作，你可能犯了很多錯誤。這篇文章匯編了神經(jīng)網(wǎng)絡(luò)的錯誤經(jīng)驗，并能夠幫助你實施神經(jīng)網(wǎng)絡(luò)，完成你的神經(jīng)網(wǎng)絡(luò)項目。

基于Pytorch的fast.ai

來源：WWW.FAST.AI

下一個fast.ai課程將幾乎完全建立在pytorch這個新的框架之上。這篇文章討論了離開TF / Keras的原因：實施動態(tài)模型，使用NLP（也是RL）更方便，更簡單，更樣板化。大部分的NLP社區(qū)贊成這些觀點(diǎn)。

項目&數(shù)據(jù)

ONNX：一個可互換AI框架的生態(tài)系統(tǒng)

來源：RESEARCH.FB.COM

Facebook和微軟推出ONNX（Open Neural Network Exchange）樣板，一個使深度學(xué)習(xí)模型能在框架之間轉(zhuǎn)移的標(biāo)準(zhǔn)。

TensorFlow代理：一個RL工具的TF library

來源：GITHUB.COM

該項目為強(qiáng)化學(xué)習(xí)提供了優(yōu)化的基礎(chǔ)設(shè)施。它擴(kuò)展了OpenAI Gym的接口到多個并行環(huán)境并且允許代理在TensorFlow上進(jìn)行批量計算。

AllenNLP：一個建立在pytorch上的開源NLP研究庫

來源：ALLENNLP.ORG

設(shè)計和評估了幾乎所有NLP問題的深度學(xué)習(xí)模型，以及易于在云中或筆記本上運(yùn)行的硬件。它包括實現(xiàn)核心的NLP問題（如semantic role labeling）和NLP應(yīng)用（例如textual entailment）。

一種在多個揚(yáng)聲器上生成語音的方法（Facebook）

來源：GITHUB.COM

描述了如何通過語音回路來完成自然狀態(tài)下說話者的語音合成，使用了基于PyTorch的解決方案。

爆款論文

擠壓&激發(fā)網(wǎng)絡(luò)（Squeeze-and-Excitation Networks）

來源：ARXIV.ORG

一個CNNs的新建筑單元，稱為“擠壓和激勵”（SE：Squeeze-and-Excitation），能夠通過準(zhǔn)確建模通道塊之間的相互依存關(guān)系來自適應(yīng)地調(diào)整通道塊。SE塊以較低的計算成本為現(xiàn)有的深度架構(gòu)提供了性能改進(jìn)。SENets形成了ILSVRC 2017分類比賽的基礎(chǔ)并使該團(tuán)隊獲得了第一名，誤差從原來的5%左右降低到了2.251%，相對于2016年的獲獎作品改善了25%.

深度學(xué)習(xí)技術(shù)對音樂生成的調(diào)查

來源：ARXIV.ORG

這個調(diào)查對使用深度學(xué)習(xí)產(chǎn)生音樂內(nèi)容的不同方法進(jìn)行了調(diào)查和分析。要產(chǎn)生什么音樂內(nèi)容？（例如，旋律、伴奏）；用于語料庫和預(yù)期生成輸出的信息格式是什么？（例如，MIDI、鋼琴譜、文本）；使用什么類型的深層神經(jīng)網(wǎng)絡(luò)？（例如，遞歸神經(jīng)網(wǎng)絡(luò)，自編碼，GANs）；如何建立和控制生成過程（例如，直接前饋，抽樣，單元選擇）？

一個深度增強(qiáng)學(xué)習(xí)聊天機(jī)器人

來源：ARXIV.ORG

MILABOT：一個由MILA（Montreal Institute for Learning Algorithms）為Amazon Alexa Prize競賽開發(fā)的深度增強(qiáng)學(xué)習(xí)聊天機(jī)器人，MILABOT能夠通過語音和打字的方式在大多數(shù)話題上與人類進(jìn)行對話。