你好,游客 登录 注册 发布搜索
背景:
阅读新闻

2016 年深度学习五大突破性进展

[日期:2016-12-09] 来源:新智元  作者: [字体: ]

来源:wired.com

作者:Cade Metz

翻译:刘小芹

  【新智元导读】Grakn Labs 是一家位于伦敦,距离 DeepMind 总部不足2.5公里的深度学习创业公司。该公司最近发表文章盘点了其团队伙伴选出的今年 Top 5 的人工智能大事件。既有让人印象深刻的技术的大突破,也有有趣的小应用,跟你心中的2016 AI 大事件有没有重合之处呢?

  Grakn Labs 盘点了2016年最重要的深度学习领域的突破性进展。2016年对深度学习来说是突破性的一年,尤其对 Google 和 DeepMind 来说更是如此。

  AlphaGo 在围棋对弈中战胜人类棋手

  

  今年3月,AlphaGo 战胜围棋高手李世石绝对是一件大事。根据围棋评论员的解说,第二回合中黑子是纯粹由“机器”下的,当 AlphaGo 走了视频中1:18:22的一步时,它的对手,人类专家完全被困扰了。对人类专家来说这样的一步完全是史无前例的。但接下来 AlphaGo 才是真的显露它的围棋天分。最终AlphaGo与李世石对弈5盘,以4:1的成绩获得了胜利。虽然我们对掌握所有领域知识的“通用AI”(general AI)持怀疑态度,但 AlphaGo 仍让我们印象深刻。

  机器挑战星际争霸

  

  星际争霸 + DeepMind 会是怎样的结果?我想 DeepMind 一定是 geek/nerd 的天堂。这次 DeepMind 看上另一个游戏,与暴雪娱乐达成协议,允许 DeepMind 的 AI 研究人员在星际争霸II游戏中部署bots。从前 IBM 的“深蓝”在国际象棋中战胜人类,以及前述 AlphaGo 在围棋对弈中战胜人类,虽然都令人震撼,但像“星际争霸”这样的游戏更具挑战性——游戏中的信息是不完整、动态的,机器需要学习在更长的时间范围里规划和适应。结果让人期待。

  用深度学习 DIY 井字棋游戏

  

  作为一个开源公司,我们希望让更多的人接触技术。在伦敦的一次聚会上,Daniel Slater 向我们展示了如何使用 TensorFlow,利用强化学习来教一个名为“AlphaToe”的机器玩井字棋(Tic Tac Toe)。Github 上的仓库地址:https://github.com/DanielSlater/AlphaToe

  Google 的多语言神经机器翻译系统

  

  不需直接的训练数据,韩语翻译成英语的“first shot”图示

  作为一个国际化的团队,我们团队的17人使用着至少14种语言,可以说我们都或多或少地使用着 Google 翻译。Google 的多语言神经机器翻译现在能够对系统从未遇到的语言进行翻译。研究人员将该功能归功于其中的 interlingua 系统——一种实际上用来编码语义的元语言(meta language)。这个系统现在已经用到 Google 翻译中了。了解更多可以参考 Google 的研究论文和博客文章。

  用 DeepDrumpf 模仿特朗普发推

  

  图:上面哪个是真正的川普的推?

  今年的美国选举一直是我们办公室里的热门话题,因为我们打算在美国扩大业务。自从3月份 DeepDrumpf 推出以来,我们一直很喜欢它的推文。DeepDrumpf 是 MIT 博士后 Bradley Hayes 创建的 Twitter bot。DeepDrumpf 是使用深度学习技术,用几个小时的演讲文稿和总统选举辩论记录训练的。DeepDrumpf 受到模仿莎士比亚语录的递归神经网络的启发。虽然这不是非常复杂的深度学习的使用例子,但它的原创性以及对时事的敏感值得推广。

  编译来源:https://blog.grakn.ai/advent-at-grakn-labs-2nd-de

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款