AI Edge: 亞馬遜和微軟兩家虛擬助理開始攪基：用pix2pix進行自動創(chuàng)作：神經網(wǎng)絡研究人員的網(wǎng)絡訓練清單：絲襪頭套沒用啦 - 研究人員開發(fā)出能透過一些面具進行識別的面部識別器：不好意思我們已經不用人進行假評了，而用RNN...現(xiàn)實中機器人部署的笨拙體驗：酷酷的新工作狈惫，AI政策顧問：為了大業(yè)的成功捐出你的大腦...
亞馬遜和微軟兩家虛擬助理開始攪基：
...亞馬遜和微軟倆個一起玩得可好睛蛛？現(xiàn)在他倆已經開始合作了，因此他們的個人助理應用(亞馬遜：Alexa胧谈，微軟：Cortana)可以互相召喚和訪問對方了忆肾。 大致的想法是在兩個助手間創(chuàng)造更大的互操作性，從而改善個人用戶的體驗菱肖。
...(更有意思的是客冈，同時兩家公司還在以AWS和Azure進行著相互競爭)但是可惜的是，還沒聽到一點風聲關于這些系統(tǒng)與Google助手的結合蔑滓。
... 閱讀更多：嘿 Cortana, 打開 Alexa
用pix2pix進行自動創(chuàng)作：
...歡樂項目郊酒，藝術家Patrick Tresset用成對的畫和人類照片（關于3500人的21,000張畫）遇绞，創(chuàng)建一個系統(tǒng)，讓你用鉛筆隨便描燎窘，然后瞬間生成真實圖片摹闽。
...Youtube 視頻: video here - a fantastic example of automated art.
... 類似系統(tǒng)展示: https://affinelayer.com/pixsrv/
神經網(wǎng)絡研究人員的網(wǎng)絡訓練清單：
...實現(xiàn)神經網(wǎng)絡有時會非常非常具有挑戰(zhàn)性，因為很容易就會在學習過程中導入錯誤褐健，而產生局部失敗付鹿。因為AI現(xiàn)在主要還是個經驗科學。第1步蚜迅，想出方法舵匾。2. 給定領域的對方法進行測試。3. 檢查結果 4. 對2中的條件進行各種各樣調整谁不，以對3的結果有更好的分析坐梯。而查找和處理錯誤的過程，有時是漫長而完全沒有頭緒的刹帕。
... 因此吵血，研究人員發(fā)現(xiàn)可能先列出寫相關的小建議還有經驗的清單會很有幫助。查看Ubisoft Montreal開發(fā)人員Daniel Holden的這篇博文偷溺，了解神經網(wǎng)絡開發(fā)中的一些常見故障模式蹋辅，以及通過哪些簡便的檢查來分離出問題。
...閱讀更多："My Neural Network isn't working! What should I do?"
...相似：John Schulman(OpenAI)也給出了如何訓練深度強化學習系統(tǒng)的各種小技巧挫掏。
...戳這里
絲襪頭套沒用啦 - 研究人員開發(fā)出能透過一些面具進行識別的面部識別器：
... 劍橋大學侦另，美國國家技術學院和印度理工學院的研究人員已經開發(fā)了一種利用深度學習來解決“偽裝面部識別”的問題，即尉共，如何把那些游行遮住臉的家伙抓出來褒傅。
...該方法創(chuàng)建兩個新的數(shù)據(jù)集，每個數(shù)據(jù)集包含2000張圖像爸邢，并標記了臉部識別所必需的14個關鍵點樊卓。數(shù)據(jù)集中一個只有簡單背景，而較難那個有更復雜的背景杠河。這兩個數(shù)據(jù)集都是由碌尔，年齡介于18到30歲之間的人穿著各種偽裝的肖像照組成，這些偽裝包括：(i)太陽鏡 (ii)帽子 (iii)圍巾 (iv)胡須 (v)眼鏡和帽子 (vi)眼鏡和圍巾 (vii)眼鏡和胡須 (viii)帽子和圍巾 (ix)帽和胡須 (x)帽券敌，眼鏡和圍巾唾戚。
...結果：最終的偽裝面部識別(DFI)系統(tǒng)再簡單數(shù)據(jù)集可以識別出55%偽裝的人，而復雜數(shù)據(jù)集45%待诅。所以現(xiàn)在還不要因為這點風聲叹坦，參加游行的時候就不帶面具了。當然從長遠來看卑雁，這可能會增加人們使用硬面具的可能募书，比如說V字仇殺隊的面具绪囱，而不是像圍巾，面罩這樣的軟的偽裝物莹捡。
...閱讀更多： Disguised Face Identification (DFI) with Facial Key Pointsusing Spatial Fusion Convolutional Network.
不好意思我們已經不用人進行假評了鬼吵，而用RNN...
... 芝加哥大學的研究人員已使用RNNs來生成了假的Yelp (類似國際版大眾點評) 評論，這些評論不僅可以避開傳統(tǒng)統(tǒng)計學和真人審查篮赢，而且用戶“有用性”評分也很高齿椅。這代表了AI新趨勢 - 用現(xiàn)成的技術進行不好的目的 - 已經在其他領域中出現(xiàn)了。社會需要更多留意到這項技術可能會被濫用的方式启泣。
...這項研究另一個值得注意方面是涣脚，神經網(wǎng)絡在受限情況下語言生成可以有多好。 “即使在大型數(shù)據(jù)集上進行了訓練寥茫，RNN通常在生成真正模仿人類寫作的樣本時往往失敗遣蚀，但是，我們觀察到的是纱耻，RNN生成文本的質量在某些特定領域可能還是足夠的妙同，例如在線評論∠ビ“ （OpenAI最近觀察到了類似現(xiàn)象，在8200萬條亞馬遜評論的語料庫上訓練的語言模型胰耗，可以產生非诚薮危可信且詳細的句子。）
... 一條生成的（5顆星）Yelp評論：“I love this place. I have been going here for years and it is a great place to hang out with friends and family. I love the food and service. I have never had a bad experience when I am there.“
...數(shù)據(jù)集：Yelp Challenge數(shù)據(jù)集柴灯，其中包括約100萬個評論者的410萬條評論卖漫。
...更多: Automated Crowdturfing Attacks and Defenses in OnlineReview Systems.
現(xiàn)實中機器人部署的笨拙體驗：
..著名的機器學家/可愛的科學怪胎羅德尼·布魯克斯，寫了一篇關于為什么盡管已經有了一系列消費者赠群、工業(yè)和軍事機器人羊始，但他仍然對AI是什么和當它被迫在現(xiàn)實世界中工作沒有什么指望。
...“我們送去福島的機器人不僅僅只是遙控機器人查描，它們還有一個基于AI的操作系統(tǒng)突委，稱為Aware 2.0，允許機器人構建地圖冬三，規(guī)劃最佳路徑匀油，倒下爬起來，并且在于人類操作員失去聯(lián)絡時自己找到回去的路勾笆。這聽起來似乎并不像高大上的先端AI敌蚜，也確實，當與大公司實驗室可以展示的精美視頻窝爪，還有那些來自實驗室通過精心設計剛剛好能實現(xiàn)的尖端展示相比弛车，完全是不能比的齐媒。但是這些簡單而土氣，使我們目前在真實纷跛、凌亂的操作環(huán)境中放置機器人的這類AI系統(tǒng)固有的喻括。“ 他寫到忽舟。
...彩蛋：布魯克斯是一個很好的作家双妨，值得深入了解他筆下的核融化后的福島。
...更多：Domo Arigoto Mr Roboto
酷酷的新工作叮阅，AI政策顧問：
...The Future of Life 研究所正在招聘一名 AI 政策專家刁品，這可能是由近期的AI發(fā)展導致的一種新型工作。 工作內容將包括為FLI制定政策戰(zhàn)略（可能會有重要的人工智能安全部分）浩姥，閱讀和整理挑随，發(fā)布的關于AI政策的大量內容。
... 根據(jù)經驗勒叠，我也可以說兜挨，AI政策包括一個似乎（至少對我來說）并不是那么明顯的關鍵技能 - 報告：你花了很多時間試圖找出誰知道誰知道這是什么還有為什么。 然后跟他們說話眯分。
... 更多關于這個職業(yè)
為了大業(yè)的成功捐出你的大腦
... AI Grant 是由Nat Friedman和Daniel Gross進行的一項計劃拌汇，用于免費的AI項目資助(通過現(xiàn)金，F(xiàn)loydHub的GPU弊决，CrowdFlower 點數(shù)噪舀，Google Compute Engine 點數(shù)，ScaleAPI標簽數(shù)據(jù))飘诗，用于“如果不干可能不會發(fā)生的有趣項目“与倡，(當然是)一下子來了各種APP。
...點擊這里申請成為審查員昆稿。鏈接
