查看: 5999|回复: 9
求机器学习和数据挖掘比较好的大学
主题帖子积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
考研年份2008
本科学校河海大学
如题，求推荐，谢谢了。
主题帖子积分
王道论坛高级道友, 积分 1082, 距离下一级还需 1918 积分
王道论坛高级道友, 积分 1082, 距离下一级还需 1918 积分
考研年份2014
报考学校国立台湾大学
本科学校国立台湾大学
& &南京大学
主题帖子积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
考研年份2008
本科学校河海大学
回复&&光电晶石
& &南京大学
lxkb9108 发表于
谢谢了，其他的呢，都没南大好吗
主题帖子积分
王道论坛高级道友, 积分 1082, 距离下一级还需 1918 积分
王道论坛高级道友, 积分 1082, 距离下一级还需 1918 积分
考研年份2014
报考学校国立台湾大学
本科学校国立台湾大学
& &南大的LAMDA不够么？
主题帖子积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
考研年份2008
本科学校河海大学
南大地势不是很好，想问问其他地方的
主题帖子积分
考研年份2010
报考学校SJTU
本科学校HNU
& &推荐北大的KLMP实验室
已经归隐，微信加公众号「靖难」或 扫描头像二维码可以找到我.
主题帖子积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
考研年份2008
本科学校河海大学
本帖最后由 光电晶石 于
22:55 编辑
& & 难哥，这个太牛逼了，进的概率比较小，哎。不过尝试一下也未尝不可
主题帖子积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
考研年份2008
本科学校河海大学
& & 不是的，想去好一点的城市读硕，以后可能更好找工作点
主题帖子积分
考研年份2010
报考学校SJTU
本科学校HNU
& &南大都嫌弃地方差了，那就只有北大了啊。
&&南大AI、ML，DM这些方向学习了，还愁比其它地方学了难找工作？如果不弃可以考虑交大。
已经归隐，微信加公众号「靖难」或 扫描头像二维码可以找到我.
主题帖子积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
王道论坛初级道友, 积分 52, 距离下一级还需 148 积分
考研年份2008
本科学校河海大学
我还是考虑南大吧，交大好像比较偏信息安全啊有哪些在机器学习数据挖掘方面造诣颇深的中国高校教师？ - 知乎2227被浏览174619分享邀请回答18836 条评论分享收藏感谢收起21237 条评论分享收藏感谢收起查看更多回答苹果/安卓/wp
积分 53, 距离下一级还需 32 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
本人本科985学校计算机科学专业，现在中科院某研究所做统计机器学习方向Ph.D.，打算以后从事金融行业，不知道我这个方向在金融行业里边合适的职位是哪些方面的？不知道进对冲基金或者投行是否合适？谢谢！
载入中......
针对楼主的问题，我抛砖引玉哈：
1、考虑到楼主对国内金融状况不甚了解，我简单说明下你的专业在金融行业的可能应用。楼主提到对冲基金或者投行，国外运用机器学习得较多，国内对冲基金比较少，规模也小；国内券商（投行）主要做证券发行与承销等，虽然有研究部，但研究归研究，离投资还有一点路。国内的基金、券商资管、私募等买方的投资思路主要是传统经济金融学或者经验判断等，极少大资金运用机器学习。
2、以我的拙见，我认 ...
本帖被以下文库推荐
& |主题: 2346, 订阅: 29
& |主题: 2305, 订阅: 13
Focus on Statistical Machine Learning
做量化模型的吧？
yuanxinqiang 发表于
做量化模型的吧？我现在对金融行业还不是很了解，就是想了解一下统计机器学习方向在金融里边做什么比较合适，谢谢
Focus on Statistical Machine Learning
我也不太了解。楼主，sorry了。
yuanxinqiang 发表于
我也不太了解。楼主，sorry了。没事，谢谢
Focus on Statistical Machine Learning
yzqustc 发表于
没事，谢谢好好学，很有前途。
针对楼主的问题，我抛砖引玉哈：
1、考虑到楼主对国内金融状况不甚了解，我简单说明下你的专业在金融行业的可能应用。楼主提到对冲基金或者投行，国外运用机器学习得较多，国内对冲基金比较少，规模也小；国内券商（投行）主要做证券发行与承销等，虽然有研究部，但研究归研究，离投资还有一点路。国内的基金、券商资管、私募等买方的投资思路主要是传统经济金融学或者经验判断等，极少大资金运用机器学习。
2、以我的拙见，我认为Ph.D机器学习方向是可以运用于证券选股（融资融券）、期货、期权等，现阶段可能期货更加合适（T+0\做空）。国内量化主要采用技术分析，也有部分采用计量经济学的思路，极少部分采用机器学习。其原因在于，一是机器学习比较专业，像楼主一样懂得人比较少，二是机器学习面临过度优化的现象，实际金融投资应用价值可能有限。
3、以我的浅薄了解，机器学习中的SVM似乎不错，我也准备学习。如果这也是楼主的研究方向，很想找时间向楼主学习。
热心帮助其他会员
总评分:&经验 + 5&
论坛币 + 5&
yeonglong 发表于
针对楼主的问题，我抛砖引玉哈：
1、考虑到楼主对国内金融状况不甚了解，我简单说明下你的专业在金融行业的 ...谢谢你的见解，我也听说国内金融行业里运用机器学习技术的比较少，目前确实对这个行业了解甚少，还需慢慢了解。你提到的机器学习的过度优化问题，我想你指的是的overfitting，这确实是一个问题，不过几乎所有基于统计的学习模型都是overfitting和underfitting的一个tradeoff，这同时也是bias和variance的tradeoff。对于SVM，我想这是核方法（将数据映射到希尔伯特特征空间的技术）在机器学习中应用的典型例子，在90年代SVM做分类很火，它利用最大间距的思想通过很少的有用数据（支持向量）来确定分类面。不过从06年开始，一个新的deep learning方法很火，是以前神经网络的升级版本，它在目前的语音识别，图像分类中取得几乎最好的效果，如果你感兴趣的话，可以了解一下。
Focus on Statistical Machine Learning
yzqustc 发表于
谢谢你的见解，我也听说国内金融行业里运用机器学习技术的比较少，目前确实对这个行业了解甚少，还需慢慢 ...不愧是博士，把握行业前沿，你说的deep learning我还是第一次听说呢。希望能进一步交流学习。
楼主你好，我现在是香港科技大学的一位在读研究生。我们正在做一个金融相关的项目，正好缺一位精通机器学习的人。我觉得我们挺互补的，可以聊聊嘛？
不管去哪里 只要在路上
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
统计机器学习研究
Statistical Machine Learning
下载积分：1500
内容提示：统计机器学习研究
Statistical Machine Learning
文档格式：PDF|
浏览次数：0|
上传日期： 17:20:02|
文档星级：
全文阅读已结束，如果下载本文需要使用
 1500 积分
下载此文档
该用户还上传了这些文档
统计机器学习研究
Statistical Machine Learning
关注微信公众号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一10 months ago465收藏分享举报文章被以下专栏收录关注人工智能学术和技术实现推荐阅读{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&提供专业的前沿科技信息&,&permission&:&COLUMN_PUBLIC&,&memberId&:,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&关注人工智能学术和技术实现&,&urlToken&:&jiqizhixin&,&id&:23235,&imagePath&:&v2-d50a7b9dbdd.jpg&,&slug&:&jiqizhixin&,&applyReason&:&0&,&name&:&机器之心&,&title&:&机器之心&,&url&:&https:\u002F\\u002Fjiqizhixin&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:51358,&avatar&:{&id&:&v2-d50a7b9dbdd&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\\u002Fv2-d50a7b9dbdd_l.jpg&,&articlesCount&:251},&state&:&accepted&,&targetPost&:{&titleImage&:&https:\u002F\\u002Fv2-184e5db0e0dc2_r.png&,&lastUpdated&:,&imagePath&:&v2-184e5db0e0dc2.png&,&permission&:&ARTICLE_PUBLIC&,&topics&:[033],&summary&:&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 \u002F 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…&,&copyPermission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T14:55:12+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:2086513,&withContent&:false,&slug&:,&bigTitleImage&:true,&title&:&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&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:23235,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&https:\u002F\\u002Fv2-184e5db0e0dc2_r.png&,&author&:{&bio&:&欢迎关注我们的微信公众号：机器之心（almosthuman2014）&,&isFollowing&:false,&hash&:&06a67981ced7a2e9f85c&,&uid&:493500,&isOrg&:true,&slug&:&ji-qi-zhi-xin-65&,&isFollowed&:false,&description&:&国内领先的前沿科技媒体和产业服务平台&,&name&:&机器之心&,&profileUrl&:&https:\u002F\\u002Forg\u002Fji-qi-zhi-xin-65&,&avatar&:{&id&:&v2-dd115d399e55c37e13890e&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:true,&isBanned&:false},&memberId&:,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:516246}],&title&:&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&,&author&:&ji-qi-zhi-xin-65&,&content&:&\u003Cp\u003E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 \u002F 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。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E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。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E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。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E首先是 2016 年最活跃的 25 个机构：\u003C\u002Fp\u003E\u003Cp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-b5ed5f21e70bf8949352_b.png\& data-rawwidth=\&921\& data-rawheight=\&886\& class=\&origin_image zh-lightbox-thumb\& width=\&921\& data-original=\&https:\u002F\\u002Fv2-b5ed5f21e70bf8949352_r.png\&\u003E卡耐基梅隆大学仅以一篇论文优势击败谷歌。2016 年，微软和斯坦福也发表 80 多篇论文。IBM、剑桥、华盛顿大学和 MIT 都抵达了 50 篇的界线。谷歌、斯坦福、MIT 以及普林斯顿大学明显关注的是机器学习领域，论文发表几乎都集中在了 NIPS 和 ICML 上。实际上，谷歌论文几乎占了 NIPS 所有论文的 10%。不过，IBM、北大、爱丁堡大学以及达姆施塔特工业大学（TU Darmstadt）显然关注的是自然语言处理应用。\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='921'%20height='886'&&\u002Fsvg&\& data-rawwidth=\&921\& data-rawheight=\&886\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&921\& data-original=\&https:\u002F\\u002Fv2-b5ed5f21e70bf8949352_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-b5ed5f21e70bf8949352_b.png\&\u003E卡耐基梅隆大学仅以一篇论文优势击败谷歌。2016 年，微软和斯坦福也发表 80 多篇论文。IBM、剑桥、华盛顿大学和 MIT 都抵达了 50 篇的界线。谷歌、斯坦福、MIT 以及普林斯顿大学明显关注的是机器学习领域，论文发表几乎都集中在了 NIPS 和 ICML 上。实际上，谷歌论文几乎占了 NIPS 所有论文的 10%。不过，IBM、北大、爱丁堡大学以及达姆施塔特工业大学（TU Darmstadt）显然关注的是自然语言处理应用。\u003C\u002Fp\u003E\u003Cp\u003E接下来，看看作者个人情况：\u003C\u002Fp\u003E\u003Cp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-60b6bcdb5a95b9e64c5074_b.png\& data-rawwidth=\&1028\& data-rawheight=\&852\& class=\&origin_image zh-lightbox-thumb\& width=\&1028\& data-original=\&https:\u002F\\u002Fv2-60b6bcdb5a95b9e64c5074_r.png\&\u003EChris Dyer 继续他惊人的论文发表势头，2016 年共发表了 24 篇论文！我很好奇为什么 Chris 不发 NIPS 或 ICML，但他确实在每一个 NLP 会议都有一篇论文（除了 2016 没有开的 EACL）。紧跟之后的是 Yue Zhang (18)、Hinrich Schütze (15)、Timothy Baldwin (14) 和 Trevor Cohn (14)。来自哈尔滨工业大学的 Ting Liu 在 COLING 上就发了 10 篇论文。Anders S?gaard 和 Yang Liu 在 ACL 上都有 6 篇论文。\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1028'%20height='852'&&\u002Fsvg&\& data-rawwidth=\&1028\& data-rawheight=\&852\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1028\& data-original=\&https:\u002F\\u002Fv2-60b6bcdb5a95b9e64c5074_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-60b6bcdb5a95b9e64c5074_b.png\&\u003EChris Dyer 继续他惊人的论文发表势头，2016 年共发表了 24 篇论文！我很好奇为什么 Chris 不发 NIPS 或 ICML，但他确实在每一个 NLP 会议都有一篇论文（除了 2016 没有开的 EACL）。紧跟之后的是 Yue Zhang (18)、Hinrich Schütze (15)、Timothy Baldwin (14) 和 Trevor Cohn (14)。来自哈尔滨工业大学的 Ting Liu 在 COLING 上就发了 10 篇论文。Anders S?gaard 和 Yang Liu 在 ACL 上都有 6 篇论文。\u003C\u002Fp\u003E\u003Cp\u003E下面是 2016 年最高产的第一作者：\u003C\u002Fp\u003E\u003Cp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-392bf15c0bbc2d6c7f9ed76de82c8810_b.png\& data-rawwidth=\&1020\& data-rawheight=\&755\& class=\&origin_image zh-lightbox-thumb\& width=\&1020\& data-original=\&https:\u002F\\u002Fv2-392bf15c0bbc2d6c7f9ed76de82c8810_r.png\&\u003E三位研究者发表了六篇第一作者论文，他们是 Ellie Pavlick（宾夕法尼亚大学）、Gustavo Paetzold（谢菲尔德大学）和 Zeyuan Allen-Zhu（普林斯顿大学高级研究所）。Alan Akbik（IBM）发表了 5 篇第一作者论文，还有七位研究者发表了四篇第一作者论文。\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1020'%20height='755'&&\u002Fsvg&\& data-rawwidth=\&1020\& data-rawheight=\&755\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1020\& data-original=\&https:\u002F\\u002Fv2-392bf15c0bbc2d6c7f9ed76de82c8810_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-392bf15c0bbc2d6c7f9ed76de82c8810_b.png\&\u003E三位研究者发表了六篇第一作者论文，他们是 Ellie Pavlick（宾夕法尼亚大学）、Gustavo Paetzold（谢菲尔德大学）和 Zeyuan Allen-Zhu（普林斯顿大学高级研究所）。Alan Akbik（IBM）发表了 5 篇第一作者论文，还有七位研究者发表了四篇第一作者论文。\u003C\u002Fp\u003E\u003Cp\u003E另外有 42 人发表了三篇第一作者论文，231 人发布了两篇第一作者论文。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E接下来看看在时间序列上的排布，首先，在不同会议上发表的论文总数：\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-e6faee1eec206b3d4cd33a8a20b5d3b0_b.png\& data-rawwidth=\&1063\& data-rawheight=\&635\& class=\&origin_image zh-lightbox-thumb\& width=\&1063\& data-original=\&https:\u002F\\u002Fv2-e6faee1eec206b3d4cd33a8a20b5d3b0_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1063'%20height='635'&&\u002Fsvg&\& data-rawwidth=\&1063\& data-rawheight=\&635\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1063\& data-original=\&https:\u002F\\u002Fv2-e6faee1eec206b3d4cd33a8a20b5d3b0_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-e6faee1eec206b3d4cd33a8a20b5d3b0_b.png\&\u003E\u003Cp\u003ENIPS 一直以来每年都有一场规模很大的会议，今年看起来更是不得了。另外，COLING 今年的表现超过了预期，甚至超过了 ACL。这是自 2012 年 NAACL 和 COLING 合并以来的第一次。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E下面是每个组织机构的历年来的论文数量：\u003C\u002Fp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-9bf370a1f347f0005be7_b.png\& data-rawwidth=\&1038\& data-rawheight=\&784\& class=\&origin_image zh-lightbox-thumb\& width=\&1038\& data-original=\&https:\u002F\\u002Fv2-9bf370a1f347f0005be7_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1038'%20height='784'&&\u002Fsvg&\& data-rawwidth=\&1038\& data-rawheight=\&784\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1038\& data-original=\&https:\u002F\\u002Fv2-9bf370a1f347f0005be7_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-9bf370a1f347f0005be7_b.png\&\u003E\u003Cp\u003E在 2015 年超过微软之后，CMU 继续领跑。但是谷歌也大步跨越，几乎快追上来了。斯坦福的表现也很抢眼，后面跟着 IBM 和剑桥大学。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E最后，让我们来看看个人作者：\u003C\u002Fp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-068a411b4ecf7e16aa3fe13f_b.png\& data-rawwidth=\&1045\& data-rawheight=\&790\& class=\&origin_image zh-lightbox-thumb\& width=\&1045\& data-original=\&https:\u002F\\u002Fv2-068a411b4ecf7e16aa3fe13f_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1045'%20height='790'&&\u002Fsvg&\& data-rawwidth=\&1045\& data-rawheight=\&790\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1045\& data-original=\&https:\u002F\\u002Fv2-068a411b4ecf7e16aa3fe13f_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-068a411b4ecf7e16aa3fe13f_b.png\&\u003E\u003Cp\u003E在图上可以看到，Chris Dyer 有一条非常明显的上升曲线。其他过去五年来一直保持增长的作者：Preslav Nakov、Alessandro Moschitti、Yoshua Bengio 和 Anders S?gaard。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E最后，我也决定做一张关于主题建模（topic modeling）的论文的图。首先，我提取了所有论文的纯文本，将其表征化和小写化，并移除了 stopword。接着，我使用 LDA 对其进行了处理以发现 10 个隐主题（latent topic）。然后我使用 t-SNE 可视化了最靠前的作者，并基于它们的隐主题相似度将其做成了一张二维图。最后，我手动为每一个聚类标注了一个词（根据 LDA 找到的排名最高的术语）。下面是前 50 位作者的可视化图：\u003C\u002Fp\u003E\u003Cp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-3ee3b306e7ddcfeca400785e_b.png\& data-rawwidth=\&1061\& data-rawheight=\&508\& class=\&origin_image zh-lightbox-thumb\& width=\&1061\& data-original=\&https:\u002F\\u002Fv2-3ee3b306e7ddcfeca400785e_r.png\&\u003E我也为组织机构做了一张同样的图，但不打算用简单的单词做标记，因为重点大学会在不同的子领域发表研究。你可以自行分析这些内容：\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1061'%20height='508'&&\u002Fsvg&\& data-rawwidth=\&1061\& data-rawheight=\&508\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1061\& data-original=\&https:\u002F\\u002Fv2-3ee3b306e7ddcfeca400785e_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-3ee3b306e7ddcfeca400785e_b.png\&\u003E我也为组织机构做了一张同样的图，但不打算用简单的单词做标记，因为重点大学会在不同的子领域发表研究。你可以自行分析这些内容：\u003C\u002Fp\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\\u002Fv2-2e3ab24efbdd157de5f7bbbad43a1581_b.png\& data-rawwidth=\&1061\& data-rawheight=\&555\& class=\&origin_image zh-lightbox-thumb\& width=\&1061\& data-original=\&https:\u002F\\u002Fv2-2e3ab24efbdd157de5f7bbbad43a1581_r.png\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1061'%20height='555'&&\u002Fsvg&\& data-rawwidth=\&1061\& data-rawheight=\&555\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1061\& data-original=\&https:\u002F\\u002Fv2-2e3ab24efbdd157de5f7bbbad43a1581_r.png\& data-actualsrc=\&https:\u002F\\u002Fv2-2e3ab24efbdd157de5f7bbbad43a1581_b.png\&\u003E\u003Cp\u003E\u003Cstrong\u003E作者：\u003Ca href=\&http:\u002F\\u002F?target=http%3A\u002F\\u002Fblog\u002Fnlp-and-ml-publications-looking-back-at-F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EMarek Rei\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fstrong\u003E\u003Cstrong\u003E机器之心编译\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E&,&updated&:new Date(&T06:55:12.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:21,&collapsedCount&:0,&likeCount&:465,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:true,&rating&:&none&,&titleImage&:&https:\u002F\\u002Fv2-184e5db0e0dc2_r.png&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&机器学习&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&自然语言处理&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&计算机科学&}],&adminClosedComment&:false,&titleImageSize&:{&width&:1481,&height&:830},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&column&:{&slug&:&jiqizhixin&,&name&:&机器之心&},&tipjarState&:&inactivated&,&annotationAction&:[],&sourceUrl&:&&,&pageCommentsCount&:21,&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T14:55:12+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&&,&isFollowing&:false,&hash&:&d47a36ed11ae120965cbe027ce107ea3&,&uid&:934100,&isOrg&:false,&slug&:&Wakin-Chiu&,&isFollowed&:false,&description&:&我也不知道唉&,&name&:&Wakin Chiu&,&profileUrl&:&https:\u002F\\u002Fpeople\u002FWakin-Chiu&,&avatar&:{&id&:&ddb7ea67ff07&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&专利信息抽取&,&isFollowing&:false,&hash&:&0de409adac965c068939&,&uid&:16,&isOrg&:false,&slug&:&xia-yu-bin-72&,&isFollowed&:false,&description&:&算法学弱，nlper，dler。\n基于深度学习的NLP工具：https:\\u002Fsupercoderhawk\u002FDeepNLP&,&name&:&夏宇彬&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fxia-yu-bin-72&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:null,&isFollowing&:false,&hash&:&c8d24ef28d170b292d2f22d0929bcffc&,&uid&:909000,&isOrg&:false,&slug&:&lindsays&,&isFollowed&:false,&description&:&&,&name&:&春色浮寒瓮&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Flindsays&,&avatar&:{&id&:&v2-ff3eca38a77fefdcdd93be0&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&&,&isFollowing&:false,&hash&:&79acd518fbf6feef91a53b&,&uid&:258000,&isOrg&:false,&slug&:&guo_ren&,&isFollowed&:false,&description&:&&,&name&:&傲娇的果仁&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fguo_ren&,&avatar&:{&id&:&v2-0418a39cdcedf9ad2aba2&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&专注Tax Technology&,&isFollowing&:false,&hash&:&5f28a51143bfd03d83f226&,&uid&:12,&isOrg&:false,&slug&:&leon-liao&,&isFollowed&:false,&description&:&&,&name&:&Leon Liao&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fleon-liao&,&avatar&:{&id&:&6ce409dbd&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&\u003Cimg src=\&http:\u002F\\u002Fv2-e6faee1eec206b3d4cd33a8a20b5d3b0_200x112.png\& data-rawwidth=\&1063\& data-rawheight=\&635\& class=\&origin_image inline-img zh-lightbox-thumb\& data-original=\&http:\u002F\\u002Fv2-e6faee1eec206b3d4cd33a8a20b5d3b0_r.png\&\u003E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 \u002F 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…&,&reviewingCommentsCount&:0,&meta&:{&previous&:{&isTitleImageFullScreen&:true,&rating&:&none&,&titleImage&:&https:\u002F\\u002F50\u002Fv2-7cccec461e67b558de25a5b_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&人工智能&}],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&欢迎关注我们的微信公众号：机器之心（almosthuman2014）&,&isFollowing&:false,&hash&:&06a67981ced7a2e9f85c&,&uid&:493500,&isOrg&:true,&slug&:&ji-qi-zhi-xin-65&,&isFollowed&:false,&description&:&国内领先的前沿科技媒体和产业服务平台&,&name&:&机器之心&,&profileUrl&:&https:\u002F\\u002Forg\u002Fji-qi-zhi-xin-65&,&avatar&:{&id&:&v2-dd115d399e55c37e13890e&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:true,&isBanned&:false},&column&:{&slug&:&jiqizhixin&,&name&:&机器之心&},&content&:&\u003Cp\u003E刚刚过去的 2016 年，这个世界发生了很多大事：从越搅越乱的中东乱局到出人意料的英国退欧、再从戏剧性十足的美国大选到毫无疑问的中国继续崛起……这个世界似乎正在发生着什么翻天覆地的变化。不管这些变化是否符合我们的期待，我们都可以确信在这些变化之后，科学技术的持续进步无疑是其中最大的推动力量之一。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E在这方面，随着深度学习在最近几年的突然高速崛起，人工智能的发展已经成为了科技发展中一股不可忽视的巨大力量，甚至有许多学术界和产业界的专业人士将其看作是未来技术进步的最底层的技术革命之一。粗略估计，在可预见的时间内，人工智能将带来颠覆性影响的领域将包括但不仅限于：翻译、广告、通信、运输、图像……甚至有些眼光长远的「预言家」还认为人工智能不仅将改变我们的生活方式，还将改变我们对人类、智能乃至宇宙的本质的理解。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E和这个世界一样，过去的一年的人工智能也发现了很多重大的事件。现在就让我们站在新一年的起点回顾一下过去这人工智能高速发展的一年：人工智能成长为了游戏高手、围棋大师、语音转录专家、司机、翻译家、图像艺术家、鉴黄师、武器……机器之心对 2016 年的人工智能领域内的事件进行了盘点，从中选取了我们心中的十大最具里程碑意义和最引人关注的焦点事件。\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca class=\&video-box\& href=\&https:\u002F\\u002F?target=https%3A\u002F\\u002Fx\u002Fpage\u002Fi03618p1efw.html\& target=\&_blank\& data-video-id=\&\& data-video-playable=\&\& data-name=\&三分钟带你回顾2016人工智能大事件 - 腾讯视频\& data-poster=\&\u002F\\u002Fqqvideo_ori\u002F0\u002Fi03618p1efw_228_128\u002F0\& data-lens-id=\&\&\u003E
\u003Cimg class=\&thumbnail\& src=\&\u002F\\u002Fqqvideo_ori\u002F0\u002Fi03618p1efw_228_128\u002F0\&\u003E
\u003Cspan class=\&content\&\u003E
\u003Cspan class=\&title\&\u003E三分钟带你回顾2016人工智能大事件 - 腾讯视频\u003Cspan class=\&z-ico-extern-gray\&\u003E\u003C\u002Fspan\u003E\u003Cspan class=\&z-ico-extern-blue\&\u003E\u003C\u002Fspan\u003E\u003C\u002Fspan\u003E
\u003Cspan class=\&url\&\u003E\u003Cspan class=\&z-ico-video\&\u003E\u003C\u002Fspan\u003Ehttps:\u002F\\u002Fx\u002Fpage\u002Fi03618p1efw.html\u003C\u002Fspan\u003E
\u003C\u002Fspan\u003E
\u003C\u002Fa\u003E
\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cem\u003E机器之心年度视频：3分钟带你回顾2016人工智能大事件\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.1 人机世纪大战：李世石 vs. AlphaGo\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★★\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★★\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-828e49f5cefffb7a0f0e5_b.png\& data-rawwidth=\&1028\& data-rawheight=\&588\& class=\&origin_image zh-lightbox-thumb\& width=\&1028\& data-original=\&https:\u002F\\u002F50\u002Fv2-828e49f5cefffb7a0f0e5_r.png\&\u003E\u003Cp\u003E2016 年 3 月，人类在棋盘游戏上的最后一块保留地被机器攻陷：世界围棋大师在韩国首尔以 1:4 的成绩不敌 Google DeepMind 开发的人工智能程序 AlphaGo，引起了世界各地人民的广泛关注和热议。赛后韩国棋院授予 AlphaGo 荣誉九段的段位，赛后不久 AlphaGo 的世界排名 (\u003Ca href=\&https:\u002F\\u002F?target=https%3A\u002F\u002Fwww.goratings.org\u002F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EGo Ratings\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E) 就升至了第二。到 7 月 17 日，原本世界排名第一的围棋大师柯洁由于在海峡两岸世界冠军争霸赛中表现不佳，积分下跌，AlphaGo 反超柯洁，排名在世界第一的位置维持了一段时间。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003EAlphaGo 的开发团队是英国人工智能研究公司 DeepMind，该公司在 2014 年被谷歌收购之后迅速成长为了人工智能研究领域的一大重镇。在天才研究者 Demis Hassabis 的带领下，DeepMind 的规模不断扩张，吸引了大量来自世界各地的人工智能人才，也在许多研究领域实现了很多重要的突破。其中包括掌握 Atari 游戏、\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D3eeb17dd32b0d228ced9%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E语音合成\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E、\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Db030d7f82d10acde264df%26chksm%3D871b0c31b06ceceb13e91b091732afa48b2bb8c6d6f2f542df26e7f5575%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E解读唇语\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E、\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D9d4f052cfc56bf631ef789%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E规划地铁路径\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E、提出重量级的\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D242eda88fa9ae451a1549b%26chksm%3D871b027fb06c8b693cff17ffcbb651dbbd17e116e35dc801ebeec3%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E可微神经计算机\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E等等。不仅在研究上，DeepMind 也在尝试将其研究成果产品化，7 月份的时候，谷歌就表示 DeepMind 的深度学习技术可以帮助谷歌的服务器\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3Dcbedcdbscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E节省数亿美元的电费\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E。除此之外，DeepMind 和英国国家医疗服务体系（NHS）的合作也堪称人工智能在医疗应用上典范代表。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E另外还有值得一提的是，DeepMind 在棋盘游戏上「将人类踩在脚下」之后，又看上了更复杂的即时战略游戏。11 月份，DeepMind 宣布与著名游戏公司暴雪\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3D756e3a15b4a5e4a97666%26chksm%3D871b0c50b06cfd28ce5fc5b40d2c4a700%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E建立了合作关系\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E，要让人工智能在基于人类视角和操作速度的基础上征服经典即时战略游戏《星际争霸》。也许不久之后，我们就会看到 DeepMind 实现新的传奇了。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读：\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3Didx%3D1%26sn%3Deeeedb9ab06d328b462bea1%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅｜AlphaGo 3:0 战胜李世石，机器与人类的共同胜利\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3Didx%3D1%26sn%3D226cdc7445cbb6%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度 | AlphaGo 并非革命性突破，但让我们看到了通用人工智能的希望 \u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.2 终结马路杀手，无人驾驶汽车纷纷上路\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★★\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★★\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E2016 年，除了时不时就霸占头条的谷歌无人驾驶汽车，也有更多的企业和机构开始在无人驾驶技术的研究和应用上崭露头角，这其中既包括谷歌这样的互联网和技术公司百度、Uber 和 IBM 等，也有通用和本田等传统的汽车制造商，另外也还有特斯拉这样的新一代汽车公司；当然，MIT 和哈佛大学等学术研究重镇也都或多或少有自己的无人驾驶相关的研究项目（包括无人驾驶技术和背后涉及到的社会学、伦理学和法律学问题）。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E2016 年年初，世界首款无人驾驶公交车在荷兰小镇 Wageningen 正式上路，这款名为 WePod 的电动汽车是由法国机动车制造商 EasyMile 和欧盟运输计划 Citymobil2 设计的，可搭载 6 名乘客，不过其运营路线长度只有 200 米，时速仅有 8 公里。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E去年 8 月，世界首个无人驾驶出租车 nuTonomy 在新加坡正式开始上路测试，参与乘客可以通过智能手机预约。这家从麻省理工学院分离出来的创业公司专门从事开发无人驾驶出租车。虽然谷歌和沃尔沃等的多家公司早已在马路上进行了自动驾驶测试，但 nuTonomy 却成了第一家向公众开放自动驾驶汽车的公司。到年底时，Alphabet\u002F谷歌旗下的无人驾驶项目也终于修成正果，开始以独立公司 Waymo 的形式运营。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-4247dcb506b67bdf6bc5fa_b.jpg\& data-rawwidth=\&618\& data-rawheight=\&349\& class=\&origin_image zh-lightbox-thumb\& width=\&618\& data-original=\&https:\u002F\\u002F50\u002Fv2-4247dcb506b67bdf6bc5fa_r.jpg\&\u003E\u003Cp\u003E无人驾驶的飞速发展也引发了一些问题。过去的一年，特斯拉汽车报告了好几起与其自动驾驶辅助技术 Autopilot 相关的事故，其中一起事故更是造成了车毁人亡的后果（之后特斯拉还为此发表声明警告驾驶者不要完全依赖现在还并不完美的自动驾驶功能）。尽管有这些挫折，但毫无疑问，无人驾驶在过去的一年中确实得到了很大的发展。按照中国和美国 发布的无人驾驶路线图，如果进展顺利，那么也许在未来不到十年之内我们就能用上完全自动驾驶的汽车了。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读：\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D6b27b788e69daafe1381fad5fscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅 | 波士顿咨询报告：自动驾驶汽车、自动驾驶出租车以及城市交通革命（附报告）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D65ad0b7c47c2b6c3f1b0b89e6fab1ff5%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度 | 特斯拉巡航系统供应商 Mobileye 创始人详解自动驾驶三大支柱\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Daf95e85efe12b8a26b11b%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度 | 英伟达自动驾驶技术解读：用于自动驾驶汽车的端到端深度学习（附论文）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.3 人工智能真的危险吗？持续一整年的人工智能威胁论\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★☆\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★★\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E又过了一年，霍金和马斯克等世界名人的「人工智能威胁」警告继续发酵。尤其是在三月份 AlphaGo 击败了世界围棋大师李世石之后，这些警告也竟开始变得有些说服力了，至少确实有很多人开始认为人工智能存在威胁了。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E另外还有一件事也引起了人们极大的关注，2016 年 3 月份，微软在 Twitter 平台上推出了一个人工智能聊天机器人 Tay；这个机器人的最初设计目的是模仿一位 19 岁美国青少年女性的说话方式，同时它还具有从对话中进行学习的能力。结果上线还不到一天，Tay 就「堕落」成了一个满口纳粹言论的种族主义者。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-edd0e34797bfd1b856d6e1e863d5ce6b_b.jpg\& data-rawwidth=\&1112\& data-rawheight=\&618\& class=\&origin_image zh-lightbox-thumb\& width=\&1112\& data-original=\&https:\u002F\\u002F50\u002Fv2-edd0e34797bfd1b856d6e1e863d5ce6b_r.jpg\&\u003E\u003Cem\u003ETay 的一些不当言论\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E而此前还有谷歌的图像识别程序将黑人识别成猩猩、给男性和女性推荐有差别的职业广告等等问题和后来发生的美国达拉斯警方用拆弹机器人炸死嫌犯、社交网络上的新闻推荐可能影响了美国大选等等事件。这些问题和事件在媒体的鼓吹下不仅和好莱坞一起进一步渲染了人工智能威胁论，也让一些研究者看到了人工智能可能会具有的不平等乃至威胁（不管是来自有偏见的算法本身还是来自所使用的数据）。但与此同时，这些报道也让研究者看到了公众对人工智能技术的不理解，进而让很多业内的人士和机构看到了向公众科普人工智能的重要性。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E在这一系列事件的背景下，很多机构和研究者也做了很多工作，包括 9 月底的时候，谷歌携旗下公司 DeepMind，联合微软、亚马逊、Facebook 和 IBM 成立了名为 Partnership on AI 的组织，以共同探索人工智能技术的安全研发之路和促进公众对人工智能的正确理解。除了这些合作之外，有很多学界、产业界以及喜欢夸大其实的媒体界的人士都针对这一主题写过一些报道，其中机器之心报道过的有《\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3Decfeb2a84e8d896edab810%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E微软 CEO 的「人工智能法则」：不得伤害人类，必须透明\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E》、《\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D6f3c550aa%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EACM 月刊 | 艾伦人工智能研究所 CEO：设计遵循人类法律和价值观的人工智能系统\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E 》、《\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D18de4b1e1aff0a30bea0774%26chksm%3D871b000cb06c891aaf1763eece3dcf909c71ca37d9ac6a12ef47d762b%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003ENature：对抗偏见，大数据算法需要更多责任\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E》等等。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E人工智能与人类的未来究竟将走向何方不是靠争论就能解决问题的，毕竟实践才是检验真理的唯一标准。对于人工智能相关法律问题和社会影响等议题也已经被提上了许多政府机关的议事日程。但不管我们商讨的结果如何，技术的发展终究是势不可挡的，而且就像美国经济顾问委员会主席 Jason Furman 说的那样：「未来我们需要人工智能」。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读：\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Db4eaa0e0bcdfaf7b2d47ab95e91c1358%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E《经济学人》封面专题：从技术、就业、教育、政策、道德五大维度剖析人工智能革命\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.4 全球政府开始关注人工智能：一边鼓励一边寻求管制方法\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★☆\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★★\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E如果非要给人工智能时代的到来选一个标志，还有什么比世界上最强大的国家的政府对人工智能的关注更合适呢？2016 年 10 月，美国白宫发布了《为未来人工智能做好准备》和《美国国家人工智能研究与发展策略规划》两份重磅报告，详细阐述了美国未来的人工智能发展规划以及人工智能给政府工作带来的挑战与机遇。VentureBeat 对这两份报告进行了总结，得出了 7 个浅显易懂的要点：1. 人工智能应当被用于造福人类、2. 政府应该拥抱人工智能、3. 需要对自动汽车和无人机进行管制、4. 要让所有孩子都跟上技术的发展、5. 使用人工智能补充而非取代人类工作者、6. 消除数据中的偏见或不要使用有偏见的数据、7. 考虑安全和全球影响。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-edc802f0b2d46aaf2817_b.jpg\& data-rawwidth=\&886\& data-rawheight=\&583\& class=\&origin_image zh-lightbox-thumb\& width=\&886\& data-original=\&https:\u002F\\u002F50\u002Fv2-edc802f0b2d46aaf2817_r.jpg\&\u003E\u003Cem\u003E美国总统奥巴马在接受 Wired 专访时谈论了人工智能、自动驾驶汽车和人类的未来\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E到 12 月份，白宫还跟进发布了一份《\u003Ca href=\&https:\u002F\\u002Fp\u002F?refer=jiqizhixin\& class=\&internal\&\u003E人工智能、自动化与经济\u003C\u002Fa\u003E》的报告，谈到了智能技术和自动化技术对经济的影响和可能的应对策略。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E除了美国政府之外，欧洲、中国、日本和新加坡等多个国家和地区的政府也开始将人工智能看作是未来实现国家竞争力的重要战略方向。中国国务院总理李克强就曾多次谈到过政府对人工智能和机器人产业的大力扶持。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E而除了对人工智能产业的扶持，相关的管理规范和法律方面的工作也已经被许多政府和研究机构提上了议事日程：如何应对自动化所带来的就业危机、如何公平分配人工智能所创造的经济价值、如何对自动设备所带来的问题进行追责、以及如何防止人工智能技术被恶意利用而造成危害……这些都是重要的议题，而且我们都目前为止都还没有找到这些问题的完备答案。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E在 7 月份美国经济顾问委员会提交给总统的一份报告中，该委员会估计大约 83% 时薪低于 20 美元的工作将会被自动化。针对这一问题，该委员会还提出了两个指导决策的基本原则：允许灵活性和实验，而不是强加限制；直接鼓励工作，而不是为其废止做规划。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E但不管怎样，这一次以智能和自动化技术为基础的技术变革对所有人（包括所有政府）来说都是全新的。不过其带来的结果如何，政府都应该对目前所发生的一切保持敏锐和预见能力，这样才能以一种健康公正的社会状态迎接这个前所未有的技术变革。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读：\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D0aa9ed8a6eadc%26chksm%3D871b026db06c8b7b7036debd3a45a69efcb3dfa5d3422bb9caf9f918%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003ENature 评论白宫发布的最新报告：人工智能研究中的一个盲点\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D21e67aa5f4ab68f38ae7d2e08e6624db%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E白宫人工智能会议系列报道（一）：人工智能视野下的法律与政策\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3Dd329fc97adde%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E美国白宫为人工智能发声：通过公开对话讨论机遇与风险\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D4c8b294e5eb537bcdc434%26chksm%3D871b027fb06c8b699ce17d0bde6dbe9b582b81bba88ae26ee943ee28d638b1d80%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E奥巴马再谈人工智能：我们的经济模型需要适应新技术\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3D835fd33c4127aad6b8fc%26chksm%3D871b0e15b06ce43d7bb4a6bc1e0ded66b680%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E人工智能黎明，美国参议院举行听证会邀请顶级学者探讨未来\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.5 继续超越人类，微软语音识别技术达到专业转录员水平\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★☆\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★☆\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E如果人类是一个单一的好强的生命体，那么今天对它来说一定不好过，因为人工智能不仅在围棋上让它吃了亏，也更是在其它领域超越了人类。在微软的研究者十月份发表的一篇论文《Achieving Human Parity in Conversational Speech Recognition》中，人工智能与研究部门的一个研究者和工程师团队报告出他们的语音识别系统实现了和专业速录员相当甚至更低的词错率（WER），达到了 5.9%！而就在一个月前，微软才刚实现了历史性的 6.3%。这一成果和实现进展的速度甚至让一些人类转录员感受到了失业的风险。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E而几乎就在同一时间，备受关注的锤子科技 CEO 罗永浩在该公司的新品发布会上演示了科大讯飞的语音输入法功能，结果没让任何人失望。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-16d0bc00452afb07aca3bb0e9ed48581_b.jpg\& data-rawwidth=\&900\& data-rawheight=\&365\& class=\&origin_image zh-lightbox-thumb\& width=\&900\& data-original=\&https:\u002F\\u002F50\u002Fv2-16d0bc00452afb07aca3bb0e9ed48581_r.jpg\&\u003E\u003Cp\u003E这一技术的日益成熟也为语音助理的普及奠定了发展基础。在 2016 年的 AWS re:invent 大会上，亚马逊就发布了多款可以帮助开发者更轻松地开发其语音助理 Alexa 相关应用的开发工具。据亚马逊 Alexa 部门副总裁 Rohit Prasad 介绍，Alexa 现在已经具备 5000 多种能力（skill）了；而装备了 Alexa 的 Amazon Echo 现在也已经能够帮助用户通过语音完成很多日常任务了，包括日程规划、音乐搜索等等。除了亚马逊之外，谷歌、微软、三星、苹果等公司都有专门的团队在帮助建设他们自家的语音助理平台。也许不久之后，你就再也不用担心没人听你说话了吧，因为机器会一直在身边听见和听懂你的话。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D012d179f83a6c3b38c6e58b4ac9ba82f%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅 | 语音识别新里程碑：微软新系统词错率低至 6.3%（附论文）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D0c65b9b10c178dchksm%3D871b021db06c8b0b0bcbaaf1d7d07a93811%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅 | 微软语音识别实现历史性突破：语音转录达到专业速录员水平（附论文）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D10ad7b845c1fde%26chksm%3D871b03c3b06c8ad527a7dffd215be5b128a7aaf88ec09a131d68a249e9ff77c3edff%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E专访 | 顶级语音专家、MSR 首席研究员俞栋：语音识别的四大前沿研究\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3Ddf8ac65a92%26chksm%3D871b021db06c8b0b283ac93f267db3cde5d2fe6df85b359aae2f5%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E独家 | 专访微软首席语音科学家黄学东： CNTK 是词错率仅 5.9% 背后的「秘密武器」\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dda2e46b031173adc25d16a68e2fcb54b%26chksm%3D871b034cb06c8a5ae94095ce12aff6fd0fee942aa589%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度 | 在语音识别这件事上，汉语比英语早一年超越人类水平（附论文）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.6 机器翻译整合神经网络，接二连三实现颠覆性突破\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★☆\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★☆\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E据维基百科介绍，人类目前大概有 6000 多种语言。自人类在未建成的「巴别塔」下不欢而散以来，实现全人类之间的顺畅交流一直是我们的梦想。现在，基于神经网络的人工智能方法已经让我们看到了真正实现这一梦想的希望。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E2016 年 9 月份，谷歌在 arXiv 上发布了一篇论文介绍了其神经机器翻译系统（GNMT），「该系统使用了当前最先进的训练技术，能够实现到目前为止机器翻译质量的最大提升。」谷歌的博客还宣布已经将其投入到了汉语-英语之间的机器翻译应用中。之后不到两个月，谷歌又再次发表论文宣布了进一步的突破：实现多种语言之间的神经机器翻译，并且还实现了突破性的 zero-shot 翻译！\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-f7fedb22dc4b8e54e3bce_b.jpg\& data-rawwidth=\&961\& data-rawheight=\&508\& class=\&origin_image zh-lightbox-thumb\& width=\&961\& data-original=\&https:\u002F\\u002F50\u002Fv2-f7fedb22dc4b8e54e3bce_r.jpg\&\u003E\u003Cem\u003EGNMT 的模型架构\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E在 11 月份的乌镇互联网大会上，搜狗 CEO 王小川在演讲过程中同步演示了自家的实时机器翻译应用。尽管这一事件后来引起了很多争议，但毫无疑问这反映了机器翻译技术正变得越来越成熟的趋势。也许几年之后，我们就能在自己的耳朵里面塞入一个人工智能「巴别鱼」，然后就能听懂每一个人所说的话了。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E除了语言对之间的文本序列到文本序列的翻译，另外值得一提的一项突破是唇语到语言（视频序列到文本序列）的「翻译」，而且其所实现的超越人类的进展基本上毫无争议的。11 月份，牛津大学、Google DeepMind 和加拿大高等研究院（CIFAR）联合发布了一篇重要论文，介绍了利用机器学习实现的句子层面的自动唇读技术 LipNet，该技术将自动唇读技术的前沿水平推进到了前所未有的高度——实现了 93.4% 的准确度，远远超过了经验丰富的人类唇读者。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D3368dead40dc%26chksm%3D871b6cd8a43cd3c1d9abccd769cabscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅 | 谷歌翻译整合神经网络：机器翻译实现颠覆性突破（附论文）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D88bbb6bb3d28b3f0f62c5c%26chksm%3D871bf302dc791c67f19ce4ba49cb7bb225d9e22443ebf9e3b70339%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E专访 | 谷歌神经网络翻译系统发布后，我们和 Google Brain 的工程师聊了聊\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Db030d7f82d10acde264df%26chksm%3D871b0c31b06ceceb13e91b091732afa48b2bb8c6d6f2f542df26e7f5575%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E如何通过机器学习解读唇语？DeepMind 要通过 LipNet 帮助机器「看」懂别人说的话\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D52a29ba227a8a21e021fe71e4caad731%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度｜让机器理解语言的魔法师——揭秘 Facebook 语言技术小组\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3Dbba31f4d6cdb%26chksm%3D871b0d66b06c3fab1becbfa99d5ac61dacd4bscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅 | 谷歌神经机器翻译再突破：实现高质量多语言翻译和 zero-shot 翻译（附论文）\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.7 人工智能硬件大战打响，巨头 vs. 创业公司\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★☆☆\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★★☆\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E随着深度学习算法变得越来越复杂、所使用的数据集变得越来越大，对专用硬件的需求也正变得越来越大。2016 年，面向人工智能的平台成了计算硬件开发的一个主要的新方向。这一年，除了英特尔和英伟达这两家芯片巨头在人工智能方向连绵不断的高调动作，掌握核心科技的创业公司也在尽力改变着市场格局（尽管其中大部分有潜力的都被收购了），此外，就连谷歌这样的互联网也从中看到了发展的空间。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E传统芯片厂商方面，英伟达借助 GPU 和深度学习算法的高度契合而顺势发展，股价飞涨，可以说是 2016 年人工智能计算硬件领域的最大赢家。体量更大的巨头英特尔自然也不会等着这个新市场被竞争对手占领，而收购似乎是个更快捷的追赶方法。2016 年，英特尔收购了多家人工智能创业公司，其中包括计算机视觉创业公司 Movidius 和深度学习芯片创业公司 Nervana 等。到 11 月份，有了 Nervana 和 2015 年收购的 FPGA 厂商 Altera 加持的英特尔公布了其人工智能路线图，介绍了该公司在人工智能芯片市场上的公司战略和产品生态系统。另外随便一提，在这一领域存在感差很多的 AMD 在 2016 年年底也终于发力，宣布推出了其首款基于 VEGA GPU 架构的机器学习芯片。另外，DSP 供应商 CEVA、FPGA 供应商 Xilinx 和处理器技术提供商 Imagination 等厂商也都已经在机器学习领域进行了布局。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-c1db0a90b89_b.jpg\& data-rawwidth=\&1210\& data-rawheight=\&681\& class=\&origin_image zh-lightbox-thumb\& width=\&1210\& data-original=\&https:\u002F\\u002F50\u002Fv2-c1db0a90b89_r.jpg\&\u003E\u003Cem\u003E英伟达 CEO 黄仁勋在 GTC Europe 2016 上演讲\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E互联网巨头似乎也从计算硬件领域发现了新的机会。2016 年 5 月，谷歌发布了一款新的定制化设计的芯片张量处理单元（TPU\u002FTensor Processing Unit），这款芯片是专门为基于谷歌已经开源的 TensorFlow 机器学习框架而量身定制的。微软也通过 Project Catapult 表明了对 FPGA 的支持。另外，这一年 IBM 在神经形态计算上的进展也得到了很大的关注，甚至可能预示着一种人工智能发展的新方向。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E创业公司方面，除了被收购的 Nervana 等公司，还有 Wave Computing、Kneron 以及中国的寒武纪和深鉴科技等公司都在努力开发自家的深度学习专用芯片平台。而这些创业公司在 2016 年同样也取得了相当不俗的表现，比如源自中科院计算机研究所的寒武纪就在 2016 年推出的寒武纪 1A 处理器，据称这是世界首款商用深度学习专用处理器。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读：\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D564b17fc9e96b8eb8667e%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E谷歌发布 TPU 只是开始，是时候让英特尔害怕了\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D3368dead40dc%26chksm%3D871b6cd8a43cd3c1d9abccd769cabscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E谷歌翻译整合神经网络：机器翻译实现颠覆性突破\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Decfbb20a3f2b4fdc2164dc%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度学习芯片大战愈演愈烈，英特尔为何斥巨资收购创业公司 Nervana？\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D54bd32eb533f69b12ec40a270c2f0b5d%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E芯片之争：英伟达质疑英特尔深度学习芯片比较结果\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D6cad8ee35cfe4a32fef981b1a6c0ddc1%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E芯片之争后续：英特尔对英伟达的质疑做出回应\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3D7d6493b3abebcbdchksm%3D871b0d4fb06c8459752dff98c4ffd59a8fdb2e1e9cadfbab%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度学习硬件架构简述\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D8fd7b1b7ade4faaff2e4f%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E布局移动端芯片，英特尔收购计算机视觉公司 Movidius\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D5fba8e42c7ba8%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E业界 | 探秘 Facebook 的人工智能大脑：Big Sur 硬件系统\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D3a52bfbd1bb0d7df5e09f%26chksm%3D871bcf14ba5ad16ea47b1b5b6fc7bc395ee7da%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EAMD 推出首个基于 VEGA GPU 架构的机器学习芯片，打响与英伟达的硬件战争\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D3%26sn%3Dd23a6d7cfbd%26chksm%3D871bd43db240e83a9c5dc2ddscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E专栏 | FPGA vs. ASIC，谁将引领移动端人工智能潮流？\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D9f33fc6a5a3cabd55f26bd31escene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E重磅 | IBM 创造出世界上首个人工相变神经元，可实现高速无监督学习\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3Ddd%26chksm%3D871b00acb06c89bacc82b4555c3efb657ec40baf3eb39641fcdf5cde1d7cfb77e%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度 |《连线》长文揭秘微软 Project Catapult：人工智能时代押注 FPGA\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E\u003Cstrong\u003ENo.8 斯坦福大学发布人工智能研究百年报告\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E里程碑意义：★★★★☆\u003C\u002Fp\u003E\u003Cp\u003E社会关注度：★★★☆☆\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E2014 年秋季，斯坦福大学启动了一个人工智能百年研究项目。两年之后——2016 年 9 月初——斯坦福大学所组织的包含了谷歌和微软等科技巨头、哈佛大学和 MIT 等著名大学以及艾伦人工智能研究所等专门的人工智能研究机构的众多专家学者的委员会终于发布了他们百年项目的第一份报告《2030 年的人工智能与生活（AI and Life in 2030）》，该报告囊括了人工智能最近的发展以及对就业、环境、运输、公共安全、医疗、社区参与和政府的潜在影响。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cimg src=\&https:\u002F\\u002F50\u002Fv2-66a8a0d4629820afe2c125db_b.png\& data-rawwidth=\&1106\& data-rawheight=\&272\& class=\&origin_image zh-lightbox-thumb\& width=\&1106\& data-original=\&https:\u002F\\u002F50\u002Fv2-66a8a0d4629820afe2c125db_r.png\&\u003E\u003Cp\u003E报告发布后得到了极大的关注，在某种程度上也为近未来的人工智能的发展起到了一定的指导性作用。该报告写道：「「百年研究」定期进行专家回顾的首要目标是：提供一个随着人工智能领域发展的关于人工智能及其影响的收集性的和连通的集合。这些研究希望能在人工智能领域的研究、发展以及系统设计方面、以及在帮助确保那些系统能广泛地有益于个人和社会的项目与政策上提供专业推断上的方向指南及综合评估。」\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E除了斯坦福大学的这份报告，也还有其它许多调研机构和科技媒体也发布了自己的调查或预测报告。在这里当然要安利一下机器之心发布的月度《AI00：全球最值得关注的 100 家人工智能公司》系列报告，该报告按语音和自然语言、计算机视觉、芯片和硬件等十个主题梳理盘点了人工智能领域最值得关注的 100 家公司。该报告将继续保持每月更新的频率，最新版本的报告可点击这里查看。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E参考阅读：\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D998db624f69bscene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E斯坦福「人工智能百年研究」首份报告：2030 年的人工智能与生活 \u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D16f8a955ee66f82e26028c%26chksm%3D871b081cb06c810aedab8a7c1902daf18f3d00f20c1b04ec0645303ffedd87c41ee8%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E高盛百页人工智能生态报告：美国仍是主导力量，中国正高速成长\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D4%26sn%3Dc57edfbef8b%26chksm%3D871b0c7fb06ce848b4dfc403a5e7dcb5ff020a8dae48a%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E业界 | 彭博发布 2016 机器智能图谱：竞争进入白热化\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D2%26sn%3D4a40f5ae33fa087a95f1b36dbfb4477d%26chksm%3D871baf61e6e22fee54c3e5ff4e757cecda1%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E深度 | 变革的开始，深度学习将如何改变医疗成像领域？\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd630d47c4ab60d35752aba74a9d53361%26chksm%3D871b03fab06c8aeca4a407c3897dcaddc6b5ce52df0816%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E40 年认知架构研究概览：实现通用人工智能的道路上我们已走了多远？\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Ca href=\&https:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMzA3MzI4MjgzMw%3D%3D%26mid%3D%26idx%3D1%26sn%3D597ee49e4dccabeafb061f2%26sc}