又到周末。
歇息之余，為年夜家送上曩昔一周激發(fā) AI 開(kāi)辟者圈子存眷的那些事兒。年夜伙兒泡杯茶，坐在搖椅上，一路來(lái)看看在專一任務(wù)的這個(gè)禮拜，里面的世界又有哪些變更。
█ 微軟提議 Minecraft AI 挑釁賽
本周，基于 Minecraft 上的著名 AI 技巧研討測(cè)試平臺(tái) Project Malmo，微軟提議了一項(xiàng) AI 協(xié)作挑釁賽：The Malmo Collaborative AI Challenge，今朝曾經(jīng)開(kāi)端注冊(cè)報(bào)名。
競(jìng)賽請(qǐng)求每支參賽部隊(duì)（最多 3 名隊(duì)員）開(kāi)辟并練習(xí)一個(gè) AI 軟件產(chǎn)物。然后經(jīng)由過(guò)程該軟件產(chǎn)物加入一個(gè)名為 Pig Chase （小豬快跑）的小游戲。該游戲在 Minecraft 情況中睜開(kāi)，每局游戲有兩名參賽者，一方為參賽部隊(duì)開(kāi)辟的 AI 軟件產(chǎn)物，另外一方為體系隨機(jī)分派的隊(duì)友，有能夠是人類選手，也有能夠是另外一個(gè)部隊(duì)開(kāi)辟的 AI 軟件。游戲一開(kāi)端，參賽兩邊都有 25 分的原始積分，競(jìng)賽請(qǐng)求兩邊在 25 步以內(nèi)將一只小豬捉住，每走一步會(huì)減失落 1 分，終究捉住小豬兩邊各得 25 分，每輪競(jìng)賽 10 局，終究累計(jì)得分高者獲勝。
今朝，關(guān)于 Pig Chase 的樣例代碼和具體解釋曾經(jīng)地下在 GitHub 上：
█ Keras 2 宣布，無(wú)縫支撐 TensorFlow
在本次版本更新中，最主要的一項(xiàng)內(nèi)容就是加強(qiáng)了 Keras 與 TensorFlow 的邏輯分歧性。依照 Keras 在博客中的說(shuō)法：“這是將 Keras API 整合到 TensorFlow 焦點(diǎn)的一個(gè)主要的預(yù)備步調(diào)”。
現(xiàn)實(shí)上，從 2015 年 12 月的版本開(kāi)端，Keras 就曾經(jīng)支撐用戶將 TensorFlow 作為運(yùn)轉(zhuǎn)后端（runtime backend），但此前，Keras 的 API 與 TensorFlow 的代碼庫(kù)尚處于互相隔離的狀況。將來(lái)，從 TensorFlow 1.2 版本開(kāi)端，Keras 2 API 將作為 TensorFlow 框架的一部門(mén)直接向用戶供給支撐，Keras 在博客中表現(xiàn)：“這是 TensorFlow 完成下一個(gè)百萬(wàn)用戶級(jí)目的的癥結(jié)”。
█ 谷歌進(jìn)級(jí)語(yǔ)義懂得框架 SyntaxNet
這是 SyntaxNet 自出生以來(lái)的最嚴(yán)重進(jìn)級(jí)。這樹(shù)立在谷歌對(duì)各說(shuō)話的語(yǔ)義懂得研討基本之上。此次進(jìn)級(jí)的焦點(diǎn)是一項(xiàng)新技巧：能對(duì)輸出語(yǔ)句的多層表現(xiàn)停止很好的進(jìn)修。詳細(xì)來(lái)說(shuō)，它延長(zhǎng)了 TensorFlow，能對(duì)多層說(shuō)話構(gòu)造停止分解建模，還可以或許在語(yǔ)句或文件處置進(jìn)程中，靜態(tài)地生成神經(jīng)收集架構(gòu)。
谷歌同時(shí)宣布了新的預(yù)練習(xí)過(guò)的模子 ParseySaurus。它應(yīng)用了基于字母的輸出表現(xiàn)，是以極年夜晉升了猜測(cè)新詞語(yǔ)寄義的才能。這是基于兩個(gè)方面來(lái)完成：辭匯的拼寫(xiě)和在語(yǔ)境中的應(yīng)用方法。雷鋒網(wǎng)懂得到，ParseySaurus 的精確率遠(yuǎn)遠(yuǎn)超越 Parsey's Cousins，毛病率下降了 25%。因?yàn)檎f(shuō)話的形狀特征和其他屬性，新模子在俄語(yǔ)、土耳其語(yǔ)、匈牙利語(yǔ)上的后果特別好——這些說(shuō)話中，統(tǒng)一個(gè)辭匯有多種分歧形狀，個(gè)中很多形狀從未在練習(xí)階段涌現(xiàn)過(guò)（即使是年夜型語(yǔ)料庫(kù)）。
█ Cloudera 宣布自助式數(shù)據(jù)開(kāi)辟對(duì)象
在圣何塞舉辦的 Strata+Hadoop World 年夜會(huì)上，美國(guó)年夜數(shù)據(jù)辦事商 Cloudera 宣布了 Cloudera Data Science Workbench —— 一個(gè)運(yùn)轉(zhuǎn)于 Cloudera Enterprise，自助式的數(shù)據(jù)迷信開(kāi)辟情況。今朝該全新研發(fā)的軟件尚在 beta 內(nèi)測(cè)階段。
其相干技巧來(lái)自于 Cloudera 客歲收買(mǎi)的數(shù)據(jù)迷信始創(chuàng)公司 Sense.io。該產(chǎn)物的最年夜特色是原生支撐 Apache Spark、Hadoop 和 R、Python、Scala 等開(kāi)辟說(shuō)話。 開(kāi)辟者能在 Cloudera 的企業(yè)平臺(tái)上同時(shí)應(yīng)用這些對(duì)象和說(shuō)話，這將加快數(shù)據(jù)剖析項(xiàng)目從研發(fā)到終究產(chǎn)物的進(jìn)程。
推舉深度瀏覽
█ 用數(shù)聽(tīng)說(shuō)話：把自攝影釀成畢加索名畫(huà) 哪一種算法最高效？
有位本國(guó)開(kāi)辟者依據(jù) fast.ai 平臺(tái)開(kāi)設(shè)的深度進(jìn)修代碼理論課程，親手完成了一個(gè)照片作風(fēng)轉(zhuǎn)換器，并對(duì)幾種罕見(jiàn)的優(yōu)化算法的機(jī)能停止了綜合比較，終究以圖表加博客的方法記載上去。
作者比擬了基于 CNN 的六種優(yōu)化算法：梯度降低、Adadel、RMSProp、Adam、L-BFGS 和 Adagrad。
