电子发烧友网 > 人工智能 > 正文

金沙分分彩开奖,AI今年最大进展是什么?2019年AutoML、GAN将扛大旗

2018年12月26日 17:39 次阅读

本文来自新智元微信号,本文作为转载分享。

KDnuggets邀请11位来自工业、学术和技术一线的人员,回顾2018年AI金沙分分彩开奖的进展,并展望2019年的关键技术趋势。其中,有观点认为,2018年AI最大的进展是没有进展,2019年AutoML、GAN等将继续成为关键技术。

11天,11人,11个展望。

还有11天就要告别2018年,著名数据科学网站KDnuggets邀请国外11位机器学习和AI专家,回顾2018年机器学习和人工智能的主要进展,并对2019年即将出现的关键趋势进行展望。

这11个人中,虽然没有吴恩达、李飞飞这样的顶级大咖,但都是身在工业、学术和技术一线的人员,他们包括英伟达机器学习研究主任、Gartner机器学习团队负责人、华盛顿大学计算机科学与工程系教授等,能够从不同视角观察AI的过往和未来。

以下是这11人的观点:

深度学习“低处的水果都被摘了”

英伟达机器学习研究负责人Anima Anandkumar:


英伟达机器学习研究负责人Anima Anandkuma

回顾2018年:焦点开始从标准的监督学习转向更具挑战性的机器学习问题,像半监督学习、领域自适应、主动学习和生成模型。GAN仍然是非常受欢迎的,研究人员尝试更困难的任务,如bigGANs和video-to-video合成。开发了替代的生成模型(如神经渲染模型),以在单个网络中组合生成和预测以帮助半监督学习。

金沙分分彩开奖研究人员将深度学习的应用扩展到许多科学领域,如地震预测、材料科学、蛋白质工程、高能物理和控制系统。在这些情况下,领域知识和约束与学习相结合。

预测2019年:“人工智能将模拟和现实联系起来,变得更安全,更具物理意识”

我们将看到开发新的领域自适应技术,以便将知识从模拟无缝转移到现实世界。使用模拟将有助于我们克服数据稀缺性并加快新领域和问题的学习。使AI从模拟到实际数据(Sim2real)将对机器人技术、自动驾驶、医学成像、地震预报等产生重大影响。模拟是解决自动驾驶等安全关键应用中所有可能情况的好方法。内置于复杂模拟器中的知识将以新颖的方式被使用,以使AI更具物理意识,更强大,并能够推广到新的和看不见的场景。

2019移动设备上的实时语音生成与真人无异

Gartner机器学习团队负责人Andriy Burkov:

Andriy Burkov

这是我自己作为一名实践者的看法,不代表Gartner基于研究的官方声明。以下是我的想法:

回顾2018年:TensorFlow在学术界输给了PyTorch。有时谷歌的巨大影响力可能会使市场处于次优的方向,因为MapReduce和随后的hadoop狂热已经发生了这种情况。

Deepfakes(以及类似的声音技术)粉碎了最值得信赖的信息来源:视频。没有人能敢再说出这样的话:我看到过那个人说这些话的视频。几十年前我们不再相信印刷文字,但直到现在,视频还是不可动摇。

强化学习以深度学习的形式回归是非常意外和酷!

Google代替人类致电餐厅并假装(成功)成为真正的人类系统是一个里程碑。然而,它引发了许多关于道德和人工智能的问题。

个人助理和聊天机器人很快就达到了极限。它们比以往任何时候都好,但不如去年所希望的那么好。

展望2019年:

1)我希望每个人都对今年的AutoML承诺感到兴奋。金沙分分彩开奖我也期望它失败(除了一些非常具体和明确定义的案例,如不依靠手工的图像识别、机器翻译和文本分类,原始数据接近于机器期望作为输入,并且数据是丰富的)。

2)营销自动化:利用成熟的生成对抗网络和变分自动编码器金沙分分彩开奖,可以生成数千张相同人物或图像的图片,这些图像之间的面部表情或情绪差异很小。根据消费者对这些图片的反应,我们可以制作出最佳的广告活动。

3)移动设备上的实时语音生成与真实人类无法区分。

4)自动驾驶的出租车将保持在测试/ PoC阶段。

2018年成为对AI过度恐惧的一年

华盛顿大学计算机科学与工程系教授Pedro Domingos:


Pedro Domingos

经历了多年炒作,2018年成为对AI过度恐惧的一年。

按一些媒体、甚至是一些研究人员的观点,你会认为特朗普在2016年大选获胜全拜剑桥分析公司所赐、机器学习算法是充斥偏见和歧视的垃圾、机器人正在取代我们的工作,不久就将霸占我们的生活等等。这些论调不仅仅是说说而已:欧洲和加州已经通过了更加严厉的隐私法,联合国正在就AI武器禁令等内容进行激烈辩论。公众对AI的观点越来越暗淡,这种现象即危险又不公平。

希望2019年,人们能够回归理性。

数据科学家的角色将倾向于从研究转向产品开发

牛津大学物联网课程的首席数据科学家和创始人Ajit Jaokar:

Ajit Jaokar

2018年,一些趋势开始迅速流行。一个是自动化机器学习,一个是强化学习。这两个新生趋势将在2019年进一步发展。作为我在牛津大学开设的物联网数据科学课程教学内容的一部分,我认为物联网将越来越多地融入大型生态系统之中,如自动驾驶汽车、机器人和智能城市。

2019年,一种新的机器人技术,即协同机器人(cobots)将成为一个关键趋势。与之前的生产线机器人不同,新的机器人将能够自主活动,可以理解情感(在我的课程中,我们也在与从事该领域研究的情感研究实验室合作)。

我的最后一个观点可能有些争议:在2019年,数据科学家的角色将倾向于从研究转向产品开发。我认为人工智能与下一代数据产品的诞生密切相关。数据科学家的作用会发生相应的转变。

今年开源工具数量增加,所有人都能接触AI

RE.WORK创始人Nikita Johnson:

Nikita Johnson

我们在2018年亲眼目睹的一个变化就是开源工具数量的增加,这些工具降低了AI的技术门槛,使所有人都能更容易地接触到AI,加强了不同组织机构之间的协作。这些开源社区对于确保AI在社会和企业的所有领域中的传播至关重要。

同样,在2019年,我们将看到关注AI的公司数量有所增加,谷歌和微软最近都启动了旨在“让AI造福社会”的项目。随着全社会对企业提出更高的社会目标的要求,这种将AI技术转化为对社会积极影响的趋势,正在获得越来越多的支持和动力。

2018最大的进展是没有进展!

CMU机器学习助理教授Zachary Chase Lipton:

我先说说深度学习。深度学习占机器学习和人工智能的公共话语的最大份额。

首先我要提一句,我的观点可能会惹恼一些人,但我觉得这是2018年的一个合理的解读:最大的进展是没有进展!

为什么这么说呢?因为这些进展里面,很大一部分是改进与定性新观念的本质。

BigGAN是一个GAN,只不过更大。GANS逐渐的增长,产生了真正有趣的结果,在某些意义上的却是迈出了一大步。

然而,从方法论上来说,它仍然只是GAN,只不过是有了更聪明的课程学习技巧的GAN。

再来说说NLP,今年最重要的故事是ELMO和BERT的情境化嵌入。这些绝对是让人惊叹的进步。

但至少Andrew Dai和Quoc Le,从2015年或者2016年就开始预训练了语言模型,并对下游分类任务进行了微调,只不过当时的规模较小。所以我觉得,今年没有产生什么“大创意”。

虽然没有大创意,但今年也有他积极的一面,可能就是我们并没有将现有技术全部功力发挥出来。硬件、系统和工具的快速发展,可能会带来二次飞跃。

我认为,现在正在酝酿的很多新想法,都出现在新兴的深度学习理论中。很多研究人员,包括Sanjeev Arora,Tengyu Ma,Daniel Soudry,Nati Srebro等等,他们正在做一些非常令人兴奋的工作。

很长一段时间,我们有了第一原理理论,这些理论是严谨的,但经常忽略了实践。

然后是太过“学术向”的机器学习,它确实很科学,但却嵌入打榜中无法自拔。

现在出现了一种新的探究模式,理论与实验的结合更紧密。你开始看到受实验启发的理论论文,进行实验的理论论文。

最近,我从一个鼓舞人心的经验中得到一个想法,就是我们可以从理论论文中获得一个以前从来没发现过的自然现象。

2019年及以后,我认为应用机器学习会有好的发展,我们正急于进入所有这些声称“解决”问题的实际领域。但到目前为止,我们唯一可依赖的只有监督学习。

模式匹配目前还是受限于一些难题。受监督的模型可以找到关联,但找不出原因。我们不知道哪些信息可以安全依赖,因为它可能会随着时间的推移而发生变化。这些模型没有告诉我们干预措施会产生什么样的影响。

我认为在接下来的一年里,会看到更多机器学习项目被废弃,或者正是因为黑盒属性而陷入困境的案例。

我们会看到社区中最有创意的成员,会做出一些改变。不再一味追求打榜,而是更多的关注与填补代表性学习和因果推理之间的鸿沟。

AutoML达到临界点

KDnuggets的编辑Matthew Mayo:

对我而言,2018年的机器学习是精细的。例如,得益于用于文本分类的通用语言模型微调(ULMFiT)和来自变换器的双向编码器表示(BERT)之类的技术,转移学习有了更广泛的应用和兴趣,特别是在自然语言处理中。

这些并不是过去一年NLP的唯一进步; 另外需要注意的是语言模型嵌入(ELMo),这是一个深层语境化的单词表示模型,让模型的每个任务都有相当大的改进。

今年的其他突破似乎集中在对BigGAN等现有技术的改进上。此外,由于众多倡导型社区成员的声音,关于机器学习包容性和多样性的非技术性讨论成为主流(NeurIPS就是其中的一个例子)。

我相信,在2019年,研究注意力将从监督学习转向强化学习和半监督学习等领域,因为这些领域的潜在应用越来越多地得到实现。例如,我们现在处于图像识别和生成已经到了“解决”地步,并且从中学到的东西可以帮助研究人员追求更复杂的机器应用学习。

作为业余自动化机器学习(AutoML)传播者,我认为AutoML将逐步进步,以达到普通的监督学习任务能够通过可用的方式或尚未完全完善的方法,自信地进行算法选择和超参数优化。

我认为自动化机器学习的普遍看法将会有转变(或者已经达到临界点):从更换开发者到扩张他们。AutoML将不再被视为机器学习工具箱的替代品,而是作为其中包含的另一种工具。相反,我认为,开发者将日常使用这些工具,并且知道如何去操作,这将成为定局。

新的数据科学硕士课程大幅增加

Facebook数据科学家Brandon Rohrer:

2018年的一个重要趋势是数据科学教育机会的扩散和不断成熟。在线课程成为原始的数据科学教育场所,这些课程在各个层面都很受欢迎,每年都有更多的学生、发展和新的主题。

在学术界,新的数据科学硕士课程正以每年约十几个的速度在增加。我们的高校正在响应公司和学生的请求,为数据相关领域提供专门计划。

另一方面,教程博客文章无处不在。它们为读者对于数据科学的理解做出了巨大贡献。

在2019年及以后,数据科学的学术计划将更普遍地帮助人们学习基础相关技能,以实现首批数据科学岗位的落地。这是件好事,受认证的机构将填补这方面的长期空缺。

到目前为止,数据科学的资格证书可以在很大程度上证明以前的工作经验。这会创建一个Catch-22。新数据科学家无法证明自己是否有资格,因为他们从未有过数据科学的工作经验,而恶性循环的是这些人也无法获得相关工作,因为他们无法证明自己是否有资格。而教育机构的证书是打破这一循环的重要方式。

但是,在线课程不会随处可见。因为许多人对大学教育所要求付出的时间和经济无法作出保证。

现在这些课程已经出现,数据科学教育将始终具有实用的方式。通过对项目工作的相关经验和在线培训,即使没有学位,新的数据科学家也有机会展示他们的技能。在线课程和教程将继续变得更普遍、更复杂,对数据科学教育也更为重要。

事实上,几个著名的数据科学和机器学习项目已经把相关课程上传到网上了,甚至为非预科学生提供入学选择。我预计数据科学大学学位与在线培训课程之间的界限将进一步模糊。

三大事件让2018被铭记

ITV高级数据科学家Elena Sharova:


Elena Sharova

回顾2018年:

我认为,在AI和ML社区中,2018年有三大事件将被铭记。

首先是欧盟全球数据保护条例(GDPR)的启动,该条例旨在提高个人数据使用的公平性和透明度。该条例使个人有权控制其个人数据和了解个人数据被如何使用,但也引起了对法律解释的一些混淆。到目前为止,GDPR的最终结果是,许多公司对数据处理做了一些表面上的更改就认为自己是合规的,对忽略了重新设计数据存储和处理的基础设施的基本需求。

其次,是“剑桥分析”丑闻,这个事件给整个数据科学界蒙上了一层阴影。如果说之前的辩论主要是关于确保AI和ML产品的公平性,那么这次丑闻引发了更深层次的道德问题。对Facebook在这一事件中的参与程度的最新调查意味着,这些问题不会很快消失。随着数据科学领域的成熟,这样的事情还将发生在许多行业,而不仅仅是政治领域。有些案件将更加悲惨,比如亚利桑那州的Uber自动驾驶汽车案,它们将引发强烈的公众反应。技术就是力量,伴随着力量而来的是责任。

最后,从更积极的方面来看,Amazon最新的自研服务器处理器芯片意味着,一般人获取云计算将不再是一个成本问题。

展望2019年:

数据科学家的角色和职责将不仅仅是建立模型来实现准确的预测。

对于ML、AI和数据科学从业者来说,2019年的主要趋势将是遵循既定的软件开发实践的越来越多的责任,尤其是在测试和维护方面。数据科学的最终产品必须与公司技术栈的其余部分共存。有效运行和维护专有软件的要求将适用于我们构建的模型和解决方案。这意味着最好的软件开发实践将支持我们需要遵循的机器学习规则。

迁移学习成功应用到NLP

fast.ai 创始人,旧金山大学副教授Rachel Thomas:

Rachel Thomas

回顾2018年:

迁移学习成功应用到NLP

反乌托邦式的滥用人工智能(包括由仇恨团体和独裁主义论者进行的监视和操纵)日益受到关注

迁移学习是将预训练模型应用到一个新的数据集的实践。迁移学习是计算机视觉领域爆炸式进步的一个关键因素,在2018年,迁移学习成功应用到了NLP的工作,包括fast.ai和SebasTIan Ruder的ULMFiT,艾伦研究所的ELMo, OpenAI transformer,以及谷歌的BERT。这些进步令人兴奋,也令人担忧。

正在持续的问题,如Facebook在缅甸种族灭绝中扮演的决定性角色,YouTube不成比例地推荐阴谋论(其中许多是促进白人至上注意),以及AI在政府和执法机构监控中的使用,在2018年越来越引起主流媒体的关注。虽然人工智能被滥用是可怕的,但有越来越多的人开始意识到它们,并越来越多地予以反击,这是件好事。

展望2019年:

我预计这些趋势将在2019年继续下去,伴随着NLP的快速发展(正如SebasTIan Ruder所写的那样,“NLP的ImageNet时代已经到来”),以及更多的反乌托邦式的发展,包括技术如何被用于监视、煽动暴力和危险政治运动操纵等。

NLP词嵌入有了两大重要进展

专门从事搜索、发现和ML/AI的独立顾问Daniel Tunkelang:

Daniel Tunkelang

回顾2018年:

2018年,自然语言处理和理解的词嵌入的复杂性方面有了两大重要进展。

第一次是在三月。艾伦人工智能研究所和华盛顿大学的研究人员发表了Deep contextualized word representaTIons一文,提出了ELMo(Embeddings from Language Models),这是一种开源的深度语境化词汇表示,改进了word2vec或GloVe这类上下文无关的嵌入。作者通过简单地替换ELMo预训练模型中的向量,证明了对现有NLP系统的改进。

第二次是在11月。谷歌开源了BERT(BidirecTIonal Encoder Representations from Transformers),这是一个双向的、无监督的语言表示,在维基百科语料上进行了预训练。正如作者在“BERT:用于语言理解的深层双向Transformers的预训练”一文中展示的,他们在各种NLP基准测试中取得了显著的改进,甚至比ELMo更强。

智能音箱的迅速普及(到2018年底将达到1亿台左右)到移动电话上数字助理的普及,自然语言理解的进步正迅速从实验室转移到现实世界。对于NLP研究和实践来说,这是一个激动人心的时代。

展望2019年:

但我们还有很长的路要走。

同样是在今年,艾伦研究所的研究人员发布了《Swag:用于基础常识推理的大型对抗式数据集》(Swag: A large - large Adversarial Dataset for Grounded Commonsense),这是一个用于需要常识理解的句子完成任务的数据集。他们的实验表明,最先进的NLP仍然远远落后于人类的表现。

但希望我们能在2019年看到更多的NLP突破。计算机科学领域许多最优秀的人才都在从事这方面的工作,工业界也渴望应用他们的成果。

回顾2018年:焦点开始从标准的监督学习转向更具挑战性的机器学习问题,像半监督学习、领域自适应、主动学习和生成模型。GAN仍然是非常受欢迎的,研究人员尝试更困难的任务,如bigGANs和video-to-video合成。开发了替代的生成模型(如神经渲染模型),以在单个网络中组合生成和预测以帮助半监督学习。

研究人员将深度学习的应用扩展到许多科学领域,如地震预测、材料科学、蛋白质工程、高能物理和控制系统。在这些情况下,领域知识和约束与学习相结合。

预测2019年:“人工智能将模拟和现实联系起来,变得更安全,更具物理意识”

我们将看到开发新的领域自适应技术,以便将知识从模拟无缝转移到现实世界。使用模拟将有助于我们克服数据稀缺性并加快新领域和问题的学习。使AI从模拟到实际数据(Sim2real)将对机器人技术、自动驾驶、医学成像、地震预报等产生重大影响。模拟是解决自动驾驶等安全关键应用中所有可能情况的好方法。内置于复杂模拟器中的知识将以新颖的方式被使用,以使AI更具物理意识,更强大,并能够推广到新的和看不见的场景。

2019移动设备上的实时语音生成与真人无异

Gartner机器学习团队负责人Andriy Burkov:

Andriy Burkov

这是我自己作为一名实践者的看法,不代表Gartner基于研究的官方声明。以下是我的想法:

回顾2018年:TensorFlow在学术界输给了PyTorch。有时谷歌的巨大影响力可能会使市场处于次优的方向,因为MapReduce和随后的hadoop狂热已经发生了这种情况。

Deepfakes(以及类似的声音技术)粉碎了最值得信赖的信息来源:视频。没有人能敢再说出这样的话:我看到过那个人说这些话的视频。几十年前我们不再相信印刷文字,但直到现在,视频还是不可动摇。

强化学习以深度学习的形式回归是非常意外和酷!

Google代替人类致电餐厅并假装(成功)成为真正的人类系统是一个里程碑。然而,它引发了许多关于道德和人工智能的问题。

个人助理和聊天机器人很快就达到了极限。它们比以往任何时候都好,但不如去年所希望的那么好。

展望2019年:

1)我希望每个人都对今年的AutoML承诺感到兴奋。我也期望它失败(除了一些非常具体和明确定义的案例,如不依靠手工的图像识别、机器翻译和文本分类,原始数据接近于机器期望作为输入,并且数据是丰富的)。

2)营销自动化:利用成熟的生成对抗网络和变分自动编码器,可以生成数千张相同人物或图像的图片,这些图像之间的面部表情或情绪差异很小。根据消费者对这些图片的反应,我们可以制作出最佳的广告活动。

3)移动设备上的实时语音生成与真实人类无法区分。

4)自动驾驶的出租车将保持在测试/ PoC阶段。

2018年成为对AI过度恐惧的一年

华盛顿大学计算机科学与工程系教授Pedro Domingos:

Pedro Domingos

经历了多年炒作,2018年成为对AI过度恐惧的一年。

按一些媒体、甚至是一些研究人员的观点,你会认为特朗普在2016年大选获胜全拜剑桥分析公司所赐、机器学习算法是充斥偏见和歧视的垃圾、机器人正在取代我们的工作,不久就将霸占我们的生活等等。这些论调不仅仅是说说而已:欧洲和加州已经通过了更加严厉的隐私法,联合国正在就AI武器禁令等内容进行激烈辩论。公众对AI的观点越来越暗淡,这种现象即危险又不公平。

希望2019年,人们能够回归理性。

数据科学家的角色将倾向于从研究转向产品开发

牛津大学物联网课程的首席数据科学家和创始人Ajit Jaokar:

2018年,一些趋势开始迅速流行。一个是自动化机器学习,一个是强化学习。这两个新生趋势将在2019年进一步发展。作为我在牛津大学开设的物联网数据科学课程教学内容的一部分,我认为物联网将越来越多地融入大型生态系统之中,如自动驾驶汽车、机器人和智能城市。

2019年,一种新的机器人技术,即协同机器人(cobots)将成为一个关键趋势。与之前的生产线机器人不同,新的机器人将能够自主活动,可以理解情感(在我的课程中,我们也在与从事该领域研究的情感研究实验室合作)。

我的最后一个观点可能有些争议:在2019年,数据科学家的角色将倾向于从研究转向产品开发。我认为人工智能与下一代数据产品的诞生密切相关。数据科学家的作用会发生相应的转变。

今年开源工具数量增加,所有人都能接触AI

RE.WORK创始人Nikita Johnson:

我们在2018年亲眼目睹的一个变化就是开源工具数量的增加,这些工具降低了AI的技术门槛,使所有人都能更容易地接触到AI,加强了不同组织机构之间的协作。这些开源社区对于确保AI在社会和企业的所有领域中的传播至关重要。

同样,在2019年,我们将看到关注AI的公司数量有所增加,谷歌和微软最近都启动了旨在“让AI造福社会”的项目。随着全社会对企业提出更高的社会目标的要求,这种将AI技术转化为对社会积极影响的趋势,正在获得越来越多的支持和动力。

2018最大的进展是没有进展!

CMU机器学习助理教授Zachary Chase Lipton:

Zachary Chase Lipton

我先说说深度学习。深度学习占机器学习和人工智能的公共话语的最大份额。

首先我要提一句,我的观点可能会惹恼一些人,但我觉得这是2018年的一个合理的解读:最大的进展是没有进展!

为什么这么说呢?因为这些进展里面,很大一部分是改进与定性新观念的本质。

BigGAN是一个GAN,只不过更大。GANS逐渐的增长,产生了真正有趣的结果,在某些意义上的却是迈出了一大步。

然而,从方法论上来说,它仍然只是GAN,只不过是有了更聪明的课程学习技巧的GAN。

再来说说NLP,今年最重要的故事是ELMO和BERT的情境化嵌入。这些绝对是让人惊叹的进步。

但至少Andrew Dai和Quoc Le,从2015年或者2016年就开始预训练了语言模型,并对下游分类任务进行了微调,只不过当时的规模较小。所以我觉得,今年没有产生什么“大创意”。

虽然没有大创意,但今年也有他积极的一面,可能就是我们并没有将现有技术全部功力发挥出来。硬件、系统和工具的快速发展,可能会带来二次飞跃。

我认为,现在正在酝酿的很多新想法,都出现在新兴的深度学习理论中。很多研究人员,包括Sanjeev Arora,Tengyu Ma,Daniel Soudry,Nati Srebro等等,他们正在做一些非常令人兴奋的工作。

很长一段时间,我们有了第一原理理论,这些理论是严谨的,但经常忽略了实践。

然后是太过“学术向”的机器学习,它确实很科学,但却嵌入打榜中无法自拔。

现在出现了一种新的探究模式,理论与实验的结合更紧密。你开始看到受实验启发的理论论文,进行实验的理论论文。

最近,我从一个鼓舞人心的经验中得到一个想法,就是我们可以从理论论文中获得一个以前从来没发现过的自然现象。

2019年及以后,我认为应用机器学习会有好的发展,我们正急于进入所有这些声称“解决”问题的实际领域。但到目前为止,我们唯一可依赖的只有监督学习。

模式匹配目前还是受限于一些难题。受监督的模型可以找到关联,但找不出原因。我们不知道哪些信息可以安全依赖,因为它可能会随着时间的推移而发生变化。这些模型没有告诉我们干预措施会产生什么样的影响。

我认为在接下来的一年里,会看到更多机器学习项目被废弃,或者正是因为黑盒属性而陷入困境的案例。

我们会看到社区中最有创意的成员,会做出一些改变。不再一味追求打榜,而是更多的关注与填补代表性学习和因果推理之间的鸿沟。

AutoML达到临界点

KDnuggets的编辑Matthew Mayo:

对我而言,2018年的机器学习是精细的。例如,得益于用于文本分类的通用语言模型微调(ULMFiT)和来自变换器的双向编码器表示(BERT)之类的技术,转移学习有了更广泛的应用和兴趣,特别是在自然语言处理中。

这些并不是过去一年NLP的唯一进步; 另外需要注意的是语言模型嵌入(ELMo),这是一个深层语境化的单词表示模型,让模型的每个任务都有相当大的改进。

今年的其他突破似乎集中在对BigGAN等现有技术的改进上。此外,由于众多倡导型社区成员的声音,关于机器学习包容性和多样性的非技术性讨论成为主流(NeurIPS就是其中的一个例子)。

我相信,在2019年,研究注意力将从监督学习转向强化学习和半监督学习等领域,因为这些领域的潜在应用越来越多地得到实现。例如,我们现在处于图像识别和生成已经到了“解决”地步,并且从中学到的东西可以帮助研究人员追求更复杂的机器应用学习。

作为业余自动化机器学习(AutoML)传播者,我认为AutoML将逐步进步,以达到普通的监督学习任务能够通过可用的方式或尚未完全完善的方法,自信地进行算法选择和超参数优化。

我认为自动化机器学习的普遍看法将会有转变(或者已经达到临界点):从更换开发者到扩张他们。AutoML将不再被视为机器学习工具箱的替代品,而是作为其中包含的另一种工具。相反,我认为,开发者将日常使用这些工具,并且知道如何去操作,这将成为定局。

新的数据科学硕士课程大幅增加

Facebook数据科学家Brandon Rohrer:

2018年的一个重要趋势是数据科学教育机会的扩散和不断成熟。在线课程成为原始的数据科学教育场所,这些课程在各个层面都很受欢迎,每年都有更多的学生、发展和新的主题。

在学术界,新的数据科学硕士课程正以每年约十几个的速度在增加。我们的高校正在响应公司和学生的请求,为数据相关领域提供专门计划。

另一方面,教程博客文章无处不在。它们为读者对于数据科学的理解做出了巨大贡献。

在2019年及以后,数据科学的学术计划将更普遍地帮助人们学习基础相关技能,以实现首批数据科学岗位的落地。这是件好事,受认证的机构将填补这方面的长期空缺。

到目前为止,数据科学的资格证书可以在很大程度上证明以前的工作经验。这会创建一个Catch-22。新数据科学家无法证明自己是否有资格,因为他们从未有过数据科学的工作经验,而恶性循环的是这些人也无法获得相关工作,因为他们无法证明自己是否有资格。而教育机构的证书是打破这一循环的重要方式。

但是,在线课程不会随处可见。因为许多人对大学教育所要求付出的时间和经济无法作出保证。

现在这些课程已经出现,数据科学教育将始终具有实用的方式。通过对项目工作的相关经验和在线培训,即使没有学位,新的数据科学家也有机会展示他们的技能。在线课程和教程将继续变得更普遍、更复杂,对数据科学教育也更为重要。

事实上,几个著名的数据科学和机器学习项目已经把相关课程上传到网上了,甚至为非预科学生提供入学选择。我预计数据科学大学学位与在线培训课程之间的界限将进一步模糊。

下载发烧友APP

打造属于您的人脉电子圈

关注电子发烧友微信

有趣有料的资讯及技术干货

关注发烧友课堂

锁定最新课程活动及技术直播

电子发烧友观察

一线报道 · 深度观察 · 最新资讯
收藏 人收藏
分享:

评论

相关推荐

骁龙855:面向未来十年5G、AI和XR新时代的...

十年一次的技术飞跃,通过对5G新空口毫米波和6 GHz以下频段的支持,骁龙855可以带来快速的响应和...

发表于 2018-12-26 18:03 0次阅读
骁龙855:面向未来十年5G、AI和XR新时代的...

机器人或将取代简单和重复性工作

AI技术突飞猛进,部分工作被人工智能机器所取代,特别工业机器人部署规模日益扩大,将对全球就业市场带来...

发表于 2018-12-26 17:19 30次阅读
机器人或将取代简单和重复性工作

毫米科技的AI布局思路以及智能家居时代变革的经验...

2015年底,徐旭和他的团队最终决定用自己的产品来验证自己的研发能力,从面向B端提供智能模块到面向C...

发表于 2018-12-26 16:35 9次阅读
毫米科技的AI布局思路以及智能家居时代变革的经验...

汽车业的发展离不开人工智能的助力和引导

无论是推出智能纯电动车的新造车势力,抑或运用到人工智能技术的传统车企,又或者是提供ADAS产品的科技...

发表于 2018-12-26 16:34 14次阅读
汽车业的发展离不开人工智能的助力和引导

谷歌发布文章回顾2018AI发展

临近2018年年终,无论是企业还是个人都在总结和盘点,谷歌也不例外。日前,谷歌在自家的博客上发文,回...

发表于 2018-12-26 16:23 5次阅读
谷歌发布文章回顾2018AI发展

存储优先架构存在优势 或是AI芯片的未来

随着数据洪流时代的到来,AI技术应用的重要性日益凸显,而AI芯片的设计开发成为AI技术发展的关键一环...

发表于 2018-12-26 16:19 15次阅读
存储优先架构存在优势 或是AI芯片的未来

2018苹果收购公司汇总,人工智能才是关键

苹果在这个2018跌宕起伏,如果不是年末,这一年算是非常有成绩的一年,除去年末的不看,我们一起来看看...

发表于 2018-12-26 15:40 7次阅读
2018苹果收购公司汇总,人工智能才是关键

2018年ML/AI领域最重要的进展是什么?

除了这些之外,还有其他一些进步,比如Facebook的多语言嵌入。而且,我们也看到了这些方法被整合到...

发表于 2018-12-26 14:56 38次阅读
2018年ML/AI领域最重要的进展是什么?

重读Youtube深度学习推荐系统论文不同体验和...

所以作者是先用 word2vec 方法对 video 和 search token 做了 embed...

发表于 2018-12-26 14:53 40次阅读
重读Youtube深度学习推荐系统论文不同体验和...

院士反深度学习 人工智能永远在路上

针对深度学习的技术瓶颈,清华大学张钹等多位院士、教授给出了自己的研究思路。

发表于 2018-12-26 14:31 82次阅读
院士反深度学习 人工智能永远在路上

福布斯大咖谈AI:2019年人工智能的120个预...

2019年AI产业将会是什么样的状态呢?近日,外媒Forbes采访了120位AI行业创始人和高管,他...

发表于 2018-12-26 11:32 1035次阅读
福布斯大咖谈AI:2019年人工智能的120个预...

主流深度学习框架比较

发表于 2018-12-26 11:10 20次阅读
主流深度学习框架比较

Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

发表于 2018-12-26 10:45 19次阅读
Win10系统进行深度学习时系统C盘满了,正确卸载一些非必要的内容的方法

AI和自动化促使企业变革 2019年将呈现六大趋...

如果你的企业还没开始研拟人工智能(AI)和自动化的计划,那可要加快脚步了。2019年这些技术将会百花...

发表于 2018-12-26 10:39 303次阅读
AI和自动化促使企业变革 2019年将呈现六大趋...

华为设立智能计算业务部 让AI在行业中获得广泛普...

未来的IT基础架构在我看来只有两种结局:要么借助智能化实现再进化,要么墨守成规被时代淘汰。12月21...

发表于 2018-12-26 10:39 391次阅读
华为设立智能计算业务部 让AI在行业中获得广泛普...

随着AI在全球范围推广 指纹识别技术的稳定性可能...

市面上的指纹解锁技术主要包括三种:电容式指纹识别、光学式指纹识别、超声波指纹识别。目前,除超声波指纹...

发表于 2018-12-26 10:35 28次阅读
随着AI在全球范围推广 指纹识别技术的稳定性可能...

人工智能教练显神通 智能运算笑傲赛场

想象一下,人工智能会给职业运动带来多大的影响。运动队通过花费大量时间和精力收集、整理比赛的历史数据,...

发表于 2018-12-26 10:07 25次阅读
人工智能教练显神通 智能运算笑傲赛场

日本的AI机器人女友上线一小时内销售上万台

人工智能在最近一直引领热潮,但是日本制作的AI智能机器人排名总是靠前的,因为国情原因,日本一直热衷于...

发表于 2018-12-26 09:46 50次阅读
日本的AI机器人女友上线一小时内销售上万台

AI的生态发展,这一路有多少难题

行百里者半九十,并且AI只是刚刚迈出了一步,AI未来还有很长的路要走。从AI+到AI的生态发展,中间...

发表于 2018-12-26 09:38 21次阅读
AI的生态发展,这一路有多少难题

利用AI对研究员的工作进行审查 人工智能将迎来一...

机器学习领域的研究论文如雪崩般涌现,谷歌的工程师克里夫·杨(Cliff Young)将其比作人工智能...

发表于 2018-12-26 09:30 24次阅读
利用AI对研究员的工作进行审查 人工智能将迎来一...

Facebook发布全卷积神经网络语音识别模型,...

在可学习的前端中,原始音频首先输入到一个宽度为2的卷积中,用于模仿梅尔滤波器特征中的前处理步骤。随后...

发表于 2018-12-26 09:02 99次阅读
Facebook发布全卷积神经网络语音识别模型,...

2018年,机器学习和人工智能领域最重要的突破是...

正如Xavier Amatriain说的那样,深度学习的寒冬不会到来——这项技术已经用到产业里并带来...

发表于 2018-12-26 08:59 114次阅读
2018年,机器学习和人工智能领域最重要的突破是...

圣诞节来临,让AI写一支圣诞歌给你听

为了训练这个网络,研究团队采用MIDI格式的100首圣诞歌曲的训练数据集,包含每个音符的音高、长度和...

发表于 2018-12-26 08:55 113次阅读
圣诞节来临,让AI写一支圣诞歌给你听

AIoT时代下 小米意图成为智能音箱的主宰

近期小米公布了首款5G手机小米MIX 3 5G版,并在现场演示5G网络下的网页浏览和在线视频直播。“...

发表于 2018-12-26 08:46 105次阅读
AIoT时代下 小米意图成为智能音箱的主宰

腾讯欲借其有屏智能音箱 再次掀起智能音箱新一场拉...

“这款产品我们打造了小一年的时间,从立项到打磨的过程,不管是技术门槛还是对软硬结合体验的打磨为基础,...

发表于 2018-12-26 08:38 36次阅读
腾讯欲借其有屏智能音箱 再次掀起智能音箱新一场拉...

深度学习框架TensorFlow&TensorFlow-GPU详解

发表于 2018-12-25 17:21 62次阅读
深度学习框架TensorFlow&TensorFlow-GPU详解

人工智能和机器人的进步最终将超越目前的局限

霍金、马斯克等人都曾公开警告说,机器最终将超越人类的能力,它们的行动将超越我们的控制,甚至可能引发人...

发表于 2018-12-25 16:28 234次阅读
人工智能和机器人的进步最终将超越目前的局限

当AI遇上IoT 将促进安防行业的进一步发展升级

万物互联是一片汪洋大海。据Gartner预测,2020年全球IoT设备数量将高达260亿件,IDC更...

发表于 2018-12-25 16:10 74次阅读
当AI遇上IoT 将促进安防行业的进一步发展升级

从何入手研究人工智能等问题 本文为你指明方向

人工智能(AI)正越来越多地进入到我们的日常活动当中。任何使用谷歌、Facebook或微软产品的人都...

发表于 2018-12-25 16:01 69次阅读
从何入手研究人工智能等问题 本文为你指明方向

AI神话破灭:英伟达遭遇滑铁卢,市值被腰斩蒸发千...

华尔街在圣诞前夜遭遇重挫,科技巨头全线收跌,这也是有史以来最糟糕的圣诞前夜交易日,而英伟达比苹果公司...

发表于 2018-12-25 14:42 771次阅读
AI神话破灭:英伟达遭遇滑铁卢,市值被腰斩蒸发千...

华为畅享9PlusAI自拍 AI大屏献给你爱的T...

如今,圣诞节也逐渐成为了年轻人必过的节日之一,不少男女会选择在这一天跟喜欢的人互表心意,送上圣诞礼物...

发表于 2018-12-25 13:47 71次阅读
华为畅享9PlusAI自拍 AI大屏献给你爱的T...

首款水滴全面屏5.84英寸小米Play今晚上市

一般在圣诞、新年期间厂商都不会有太大的动静,不过小米这次却选在平安夜这天新推了 Play 这条新的产...

发表于 2018-12-25 13:40 305次阅读
首款水滴全面屏5.84英寸小米Play今晚上市

浅析word2vec的安装和使用方法

发表于 2018-12-25 10:32 30次阅读
浅析word2vec的安装和使用方法

2018年度完美收官的十篇机器学习文章都讲了哪些...

本文的内容主要是对当前 NLP 领域的三大模型的综述。2018 年是自然语言处理领域(NLP) 取得...

发表于 2018-12-25 10:13 207次阅读
2018年度完美收官的十篇机器学习文章都讲了哪些...

NeurIPS首届多智能体竞赛,中国团队展现世界...

启元世界是一家2017年成立的以认知决策智能技术为核心的公司,由前阿里、Netflix、IBM的科学...

发表于 2018-12-25 09:58 307次阅读
NeurIPS首届多智能体竞赛,中国团队展现世界...

腾讯联合华银健康研发AI病理诊断 开放合作推动医...

继AI影像筛查之后,AI病理分析或是医学AI的突破新方向。腾讯日前牵手华银健康,双方签署“医学人工智...

发表于 2018-12-25 09:47 97次阅读
腾讯联合华银健康研发AI病理诊断 开放合作推动医...

2018年AI技术一片繁荣 人工智能这个棵苗芽正...

12月份的即将结束宣告着2018年的的尾声,人工智能、物联网、区块链、大数据、虚拟现实等技术簇拥发展...

发表于 2018-12-25 09:22 69次阅读
2018年AI技术一片繁荣 人工智能这个棵苗芽正...

终于,AI还是对《王者荣耀》下手了

如图所示。玩家使用左下角转向按钮来控制移动,而右下角则设置按钮来控制技能。可通过主屏幕观察周围环境,...

发表于 2018-12-25 09:22 383次阅读
终于,AI还是对《王者荣耀》下手了

下一代交付机器人将融合AI技术 机器换人创造物流...

过去十年间,中国电子商务领域快速发展,并走到了世界朝流的前端。目前,中国每年的电子商务交易额达数千亿...

发表于 2018-12-25 08:27 50次阅读
下一代交付机器人将融合AI技术 机器换人创造物流...

未来AI的发展在很多地方都将超出现有预期

12月20日,国际数据公司(IDC)与百度AI产业研究中心(BACC)联合发布《百度大脑领导力白皮书...

发表于 2018-12-24 16:38 257次阅读
未来AI的发展在很多地方都将超出现有预期

三星Galaxy A8s曝光黑瞳全视屏采用了通孔...

近日三星发布了新款三星Galaxy A8s,就给全面屏的实现带来了一个更好的解决方式——“黑瞳全视屏...

发表于 2018-12-24 16:15 105次阅读
三星Galaxy A8s曝光黑瞳全视屏采用了通孔...

研究机器人的情感方面是未来的必然趋势

当今社会正从信息化向智能化迈进,大数据时代已经来临,目前AI从三个层次来讲,分别是计算智能、感知智能...

发表于 2018-12-24 15:58 44次阅读
研究机器人的情感方面是未来的必然趋势

AI助力实现个性化的学习 人类老师地位无法取代

日前《这块屏幕可能改变命运》成为关注的焦点,科技对于中国教育的改变再次被热议。在直播形式之外,运用A...

发表于 2018-12-24 15:54 70次阅读
AI助力实现个性化的学习 人类老师地位无法取代

2018年智能家居尚未规模化应用 目前依旧是供给...

在IoT时代的船票争夺战中,参与阵营愈发庞大,同时智能家居的交集面正在扩散,设备企业越来越多与互联网...

发表于 2018-12-24 15:34 217次阅读
2018年智能家居尚未规模化应用 目前依旧是供给...

IMAX宣布退出VR市场 苏州公安研发AI平台

据DIGITIMES消息,IMAX正式宣布退出虚拟现实(VR)市场,除了关闭仅存的3座VR体验中心之...

发表于 2018-12-24 14:57 362次阅读
IMAX宣布退出VR市场 苏州公安研发AI平台

微软研发新AI会议系统 华为在印度获准进行5G测...

12月18日,在深圳微软IoT In Action全球巡展上,微软和儒博公司签约,后者成为微软智能语...

发表于 2018-12-24 14:49 517次阅读
微软研发新AI会议系统 华为在印度获准进行5G测...

全国首例在人工智能技术辅助下的全髋关节置换术成功...

日前,全国首例在人工智能(AI)技术辅助下的全髋关节置换术在哈尔滨医大一院完成。

发表于 2018-12-24 14:48 345次阅读
全国首例在人工智能技术辅助下的全髋关节置换术成功...

2018年人工智能行业告别喧闹 投融资市场渐趋冷...

2018年,人工智能告别喧闹,投融资市场渐趋冷静,底层技术研发持续推进,从衣食住行到教育医疗,人工智...

发表于 2018-12-24 14:45 49次阅读
2018年人工智能行业告别喧闹 投融资市场渐趋冷...

百度成立AI产业研究中心 希冀为AI产业化提供有...

《哈佛商业评论》发布 “全球最受关注的十大AI领军人物”,百度董事长兼CEO李彦宏成唯一入选的中国面...

发表于 2018-12-24 14:34 35次阅读
百度成立AI产业研究中心 希冀为AI产业化提供有...

AI医疗想要落地 还要看医疗与大数据的结合

12月22日,“AI+云+医疗大数据&医疗器械“发展研讨峰会在北京举行。北京市科委、卫健委等领导出席...

发表于 2018-12-24 14:31 107次阅读
AI医疗想要落地 还要看医疗与大数据的结合

华为为AI产业的未来发展阐明了一条切实可行的道路

在近日举行的首届华为智能计算大会上,华为发布了最新的智能计算业务战略。据华为智能计算大会华为中国区总...

发表于 2018-12-24 14:28 85次阅读
华为为AI产业的未来发展阐明了一条切实可行的道路

CherryHome完成新一轮融资 利用AI技术...

CherryHome用AI技术在家照顾老人,近期这家创企完成新一轮融资,计划将资金开发平台监测跌倒等...

发表于 2018-12-24 14:26 18次阅读
CherryHome完成新一轮融资 利用AI技术...

前端智能感知AI落地 助力构建平安城市

“这几年我们团队一直在做的事情是前端视觉的‘感知’与‘融合’,也就将智能感知、前端芯片和人工智能算法...

发表于 2018-12-24 14:21 44次阅读
前端智能感知AI落地 助力构建平安城市

5G时代下 AI六大关键技术点线面全核心覆盖

12月20日,四季春科技副总经理、五季物联产品创新研究院院长林应聪在由第一手机界研究院、第一AI产业...

发表于 2018-12-24 14:17 64次阅读
5G时代下 AI六大关键技术点线面全核心覆盖

广电运通AI+安防,助力区域产业园区智慧升级

随着人工智能、物联网、大数据等先进科技的日臻成熟,智慧园区市场呈快速发展势头,2018 年AI 产品...

发表于 2018-12-24 14:15 451次阅读
广电运通AI+安防,助力区域产业园区智慧升级

AI重构医患关系 需建立全新一代智能医疗系统

从一定层面上来说,AI、机器人等新技术的加持为医院临床研究水平和医疗服务水平、效率、质量等方面都带来...

发表于 2018-12-24 14:14 75次阅读
AI重构医患关系 需建立全新一代智能医疗系统

智能家居系统能有什么功能

什么是智能家居?智能家居系统能实现什么功能?对于经常关注智能家居的人来说,智能家居系统能实现什么功能...

发表于 2018-12-24 13:55 229次阅读
智能家居系统能有什么功能

机器人产业变革,机器人取代人类工作势不可挡

机器人行业现在开始处于洗牌期,对于机器人市场的下一步发展,很难作出判断,这里面有太多需要修正的地方,...

发表于 2018-12-24 13:41 590次阅读
机器人产业变革,机器人取代人类工作势不可挡

计算机视觉神经网络资料全集

发表于 2018-12-24 11:52 61次阅读
计算机视觉神经网络资料全集

CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

发表于 2018-12-24 11:51 49次阅读
CV之YOLOv3:深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录

CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

发表于 2018-12-24 11:50 48次阅读
CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录

全球AI挑战赛”年度总决赛在京收官

在接受猎云网等少数媒体的采访中,创新工场人工智能工程院执行院长王咏刚谈及此次参赛队伍所取得的成绩认为...

发表于 2018-12-24 11:48 362次阅读
全球AI挑战赛”年度总决赛在京收官

利用ECS进行深度学习详细攻略

发表于 2018-12-24 11:47 36次阅读
利用ECS进行深度学习详细攻略

英伟达发布全新AI芯片Jetson AGX Xa...

据外媒报道,英伟达发布Jetson AGX Xavier,这是一款全新的AI芯片,可驱动新一代机器人...

发表于 2018-12-24 11:25 84次阅读
英伟达发布全新AI芯片Jetson AGX Xa...

ASC19世界大学生超算竞赛开始报名,继续聚焦人...

ASC19世界大学生超算竞赛正在火热报名中,目前已收到清华大学、北京大学、香港浸会大学、台湾清华大学...

发表于 2018-12-24 11:05 324次阅读
ASC19世界大学生超算竞赛开始报名,继续聚焦人...

周报:谷歌开源针对排序学习应用的最新成果

相关报道认为,捷克此举与前两天捷克安全部门对中国通讯产品发出的安全警告有关。近日外媒报道,由于国家安...

发表于 2018-12-24 10:56 2079次阅读
周报:谷歌开源针对排序学习应用的最新成果

深度学习为肿瘤诊疗带来全新解决方案

连心科技将机器学习、深度学习技术与放射治疗相结合,实现危及器官和靶区的自动分割。

发表于 2018-12-24 10:24 206次阅读
深度学习为肿瘤诊疗带来全新解决方案

华为发布智能计算新战略 推进AI战略落地

在近日举行的首届华为智能计算大会上,华为发布了最新的智能计算业务战略。据华为智能计算大会华为中国区总...

发表于 2018-12-24 09:51 180次阅读
华为发布智能计算新战略 推进AI战略落地

CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别

发表于 2018-12-21 10:31 32次阅读
CV:基于深度学习实现目标检测之GUI界面产品设计并实现图片识别、视频识别、摄像头识别

深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间

发表于 2018-12-21 10:31 36次阅读
深度学习实现目标检测俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间