北京中科白癜风医院刘云涛 https://m.yiyuan.99.com.cn/bjzkbdfyy/a/260591/雷锋网AI科技评论按：人工智能领域的最新进展是什么？我们可以期待年出现什么新技术？会有新的人工智能法规吗？NeurIPS（前称NIPS）或许可以对这些问题作出解答。近日，计算机网络安全公司zvelo的人工智能架构师DanielDeMillard将其在参加NeurIPS时收集到的一些针对人工智能领域的见解、观点以及年的趋势预测汇总成文。雷锋网AI科技评论编译如下。NeurIPS汇聚了人工智能和深层学习领域的杰出人才，近年来随着名气的上升，门票一度比TaylorSwift的演唱会还难买（更多内容回看《听说NIPS门票十分钟卖光，机器学习圈子炸了锅》）。该会议主要聚焦于深度学习领域。深度学习是使用多层互联的人工神经网络对高维数据进行建模的过程，其对于图像分类、语音识别、自动驾驶汽车、面部识别，甚至手机的拼写自动纠正功能等方面的突破具有关键作用。由于深度学习已经成为近来人工智能进展的核心部分，NeurIPS可以被视作更大的人工智能生态系统的标志性会议。NeurIPS由多家公司和Google、英伟达、微软、Facebook、IBM、亚马逊等人工智能领域的巨头赞助，它们都有展位，并在大会上展示最新技术进展。NeurIPS为期6天，每年举办会议的地点各不相同——是在蒙特利尔，其大会内容和论坛主要是偏技术性的。研究人员要花费数天的时间来深入研究最新课题、发表学术论文以及最终展示新技术。由于大会的三个主题（神经科学、机器学习理论和应用机器学习）的议程同时进行，一位研究者（指的是人类）不可能将所有的议程都参加和体验一遍。这篇文章汇总了我在NeurIPS上收集到的一些见解和观点，以及一些令人振奋的年趋势预测，大家可以进行参考。AI话题启发今年，人工智能领域取得了许多突破，包括生成网络、无监督学习和小样本学习、元学习和自动机器学习、增强学习，以及一些深度学习成果的理论解释等方面的改进。图像、文本和语音的生成模型生成模型对整个概率分布进行估计，从而可以生成图像、文本或语音等新内容。预测模型在给定输出的情况下，学习一些分类器来预测输出标签的概率。例如，当给定DonaldTrump的原始像素——pr（Trump
pixels），预测模型可以预测图像为Trump的概率。不同的是，生成模型针对某些期望的输出——pr(pixels
Trump)，来学习输入上的整个概率分布，从而能够根据需求生成全新的DonaldTrump图像。递归神经网络用来生成文本已经有一段时间了，但是最近才在深度学习领域取得进展，改进得足以用来生成图像。在过去的几年里，能够产生真实感图像的模型发展得很快，它们现在可以产生一些真正令人印象深刻的图像。看看下方的几张图片，你能分辨出哪些是真实的，哪些是由神经网络生成的吗？你能猜出哪些图像是由神经网络生成的吗？其实这是一个故意误导的问题，因为它们都是算法生成的图像（
转载请注明：http://www.aierlanlan.com/rzgz/7504.html
