【2018 AI 發展總整理】帶你了解 AI 的 5 大領域進展，各種開放原始碼任你取用
Posted on2018/12/22
2018 ，仍是 AI 領域激動人心的一年。
這一年成為 NLP（Natural Language Processing，自然語言處理）研究的分水嶺，各種突破接連不斷；
CV（Computer Vision，電腦視覺）領域同樣精采紛呈，與四年前相比GAN（Generative Adversarial Network，生成對抗網路）生成的假臉逼真到讓人不敢相信；
新工具、新框架的出現，也讓這個領域的明天特別讓人期待。
報告共涉及了五個主要部分：
自然語言處理（NLP）
電腦視覺（CV）
工具和庫
強化學習（RL）
AI 道德
自然語言處理（NLP）
電腦視覺（CV）
工具和庫
強化學習（RL）
AI 道德
自然語言處理（NLP）
這裡 有 ELMo 的更多介紹和資源
如果你還沒有讀過 BERT 的 論文 ，真的應該在 2018 年結束前補完這一課。
另外，Google 官方開源了 訓練代碼和預訓練模型 。
如果你是 PyTorch 黨，也不怕。這裡還有官方推薦的 PyTorch 重實現和轉換腳本 。
另外，Google 官方開源了 訓練代碼和預訓練模型 。
如果你是 PyTorch 黨，也不怕。這裡還有官方推薦的 PyTorch 重實現和轉換腳本 。
PyText 基於 PyTorch ，能夠加速從研究到應用的進度，從模型的研究到完整實施只需要幾天時間。框架裡還包含了一些預訓練模型，可以直接拿來處理文本分類、序列標註等任務。
想試試？開源地址 在此
■ Duplex
如果前面這些研究對你來說都太抽象的話， Duplex 則是 NLP 進展的最生動例證。
如果前面這些研究對你來說都太抽象的話， Duplex 則是 NLP 進展的最生動例證。
名字有點陌生？不過這個產品你一定聽說過，它就是 Google 在 2018 年 I/O 開發者大會上展示的「打電話 AI」。
它能主動打電話給美髮店、餐館預約服務，全程流暢交流，簡直以假亂真。Google 董事長 John Hennessy 後來稱之為「非凡的突破」，還說：「在預約領域，這個 AI 已經通過了圖靈測試」。
Duplex 在多輪對話中表現出的理解能力、合成語音的自然程度，都是 NLP 目前水平的體現。
電腦視覺（CV）
延伸閲讀：
驚！史上最佳 GAN 現身，超真實 AI 假照片，行家們都沸騰了
訓練史上最佳 GAN 用了 512 塊 TPU，一作自述：這不是算法進步，是算力進步
史上最強 GAN：訓練費 10 萬起，現在免費體驗，畫風鬼畜又逼真
驚！史上最佳 GAN 現身，超真實 AI 假照片，行家們都沸騰了
訓練史上最佳 GAN 用了 512 塊 TPU，一作自述：這不是算法進步，是算力進步
史上最強 GAN：訓練費 10 萬起，現在免費體驗，畫風鬼畜又逼真
Fast.ai 團隊只用了 16 個 AWS 雲實例，每個實例搭載 8 塊英偉達 V100 GPU ，結果比 Google 用 TPU Pod 在斯坦福 DAWNBench 測試上達到的速度還要快 40%。
這樣拔群的成績，成本價只需要 40 美元（約 1200 元新台幣）， Fast.ai 在博客中將其稱作人人可實現。
■ vid2vid 技術 今年 8 月，英偉達和 MIT 的研究團隊高出一個超逼真高解析影片生成 AI。
只要一幅動態的語義地圖，就可獲得和真實世界幾乎一模一樣的影片。換句話說，只要把你心中的場景勾勒出來，無需實拍，電影級的影片就可以自動 P 出來：
好消息， vid2vid 現已被英偉達開源。
今年，機器學習領域的工具和框架仍在快速的發展，下面就是這方面的總結和展望。
■ PyTorch 1.0
根據 10 月 GitHub 發佈的 2018 年度報告， PyTorch 在增長最快的開源項目排行上，名列第二。也是唯一入圍的深度學習框架。
作為谷歌 TensorFlow 最大的「勁敵」， PyTorch 其實是一個新兵， 2017 年 1 月 19 日才正式發佈。 2018 年 5 月， PyTorch 和 Caffe2 整合，成為新一代 PyTorch 1.0 ，競爭力更進一步。
相較而言， PyTorch 速度快而且非常靈活，在 GitHub 上有越來越多的開碼都採用了 PyTorch 框架。可以預見，明年 PyTorch 會更加普及。
至於 PyTorch 和 TensorFlow 怎麼選擇？在我們之前發過的一篇報導裡，不少大老站 PyTorch。
實際上，兩個框架越來越像。前 Google Brain 深度學習研究員 Denny Britz 認為，大多數情況下，選擇哪一個深度學習框架，其實影響沒那麼大。
■ AutoML
很多人將 AutoML 稱為深度學習的新方式，認為它改變了整個系統。有了 AutoML，我們就不再需要設計複雜的深度學習網絡。
很多人將 AutoML 稱為深度學習的新方式，認為它改變了整個系統。有了 AutoML，我們就不再需要設計複雜的深度學習網絡。
這個庫的作者是美國德州農工大學（Texas A&M University）助理教授胡俠和他的兩名博士生：金海峰、 Qingquan Song 。 Auto Keras 直擊谷歌 AutoML 的三大缺陷：
第一，得付錢。
第二，因為在雲端上，還得配置 Docker 容器和 Kubernetes 。
第三，服務商 Google 保證不了你的數據安全和隱私。
第二，因為在雲端上，還得配置 Docker 容器和 Kubernetes 。
第三，服務商 Google 保證不了你的數據安全和隱私。
■ TensorFlow.js今年 3 月底的 TensorFlow 開發者會峰會 2018 上， TensorFlow.js 正式發佈。
谷歌還給了幾個 TensorFlow.js 的應用案例。比如借用你的攝影機，來玩經典遊戲：吃豆人（Pac-Man）。
強化學習（RL）
■ OpenAI 的強化學習入門教程 全無機器學習基礎的人類，現在也可以迅速上手強化學習。
11 月初， OpenAI 發佈了強化學習入門教程： Spinning Up 。從一套重要概念，到一系列關鍵演算法實現代碼，再到熱身練習，每一步都以清晰簡明為上，全程站在初學者角度。
團隊表示，目前還沒有一套比較通用的強化學習教材， RL 領域只有一小撮人進得去。這樣的狀態要改變啊！因為強化學習真的很有用。
■ 谷歌的強化學習新框架「多巴胺」
Dopamine（多巴胺），這是谷歌今年 8 月發佈的強化學習開源框架，基於TensorFlow
Dopamine（多巴胺），這是谷歌今年 8 月發佈的強化學習開源框架，基於TensorFlow
另外，還有一組 Dopamine 的教學 colab 。
■ 2019 趨勢展望
DataHack Summit 2018 發言人、 ArxivInsights 創始人 Xander Steenbrugge ，也是一名強化學習專家，以下是來自他的總結和展望。
DataHack Summit 2018 發言人、 ArxivInsights 創始人 Xander Steenbrugge ，也是一名強化學習專家，以下是來自他的總結和展望。
1、由於輔助學習任務越來越多，增加了稀疏的外在獎勵，樣本的複雜性將繼續提高。在非常稀疏的獎勵環境中，效果非常好。
2、正因如此，直接在物理世界訓練將越來越可行，替代當前大多先在虛擬環境中訓練的方法。我預測 2019 年，會出現第一個只由深度學習訓練，沒有人工參與而且表現出色的機器人 demo 出現。
3、在 DeepMind 把 AlphaGo 的故事延續到生物領域之後（AlphaFold），我相信強化學習將逐步在學術領域外創造實際的商業價值。例如新藥探索、電子晶片架構優化、車輛等等。
4、強化學習會有一個明顯的轉變，以前在訓練數據上測試智能體的行為將不再視為「允許」。泛化指標將成為核心，就像監督學習一樣。
AI 道德
AI 被濫用事故在 2018 年被頻頻爆出： Facebook AI 幫助川普當選美國總統、Google 與美國軍方聯手開發 AI 武器、微軟為移民和海關執法局（ICE）提供雲端計算和人臉識別服務。
每一次事故都會重新掀起一波對 AI 道德準則的討論高潮，一些矽谷科技公司也再次期間制定了企業 AI 準則。
Analytics Vidhya 認為， AI 道德現在還是一個灰色地帶，目前還沒有所有人可以遵循的框架， 2019 年將有更多企業和政府制定相關條例。
AI 道德規範的制定，現在才剛剛起步。
