AI大事件丨OpenAI启动Research2.0，深度学习的矩阵微积分
呜啦啦啦啦啦大家好呀，又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么？大佬们互撕了哪些问题？研究者们发布了哪些值得一读的论文？又有哪些开源的代码和数据库可以使用了？文摘菌带你盘点过去一周AI大事件！
新闻
Andrew Ng正式启动1.75亿美元AI基金
来源：TECHCRUNCH.COM
链接：
https://techcrunch.com/2018/01/30/andrew-ng-officially-launches-his-175m-ai-fund/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这个新基金的投资者包括NEA，Sequoia，Greylock Partners和软银集团。Andrew Ng则将作为普通合伙人领导该基金，Eva Wang担任合伙人兼首席运营官，另外，Steven Syverud也将加入合伙人行列。这个基金的第一笔投资正是Andrew Ng之前发布的另一个创业项目landing.ai，但目前尚不清楚这个创业基金具体以何种类型为目标。
OpenAI启动Research2.0
来源：BLOG.OPENAI.COM
链接：https://blog.openai.com/requests-for-research-2/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
OpenAI发布了新的一批（七个）未解决的问题，需要提出新的解决方案。这些需要解决的具体问题正是开展深度学习和强化学习研究的绝佳机会。
人工智能可能破解600年前的怪异手稿
来源：GIZMODO.COM
链接：https://gizmodo.com/artificial-intelligence-may-have-cracked-freaky-600-yea-1822519232?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
伏尼契手稿（Voynich manuscript）发现于一百多年前，这本长达240页的手稿充斥着看似编码的语言和不可思议的插图，在过去一直被语言学家和密码学家当作世界性难题。而在近日，加拿大的研究人员利用人工智能在揭开文件隐藏意义方面迈出了巨大的一步。
Google翻译的浅薄之处
来源：WWW.THEATLANTIC.COM
链接：https://www.theatlantic.com/technology/archive/2018/01/the-shallowness-of-google-translate/551570/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
谷歌翻译使用最先进的人工智能技术，但简单的测试表明，人工智能距离真正理解人类的自然语言还有很长的路要走。虽然这一结果对AI领域的研究人员来说丝毫不意外，但是将当前模型的局限性系统地传达给公众也是很重要的。
文章&教程
深化强化学习中的偏差/方差权衡意识
来源：MEDIUM.COM
在强化学习中，偏差和方差不再仅仅评价在监督学习中模型与训练数据的适配性，还会表明强化信号如何对真实环境的奖励结构做出反应。
深度学习的矩阵微积分
来源：PARRT.CS.USFCA.EDU
链接：http://parrt.cs.usfca.edu/doc/matrix-calculus/index.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
这篇文章解释了深度神经网络的训练需要的所有矩阵微积分知识，相信这没有超出你在微积分1中学到的知识。
从嘈杂的数据中学习解释规则
来源：DEEPMIND.COM
链接：https://deepmind.com/blog/learning-explanatory-rules-noisy-data/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
深度学习专注于直观的感性思维，而象征性的程序综合则侧重于概念性的，基于规则的思维。这篇文章表明，系统可以将直观的感性思维和理性的推理结合起来。
代码、项目&数据
Tensorflow MiniGo
来源：GITHUB.COM
链接：https://github.com/tensorflow/minigo?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
基于神经网络Go AI的纯Python实现，使用TensorFlow。虽然这个项目受到了DeepMind AlphaGo算法的启发，但该项目不是DeepMind的项目，也不隶属于官方的AlphaGo项目。
自然环境下的密集人体姿态映射
来源：DENSEPOSE.ORG
链接：http://densepose.org/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
密集人体姿态映射旨在将RGB图像上的所有像素映射到人体的3D表面。你可以点击链接观看视频，并阅读文献。数据将很快在网站上公布。
嵌套LSTM Cell
来源：GITHUB.COM
链接：https://github.com/hannw/nlstm?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
Nested LSTM Cell的TensorFlow实现，与Tensorflow RNN API完全兼容。
爆款论文
通过总结长序列生成维基百科
来源：ARXIV.ORG
链接：https://arxiv.org/abs/1801.10198?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
作者表示，可以通过对于多个源文档的摘要生成维基百科文章。他们通过抽取摘要并粗略地识别显著信息和一个神经抽象模型来生成维基百科文章。
电子健康记录的可拓展性和准确深度学习（新版本）
来源：ARXIV.ORG
链接：https://arxiv.org/abs/1801.07860?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
作者提出了患者基于快速医疗保健互操作性资源（Fast Healthcare Interoperability Resources :FHIR）格式数据的全部EHR原始记录的表示。他们表明，使用这种表示的深度学习方法能够准确预测来自多个中心的多个医疗事件，而无需特定的数据协调工作。
Nested LSTMs
来源：ARXIV.ORG
链接：https://arxiv.org/abs/1801.10308?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
作者提出Nested LSTM（NLSTM），是一种具有多级记忆的新型RNN架构。Nested LSTM通过嵌套增加LSTM的深度，而不是堆叠。NLSTM中存储器单元的值由具有其自己内部存储器单元的LSTM单元计算。