Главные новости этой недели — Microsoft AI Research достигла человеческого паритета в распознавании разговорной речи; Apple нанимает Расса Салахутдинова на должность директора по искусственному интеллекту.
Новости
Microsoft Artificial Intelligence and Research сообщила о системе распознавания речи, которая делает столько же или меньше ошибок, чем профессиональные транскрибаторы. Команда сообщила о частоте ошибок в словах (WER) 5,9%, по сравнению с 6,3% WER, о которых команда сообщила только в прошлом месяце.
Apple Inc. нанимает известного исследователя искусственного интеллекта из Университета Карнеги-Меллона, стремясь восстановить утраченные позиции перед конкурентами, такими как Google, Microsoft Corp. и Amazon.com Inc. в области машинного обучения.
AI•ON: открытая сеть искусственного интеллекта
Открытая сеть искусственного интеллекта: сообщество исследователей ИИ со 100% открытым исходным кодом было запущено ранее на этой неделе и начинается с 10 открытых проблем.
Статьи
Контекст, язык и мышление в ИИ: три ключевые проблемы
Следующий этап революции искусственного интеллекта требует совершенствования методов обращения и обработки данных из незримого мира.
Аккуратный и краткий обзор того, как глубокое обучение меняет автономное вождение.
Учебники и инструменты
Артефакты деконволюции и шахматной доски
Когда мы внимательно смотрим на изображения, созданные нейронными сетями, мы часто видим странный шахматный порядок артефактов. Узнайте, что происходит и как с этим бороться!
Дорожная карта чтения документов по глубокому обучению для всех, кто хочет учиться
Если вы новичок в области глубокого обучения, первый вопрос, который у вас может возникнуть: «С какой статьи мне начать читать?»
Вот дорожная карта чтения статей по глубокому обучению!
Изучение интерпретируемых скрытых представлений с помощью InfoGAN
Учебник по реализации InfoGAN в Tensorflow. Узнайте, что такое InfoGAN, и прочитайте интуитивно понятное объяснение того, что делают InfoGAN, и как их можно легко реализовать в существующих GAN.
Исследовательская работа
Полуконтролируемая передача знаний для глубокого обучения на основе данных частного обучения
Некоторые приложения машинного обучения используют обучающие данные, которые являются конфиденциальными, например истории болезни пациентов в клинических испытаниях. Модель может непреднамеренно и неявно сохранить некоторые из своих обучающих данных. Это исследование позволяет достичь современного компромисса между конфиденциальностью и полезностью в MNIST и SVHN благодаря улучшенному анализу конфиденциальности и полуконтролируемому обучению.
Если вам нравится то, что вы читаете, пожалуйста, подпишитесь и порекомендуйте своим друзьям или поделитесь благодарностями в Твиттере! Буду рад услышать ваши предложения и рекомендации @deephunt_in или в комментариях ниже!
Первоначально опубликовано как Информационный бюллетень Deep Hunt.
