新智元2019新年寄語
2018年人工智能成為重塑世界格局的關(guān)鍵。谷歌BERT模型刷新多項自然語言處理紀錄，DeepMind則用星際爭霸II對局再次引爆機器智能無限可能。阿里與華為分別推出AI芯片，作為底層支撐的計算體系結(jié)構(gòu)也將邁入黃金十年發(fā)展期。
新智元2018年實現(xiàn)全球超過50萬核心產(chǎn)業(yè)用戶互聯(lián)。2019新春，中國人工智能將迎來全新的競爭挑戰(zhàn)與生態(tài)建設(shè)契機，新智元邀你與全球人工智能學術(shù)、產(chǎn)業(yè)精英一起，以開放的胸懷和堅毅的決心，成就AI新世界！
——新智元創(chuàng)始人兼CEO 楊靜
新智元報道
來源：medium
作者：Lex Fridman 編輯：肖琴
我們不久前介紹了 MIT 的深度學習基礎(chǔ)系列課程，由 MIT 學術(shù)研究員 Lex Fridman 開講，將介紹使用神經(jīng)網(wǎng)絡(luò)解決計算機視覺、自然語言處理、游戲、自動駕駛、機器人等領(lǐng)域問題的基礎(chǔ)知識。
更多閱讀：
【免費資源】MIT《深度學習基礎(chǔ)》第一課 68 分鐘視頻 + 69 頁 PPT
作為講座的一部分，Lex Fridman 撰文概述了 7 種架構(gòu)范例的深度學習，每個范例都提供了 TensorFlow 教程的鏈接。以下是麻省理工學院課程 6.S094 的深度學習基礎(chǔ)課程第一課的視頻：
深度學習是表示學習 (representation learning)：從數(shù)據(jù)中自動形成有用的表示。我們?nèi)绾伪硎臼澜?，可以讓復雜的東西對我們?nèi)祟惡臀覀儤?gòu)建的機器學習模型來說都顯得更簡單。
對于前者，我最喜歡的例子是哥白尼于 1543 年發(fā)表的日心說，日心說認為太陽是宇宙的中心，完全推翻了之前把地球放在中心的地心說。在最好的情況下，深度學習可以讓我們自動完成這一步，從 “特征工程” 過程中去掉哥白尼 (即，去掉人類專家)。
日心說 (1543) vs 地心說 (6th century BC)
在高級別上，神經(jīng)網(wǎng)絡(luò)可以是編碼器，可以是解碼器，也可以是兩者的組合：
編碼器在原始數(shù)據(jù)中找到模式，以形成緊湊、有用的表示 (representations)。
解碼器從這些表示中生成高分辨率數(shù)據(jù)。生成的數(shù)據(jù)可以是新的示例，也可以是描述性知識。
其余的則是一些聰明的方法，可以幫助我們有效地處理視覺信息、語言、音頻 (第 1–6項)，甚至可以在一個基于這些信息和偶爾的獎勵的世界中采取行動 (第 7 項)。下面是一個總體的圖示：
在下面的部分中，我將簡要描述這 7 種架構(gòu)范例，并提供每個范例的演示性TensorFlow 教程的鏈接。請參閱最后的 “基礎(chǔ)拓展” 部分，該部分討論了深度學習的一些令人興奮的領(lǐng)域，不完全屬于這七個類別。
TensorFlow 教程地址：
https://github.com/lexfridman/mit-deep-learning/blob/master/tutorial_deep_learning_basics/deep_learning_basics.ipynb
前饋神經(jīng)網(wǎng)絡(luò) (Feed Forward Neural Networks, FFNNs) 的歷史可以追溯到 20 世紀 40年代，這是一種沒有任何循環(huán)的網(wǎng)絡(luò)。數(shù)據(jù)以單次傳遞的方式從輸入傳遞到輸出，而沒有任何以前的 “狀態(tài)記憶”。從技術(shù)上講，深度學習中的大多數(shù)網(wǎng)絡(luò)都可以被認為是FFNNs，但通常 “FFNN” 指的是其最簡單的變體：密集連接的多層感知器 (MLP)。
密集編碼器用于將輸入上已經(jīng)很緊湊的一組數(shù)字映射到預測：分類 (離散) 或回歸 (連續(xù))。
TensorFlow 教程：請參閱我們的深度學習基礎(chǔ)教程的第 1 部分，其中有一個用于波士頓房價預測的 FFNNs 示例，它是一個回歸問題：
網(wǎng)絡(luò)學習時在訓練集和驗證集上的誤差
CNN(又名 ConvNets) 是一種前饋神經(jīng)網(wǎng)絡(luò)，它使用一種空間不變性技巧來有效地學習圖像中的局部模式，這種方法在圖像中最為常見。空間不變性 (Spatial-invariance ) 是指，比如說，一張貓臉的圖像上，左上角的貓耳與圖像右下角的貓耳具有相同的特征。CNN 跨空間共享權(quán)重，使貓耳以及其他模式的檢測更加高效。
CNN 不是只使用密集連接的層，而是使用卷積層 (卷積編碼器)。這些網(wǎng)絡(luò)用于圖像分類、目標檢測、視頻動作識別以及任何在結(jié)構(gòu)上具有一定空間不變性的數(shù)據(jù) (如語音音頻)。
TensorFlow 教程：請參閱我們的深度學習基礎(chǔ)教程的第 2 部分，了解用于對 MNIST 數(shù)據(jù)集中的手寫數(shù)字進行分類的一個 CNN 示例。
分類預測 (右)，生成的手寫數(shù)字 (左)。
RNN 是具有循環(huán)的網(wǎng)絡(luò)，因此具有 “狀態(tài)記憶”。它們可以及時展開，成為權(quán)重共享的前饋網(wǎng)絡(luò)。正如 CNN 在 “空間” 上共享權(quán)重一樣，RNN 在 “時間” 上共享權(quán)重。這使得它們能夠處理并有效地表示序列數(shù)據(jù)中的模式。
RNN 模塊有許多變體，包括 LSTM 和 GRU，以幫助學習更長的序列中的模式。它的應用包括自然語言建模、語音識別、語音生成等。
TensorFlow 教程：訓練循環(huán)神經(jīng)網(wǎng)絡(luò)是很有挑戰(zhàn)性的，但同時也允許我們對序列數(shù)據(jù)進行一些有趣而強大的建模。使用 TensorFlow 生成文本的教程是我最喜歡的教程之一，因為它用很少的幾行代碼就完成了一些了不起的事情：在字符基礎(chǔ)上生成合理的文本：
使用 TensorFlow 生產(chǎn)文本
使用 TensorFlow 生產(chǎn)文本教程：
https://www.tensorflow.org/tutorials/sequences/text_generation
前 3 節(jié)中介紹的 FFNN、CNN 和 RNN 都只是分別使用密集編碼器、卷積編碼器或循環(huán)編碼器進行預測的網(wǎng)絡(luò)。這些編碼器可以組合或切換，取決于我們試圖形成有用表示的原始數(shù)據(jù)類型。“Encoder-Decoder” 架構(gòu)是一種更高級的概念，通過對壓縮表示進行上采樣的解碼步驟來生成高維輸出，而不是進行預測。
請注意，編碼器和解碼器可以彼此非常不同。例如， image captioning 網(wǎng)絡(luò)可能有卷積編碼器 (用于圖像輸入) 和循環(huán)解碼器 (用于自然語言輸出)。Encoder-Decoder 架構(gòu)的應用包括語義分割、機器翻譯等。
TensorFlow 教程：請參閱駕駛場景分割的教程，該教程演示了針對自主車輛感知問題的最先進的分割網(wǎng)絡(luò)：
使用 TensorFlow 的駕駛場景分割
地址：
https://github.com/lexfridman/mit-deep-learning/blob/master/tutorial_driving_scene_segmentation/tutorial_driving_scene_segmentation.ipynb
自動編碼器 (Autoencoder) 是一種采用 encoder-decoder 架構(gòu)的更簡單的 “無監(jiān)督學習” 形式，并學習生成輸入數(shù)據(jù)的精確副本。由于編碼的表示比輸入數(shù)據(jù)小得多，網(wǎng)絡(luò)被迫學習如何形成最有意義的表示。
由于 ground truth 數(shù)據(jù)來自輸入數(shù)據(jù)，所以不需要人工操作。換句話說，它是自我監(jiān)督的。自動編碼器的應用包括無監(jiān)督嵌入、圖像去噪等。最重要的是，它的 “表示學習” 的基本思想是下一節(jié)的生成模型和所有深度學習的核心。
TensorFlow 教程：在這個 TensorFlow Keras 教程中，你可以探索自動編碼器對 (1) 輸入數(shù)據(jù)去噪和 (2) 在 MNIST 數(shù)據(jù)集進行嵌入的能力。
地址：
https://www.kaggle.com/vikramtiwari/autoencoders-using-tf-keras-mnist
GAN 是一種用于訓練網(wǎng)絡(luò)的框架，GAN 網(wǎng)絡(luò)經(jīng)過優(yōu)化，可以從特定的表示中生成新的逼真樣本。最簡單的形式是，訓練過程涉及兩個網(wǎng)絡(luò)。其中一個網(wǎng)絡(luò)稱為生成器(generator)，它生成新的數(shù)據(jù)實例，試圖欺騙另一個網(wǎng)絡(luò)，即鑒別器 (discriminator)，后者將圖像分類為真實圖像和假圖像。
在過去的幾年里，GAN 出現(xiàn)了許多變體和改進，包括從特定類別生成圖像的能力、從一個域映射到另一個域的能力，以及生成圖像的真實性的驚人提高。例如，BigGAN (https://arxiv.org/abs/1809.11096) 從單一類別 (毒蠅傘) 中生成的三個樣本：
BigGAN 生成的圖像
TensorFlow 教程：有關(guān) GAN 變體的示例，請參閱關(guān)于 conditional GAN 和 DCGAN 的教程。隨著課程的進展，我們將在 GitHub 上發(fā)布一個關(guān)于 GAN 的最新教程。
conditional GAN：
https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/contrib/eager/python/examples/pix2pix/pix2pix_eager.ipynb
DCGAN：
https://github.com/tensorflow/tensorflow/blob/r1.11/tensorflow/contrib/eager/python/examples/generative_examples/dcgan.ipynb
強化學習 (RL) 是一個框架，用于教一個 agent 如何以一種最大化回報的方式行動。當學習由神經(jīng)網(wǎng)絡(luò)完成時，我們稱之為深度強化學習 (Deep Reinforcement learning, Deep RL)。
RL 框架有三種類型：基于策略的 (policy-based)、基于價值 (value-based) 的和基于模型的 (model-based)。區(qū)別在于神經(jīng)網(wǎng)絡(luò)的任務(wù)是學習。詳細解讀請參見本系列課程的第 6 講。
Deep RL 允許我們在需要做出一系列決策時，在模擬或現(xiàn)實環(huán)境中應用神經(jīng)網(wǎng)絡(luò)。包括游戲、機器人、神經(jīng)架構(gòu)搜索等等。
教程：我們的 DeepTraffic 環(huán)境提供了一個教程和代碼示例，可以快速地在瀏覽器中探索、訓練和評估深度 RL 智能體，我們將很快在 GitHub 上發(fā)布一個支持 GPU 訓練的TensorFlow 教程。
MIT DeepTraffic: Deep Reinforcement Learning Competition
MIT DeepTraffic：
https://selfdrivingcars.mit.edu/deeptraffic-documentation/
https://github.com/lexfridman/deeptraffic
在深度學習中有幾個重要的概念并不是由上述架構(gòu)直接表示的，包括變分自編碼器(VAE)、LSTM/GRU 或神經(jīng)圖靈機中的 “記憶” 概念、膠囊網(wǎng)絡(luò)，以及注意力機制、遷移學習、元學習概念，以及 RL 中基于模型、基于價值、基于策略的方法和 actor-critic 方法的區(qū)別。
最后，許多深度學習系統(tǒng)將這些結(jié)構(gòu)以復雜的方式組合起來，共同從多模態(tài)數(shù)據(jù)中學習，或者共同學習解決多個任務(wù)。這些概念在本系列課程的其他課程中都有涉及，更多的概念將在接下來的課程中介紹：
加入社群
新智元AI技術(shù)+產(chǎn)業(yè)社群招募中，歡迎對AI技術(shù)+產(chǎn)業(yè)落地感興趣的同學，加小助手微信 aiera2015_2 入群；通過審核后我們將邀請進群，加入社群后請修改群備注（姓名-公司-職位；專業(yè)群審核較嚴，敬請諒解）
加入新智元社群，成就AI新世界！
