AI 潰敗，Dota2 最強(qiáng)人機(jī)大戰(zhàn)首場(chǎng)終結(jié)

8 月 24 日早間，OpenAI 的人工智能在 DOTA2 國(guó)際邀請(qǐng)賽(Dota 2 at The International)中輸給了人類職業(yè)玩家。這是人類職業(yè)玩家與 OpenAI 機(jī)器人三場(chǎng)對(duì)決中的第一場(chǎng)，另外兩輪比賽將在接下來(lái)的兩天內(nèi)舉行，每天都有不同的人類團(tuán)隊(duì)出賽。

李彥宏：AI模仿人腦是走不通的

在 8 月 23 日上午舉行的中國(guó)國(guó)際智能產(chǎn)業(yè)博覽會(huì)上，百度董事長(zhǎng)李彥宏談到了人工智能的三個(gè)誤解：

第一個(gè)誤解，人工智能應(yīng)該長(zhǎng)得像人。如果要讓機(jī)器去替代人的體力勞動(dòng)，那我們?cè)诠I(yè)化時(shí)代已經(jīng)解決了這個(gè)問(wèn)題，（現(xiàn)在）我們要解決的是讓機(jī)器能夠像人一樣思考。

第二個(gè)誤解，人工智能應(yīng)該像人一樣思考?，F(xiàn)在有很多的研究是研究人腦怎么工作，我認(rèn)為這條路也走不通。人工智能不是模仿人腦的工作原理，而是要用機(jī)器的方式實(shí)現(xiàn)人腦能夠?qū)崿F(xiàn)的價(jià)值或者作用。

第三個(gè)誤解，人工智能威脅論。很多人擔(dān)心有一天人類會(huì)被機(jī)器所控制，完全沒(méi)有必要。AGI（通用人工智能）離我們還非常遠(yuǎn)，我們更應(yīng)該擔(dān)心技術(shù)成熟得不夠快，會(huì)出問(wèn)題。

特斯拉上海工廠 2020 年量產(chǎn) Model 3，市場(chǎng)價(jià)不到 30 萬(wàn)元

8 月 23 日，據(jù)澎湃新聞消息，特斯拉已在中國(guó)獲得完全國(guó)民待遇，并將于 2020 年在中國(guó)的超級(jí)工廠量產(chǎn) Model 3。該工廠前期只生產(chǎn) Model 3 一種車型，但是其不到 30 萬(wàn)元人民幣的市場(chǎng)價(jià)值得期待。

報(bào)道援引了參與特斯拉談判的中方人士說(shuō)法稱，這個(gè)工廠的規(guī)模和建設(shè)水平，都會(huì)超過(guò)美國(guó)的超級(jí)工廠，占地面積在 1.72 平方公里左右。

英偉達(dá)發(fā)布 GeForce RTX 2000系列顯卡，基于圖靈架構(gòu)

繼上周重磅發(fā)布了針對(duì)視覺(jué)計(jì)算設(shè)計(jì)的工作站級(jí) Quadro RTX 新款新卡和新一代核心架構(gòu) Turing（“圖靈”）后，8 月 21 日在德國(guó)科隆舉辦一場(chǎng)主題演講上，英偉達(dá)發(fā)布了其搭載了“圖靈”專車的針對(duì)消費(fèi)級(jí)游戲玩家的系列顯卡，分別是 RTX 2070、RTX 2080、RTX 2080 Ti，結(jié)合其主打的“實(shí)時(shí)光線追蹤”和人工智能技術(shù)，游戲玩家可以獲取到更逼真的圖像。

作為游戲顯卡 GeForce 產(chǎn)品線的又一力作，英偉達(dá)旨在取代 GeForce GTX 1080 / 1080 Ti ，其最大賣點(diǎn)在于“實(shí)時(shí)光線追蹤”的改進(jìn)，模擬光線在視覺(jué)場(chǎng)景中反彈的能力，將有助于視頻游戲和其他計(jì)算機(jī)圖形更接近真實(shí)世界中的陰影和反射。

自動(dòng)駕駛獨(dú)角獸 Zoox 首席執(zhí)行官“掃地出門”

據(jù)彭博社報(bào)道，自動(dòng)駕駛公司 Zoox 首席執(zhí)行官 Tim Kentley-Klay 已被公司董事會(huì)通過(guò)投票表決的方式解聘。董事會(huì)成員 Carl Bass 被任命為執(zhí)行主席，首席執(zhí)行官職位暫時(shí)空缺，同時(shí)另一位聯(lián)合創(chuàng)始人兼首席技術(shù)官 Jesse Levinson 被晉升為總裁。Carl Bass 曾擔(dān)任軟件公司 Autodesk 的首席執(zhí)行官。

目前，Zoox 已籌集了約 7.9 億美元的資金用于開(kāi)發(fā)自動(dòng)駕駛汽車。最近，它以 32 億美元的估值獲得了 5 億美元的資金。

▌技術(shù)焦點(diǎn)

不如跳舞！在不同視頻中進(jìn)行人類動(dòng)作遷移

來(lái)自加州大學(xué)伯克利分校的 Caroline Chan、Shiry Ginosar、Tinghui Zhou 和 Alexei A. Efros 四位研究人員提出了一種不同視頻中人體運(yùn)動(dòng)遷移的方法，以實(shí)現(xiàn)“Do As I Do"，即給出任何一個(gè)人跳舞的源視頻，算法就能夠?qū)⒃摫硌葸w移到目標(biāo)主體身上，以模仿出標(biāo)準(zhǔn)的舞蹈動(dòng)作。即便你從未受過(guò)舞蹈訓(xùn)練，你也可以像芭蕾舞或 pop舞者一樣或優(yōu)雅或活力地表演。

DoWhy：用于因果推薦的 Python 庫(kù)

與用來(lái)預(yù)測(cè)的機(jī)器學(xué)習(xí)庫(kù)類似，微軟研究院推出的 DoWhy 是一種引起因果思考和分析的 Python 庫(kù)，它提供了一個(gè)統(tǒng)一的界面進(jìn)行因果推理，并對(duì)許多假設(shè)進(jìn)行自動(dòng)測(cè)試，讓非專業(yè)人士也能進(jìn)行推理。該成果在最近舉辦的 KDD 2018 上做出了展示。

https://www.microsoft.com/en-us/research/blog/dowhy-a-library-for-causal-inference/?OCID=msr_blog_dowhy_KDD_tw

Pervasive Attention：用于序列到序列預(yù)測(cè)的2D卷積神經(jīng)網(wǎng)絡(luò)

摘要：當(dāng)前最先進(jìn)的機(jī)器翻譯系統(tǒng)都基于 Encoder-Decoder 框架：輸入序列后，系統(tǒng)先對(duì)序列進(jìn)行編碼，然后基于輸入序列的編碼生成輸出序列。為了讓系統(tǒng)能基于解碼器狀態(tài)重新組合源語(yǔ)句單詞的固定編碼，現(xiàn)在編碼器和解碼器中間往往會(huì)有一個(gè)注意力模型。

我們提出了一種替代方法，它依賴于跨兩個(gè)序列的單個(gè) 2D 卷積神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)的每一層都會(huì)根據(jù)到目前為止產(chǎn)生的輸出序列重新編碼源語(yǔ)句單詞。因此，其實(shí)類似注意力的屬性在整個(gè)網(wǎng)絡(luò)中都是普遍存在的。實(shí)驗(yàn)證明，我們的模型產(chǎn)生了出色的結(jié)果，它優(yōu)于最先進(jìn)的 Encoder-Decoder 框架，同時(shí)，它在概念上更簡(jiǎn)單，參數(shù)也更少。

https://github.com/elbayadm/attn2d

XGBoost 背后的數(shù)學(xué)原理

XGBoost 是陳天奇在華盛頓大學(xué)求學(xué)期間提出的成果。它是一個(gè)整體加法模型，由幾個(gè)基學(xué)習(xí)器共同構(gòu)成。

要點(diǎn)：

雖然梯度提升遵循負(fù)梯度來(lái)優(yōu)化損失函數(shù)，但 XGBoost 計(jì)算每個(gè)基學(xué)習(xí)器損失函數(shù)值用的是泰勒展開(kāi)。

XGBoost 不會(huì)探索所有可能的樹(shù)結(jié)構(gòu)，而是貪婪地構(gòu)建一棵樹(shù)。

XGBoost 的正則項(xiàng)會(huì)懲罰具有多個(gè)葉子節(jié)點(diǎn)的樹(shù)結(jié)構(gòu)。

關(guān)于選擇分叉標(biāo)準(zhǔn)，建議閱讀論文：arxiv.org/pdf/1603.02754.pdf