提高记忆力的课程，AI大事件｜机器学习增强人类记忆力，谷歌上线AI速成课，TensorFlow 1.6发布

呜啦啦啦啦啦小伙伴们大家好呀！过去的一周中AI圈都发生了什么？大佬们讨论了哪些问题？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？快快跟随文摘菌盘点过去一周AI大事件！

新闻

AI以不可思议的方式击败Q*bert游戏

来源：WWW.THEVERGE.COM

https://www.theverge.com/tldr/2018/2/28/17062338/ai-agent-atari-q-bert-cracked-bug-cheat?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

最近的一个实验展示了一个人工智能代理以前所未有的方式打败了80年代经典游戏Q*bert。它发现了一个让游戏在特定点瘫痪的bug。训练AI代理来发现游戏中可能出现的意外错误也许会成为一个新的游戏维护方式。

使用机器学习解码并增强人的记忆力

来源：WWW.WIRED.COM

https://www.wired.com/story/ml-brain-boost/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

研究人员在患者解决记忆任务时收集了植入患者大脑中电极的训练数据。然后使用相同的电极刺激该患者的神经活动。这样的刺激使患者记忆词汇的能力平均提高了15％。

谷歌的人工智能芯片智能相机现已上市

来源：TECHCRUNCH.COM

https://techcrunch.com/2018/02/27/googles-ai-powered-clips-smart-camera-is-now-available/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

Google将这个产品称为“智能相机”，这是因为设备上部署了机器学习，旨在使体验尽可能简洁。Google表示，通过使用设备上的机器学习，该设备可以捕捉到人和宠物面部表情最合适的瞬间并进行拍摄。

文章&教程

机器学习速成课程（Google）

来源：DEVELOPERS.GOOGLE.COM

这个系列课程是Google推出的15小时以上的机器学习速成课程，包含一系列视频讲座，实际案例研究和动手练习。使用Tensorflow。

研究机会：NLP和转移学习

来源：RUDER.IO

http://ruder.io/requests-for-research/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

这篇文章为初级研究人员和那些试图进入研究领域的初学者提供了启发和思路。它收集了一系列有趣的研究课题，重点关注NLP和转移学习。

变体自动编码器简介（视频）

来源：WWW.YOUTUBE.COM

这个视频将简要介绍变体自动编码器，这是一类可以学习以完全无监督的方式压缩数据的神经网络。

神经网络能一直做好物体识别吗？

来源：AIWEIRDNESS.COM

链接：

http://aiweirdness.com/post/171451900302/do-neural-nets-dream-of-electric-sheep?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

如果一切都按照规则进行，图像识别的效果将会很好。但是，只要人们或羊（要识别的物体）做了什么意想不到的事情，这些算法就会显示出它们的弱点。

增加深度可以加速优化吗？

来源：WWW.OFFCONVEX.ORG

链接：

http://www.offconvex.org/2018/03/02/acceleration-overparameterization/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

“深度对神经网络意味着什么？”是深度学习理论中的一个基本问题。理论研究支持的传统观点认为，增加图层会增加表现力，但优化会变得更加困难。然而，事实证明，增加深度有时可以加速优化。

代码，项目&数据

机器人研究概要（OpenAI）

链接：

链接：

链接：