剛剛過去的一年里，有哪些值得一讀的人工智能和機(jī)器學(xué)習(xí)的文章呢?Daniel Smith 為我們帶來了他們整理的自己最喜歡的 12 篇關(guān)于人工智能和機(jī)器學(xué)習(xí)的文章，干貨滿滿!

對人工智能新聞業(yè)來說，2018 年可謂一個豐收年。雖然對于整個人工智能領(lǐng)域來說，這究竟是一種助力還是一種阻礙，還有待商榷，但毫無疑問的是，人工智能生態(tài)系統(tǒng)是一個值得探索的、無窮無盡的迷人主題。無論你是喜歡技術(shù)上的深度潛水，還是更為隨意的想法，炒作中都隱藏著一些寶石。

我們已經(jīng)回顧了 2018 年我們自己所發(fā)的文章《Gengo’s 5 most popular AI blog posts of 2018》(https://gengo.ai/articles/gengo-popular-ai-blog-posts-2018/ )，但我們也花了一些時間來回顧網(wǎng)上的文章，這些文章讓我們在今年里一直保持關(guān)注。這些內(nèi)容涵蓋了從人工智能在電視游戲方面的進(jìn)展到精神病學(xué)的算法。我們整理了過去一年來，我們最喜歡的 12 篇關(guān)于人工智能和機(jī)器學(xué)習(xí)的文章。

1. Stop Feeding Garbage to your Model: The 6 Biggest Mistakes with Datasets and How to Avoid Them

Hacker Noon：《停止向模型饋送垃圾：數(shù)據(jù)集的六個最大錯誤及如何避免》

從低質(zhì)量到不平衡的類，有太多的因素會阻礙你的數(shù)據(jù)集成為最好的數(shù)據(jù)集。作者 Julien Despois 在文中提出的建議，指出了如何將數(shù)據(jù)集變得更好的途徑。

文章鏈接：

https://hackernoon.com/stop-feeding-garbage-to-your-model-the-6-biggest-mistakes-with-datasets-and-how-to-avoid-them-3cb7532ad3b7

2. The Most Important Skills for a Data Scientist

semanti.ca：《數(shù)據(jù)科學(xué)家最重要的技能》

在 Reddit 年度機(jī)器學(xué)習(xí)的頂級文章之一中，semanti.ca 匯總了這份不錯的清單，列出了作為數(shù)據(jù)科學(xué)家，在 2019 年繼續(xù)發(fā)展所需的所有技能。

文章鏈接：

https://semanti.ca/blog/?the-most-important-skills-for-a-data-scientist

 

 

3. How Teaching AI to be Curious Helps Machines Learn for Themselves

The Verge：《如何教會人工智能變得好奇，助力機(jī)器自我學(xué)習(xí)》

有些游戲，對機(jī)器來說比其他游戲更難打敗。James Vincent 探索了一種方法，該方法在擊敗 Montezuma’s Revenge(譯注：一種祖瑪游戲)，其局限性以及為改進(jìn)它所做的工作，證明了比強(qiáng)化學(xué)習(xí)更有效。

文章鏈接：

https://www.theverge.com/2018/11/1/18051196/ai-artificial-intelligence-curiosity-openai-montezumas-revenge-noisy-tv-problem

4. AI Keeps Mastering Games, But Can It Win in the Real World?

The Atlantic：《人工智能一直在掌控游戲，但它能在現(xiàn)實世界中獲勝否?》

眾所周知，像 AlphaGo 這樣的機(jī)器學(xué)習(xí)模型可以在超人類的水平上贏取棋盤游戲。The Atlantic(《大西洋月刊》)的這篇文章深入探討了我們從構(gòu)建機(jī)器到掌控這些環(huán)境所學(xué)到的東西，以及我們在將這些知識應(yīng)用到現(xiàn)實世界中所面臨的挑戰(zhàn)。

文章鏈接：

https://www.theatlantic.com/technology/archive/2018/02/ai-keeps-mastering-games-but-can-it-win-in-the-real-world/554312/

5. Through All the Hype, Self-Driving Cars Remain Elusive

The New York Times：《盡管大肆宣傳，自動駕駛汽車仍然遙遙無期》

鑒于公眾對自動駕駛汽車的憤怒，平衡期望和現(xiàn)實可能是一項困難的任務(wù)。The New York Times(《紐約時報》)的這篇文章在以一種有節(jié)制的方式應(yīng)對炒作方面做得很好，分析了一些新的潛在玩家利用人們的駕駛方式即將發(fā)生的改變。

文章鏈接：

https://www.nytimes.com/2018/11/27/business/self-driving-cars-autonomous-vehicles.html

6. AI Has Started Cleaning Up Facebook, but Can It Finish?

Wired：《人工智能已開始清理 Facebook，但它能完成嗎?》

2018 年對 Facebook 來說是艱難的一年。在幾起重大丑聞的沖擊下，在平臺上加強(qiáng)內(nèi)容審查的必要性變得更加強(qiáng)烈。Wired(《連線雜志》)的這篇文章探討了目前處理 Facebook 內(nèi)容審查的算法和人機(jī)回圈(human-in-the-loop)系統(tǒng)，然后詳細(xì)描述了他們在試圖防止平臺濫用方面面臨的問題。

文章鏈接：

https://www.wired.com/story/ai-has-started-cleaning-facebook-can-it-finish/

 

 

7. How Cheap Labor Drives China’s A.I. Ambitions

The New York Times：《廉價勞動力如何推動中國人工智能野心》

Li Yuan 介紹了中國新裝配線背后的工人和企業(yè)主，大量生產(chǎn)的標(biāo)注數(shù)據(jù)推動了中國蓬勃發(fā)展的人工智能行業(yè)。

文章鏈接：

https://www.nytimes.com/2018/11/25/business/china-artificial-intelligence-labeling.html

8. AI as Talent Scout: Unorthodox Hires, and Maybe Lower Pay

San Francisco Chronicle：《人工智能作為人才星探：非正統(tǒng)的雇員，也許薪水更低》

在一篇關(guān)于招聘的有趣文章中，探討了人工智能是如何被用來填補(bǔ)勞動市場緊張的職位空缺，如數(shù)據(jù)科學(xué);以及它對未來招聘人員尋找人才的方式的潛在影響。

文章鏈接：

https://www.sfchronicle.com/business/article/AI-as-talent-scout-unorthodox-hires-and-maybe-13450640.php

9. Can We Trust AI if We Don’t Know How it Works?

BBC：《如果不知道人工智能是如何工作的，我們還能信任它嗎?》

BBC 這篇文章揭開了神經(jīng)網(wǎng)絡(luò)的面紗，揭示了神經(jīng)網(wǎng)絡(luò)背后的數(shù)以百萬計的參數(shù)，以及它們對那些秉承價值觀高于一切的社會各界意味著什么。

文章鏈接：

https://www.bbc.com/news/business-44466213

10. Unbiased Algorithms can Still Be Problematic

TechCrunch：《無偏算法仍存在問題》

人工智能記者已經(jīng)多次討論過人類偏見對算法的影響。然而，這篇文章認(rèn)為，即使我們改進(jìn)訓(xùn)練數(shù)據(jù)，這些問題并不會輕易消失。通過與幾位專家的討論，Megan Rose Dickey 研究了其中的一些問題，以及為什么這些問題如此難以解決。

文章鏈接：

https://techcrunch.com/2018/09/30/unbiased-algorithms-can-still-be-problematic/

 

 

11. Are you Scared Yet? Meet Norman, the Psychopathic AI

BBC：《你害怕了嗎?遇見 Norman，變態(tài)的人工智能》

通過令人不安的墨跡測驗，該文章闡述了有缺陷數(shù)據(jù)的潛在嚴(yán)重后果。Norman 對圖片令人震驚的解釋，表明了訓(xùn)練數(shù)據(jù)的質(zhì)量與創(chuàng)建的模型構(gòu)成之間牢不可破的聯(lián)系。

文章鏈接：

https://www.bbc.com/news/technology-44040008

12. The Spooky Genius of Artificial Intelligence

The Atlantic：《人工智能的幽靈天才》

Derek Thompson 這篇文章探討了什么是智能的含義，利用人工智能和自然界之間的相似之處來挑戰(zhàn)傳統(tǒng)的機(jī)器學(xué)習(xí)的局限性。

文章鏈接：

https://www.theatlantic.com/ideas/archive/2018/09/can-artificial-intelligence-be-smarter-than-a-human-being/571498/

原文鏈接：

https://gengo.ai/articles/12-best-ai-and-machine-learning-articles-of-2018/

標(biāo)簽： 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。