導(dǎo)讀

2018年9月9日-14日，DeepMind主辦的Deep Learning Indaba 2018大會在南非斯泰倫博斯舉行。會上，牛津大學(xué)教授Nando de Freitas和其他15位專家做了《深度學(xué)習(xí)：AI革命及其前沿進展》的報告。

報告導(dǎo)讀：

▲人工智能進展的關(guān)鍵要素：基礎(chǔ)科學(xué)理論、數(shù)據(jù)、計算力、算法軟件

▲深度學(xué)為什么成功的另一視角： 深度神經(jīng)網(wǎng)絡(luò)從數(shù)據(jù)中學(xué)習(xí)

▲神經(jīng)編程編譯器

▲人工智能前沿7大熱點：

強化學(xué)習(xí)

元學(xué)習(xí)

模仿學(xué)習(xí)

機器人

概念與抽象

感知與意識

因果推理

▲強化學(xué)習(xí)框架

▲AlphaZero

▲模仿：幫助我們在強化學(xué)習(xí)中解決探索

▲模仿人學(xué)習(xí)非常重要：翻譯、語音模型，通用協(xié)同

▲觀看Youtube視頻學(xué)習(xí)，人可以從視頻中學(xué)習(xí)各種技能，機器是否同樣來學(xué)習(xí)？

▲挑戰(zhàn)：領(lǐng)域鴻溝、沒有動作、沒有獎賞

▲跨模態(tài)距離分類

▲時序距離分類

▲感知意識：思維意識理論

世界自身的知識能夠幫助解構(gòu)和表示學(xué)習(xí)

學(xué)習(xí)確認的智能代理、行為和意圖非常重要

一個智能機器必須知道它知道什么和它不知道什么

感知意識提供一個模仿學(xué)習(xí)的框架

▲慢學(xué)習(xí)以更快學(xué)習(xí)

▲few shot 元學(xué)習(xí)

▲條件策略的one-shot 模仿學(xué)習(xí)

▲因果推理

▲其他人工智能的前沿領(lǐng)域包括：

抽象，概念、關(guān)系，物體，程序，架構(gòu)

自監(jiān)督自動選取任務(wù)

持續(xù)性知識表示

基準(zhǔn)性語言理解

情感性動機型系統(tǒng)

魯棒性、靈活性與軟件框架

模塊發(fā)明

道德和治理

關(guān)于作者：Nando de Freitas是一名來自牛津大學(xué)的擁有高聲望和優(yōu)良業(yè)界口碑的機器學(xué)習(xí)教授。在2000年拿到Trinity College的博士學(xué)位后，1999至2001年他在 UC Berkeley擔(dān)任博后，2001至2014年在 University of British Columbia擔(dān)任教授，他還是加拿大高級科研學(xué)會（CIFAR）的一員，并拿到了許多學(xué)術(shù)類的獎項。

Nando本人在其網(wǎng)站上這樣簡潔地描述他的興趣：我想明白智能以及思考的機理。我的工具有計算機科學(xué)，統(tǒng)計學(xué)，數(shù)學(xué)和無盡的思考。2015年12月26日，Nando de Freitas加入了由Reddit管理的AMA（Ask Me Anything）平臺。