導讀

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，牛津大學教授Nando de Freitas和其他15位專家做了《深度學習：AI革命及其前沿進展》的報告。

報告導讀：

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

▲深度學為什么成功的另一視角： 深度神經(jīng)網(wǎng)絡從數(shù)據(jù)中學習

▲神經(jīng)編程編譯器

▲人工智能前沿7大熱點：

強化學習

元學習

模仿學習

機器人

概念與抽象

感知與意識

因果推理

▲強化學習框架

▲AlphaZero

▲模仿：幫助我們在強化學習中解決探索

▲模仿人學習非常重要：翻譯、語音模型，通用協(xié)同

▲觀看Youtube視頻學習，人可以從視頻中學習各種技能，機器是否同樣來學習？

▲挑戰(zhàn)：領域鴻溝、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和表示學習

學習確認的智能代理、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習的框架

▲慢學習以更快學習

▲few shot 元學習

▲條件策略的one-shot 模仿學習

▲因果推理

▲其他人工智能的前沿領域包括：

抽象，概念、關系，物體，程序，架構

自監(jiān)督自動選取任務

持續(xù)性知識表示

基準性語言理解

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

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

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，統(tǒng)計學，數(shù)學和無盡的思考。2015年12月26日，Nando de Freitas加入了由Reddit管理的AMA（Ask Me Anything）平臺。