开发者俱乐部

标题: 2015年机器学习颁奖礼 [打印本页]

作者: jack 时间: 2016-2-6 07:28
标题: 2015年机器学习颁奖礼
作者：@龙星镖局

本系列将汇总2015年个人读到的一些印象深刻的机器学习的文章，也欢迎大家推荐更多有趣的信息。主题就是机器学习领域的大事件。

技术类

最佳学术研究奖

题目：Human-level concept learning through probabilistic program induction

下载：http://www.sciencemag.org/content/350/6266/1332

简介：作者包括麻省理工著名认知科学家Joshua Tenenbaum及弟子Brenden Lake，与多伦多大学Ruslan Salakhutdinov，文中的方法只用很少的例子就能打败深度学习方法。深度学习大师Hinton老爷子也对这篇文章给予很高的评价，有希望成为后深度学习时代一颗闪亮的星。

简约之美研究奖

得主： Clustering by fast search and find of density peak. Alex Rodriguez, Alessandro Laio

链接：http://conference.mipt.ru/img/conference/material-design-2014/talks/Laio-talk.pdf

简介：想象一下一个研究了几十年的经典的聚类问题的解法为何能发表在《science》上面？因为它很朴素，很直接，很简洁，很优美。

最佳工程经验奖

题目：Hidden Technical Debt in Machine Learning Systems

下载：http://papers.nips.cc/paper/5656-hidden-technical-debt-in-machine-learning-systems.pdf

简介：G的这篇论文阐述了机器学习大系统的一些经验和教训，能意识到这些工程师在搭建系统中的工程和效果上的洞见是如此深远。这是工业界实际机器学习平台搭建和维护的圣经。

最佳工程实践奖

题目：TensorFlow – Google’s latest machine learning system, open sourced for everyone

下载：http://www.tensorflow.org/

简介：TensorFlow是Google用于研究深层神经网络技术，以及对相关产品做机器学习训练的新一代深度学习系统，日前以Apache 2.0许可开源。Google在此之前的一代深度学习系统名为DistBelief，它易于扩展，能对几种基本模型做训练，但对科研工作者来说，DistBelief却不够灵活。随着Google对相关问题理解逐渐深入，令他们有能力对系统做大幅精简和重新架构。

最佳开源项目奖：

题目：MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems

下载：https://github.com/dmlc/mxnet

简介：MXNet名字源于”Mix and Maximize”。参与者们希望把cxxnet这样强调性能静态优化的C++库和灵活的NDArray有机结合在一起。做包含cxxnet的静态优化，却又可以像minerva, theano, torch那样进行灵活扩展的深度学习库。与其他工具相比，mxnet结合了符号语言和过程语言的编程模型，并试图最大化各自优势，利用统一的执行引擎进行自动多GPU并行调度优化。

最佳论文导读奖

得主：https://recommend-papers.org/

链接：https://recommend-papers.org/

简介：该网站由专业人士（如bengio， Ng等大咖）从专业角度来点评和推荐专业论文，是快速了解学术动态的必备神器。

最佳展望奖

得主：The Future of AI: Quotes and highlights from Monday’s NYU symposium 和(Google DeepMind)Demis Hassabis人工智能及其前景

链接：http://futureoflife.org/2016/01/12/the-future-of-ai-quotes-and-highlights-from-todays-nyu-symposium/ 和 https://www.youtube.com/watch?v=0X-NdPtFKq0

简介：分别出自Yann lecun 和DeepMind的Demis Hassabis，大家就是大家。

最佳研究新人奖

得主：Ruslan Salakhutdinov

链接：http://www.cs.toronto.edu/~rsalakhu/

简介：此人是Hinton老爷子的高徒，过去一年研究成果大大的，特别是在多模态深度学习领域做得非常出色，是在合适的时期找到了合适的工具解决了合适的问题，充分发挥了深度学习在“feature learning”上的威力。近期，此人已经被挖到CMU。

最值得期待研究奖

得主： Deep Learningrogress in Theory and Attention Mechanisms

链接：https://www.eecs.berkeley.edu/Colloquium/Archives/15-16/Fall2015/bengio.shtml

简介：深度学习无疑是近期最火的研究方向，但其背后的理论研究以及更佳的优化机制仍显得相对滞后，甚至已经成为深度学习突破自我的瓶颈。

最佳反思奖

得主：LeCun: What is Wrong with Deep Learning

链接：http://www.cvrobot.net/wp-content/uploads/2015/06/lecun-20150610-cvpr-keynote.pdf

简介：作为深度学习三架马车的LeCun，这个时候就开始反思深度学习研究的一些问题，大家果然不一样啊。

最佳思考奖

得主：白硕《自然语言处理与人工智能》

链接：http://weibo.com/p/1001603826485151586735

简介：从NLP的角度来看AI到底进展到了何种程度？AI的突破只能回各个领域分别突破，从NLP的具体问题来客观地看AI的发展和瓶颈，是不可多得的好文章。白老师经验丰富，知识又深又广，思考这种本质问题时才华体现得淋漓尽致。

非技术类：

最具影响力事件

得主：deep mind围棋事件

链接：https://www.technologyreview.com ... lier-than-expected/

简介：AI战胜了欧洲围棋冠军，还要挑战世界冠军，这大大加速了大众对AI的认知。至于背后的技术细节，还有待更多人对探索。

最佳创意应用奖

题目： A Neural Algorithm of Artistic Style

下载：http://arxiv.org/pdf/1508.06576v1.pdf

简介：研究者用一种简洁的方法实现了从一幅油画中提取它的艺术风格，并将其应用到一副新的图像中，实现了普通图像的“艺术化”。研究者声称，这是人类第一次尝试用机器自动地发现艺术style，极具创意。

最佳团队突破奖：

题目：DeepMind

链接：http://deepmind.com/

简介：这家公司创造了一个神经网络，来教机器玩电子游戏。2014年，DeepMind被谷歌收购，更名为Google DeepMind。他们能训练人工智能成为游戏高手，这一成果还登上了今年2月的Nature封面。

最有价值研究者奖：

得主：Geoffrey E. Hinton

主页：http://www.cs.toronto.edu/~hinton/

简介：Hinton是深度学习浪潮的发起者，即使在神经网络冰河时期依然在坚持开拓。目前Hinton还在Google内部领导建设更强大的深度学习工具，较少在公开场合做演讲。但Hinton的徒子徒孙们已经接过了他的接力棒，在深度学习的各个子方向正在大踏步前进，如Yann Lecun, Ruslan Salakhutdinov等。

最佳布道者奖

得主：Yoshua Bengio

主页：http://www.iro.umontreal.ca/~bengioy/yoshua_en/index.html

简介：Bengio是公认的深度学习复兴时期三大代表人物之一，目前是加拿大Université de Montréal 的full professor。除了学术研究外，他还经常在各社区上和广大青年学子互动，热心回答广大深度学习爱好者的问题，如：http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=401958262&idx=1&sn=707f228cf5779a31f0933af903516ba6&scene=0#wechat_redirect。为更多人更客观地看待机器学习/深度学习做出了重要贡献。