《人工智能》第三章(节选)

第三章人机大战：AI真的会挑战人类？AlphaGo带给人类什么样的启示2016年3月,李世石与谷歌AlphaGo在围棋棋盘上斗智斗勇、激战正酣的时候,我也亲身参与了新浪体育等媒体主办的现场直播.当时,我与棋圣聂卫平九段一起出任第五盘棋赛讲解嘉宾.绝大多数围棋界人士和人工智能界的科研人员此前都没想到,围棋程序会在如此短的时间内取得质的突破：“计算机在两年内就做到了我认为需要20年才能做到的事.”

人工智能技术能否提高地面气温预报的精度——记AI Challenger 2018全球天气预报挑战赛

2018年8月,北京城市气象研究院与创新工场等公司联合举办了“天气预报”竞赛(WFC)——这是一项面向全球的人工智能(AI)挑战赛,旨在通过发挥AI技术的优势提高天气预报水平。全球有超过1000支队伍参加本次WFC竞赛,约250支队伍完成了实时天气预报赛程。最终,决赛排名前5的队伍获得了奖励。竞赛结果表明:多AI模型集合方法显著提高了2 m气温、2 m相对湿度和10 m风速的预报水平。与北京城市气象研究院在业务中应用的相似集合预报方法相比,基于时间序列分析、梯度提升树、深度概率预测等AI模型构建的集合预报方法,显著提升了2 m气温预报的准确率,前2名队伍在决赛期间的预报准确率分别提升24.2%和17.0%。同时,合理的数据处理技术和AI模型集合框架对预报效果的提升具有重要的作用。

人工智能行业发展与投资趋势

如果说在21世纪,还有哪一种技术可以和历次工业革命中的先导科技相提并论的话,答案一定是正在步入成熟增长期的人工智能技术。伴随着人工智能技术应用的快速展开,其价值开始渗透到各行各业。本文分析了目前人工智能产业发展概况,并对产业投资趋势进行展望,探讨了创投基金在赋能产业升级中的作用。

融合小句对齐知识的汉英神经机器翻译

针对当前神经机器翻译在捕捉复杂句内小句间的语义和结构关系方面存在不足,导致复杂句长文本翻译的篇章连贯性不佳的问题,提出一种融合小句对齐知识的汉英神经机器翻译方法。首先提出手工和自动相结合的标注方案,构建大规模小句对齐的汉英平行语料库,为模型训练提供丰富的小句级别的汉英双语对齐知识;然后设计一种基于小句对齐学习的神经机器翻译模型,通过融合小句对齐知识,增强模型学习复杂句内小句间语义结构关系的能力。在WMT17,WMT18和WMT19汉英翻译任务中的实验表明,所提出的方法可以有效地提升神经机器翻译的性能。进一步的评测分析显示,所提方法能有效地提高汉英神经机器翻译在复杂句翻译上的篇章连贯性。

AI·未来

1991年12月16日上午11点,我的太太先铃躺在医院病床上。她这样承受着待产的煎熬已经12个小时了。虽然我一直坐在床边陪着她,但每隔几分钟总忍不住看看手表：如果接下来的一个小时内,我们的第一个孩子不能顺利出生,我就不得不选择离开医院去做一个关乎我一生志向的人工智能主题演讲,错过迎接孩子诞生的时刻。

联邦学习下对抗训练样本表示的研究

联邦机器学习系统由于能够在多方之间训练联合模型而无需各方共享训练数据,因此在学术界和工业界都获得了越来越多的关注和应用.与传统的机器学习框架相比,这类系统被认为具有保护数据隐私的良好潜力.另一方面,训练阶段攻击是一种通过故意扰动训练数据,从而希望在测试时操纵相应的学习系统预测行为的攻击方法.例如,DeepConfuse是最近的一种高效生成对抗训练数据的方法,展示了传统监督学习范式在此类攻击下的脆弱性.在本文中,作者扩展了DeepConfuse方法,将其应用在联邦机器学习框架中.这是首次针对联邦学习系统的训练阶段攻击.实验结果表明,在δ–准确率损失的衡量标准下,相比于传统的机器学习框架,联邦学习系统在DeepConfuse攻击下更加脆弱.