【AI每日播报】马云启动NASA计划 Intel150亿美元收购Mobileye
资讯
马云启动“NASA”计划 为未来20年愿景研发核心科技
2017年3月9日，阿里巴巴集团在杭州召开首届技术大会，会议透露，阿里巴巴正在启动一项代号“NASA”的计划，面向未来20年组建强大的独立研发部门，建立新的机制体制，为服务20亿人的新经济体储备核心科技。
阿里巴巴未来20年的愿景是构建世界第五大经济体，服务全球20亿消费者，创造1亿就业机会，帮助1000万家企业盈利。
马云进一步阐释：“一个服务20亿人的经济体，需要强大的技术实力。我们将建立阿里巴巴的’NASA’，以担当未来的责任。面向机器学习、芯片、IoT、操作系统、生物识别这些核心技术，我们将组建崭新的团队，建立新的机制和方法，全力以赴。以前我们的技术跟着业务走，是‘兵工厂模式’，但手榴弹造得再好，也造不出导弹来。阿里巴巴必须思考建立导弹的机制，成立新技术研发体系，聚焦核心领域的研究。这些研究的目标是为了解决10年、20年后的困难。”
英特尔150亿美元收购Mobileye，是一张无人驾驶的黄牛票？
3月13日晚，英特尔确认收购Mobileye：英特尔一子公司将以每股63.54美元的现金收购Mobileye全部已发行流通股。基于该交易，Mobileye的股本价值为153亿美元，企业价值为147亿美元。
Mobileye 是一家总部位于以色列，主要致力于汽车工业的计算机视觉算法和驾驶辅助系统的芯片技术研究的公司，始建于1999年，公司拥有200多名员工。Mobileye于2014年在纽约证券交易所上市，其市值为106亿美元，高盛在2007年曾以 1.3 亿美元战略投资Mobileye。
据报道，交易完成后，Mobileye将与英特尔的自动驾驶事业部（ADG）合并，形成新的自动驾驶部门。该部门总部将位于以色列，由Mobileye联合创始人、董事长兼首席技术官阿姆侬·沙书亚（Amnon Shashua）领导。
谷歌官方开源tf-seq2seq：一种通用编码器-解码器框架
谷歌又开源了！tf-seq2seq 是一个用于 TensorFlow 的通用编码器-解码器框架（encoder-decoder framework），其可用于机器翻译、文本摘要、会话建模、图像描述等任务。
谷歌介绍说，设计该框架的目标是希望其能满足以下目标：
- 通用性：我们最初是为机器翻译而开发了此框架，但之后也将其应用到很多不同类型的任务中，包括摘要、会话建模和图像描述。只要你的问题可以通过「以一种格式编码输入数据然后对其用另一种格式解码」的方式解决，那么你应该就可以使用或扩展地使用这个框架。
- 使用性：你可以仅用一行命令就训练一个模型。支持多种输入数据类型，包括标准的原始文本。
- 再现性：可以使用 YAML 文件配置训练流程和模型。这让其他人也能运行与你的模型一模一样的模型。
- 扩展性：代码是以一种模块化的方式构建的，这使得其易于扩展。比如，增加新类型的注意机制或编码器架构仅需要最少量的代码修改。
- 文档：所有的代码都使用标准的 Python docstrings 进行记录的，而且我们已经编写了能帮助你上手常见任务的指南。
- 良好的性能：为了代码的简洁性，我们没有试图榨干其所有性能，但该实现对于几乎所有生产和研究应用来说都已经足够快了。tf-seq2seq 也支持分布式训练，从而可在计算能力和训练时间之间进行权衡。
学术
写给大家看的机器学习书【Part4】—— 机器学习为什么是可行的（上）
这个系列文章，我将试着为开发工程师，产品经理、设计师、所有希望了解学习机器学习的人，介绍机器学习的原理、方法和实战技巧。
往期文章请见：【Part1】什么是机器学习？机器学到的到底是什么？、【Part2】训练数据长什么样？机器学到的模型是什么？、【Part3】直观易懂的感知机学习算法PLA
在本篇中，我们将具体辨析一个问题：用历史数据训练的模型能够预测未来吗？或者更直白一点，你敢用机器学习模型真金白银地进行股票交易吗？
李理：递归神经网络RNN扼要
本系列文章面向深度学习研发者，系统讲解了深度学习的基本知识及实践，以Image Caption Generation为切入点，逐步介绍自动梯度求解、卷积神经网络（CNN）、递归神经网络（RNN）等知识点。本文为第14篇，RNN系列第1篇。
前面我们介绍了CNN，这对于Image Caption来说是基础的特征提取部分，或者说是对图像的“理解”部分，而接下来需要用一句话来“描述”图像的内容，这就要借助RNN了。
RNN的特点是利用序列的信息。之前我们介绍的神经网络假设所有的输入是相互独立的。但是对于许多任务来说这不是一个好的假设。如果你想预测一个句子的下一个词，知道之前的词是有帮助的。RNN被成为递归的(recurrent)原因就是它会对一个序列的每一个元素执行同样的操作，并且之后的输出依赖于之前的计算。
文本生成，如何让人工智能学会用数据说话
美联社机器人撰写财经报道，微软机器人自动生成对联，谷歌机器人自动写诗，一时间，机器人自动写作成为学术界和产业界关注和讨论的热门话题。
机器人写作又称文本生成。从广义上讲，一些传统的自然语言处理任务，例如机器翻译、文本摘要、对联生成、诗词生成等都属于文本生成的范畴。这些任务的共同点是用户输入非结构化的文本，机器根据任务目标输出相应的文本。
不同于这些任务，本文主要与大家分享的是基于结构化数据的文本生成，即用户输入结构化的数据，机器输出描述和解释结构化数据的文本。该任务的特点是基于数据和事实说话。
趣味
围棋人机大战一周年：被AlphaGo改变的世界
去年今日，三连败的李世乭扳回一局。
然而这一针兴奋剂很快失效，随后李世乭再折一阵，最终以1:4输给AlphaGo。在围棋的人机大战中，顶级人类选手完败给人工智能。人工智能一战成名，李世乭留下落寞侧影。为AlphaGo落子的黄士杰一年后回忆说：“当时我代表AlphaGo下棋，必须保持冷静”。
从那时起到现在，人类始终生活在一个被AlphaGo改变的世界。站在围棋人机大战一周年的节点上，该如何回顾过去、展望未来呢？
本文为对创新工场AI工程院副院长王咏刚就人机大战一周年的采访。
王永刚表示：“未来最多三年必将发生的是，手机上的本地APP就可以战胜人类职业高手，现在热闹的网上围棋对弈平台都会死掉（因为对手可以轻易用手机作弊），人类围棋将回归现场竞赛，围棋培训讲师将更重视普及教育，因为中高级的提高训练完全可以用机器代练。”
“不过，如果说“攻克围棋”是像计算机可以穷举西洋跳棋的所有变化那样，让电脑成为围棋“上帝”，这个应该还不大可能。现在AI大部分的招数，还在人类高手可以理解的范畴内。AI也有一些可疑的“弱点”，比如官子水平到底如何等等。”
“以后AI和AI之间的竞赛，应该会不断促进AI提高（但这种没有太多商业利益的事情，有没有持续投入是个问题）。人类应该望尘莫及，但可以不断从AI中学习新的思想。”
迪士尼将在主题公园推出AI版“米老鼠”
北京时间3月14日上午消息，迪士尼公司为人们提供了一个体验未来主题公园的机会，机器人版本的标志性人物可以在游客中穿行。“它们需要知道自己要去哪里，有目标，而且，它们必须知道如何在人类的世界中穿行。”
在2017年西南偏南盛典(SXSW)上，这家娱乐公司表示已制定计划，拥抱新科技，在现场，他们还展示了一段机器人帕斯卡尔（《长发公主》中的变色龙）的视频短片。