每月《Computer Vision News》都会选择一篇关于计算机视觉领域研究成果的论文进行回顾。今年三月份，他们选择了由 Yossi Gandelsman，Assaf Shocher 和 Michal Irani 三位学者（下文中所提到的作者，均指以上三位学者）共同完成的关于 Double-DIP 模型的论文，其中详细介绍了基于耦合的深度图像先验网络对单个图像进行无监督层分割这一技术。...

谷歌提出了一项新型模型缩放方法：利用复合系数统一缩放模型的所有维度，该方法极大地提升了模型的准确率和效率。谷歌研究人员基于该模型缩放方法，提出了一种新型 CNN 网络 EfficientNet，该网络具备极高的参数效率和速度。目前，该模型的代码已开源。...

在计算机视觉领域，图像分类其实是一个最基本的问题，然后一旦遇到极端长尾、开放式的数据集时，即便是最基本的图像识别任务，也难以很好地实现。伯克利 AI 研究院基于对某段相关的经历的思考提出了「开放长尾识别」（OLTR）方法，据介绍，该方法可同时处理庞大、稀有、开放类别的视觉识别，是目前视觉识别系统评价中更全面、更真实的一种检验标准，它可以被进一步扩展到检测、分割和强化学习上。这一成果也在伯克利 AI 研究院上进行了发表。...

MIT人工智能实验室的研究人员开发了一种“触觉手套”，548个传感器，戴上它就能识别物体、物体的重量等，而且原始成本仅需10美元！...

在我们的固有认知里，理解和研究人工智能需要人类大脑的帮助。最近，生物学家发现，人工智能实际上也能帮助我们理解大脑。...

神经架构搜索可以降低深度学习的门槛，有助于研究人员和从业人员更容易地使用深度学习。本文对现有神经架构搜索方法做了统一、分类和对比，还做了详细的分析。本文讨论了常见搜索空间以及基于强化学习原理和进化算法的常用架构优化算法，还有结合了代理模型和 one-shot 模型的方法。...

饮食评估可以帮助人们监督管理饮食，帮助人们科学摄入。近年来，智能手机和一些可穿戴设备可以达到一定的效果，但无论从便捷度、隐私性、数据负担上，都有一定的缺陷。AI图像分类不仅能有效解决这些问题，还可以在饮食数据库中检索出有关食物营养和能量含量的信息。...

符号主义和连接主义是人工智能领域中的两大流派。符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义 (Logicism)、心理学派 (Psychlogism) 或计算机学派 (Computerism)，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。符号主义认为人工智能起源于数理逻辑，人类认知（智能）的基本元素是符号（symbol)，认知过程是符号表示上的一种运算。连接主义 (connectionism)，又称为仿生学派 (bionicsism) 或生理学派 (physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。...

最近研究人员开发了一个新的框架，通过语法引导的网络生成器构建深层神经网络。 在实验测试中，在视觉识别任务中，新的网络——称为 AOGNets ——已经超越了现有的最先进的框架，包括广泛使用的 ResNet 和 DenseNet 系统。...

近年来人工智能的相关书籍可以说是汗牛充栋，有阐述人工智能基本工作原理与核心应用的，有介绍其发展历史的，有分析市场趋势和商业机会的，也有探讨人工智能带来的伦理挑战、社会政治经济影响以及其深远哲学意义的，当然还有大多数人无法企及的面向专业人员的硬核技术类书籍。各种著作繁杂不堪、无从下手，读者也往往被含混不清似是而非的描述所困扰。如果你没有时间去阅读大量的书籍，想通过一两本书来了解这个领域的主要脉络，那么王维嘉博士所著的《暗知识：机器认知如何颠覆商业和社会》是一个非常好的选择。本书深入浅出、精炼明晰的覆盖讨论了上面关于人工智能这些最重要的话题。作者原来在斯坦福大学攻读博士期间便做过人工智能方面的研究，后来在硅谷和中国创办高科技公司，现在硅谷专注人工智能领域的投资。...