对电子复杂行为的理解促使了一些改变社会的发现，比如晶体管的发明使计算机革命成为可能。今天，通过技术的进步，人们可以比过去更深入地研究电子行为，从而有可能实现像个人电脑那样改变世界的科学突破。然而，这些工具生成的数据太复杂，人类无法解释。科内尔领导的一个团队开发了一种利用机器学习来分析扫描隧道显微镜(STM)生成数据的方法，扫描隧道显微镜是一种技术，它可以生成亚原子尺度的图像。...

如果要让机器人拥有人的学习能力，应该怎么做？伯克利 AI 研究院给出了一个很好的答案——元强化学习（meta-RL）。但这一次伯克利 AI 研究院不只是使用了元强化学习，还考虑POMDP、异步策略梯度等等知识体系，最终得到了一个高样本效率、高探索效率的新算法「PEARL」。这一成果不仅为解决 AI 的实际问题提供新的思考角度；同时也是实现在现实系统中规模化应用元强化学习的的第一步。...

谷歌大脑和CMU联合团队提出面向NLP预训练新方法XLNet，性能全面超越此前NLP领域的黄金标杆BERT，在20个任务上实现了性能的大幅提升，刷新了18个任务上的SOTA结果，可谓全面屠榜！...

华盛顿大学（University of Washington）的研究人员近日开发了一种新的可以监测人们在睡眠时的心跳停止情况非接触式工具。智能扬声器或智能手机的一项新技术可以让设备探测到无区域呼吸的喘息声并启动呼救。这个概念验证工具是使用从911电话中捕捉到的真实的无地域呼吸实例开发的，它平均97%的时间在20英尺(或6米)之外探测到无地域呼吸事件。...

据外媒CNET报道，最近的一项研究表明神经网络可以创造完美的披萨食谱。本月早些时候在Arxiv.org上出现的麻省理工学院的研究重点是一个名为PizzaGAN的神经网络，它可以通过查看披萨照片来学习和复制制作披萨的方法。...

神经网络训练中“权重”有多重要不言而喻。但现在，可以把权重抛诸脑后了。谷歌大脑最新研究提出“权重无关神经网络”，通过不再强调权重来搜索网络结构，所搜索的网络无需权重训练即可执行任务！...

一般来说，人工智能模型的大小与它们的训练时间有关，因此较大的模型需要更多的时间来训练，随后需要更多的计算。优化数学函数(或神经元)之间的连接是有可能的，通过一个称为修剪的过程，它在不影响准确性的情况下减少了它们的整体大小。但是修剪要等到训练后才能进行。...

如果照片中的人忽然走出来和你拥抱，你会作何反应？华盛顿大学的研究人员重现了只存在《哈利波特》电影中的神奇场景，他们成功“唤醒”了照片，让画中人走出了相框，踏入了现实！...

目前主流实例分割方法都严重依赖于物体的边界框检测，很少有研究者在实例分割中考虑「人」这一个类别的特殊性。在这篇论文中，清华大学、腾讯AI Lab、卡迪夫大学等机构的研究者提出利用骨架检测来定位人体实例，从而构建更高效的实例分割方法。...

图神经网络是一种有效的图表示学习框架。 Gnn 遵循一个邻域聚合方案，其中一个节点的表示向量是通过递归聚合和转换相邻节点的表示向量来计算的。 图分类问题在许多不同的领域也都有实际的应用。 本文总结了近一年来图神经网络在深度学习方面的应用，文中论文都有源代码，供大家参考。...