本文介紹了近期在機器學習/人工智能領域一些非常有創意的突破，每一個都腦洞大開，不管是否是相關從業人員都值得一讀。并附上一些論文、視頻鏈接和簡要總結。

與其他領域相比，機器學習/人工智能現在發展的非?？?，經常有一些有趣的突破。讓你不由自主的發出“wow”甚至“人間值得”的感嘆！（兩分鐘論文作者的口頭禪）

兩分鐘論文

https://www.youtube.com/channel/UCbfYPyITQ-7l4upoX8nvctg

免責聲明：我并沒有對“振奮人心”或“突破”進行嚴格的定義；這只是一個非正式的清單。我會用可能不那么嚴格的術語來讓這篇文章更通俗易懂。

從看似不可用的信息中得出驚人的準確估計

透過墻對人體姿態做估計

麻省理工學院研究人員的網站/視頻（2018年）

http://rfpose.csail.mit.edu/

我們可以根據某人對WiFi信號的擾亂，準確地估計此人在墻壁另一側是如何站著/坐著/走路的。

從視頻中測量材料的物理特性

麻省理工學院研究人員的文章/視頻（2015年）

http://news.mit.edu/2015/visual-microphone-identifies-structural-defects-0521

研究人員在2014年首次展示了根據振動情況從薯片包裝袋的視頻（沒有聲音）中重現人類的語音。該成果沒有涉及機器學習。2015年，他們使用機器學習，并展示了通過視頻來估計材料的剛度、彈性、單位面積的重量等（在某些情況下，僅僅空氣正常循環引起的振動就足夠了）。

從鍵盤旁邊的智能手機估計鍵盤敲擊

論文，2015

https://www.sigmobile.org/mobicom/2015/papers/p142-liuA.pdf

研究人員發現，從一臺放在鍵盤旁邊的智能手機中錄制的音頻，可以以94%的準確率估計鍵盤敲擊。與以前在鍵盤周圍放置許多麥克風的情況下使用有監督的深度學習方法不同，這篇論文實際上使用了相對簡單的機器學習技術（k-均值聚類）和無監督學習。

生成模型

逼真的面部生成、樣式混合和移植

Nvidia研究人員的論文/視頻（2018年）

論文

https://arxiv.org/abs/1812.04948

視頻

https://www.youtube.com/watch?v=kSLJriaOumA

研究人員將一種新的結構與大量的GPU結合起來，創造出極其逼真的人造人臉，這些人臉是其他人臉之間的移植，或者是一個人臉到另一個人臉的“樣式”應用。這項工作建立在過去關于生成對抗網絡（GANs）的工作之上。GANs是在2014年發明的，從那時起對它的研究就出現了爆炸式增長。GANs最基本的解釋是兩個相互對抗的神經網絡（例如，一個是將圖像分類為“真實”或“假冒”的神經網絡，另一個是以試圖“欺騙”第一個神經網絡將假冒圖像錯誤分類為真實的方式生成圖像的神經網絡……因此，第二個神經網絡是第一個的“對手”）。

總的來說，關于對抗性機器學習有很多很酷的研究，已經存在了十多年。對網絡安全等也有許多令人毛骨悚然的影響，但我再講就跑題了。

很酷的研究

https://github.com/yenchenlin/awesome-adversarial-machine-learning

教機器繪圖

Google Brain的博客帖子（2017年）

https://ai.googleblog.com/2017/04/teaching-machines-to-draw.html

兩幅圖之間的插值

我在Google Brain的好朋友David Ha用一個生成循環神經網絡（RNN）來繪制基于矢量的圖形（除了自動以外，我認為這就是Adobe Illustrator）。

David Ha

https://twitter.com/hardmaru

把炫酷的舞步遷移給不會跳舞的人

加州大學伯克利分校研究人員的網站/視頻（2018年）

網站

https://carolineec.github.io/everybody_dance_now/

視頻

https://www.youtube.com/watch?v=PCBTZh41Ris

想想“舞蹈版的Auto-Tune”。通過姿勢估計和生成對抗訓練，研究人員能夠制作任何真人（“目標”人物）跳舞的假冒視頻，視頻中的人舞技精湛。所需輸入僅為：

一段舞蹈高手的跳舞短視頻

幾分鐘目標人物跳舞的視頻（通常很糟，因為大多數人都不擅長跳舞）

我還看到了Nvidia的首席執行官黃延森（Jensen Huang）展示了一段自己像邁克爾杰克遜一樣跳舞的視頻（用這種技術）。很高興我之前參加了GPU技術大會，哈哈。

強化學習

世界模型-人工智能在自己的夢里學習

Google Brain網站（2018年）

https://worldmodels.github.io/

人類并不真正了解或思考我們生活的世界里的所有細節。我們的行為基于我們頭腦中世界的抽象。例如，如果我騎在自行車上，我不會想到自行車的齒輪/螺母/螺栓；我只是大致了解車輪、座椅和把手的位置以及如何與它們交互。為什么不對人工智能使用類似的方法呢？

這種“世界模型”方法（同樣，由David Ha等人創建）允許“agent”（例如，在賽車游戲中控制汽車的人工智能）創建一個世界/周圍環境的生成模型，這是對實際環境的簡化/抽象。所以，你可以把這個世界模型看作是一個存在人工智能頭腦中的夢。然后人工智能可以通過強化學習在這個“夢”中得到更好的表現。因此，這種方法實際上是將生成性機器學習與強化學習相結合。通過這種方式，研究人員能夠在特定的電子游戲任務上實現目前最先進的水平。

[2019/2/15更新]在上述“世界模型”方法的基礎上，谷歌剛剛發布了PlaNet:Deep Planning Network for Reinformation Learning，與以前的方法相比，數據效率提高了5000%。

PlaNet:Deep Planning Network for Reinformation Learning

https://ai.googleblog.com/2019/02/introducing-planet-deep-planning.html

AlphaStar——擊敗頂級職業玩家的星際爭霸II AI

DeepMind（Google）的博客文章，e-sports-ish視頻，2019年

博客文章

https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/

e-sports-ish視頻

https://www.youtube.com/watch?v=cUTMhmVh1qs

我們在李世石和DeepMind AlphaGo之間的歷史性圍棋比賽之后已經走了很長的路，這場比賽震撼了全世界，它僅僅發生在3年前的2016年（看看NetFlix紀錄片，讓一些人哭泣）。更令人驚訝的是，盡管沒有使用任何來自人類比賽的訓練數據，2017年的AlphaZero在圍棋方面比AlphaGo更好（也比國際象棋、日本象棋等領域的其他算法更好）。但2019年的AlphaStar更驚人。

李世石和DeepMind AlphaGo之間的歷史性圍棋比賽

https://en.wikipedia.org/wiki/AlphaGo_versus_Lee_Sedol

NetFlix紀錄片

https://www.netflix.com/sg/title/80190844

自1998年以來，作為一名星際迷，我很了解星際的精髓“……需要平衡短期和長期目標，適應意外情況……這是一個巨大的挑戰。”這是一個真正困難和復雜的游戲，需要多層次的理解才能玩得好。自2009年以來，對星際游戲算法的研究一直在進行。

AlphaStar基本上使用了監督學習（來自人類比賽）和強化學習（與自身對抗）的組合來實現其結果。

人類訓練機器人

通過一次人工演示將任務傳授給機器

Nvidia研究人員的文章/視頻（2018年）

文章

https://news.developer.nvidia.com/new-ai-technique-helps-robots-work-alongside-humans/

視頻

https://www.youtube.com/watch?time_continue=1&v=B7ZT5oSnRys

我可以想到三種典型的方法來教機器人做一些事情，但都需要大量的時間/勞力：

針對每種情況手動編程機器人的關節旋轉等

讓機器人多次嘗試這個任務（強化學習）

多次向機器人演示任務

通常對深度學習的一個主要批評是，產生數以百萬計的示例（數據）是非常昂貴的。但是，有越來越多的方法不依賴如此昂貴的數據。

研究人員根據一個單一的人類演示視頻（一個實際的人類用手移動方塊），找到了一種機器人手臂成功執行任務的方法（例如“拿起方塊并將其堆疊起來，使它們按順序排列：紅色、藍色、橙色”），即使視頻是從不同角度拍攝的。該算法實際上生成了一個它計劃執行的任務的可讀描述，這對于故障排除非常有用。該算法依賴于具有姿態估計，合成訓練數據生成和模擬到現實傳遞的對象檢測。

無監督機器翻譯

Facebook人工智能研究博客（2018年）

https://code.fb.com/ai-research/unsupervised-machine-translation-a-novel-approach-to-provide-fast-accurate-translations-for-more-languages/

通常，你需要一個龐大的翻譯文檔訓練數據集（例如聯合國議項的專業翻譯），以便很好地進行機器翻譯（即監督學習）。然后，許多主題和語言之間沒有高質量、豐富的訓練數據。在這篇論文中，研究人員發現，可以使用無監督學習（即不使用翻譯數據，只使用每種語言中不相關的語料庫），達到最先進的監督學習方法的翻譯質量。Wow。

基本思想是，在任何語言中，某些單詞/概念往往會出現在很近的位置（例如“毛茸茸的”和“貓咪”）。他們把這描述為“不同語言中的詞嵌入具有相似的鄰域結構。”好吧，我明白這個想法，但是使用這種方法，他們可以在沒有翻譯數據集的情況下達到如此高的翻譯質量，仍然讓人吃驚。

結語

如果你之前沒有對機器學習/人工智能的發展感興趣的話，我希望這篇文章能幫到你。也許一年后我會再寫一篇類似的文章。