微軟亞研自動語法糾錯系統達到人類水平

微軟亞研自動語法糾錯系統達到人類水平

因為 seq2seq 模型在語法糾錯上存在缺陷，微軟亞洲研究院的自然語言計算團隊近日提出了流暢度提升學習和推斷機制，用於改善 seq2seq 模型的語法糾錯性能。實驗表明，改進後的模型取得了當前最佳性能，並首次在兩個基準上都達到了人類水平。結合流暢度提升學習和推斷與卷積 seq2seq 模型，微軟亞洲研究院取得了當前最佳的結果，這使其成為首個在兩個基準上都達到人類水平的 GEC 系統。

NLP領域的ImageNet時代到來：詞嵌入「已死」，語言模型當立

計算機視覺領域常使用在 ImageNet 上預訓練的模型，它們可以進一步用於目標檢測、語義分割等不同的 CV 任務。而在自然語言處理領域中，我們通常只會使用預訓練詞嵌入向量編碼辭彙間的關係，因此也就沒有一個能用於整體模型的預訓練方法。Sebastian Ruder 表示語言模型有作為整體預訓練模型的潛質，它能由淺到深抽取語言的各種特徵，並用於機器翻譯、問答系統和自動摘要等廣泛的 NLP 任務。Ruder 同樣展示了用語言模型做預訓練模型的效果，並表示 NLP 領域中的「ImageNet」終要到來。

讓環境適應人類：百度展示AI時代的交互設計

7 月 5 日下午，在百度 AI 開發者大會上，舉辦了一場 AI 設計論壇，從交互的角度向我們解讀了 AI 時代的環境、用戶行為變化以及用戶體驗的新特點。在會上，百度還發布了機器人自然情感人機交互模型 NIRO。百度自 2010 年開始布局 AI 技術，先後開展了自然語言處理、計算機視覺、機器學習、數據挖掘、知識圖譜等 AI 技術的研發，隨後開始探討 AI 可能對人們生活產生的影響。百度認為，AI 的發展和人類的進化非常相似，而「重構」是伴隨 AI 發展最重要的事。

密集對象網路：通過機器人操作學習密集的視覺對象描述符

機器人操作中，針對特定任務的強化學習方法可以在給定的任務中獲得很好的技能，但是人們還沒有找到高效完成多種不同任務的最佳途徑。本文作者提出了密集對象網路——被訓練用來提供密集對象描述的深度神經網路。密集對象網路可以區分多個對象，以完全機器人自監督的方式快速學習，並實現新的操作任務。源代碼地址：https://github.com/ RobotLocomotion/pytorch-dense-correspondence

2018中國人工智慧大會7月28-29日深圳舉辦

由中國人工智慧學會主辦的學術交流盛會——2018中國人工智慧大會（簡稱CCAI2018）將於7月28-29日在深圳舉辦。CCAI創辦於2015年7月，今年的CCAI將登陸中國南方的科技與創新基地——深圳，現已有超過30位人工智慧領域的頂級嘉賓確認出席，預計將有超過2000名來自世界各地的朋友共聚一堂，共同探討和展望屬於人工智慧的新時代。 作為學會三大品牌活動之一（GAITC、CCAI、CIIS），CCAI2018是匯聚中國智慧和接軌世界前沿的頂級平台，肩負著「引領、協同、賦能」三大願景。

來源：智東西、機器之心等。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！