【導(dǎo)語(yǔ)】我們從 12 月里近1400篇機(jī)器學(xué)習(xí)文章進(jìn)行了排名，并挑選出最受大家關(guān)注的十篇文章。這些文章的內(nèi)容主要是由 Google、DeepMind、OpenAI 等科技公司發(fā)布的自家在機(jī)器學(xué)習(xí)領(lǐng)域最新技術(shù)研究，比如 AlphaZero、CoinRun、NLP模型（BERT、ELMo、co）、Pixel Camera 的夜視功能技術(shù)、Go-Explore、YOLO with OpenCV 等主題。

下面就一起來(lái)看一下 2018 年度完美收官的十篇都講了哪些內(nèi)容~

熱文1：AlphaZero

這篇文章是基于 DeepMind團(tuán)隊(duì)的AlphaZero 研究所撰寫(xiě)的一篇博文，旨在為象棋（Chess）、日本象棋（Shogi）和圍棋（Go）的發(fā)展提供新的思路。AlphaZero是一個(gè)獨(dú)立的系統(tǒng)，通過(guò)自學(xué)，從頭開(kāi)始掌握象棋和圍棋游戲規(guī)則并最終擊敗了各自領(lǐng)域的世界冠軍，引起了社區(qū)的廣泛關(guān)注。此外，其相關(guān)的論文已經(jīng)在Science上發(fā)表。更多詳細(xì)內(nèi)容可以進(jìn)一步學(xué)習(xí)。

文章主頁(yè)鏈接：

https://deepmind.com/blog/alphazero-shedding-new-light-grand-games-chess-shogi-and-go/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

熱文2：CoinRun

這篇熱文的內(nèi)容是關(guān)于 OpenAI研究團(tuán)隊(duì)提出新的訓(xùn)練環(huán)境 CoinRun，闡述了如何量化強(qiáng)化學(xué)習(xí)中智能體的泛化能力。CoinRun 提供了一個(gè)新的評(píng)價(jià)指標(biāo)，用于衡量智能體將過(guò)去學(xué)習(xí)經(jīng)驗(yàn)遷移到新環(huán)境的能力，并已解決了強(qiáng)化學(xué)習(xí)領(lǐng)域中長(zhǎng)期存在的一大難題。此外，相比于傳統(tǒng)的游戲平臺(tái)，如 Sonic the Hedgehog，CoinRun能夠更好地平衡復(fù)雜性問(wèn)題。

文章主頁(yè)鏈接：

https://blog.openai.com/quantifying-generalization-in-reinforcement-learning/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

論文鏈接：

https://arxiv.org/abs/1812.02341

熱文3：BERT, ELMo, co

本文的內(nèi)容主要是對(duì)當(dāng)前 NLP 領(lǐng)域的三大模型的綜述。2018年是自然語(yǔ)言處理領(lǐng)域(NLP)取得突破性進(jìn)展的一年，以Google團(tuán)隊(duì)提出的BERT模型為典型代表。再加上此前研究人員提出的ELMo和co模型，可以說(shuō)當(dāng)前機(jī)器學(xué)習(xí)模型已經(jīng)能夠很好地捕捉詞句間潛在意義和關(guān)系，并進(jìn)行概念性的理解和表達(dá)。有關(guān)模型的具體細(xì)節(jié)可以查閱本文的詳細(xì)介紹及模型相關(guān)的論文。

文章主頁(yè)鏈接：

http://jalammar.github.io/illustrated-bert/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

熱文4：Night Sight

Night Sight是 Google團(tuán)隊(duì)提出的一種基于 Pixel camera的應(yīng)用程序，即使在非?；璋档墓饩€(xiàn)條件下，你也可以通過(guò)此 app拍攝到非常清晰、干凈的照片。作者分別介紹了當(dāng)前拍照技術(shù)在低光照條件下所面臨的挑戰(zhàn)，還有計(jì)算攝影和機(jī)器學(xué)習(xí)技術(shù)，HDR+技術(shù)等話(huà)題。

文章主頁(yè)鏈接：

https://ai.googleblog.com/2018/11/night-sight-seeing-in-dark-on-pixel.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

熱文5：Go-Explore

Go-Explore是由 Uber工程師提出的一種新型的 hard-exploration算法，并在 Montezuma’s Revenge游戲上驗(yàn)證了其出色的性能。

熱點(diǎn)文章鏈接：

https://eng.uber.com/go-explore/

熱文6：YOLO with OpenCV

此文是關(guān)于如何基于 OpenCV實(shí)現(xiàn) YOLO 模型，這是當(dāng)前最先進(jìn)的目標(biāo)檢測(cè)算法之一。通過(guò)這篇教程，作者將一步步演示如何結(jié)合深度學(xué)習(xí)技術(shù)、OpenCV和 Python，用 YOLO 檢測(cè)圖片和視頻中的目標(biāo)。

文章主頁(yè)鏈接：

https://www.pyimagesearch.com/2018/11/12/yolo-object-detection-with-opencv/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

熱文7：AlphaFold

AlphaFold同樣是由 DeepMind研究人員開(kāi)源的一個(gè)項(xiàng)目，旨在展現(xiàn) AI技術(shù)是如何應(yīng)用并推動(dòng)科學(xué)領(lǐng)域的研究和發(fā)展。AlphaFold系統(tǒng)能夠僅僅利用基因序列信息來(lái)預(yù)測(cè)生物蛋白質(zhì)的 3D結(jié)構(gòu)。通過(guò)該系統(tǒng)生成的蛋白質(zhì)模型甚至比之前任何研究中得到的蛋白質(zhì)結(jié)構(gòu)都要更加準(zhǔn)確。

文章主頁(yè)鏈接：

https://deepmind.com/blog/alphafold/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

熱文8：FaceID

FaceID這篇文章向讀者展現(xiàn)了當(dāng)前最時(shí)髦的人臉識(shí)別/解鎖技術(shù)的工作原理。本文作者還在Youtube上進(jìn)行了詳細(xì)的演示和說(shuō)明。

熱文9：Learning Concepts with Energy Functions

這是 OpenAI提供的一個(gè)開(kāi)源項(xiàng)目，提出了一種基于能量的模型，能夠快速學(xué)習(xí)識(shí)別和生成概念實(shí)例并將其表示為 2d的點(diǎn)集，如上、中、最近和最遠(yuǎn)等概念。更令人驚訝的是，該模型僅經(jīng)過(guò)五次學(xué)習(xí)演示就能夠?qū)W習(xí)到這些概念特征。此外，該模型還進(jìn)一步通過(guò)遷移學(xué)習(xí)，將二維例子環(huán)境中學(xué)習(xí)概念用于解決基于三維物理機(jī)器人的相關(guān)任務(wù)，展現(xiàn)了不錯(cuò)的跨域遷移能力。

文章主頁(yè)鏈接：

https://blog.openai.com/learning-concepts-with-energy-functions/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

論文鏈接：

https://arxiv.org/abs/1811.02486

熱文10：Forensic Deep Learning

Forensic Deep Learning是一年前Kaggle上的一道計(jì)算機(jī)視覺(jué)類(lèi)的競(jìng)賽題，旨在由圖像捕捉拍攝所用的相機(jī)類(lèi)型。這篇文章是由參賽人員整理的參賽心得，分享了自己是如何解決這個(gè)任務(wù)的，還有解決問(wèn)題中一些獨(dú)特的想法。

文章主頁(yè)鏈接：

https://towardsdatascience.com/forensic-deep-learning-kaggle-camera-model-identification-challenge-f6a3892561bd

原文鏈接：

https://medium.mybridge.co/machine-learning-top-10-articles-for-the-past-month-v-dec-2018-37b229f930a1