深度学习的2016: NIPS 2016速览

With best wishes for a happy New Year!

NIPS（Nerual Information Processing Systems）是人工智能、机器学习领域的顶级学术会议，恰逢深度学习火热，今年于12月7日召开的第30届NIPS 2016会议更是快成为“盛会”了——2500多篇高质量论文投稿，超过5000人的参会规模，Andrew Ng、Ian Goodfellow、Yann LeCun等深度学习领军人物云集与此。

得益于现如今互联网技术的发展，足不出户便可一览全世界热点信息，小虾米特意搜集了NIPS 2016会议的一些信息，总结了如今深度学习领域的一些最新进展，与江湖好友们一同分享～

Ian Goodfellow在会上介绍了关于对抗生成网络GAN的最新研究进展，虽有托的嫌疑，但Yann LeCun将其称之为“20年来神经网络领域最令人兴奋的想法”也足以说明了GAN在深度学习领域将占据重要一席之地。其基本思想是同时构建生成网络和判别网络，通过两者生成-检测的博弈对抗，以其零和博弈结果作为优化损失函数不断逼近目标。最新的研究进展已可实现计算机自动生成类似于ImageNet上的真实图像。

不负众望，Google Deepmind团队带来了关于迁移增强学习最新进展，在游戏仿真环境里AI代理通过增强学习实现未来机器人智能迁移学习，可以预期，类似于AlphaGo战胜李世石，通过迁移增强学习构建游戏的人工智能AI将在游戏竞技中战胜人类冠军也将是不远的未来。更让小虾米兴奋不已的是，迁移增强学习将虚拟现实和人工智能两个领域架上了一座桥梁，指明了大好的前景方向。One more thing，Deepmind Lab开源了！

深度学习如何给机器人带来智能？Pulkit Agrawal介绍了他们团队的工作：通过观察人工操作机器人工作的上百小时视频，使用卷积神经网络学习，构造正向模型预测机器人的行为结果，通过逆向模型采集环境状态并映射为行为。令人惊讶的是，将该机器人放置到一个未知环境下，它可以通过自学习自动生成合理的行为。将更多的采集信息与深度学习有效的融合在一起，这些技术将为未来的无人驾驶保驾护航。

如果说用一句话总结2016年最著名的论断，那一定是Yann LeCun的“蛋糕理论”了，即纯强化学习类比于蛋糕上的樱桃，直观好看但样例少；有监督学习结合了人的经验类比于蛋糕上的奶油，内容增多了但仍浮于表层；而无监督学习或者预测学习才是整个蛋糕，还能处理表层之内被遮挡的慕斯。Kyle Cranmer类比于此，人工智能系统其实只是樱桃，数据科学是奶油，整个蛋糕则对应于更复杂的数据工程。呜呼哀哉，好大的蛋糕（坑）啊～

当然，这只是NIPS 2016比较吸引大众眼球的一些论点和结果，还有更多的珍珠都藏于论文之中，以后有机会再讨论切磋吧。以此做为2016年的总结，迎向新年，祝大家2017年新年快乐！

---

数据科学武林风起云涌，
随数据小虾米共闯江湖~