Lei Feng réseau AI presse technologique, NIPS 2017 est aux États-Unis a eu lieu en plein essor, le domaine de l'apprentissage de la machine comme une conférence de haut, les participants ont enregistré cette année plus de 8000 personnes.

Prêchez la scène Keynote, orale et Sportlight autre jeu de papier en circulation par jeu, journaliste AI Technology Review Lei Feng réseau sont toujours préoccupés par. En plus du papier, il y a un ordre du jour particulièrement attention cette année, le temps des États-Unis le 8 Décembre, l'Assemblée générale aura un champ autour NIPS 2017 Concours piste (NIPS concours 2017) de l'atelier. NIPS 2017 point Concours piste sur l'ordre du jour est nouveau cette année, les organisateurs ont choisi cinq différents types de classes basées sur des données de match race de 23 propositions, couvrant un large éventail de domaines.

Cet atelier se poursuivra jusqu'à huit heures du matin à 19h30 et les organisateurs de la course prêcher joueurs gagnants viendront au stade où il y a tout le monde connaît, Ian Goodfellow, Yoshua Bengio, qui (comme les organisateurs de la course).

Le réseau suivant Lei Feng AI Technology Review fournira des informations détaillées sur les cinq tout le monde de match.

Le Défi Intelligence conversationnel (jeu de dialogue intellectuel)

Le jeu est l'Institut de Moscou de physique et de la technologie (MIPT), Université McGill (Université McGill), un certain nombre d'établissements d'enseignement de l'Université de Montréal (Université de Montréal) et d'autres co-animateur, les organisateurs pour les joueurs de fournir des bonus de 10000 $, Facebook est un jeu commanditaire platine.

Selon les organisateurs, « dialogue système de communication homme-machine (robot de discussion, une interface assistant personnel et la commande vocale, etc.) de plus en plus courant dans notre vie quotidienne, l'intention originale du jeu est de créer un dialogue avec l'intelligence humaine peut discuter robots, ils espèrent la prochaine génération de système de conversation intelligente contribue au développement d'ensembles de données ouvertes ".

La concurrence est divisé en quatre étapes --Qualification rondes (phase d'authentification), cycle d'évaluation humaine (phase d'évaluation), Round Tuning (phase d'ajustement), Round SPNI (stade SPNI). En cycle d'évaluation humaine, les joueurs doivent évaluer chaque équipe au moins 150 le dialogue et dans le Cycle Tuning, nous avons besoin d'ajuster leurs programmes, le modèle de formation. NIPS ronde, le système sera soumis à la session d'évaluation.

Dans les tableaux public actuel peut le voir, les joueurs chinois, équipe PolyU de l'Université polytechnique de Hong Kong et de l'Université Fudan à la cinquième place du Round NIPS.

Médecine personnalisée: Redéfinir le traitement du cancer (médecine personnalisée: Redéfinir le traitement du cancer)

Les équipes de course un total de 1386, le premier prix est 10000 $, 3000 $ deuxième, troisième place 2000 $.

Le concours a été lancé par le Cancer Centre Sloan-Kettering (de MSKCC), tenue le Kaggle, le débat actuel sur le jeu, il y a beaucoup, si vous êtes intéressé par ce jeu, vous pouvez cliquer sur https://www.kaggle.com/c/ MSK-redéfinissant-de traitement du cancer voir les détails. À l'heure actuelle les joueurs chinois ont obtenu de bons résultats, vous pouvez voir les comptes Kaggle pour les joueurs Li-Der chinois a fait la première Leaderboard publique, compte Kaggle privatisable pour Leaderboard le troisième joueur chinois Yang.

Dans le jeu, les joueurs doivent être développés en fonction des mutations de l'algorithme de classification des signes cliniques (texte), les mutations de gènes peuvent être divisés en neuf catégories. Même pour les experts, l'interprétation clinique de la preuve est très difficile, si vous voulez réussir (texte) des signes cliniques de la difficulté de modélisation très grande. Ces algorithmes peuvent aider les gens à résoudre la complexité du cancer, et ont découvert des mutations génétiques inconnues qui jouent souvent un rôle important dans la génération des cellules cancéreuses.

Attaques et Défenses (accusatoires défense contre jeu d'attaque)

Le nom complet du jeu non ciblé accusatoire attaque, brève introduction est « transformer Insensiblement images de manière que les modèles de classification fou », qui est, la nécessité de modèle de classification de tromper la façon dont l'image subtilement trompeuse. Le jeu de cerveau pour l'équipe Google (Ian Goodfellow et al.) Organisateur principal, en particulier, la compétition est divisée en trois éléments:

• Indifférenciés accusatoire attaque, candidat de présentation du système requis pour un traitement d'image donnée, de sorte qu'un classificateur d'apprentissage de la machine ne reconnaît pas.

• Ciblée accusatoire attaque, concurrent du système requis pour un a présenté le traitement d'image donnée, ce qui permet un classificateur d'apprentissage de la machine peut identifier avec succès l'image appartient à une catégorie spécifique.

• La défense contre accusatoire attaque, les participants doivent construire un classificateur d'apprentissage machine, assez robuste pour qu'il puisse identifier correctement l'image conflictuel.

Le total du tournoi de 91 équipes participantes, les classements, l'équipe TSAIL (Yinpeng Dong, Tianyu Pang, Fangzhou Liao) de l'occupation Université Tsinghua liste Leaderboard.

À l'heure actuelle plus de la robustesse actuelle mauvaise des systèmes d'apprentissage machine, vulnérables contre l'échantillon, l'échantillon après une légère modification, peut faire une erreur d'apprentissage de la machine, ce jeu est principalement d'accélérer classificateur d'apprentissage machine de recherche l'échantillon de confrontation pour améliorer sa robustesse.

Articles connexes:

Ian Goodfellow a conduit tournoi organisé apprentissage machine NIPS, pour améliorer la robustesse du système

Apprendre à exécuter (en cours d'exécution d'apprentissage de la course)

Le total du tournoi de 595 équipes s'inscrire, où les athlètes chinois ont bien performé, de l'Université des sciences et de la technologie de la Chine équipe USTC-IMCL classé premier au tour 1, Huang Zhewei de l'Université Tsinghua ont été classés deuxième Round1 et Round2 dans le jeu les quelques premiers joueurs chinois ont balayé presque tous étaient. Il est à noter que le champion peut obtenir NVIDIA DGX Station, finaliste et deuxième prix de runner-up est NVIDIA Titan Xp.

L'événement a été organisé par la mécanique de Stanford laboratoire de biologie neuromusculaire (MNBL), a demandé aux participants de développer un contrôleur, conformément à la physiologie du modèle du corps humain peut être exécuté dans un des obstacles complexes aussi rapidement que possible. Fournir le modèle basé sur la physique jeu musculo-squelettique humain et l'environnement de simulation dans lequel les participants peuvent synthétisé physiquement et physiologiquement des mouvements précis, la peine de rupture en traction sous un courant à une distance temporelle prédéterminée et ligaments marqué.

Les exigences en matière de concurrence, la nécessité pour les participants de visualisation de l'état actuel à l'aide d'une entrée (41 dimensions vecteur) de la fonction f, et d'optimiser le comportement de commande de sortie de manière récompense muscle (vecteur 18 dimensions). Parmi eux, le rendement total est après la dernière itération de la position du bassin X-axe (distance en cours d'exécution) moins la peine un usage excessif de la force pour amener les ligaments (ligaments est d'empêcher une flexion excessive des articulations, si l'ampleur de la course sur la cause Assemblée générale lésion ligamentaire, qui est dans la course à éviter).

Articles connexes:

Alchemy étudiant en deuxième année de route d'entrée juvénile: Entretien avec declics 2017 "Apprendre à courir" runner-up concours Huang Zhewei | NIPS 2017

Question humaine Computer Réponse (système QA jeu homme-machine)

Comme nous le savons tous, le domaine du système de réponse question intelligente impliquant un large éventail, comme la représentation d'extraction et de la connaissance, la compréhension des questions utilisateur sémantiques et obtenir des réponses par le raisonnement des connaissances. Ces zones doivent être une étude approfondie, pour obtenir un meilleur système de répondeur question intelligente. Cette année, les participants doivent présenter jeu-questionnaire système IBM Watson similaire au même, le système répondant à la question au moment des problèmes de réception, chaque fois qu'il reçoit un mot, l'auto-déterminé par le système quand répondre.

Dans le domaine de l'apprentissage machine, voix, image, etc., nous avons obtenu de bons résultats, mais le traitement du langage naturel est encore une difficulté, ce jeu sera très stimulant.

L'événement, un certain nombre d'agences des chercheurs de l'Université de Stanford (Stanford University) et d'autres parrainés par l'Université du Maryland (Université du Maryland), Amazon AWS fournit un financement de l'équipement. Dans l'atelier de demain, le temps des États-Unis 18:00, le système va gagner et les joueurs humains pour jouer contre quiz haut, qui sera très excitant.

A propos de NIPS 2017 Concours piste de cette fin, Lei Feng réseau AI Technology Review continuera de se concentrer, pour vous apporter les dernières nouvelles.