Question

人工智能哪些领域及公司值得关注

Answer 1

1. 强化学习（RL）
强化学习是一种试错（trial-and-error）的学习范式。在一个典型的 RL 中，强化学习需要连续选择一些行为，而这些行为完成后会得到最大的收益。强化学习在没有任何标记，也不告诉算法应该怎么做的情况下，先尝试做出一些行为，得到一个结果，然后通过判断这个结果的正误对之前的行为进行反馈，再由这个反馈来调整之前的行为。通过不断的调整，算法能够学习到在什么样的情况下选择什么样的行为可以得到最好的结果。谷歌 DeepMind 就是用强化学习的方法在 Atari 游戏和围棋中取得了突破性进展。
应用范围：为自动驾驶汽车提供 3D 导航的城市街道图，在共享模型环境下实现多个代理的学习和互动，迷宫游戏，赋予非玩家视频游戏中的角色人类行为。
公司：DeepMind（谷歌），Prowler.io，Osaro，MicroPSI，Maluuba （微软），NVIDIA，Mobileye 等。
2. 生成模型
与判别模型不同的是，生成方法可以由数据学习联合概率密度分布，然后求出条件概率分布作为预测的模型，即生成模型。它的基本思想是首先建立样本的联合概率概率密度模型，然后再得到后验概率，再利用其进行分类。2014 年，蒙特利尔大学的 Ian Goodfellow 等学者发表了论文 《Generative Adversarial Nets》 ，即“生成对抗网络”，标志了 GANs 的诞生。这种生成对抗网络就是一种生成模型（Generative Model），它从训练库里获取很多训练样本，并学习这些训练案例生成的概率分布。GANs 的基本原理有 2 个模型，一个是生成器网络（Generator Network），它不断捕捉训练库里真实图片的概率分布，将输入的随机噪声（Random Noise） 转变成新的样本。另一个叫做判别器网络（Discriminator Network），它可以同时观察真实和假造的数据，判断这个数据到底是真的还是假的。这种模型是用大规模数据库训练出的， 具有比其他无监督学习模型更好的效果。
应用范围：用于真实数据的建模和生成，模拟预测时间序列的可能性，比如为强化学习制定计划，在图像，视频，音乐，自然语句等领域都有应用，比如预测图像的下一帧是什么。
公司：Twitter Cortex，Adobe， 苹果，Prisma， Jukedeck，Creative.ai，Gluru， Mapillary，Unbabel 等。