BerandaComputers and Technology'Harus Membaca' Makalah dari Ahli AI

'Harus Membaca' Makalah dari Ahli AI

13 ‘Must-Read’ Papers from AI Experts

Lihat bagian dua dengan pakar baru di sini .

Setelah daftar bacaan ‘buku AI teratas’ diterima dengan baik, kami menghubungi beberapa komunitas kami untuk mencari tahu makalah mana yang mereka yakini harus dibaca semua orang!

Semua makalah di bawah ini bebas untuk mengakses dan mencakup berbagai topik dari Hypergradien hingga pemodelan respons hasil untuk CNN. Setiap ahli juga memasukkan alasan mengapa makalah tersebut dipilih serta bio singkat.

Lebih suka mendengarkan perbaikan AI Anda? Daftar podcast AI teratas kami dapat ditemukan di sini .

Jeff Clune , Pemimpin Tim Peneliti di OpenAI

Kami berbicara dengan Jeff pada bulan Januari dan pada saat itu dia tidak dapat memilih hanya satu makalah sebagai yang harus dibaca, jadi kami biarkan dia memilih dua. Kedua makalah tersebut tercantum di bawah ini:

Learning to Reinforcement Learn (2016) Jane X Wang dkk

Makalah ini membongkar dua poin pembicaraan utama, batasan data pelatihan yang jarang dan juga jika jaringan berulang dapat mendukung pembelajaran-meta dalam konteks yang diawasi sepenuhnya. Poin-poin ini dibahas dalam tujuh percobaan bukti konsep, yang masing-masing memeriksa aspek kunci dari meta-RL yang dalam. Kami mempertimbangkan prospek untuk memperluas dan meningkatkan pendekatan, dan juga menunjukkan beberapa implikasi yang berpotensi penting bagi ilmu saraf. Baca selengkapnya di sini .

Optimasi Hyperparameter Berbasis Gradien melalui Pembelajaran Terbalik (2015) – Dougal Maclaurin, David Duvenaud, dan Ryan P. Adams.

Direkomendasikan makalah kedua oleh Jeff menghitung gradien yang tepat dari kinerja validasi silang sehubungan dengan semua hyperparameter dengan merangkai turunan secara mundur melalui seluruh prosedur pelatihan. Gradien ini memungkinkan pengoptimalan ribuan hyperparameter, termasuk ukuran langkah dan jadwal momentum, distribusi inisialisasi bobot, skema regularisasi berparameter kaya, dan arsitektur jaringan neural. Anda dapat membaca lebih lanjut tentang makalah ini di sini .


Shalini Ghosh , Ilmuwan Utama (Global) dan Pemimpin Pembelajaran Mesin Tim Riset, Divisi Smart TV, Samsung Research America

Memori Jangka Pendek Panjang (1997) – Sepp Hochreiter dan Jürgen Schmidhuber

Ini (makalah) adalah makalah mani pada tahun 1997, dengan ide-ide yang berada di depan masanya. Hanya belakangan ini (misalnya, 6 tahun terakhir atau lebih) akselerator perangkat keras dapat menjalankan operasi pelatihan / penyajian LSTM, yang menyebabkan LSTM berhasil digunakan untuk banyak aplikasi (misalnya, pemodelan bahasa, prediksi gerakan, pemodelan pengguna). Arsitektur pemodelan urutan berbasis memori dari LSTM telah sangat berpengaruh – ini telah menginspirasi banyak penyempurnaan baru-baru ini, misalnya, Transformers. Makalah ini sangat mempengaruhi pekerjaan saya. Anda dapat membaca lebih lanjut tentang makalah ini di sini .

Pembelajaran Tambahan yang Efisien untuk Deteksi Objek Seluler (2019) – Dawei Li dkk

Makalah ini membahas varian baru dari model deteksi objek populer RetinaNet, dan memperkenalkan paradigma pembelajaran inkremental yang berguna untuk ini dan aplikasi pembelajaran multimodal lainnya. Ide-ide kunci dan formulasi pembelajaran inkremental yang digunakan dalam makalah ini akan berguna bagi siapa saja yang bekerja pada visi komputer, dan dapat membuka jalan bagi inovasi masa depan dalam algoritma inkremental yang efisien yang efektif untuk perangkat seluler. Anda dapat membaca lebih lanjut tentang makalah ini di sini .


Kenneth Stanley , Charles Millican Profesor (UCF) dan Manajer Riset Senior, Uber

Penggunaan Alat yang Muncul Dari Multi-Agent Autocurricula (2019) – Bowen Baker dkk

Ken memilih makalah ini karena memberikan contoh unik dari perilaku yang muncul dengan sedikit permulaan dari open-endendness. Makalah itu sendiri menemukan bukti yang jelas dari enam fase yang muncul dalam strategi agen di lingkungan kita, yang masing-masing menciptakan tekanan baru bagi tim lawan untuk beradaptasi; Misalnya, agen belajar membangun tempat berlindung multi-objek menggunakan kotak bergerak yang pada gilirannya membuat agen menemukan bahwa mereka dapat mengatasi rintangan menggunakan jalur landai. Baca lebih lanjut dari makalah ini di sini .

Keterbukaan: Tantangan besar terakhir yang belum pernah Anda dengar (2017) – Kenneth Stanley dkk

Kami mengizinkan Ken untuk juga memasukkan makalah dari dirinya dan rekan-rekannya, dengan sarannya adalah “Pengantar non-teknis untuk tantangan keterbukaan”. Makalah dalam deskripsi ini menjelaskan apa tantangan ini, implikasinya yang luar biasa jika diselesaikan, dan cara bergabung dalam misi jika kami telah menginspirasi minat Anda. Baca lebih lanjut tentang makalah ini di sini .


Andriy Burkov , Direktur Ilmu Data, Gartner

Attention Is All You Need (2017) – Ashish Vaswani et al

Andriy merekomendasikan makalah 2017 ini karena, dengan kata-katanya sendiri, “Ini membawa NLP ke level yang sama sekali baru dengan pra Model Transformer terlatih seperti BERT “. Makalah ini mengusulkan arsitektur jaringan sederhana baru, Transformer, hanya berdasarkan pada mekanisme perhatian, menghilangkan pengulangan dan konvolusi sepenuhnya. Eksperimen pada dua tugas terjemahan mesin menunjukkan model-model ini memiliki kualitas yang unggul sekaligus lebih dapat diparalelkan dan membutuhkan lebih sedikit waktu untuk berlatih. Anda dapat membaca makalah ini di sini .


Andrew NG , Pendiri dan CEO Landing AI; Founder of deeplearning.ai

Ketika kami menghubungi Andrew, tidak ada makalah khusus yang datang untuk diingat, bagaimanapun, kami diarahkan ke posting baru-baru ini yang menyoroti dua makalah yang dia yakini dapat menarik. kedua makalah tersebut dikutip di bawah ini.

Pemodelan respons hasil untuk pengelolaan tanaman menggunakan jaringan saraf konvolusional (2020) – Andre Barbosa dkk.

Di Dalam pekerjaan ini, Andre dkk mengusulkan Jaringan Saraf Tiruan (Convolutional Neural Network / CNN) untuk menangkap struktur spasial yang relevan dari atribut yang berbeda dan menggabungkannya untuk memodelkan respons hasil terhadap nutrisi dan pengelolaan tingkat benih. Sembilan percobaan on-farm di ladang jagung digunakan untuk membangun dataset yang sesuai untuk melatih dan menguji model CNN. Empat arsitektur yang menggabungkan atribut masukan pada tahapan yang berbeda dalam jaringan dievaluasi dan dibandingkan dengan model prediktif yang paling umum digunakan. Baca lebih lanjut tentang makalah di sini .

Perbandingan kinerja pembelajaran mendalam dengan profesional perawatan kesehatan di mendeteksi penyakit dari pencitraan medis: tinjauan sistematis dan meta-analisis (2019) – Xiaoxuan Liu et al

Makalah ini mengevaluasi keakuratan diagnostik dari algoritma pembelajaran mendalam versus profesional perawatan kesehatan dalam mengklasifikasikan penyakit menggunakan pencitraan medis. Studi yang melakukan validasi eksternal di luar sampel dimasukkan dalam meta-analisis, menggunakan model hierarki terpadu. Baca lebih lanjut tentang makalah ini di sini .


Gregory Piatetsky-Shapiro , Ilmuwan Data, Presiden KDnuggets

Saat kami menghubungi Gregory, dia menyarankan bahwa pilihan makalahnya didasarkan pada upaya memahami tren besar pada AI dan ML, dengan dua makalah terbaru yang sangat menonjol untuknya. “Dua makalah penting yang saya baca baru-baru ini adalah di bawah ini dari Gary & Francois. Saya juga merekomendasikan untuk menyaksikan debat antara Yoshua Bengio dan Gary Marcus di Montreal untuk yang pertama”.

Dekade Berikutnya dalam AI: Empat Langkah Menuju Kecerdasan Buatan yang Kuat (2020) Gary Marcus

Makalah ini mencakup penelitian terbaru dalam AI dan Pembelajaran Mesin yang sebagian besar menekankan pembelajaran tujuan umum dan set pelatihan yang semakin besar dan komputasi yang semakin banyak. Berbeda dengan ini, Gary mengusulkan pendekatan hibrida, berbasis pengetahuan, berbasis penalaran, berpusat di sekitar model kognitif, yang dapat menyediakan substrat untuk AI yang lebih kaya dan lebih kuat daripada yang mungkin saat ini.

Tentang Ukuran Intelijen (2019) François Chollet

Saran kedua Gregory adalah ‘On The Measure of Intelligence’ dari François Chollet. Makalah ini merangkum dan menilai secara kritis definisi dan pendekatan evaluasi untuk mengukur kecerdasan, sementara memperjelas dua konsepsi historis tentang kecerdasan yang secara implisit membimbing mereka. François kemudian mengartikulasikan definisi formal baru dari kecerdasan berdasarkan Teori Informasi Algoritmik, menggambarkan kecerdasan sebagai efisiensi perolehan keterampilan dan menyoroti konsep ruang lingkup, kesulitan generalisasi, prior, dan pengalaman. Baca koran sini.


Myriam Cote , Konsultan

Mengatasi perubahan iklim dengan Machine Learning (2019) – David Rolnick, Priya L Donti, Yoshua Bengio dkk.

Myriam saran mencakup Pembelajaran Mesin dan pengaruhnya terhadap lingkungan. Perubahan iklim adalah salah satu tantangan terbesar yang dihadapi umat manusia, karena pakar pembelajaran mesin bertanya-tanya bagaimana mereka dapat membantu. Dalam makalah ini, penulis menjelaskan bagaimana pembelajaran mesin dapat menjadi alat yang ampuh dalam mengurangi emisi gas rumah kaca dan membantu masyarakat beradaptasi dengan perubahan iklim. Dari jaringan pintar hingga manajemen bencana, mereka mengidentifikasi masalah berdampak tinggi di mana celah yang ada dapat diisi oleh pembelajaran mesin, bekerja sama dengan bidang lain. Baca lebih lanjut di atas kertas sini.


Kirk Borne , Ilmuwan Data Utama & Rekan Ilmu Data, dan Penasihat Eksekutif di Booz Allen Hamilton

Sistem Rekomendasi Netflix: Algoritma, Nilai Bisnis, dan Inovasi (2015) – Carlos Gomez-Uribe & Neil Hunt.

” Makalah ini berusia beberapa tahun dan tidak terlalu teknis, tetapi mencakup banyak masalah mendasar, poin keputusan bisnis, karakteristik algoritmik, metrik, dan fitur data yang harus dipikirkan, diuji, dan divalidasi sebelum, selama, dan setelah penerapan. Algoritma AI dalam lingkungan operasional. Saya juga menyukai makalah ini karena mesin rekomendasi sangat populer, digunakan di banyak industri yang berbeda, dan dikenali dengan baik oleh semua orang (bahkan non-ahli) – akibatnya, makalah ini dapat dengan cepat membawa siswa (dan orang lain) ke dalam, pemahaman yang lebih kaya tentang algoritma dan peluang mereka untuk bersenang-senang dan untung. Baca makalah di sini .


Tertarik membaca lebih banyak konten AI terkemuka dari RE • WORK dan komunitas pakar AI kami? Lihat mo kami st-baca blog di bawah ini:

Sumber Daya AI Teratas – Direktori untuk Pembelajaran Jarak Jauh
10 Buku AI yang Harus Dibaca pada tahun 2020
13 Makalah ‘Wajib Dibaca’ dari Ahli AI
Podcast AI & Ilmu Data Teratas
30 Wanita Berpengaruh Memajukan AI di 2019 Makalah AI ‘Wajib Dibaca’ yang Disarankan oleh Para Ahli – Pt 2 30 Presentasi AI Berpengaruh dari 2019
AI Di Seluruh Dunia: 10 Kota Teratas di AI 2020
Wanita Pelopor dalam Ilmu Komputer yang Mungkin Tidak Anda Ketahui
10 Buku AI yang Wajib Dibaca pada tahun 2020 – Bagian 2
Wanita Top dalam AI 2020 – Edisi Texas
2020 Peringkat Universitas / Perguruan Tinggi – Ilmu Komputer, Teknik & Teknologi Bagaimana Netflix menggunakan AI untuk Memprediksi Pesta Seri Anda Berikutnya – 2020
5 Video Presentasi AI Teknis Teratas dari Januari 2020 20 Kursus AI & eBook Gratis
5 Aplikasi GANs – Presentasi Video yang Perlu Anda Lihat
250+ Direktori Wanita Berpengaruh Memajukan AI pada tahun 2020
The Isolation Insight – 50 Artikel, Makalah & Video AI Teratas dari Q1

Pembelajaran Penguatan 101 – Ahli Menjelaskan 5 Bahasa Pemrograman Paling Banyak Diminta di 2020

Read More

RELATED ARTICLES

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Most Popular

Recent Comments