Goodfellow 此前為 Google Brain 高級(jí)研究員，現(xiàn)在為 OpenAI 的科學(xué)家。他在學(xué)術(shù)界也同樣非?；钴S，不僅發(fā)布了 38 分鐘視頻，（手把手）教授如何完善生成對(duì)抗網(wǎng)絡(luò)，還在最后與網(wǎng)友互動(dòng)，詳細(xì)解答了求知者的各種疑惑。
Jeff Dean：如何實(shí)現(xiàn)大規(guī)模深度學(xué)習(xí)？
如果說谷歌是人工智能領(lǐng)域的弄潮兒，Jeff Dean 自然就是沙灘上最為璀璨的珍珠。Jeff Dean 在領(lǐng)導(dǎo)谷歌大腦（2011 年成立，雷鋒網(wǎng)注）的這段時(shí)間內(nèi)，研究小組已經(jīng)創(chuàng)造了超過 1000 個(gè)深度學(xué)習(xí)項(xiàng)目，并將其應(yīng)用在谷歌現(xiàn)有的產(chǎn)品當(dāng)中：如 YouTube，谷歌翻譯和谷歌相冊(cè)等。研究人員通過深度學(xué)習(xí)將大量數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)當(dāng)中，學(xué)習(xí)比人類識(shí)別速度更快的模式。
在今年 3 月 AlphaGo 與李世石人機(jī)大戰(zhàn)時(shí)，Jeff Dean 就做了《大規(guī)模深度學(xué)習(xí)最新進(jìn)展》的主題演講，而在今年 9 月的 Scaled Maching Learning 會(huì)議也做了內(nèi)容類似的《使用 TensorFlow 的大規(guī)模深度學(xué)習(xí)》。
Jeff Dean 認(rèn)為，神經(jīng)網(wǎng)絡(luò)能從數(shù)據(jù)中學(xué)習(xí)真正復(fù)雜的函數(shù)。從一端輸入內(nèi)容轉(zhuǎn)換成另一端的輸出內(nèi)容。他也提及機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展速度非常之快，因?yàn)橐黄撐陌l(fā)布之后，全球?qū)θ斯ぶ悄苡醒芯康臋C(jī)構(gòu)都會(huì)下載它，并對(duì)內(nèi)容進(jìn)行解析和論證，加上電子論文的通達(dá)性，比起計(jì)算機(jī)學(xué)其它領(lǐng)域的研究進(jìn)展會(huì)快得多。
對(duì)于谷歌，Jeff Dean 表示深度學(xué)習(xí)在語(yǔ)音識(shí)別、Image 挑戰(zhàn)賽、谷歌翻譯、照片搜索、街景影像，甚至是搜索排名上都取得了巨大突破。關(guān)于他的更多訪談資料，可以參考《谷歌戰(zhàn)神談增強(qiáng)學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)》。
李飛飛：ImageNet又有哪些主要進(jìn)展？
今年 AI 界并不平靜，而李飛飛加盟谷歌，著手成立新的機(jī)器學(xué)習(xí)實(shí)驗(yàn)室，則成了里頭「萬(wàn)綠叢中一點(diǎn)紅」的存在，而雷鋒網(wǎng)一直對(duì)這位華人女性科學(xué)家保持高度關(guān)注。
李飛飛在今年參加了 ICPR 2016，并應(yīng)邀發(fā)表了名為《計(jì)算機(jī)視覺智能的探索》的演講。她在演講中提到，自然經(jīng)歷了五億多年的變革才構(gòu)造了人類強(qiáng)大的視覺系統(tǒng)，而人工智能的視覺探索之旅也只進(jìn)行了短短五十年。李飛飛介紹了她的實(shí)驗(yàn)室中正在開發(fā)的，基于大數(shù)據(jù)及深度學(xué)習(xí)的計(jì)算機(jī)圖像視頻研究體系。
作為全球計(jì)算機(jī)視覺領(lǐng)域的知名專家，李飛飛的主要貢獻(xiàn)在于參與建立了兩個(gè)被 AI 研究者廣泛使用來(lái)教機(jī)器分類物體的數(shù)據(jù)庫(kù)：Caltech 101 和 ImageNet，而后者，目前已經(jīng)成為了全球最大的圖像識(shí)別數(shù)據(jù)庫(kù)。
當(dāng)然，這個(gè)演講的主要內(nèi)容還是在介紹 ImageNet 的主要進(jìn)展，而如果你對(duì)她最為出名的 TED 演講還不夠熟悉，歡迎一睹雷鋒網(wǎng)此前撰寫的李飛飛個(gè)人介紹。
吳恩達(dá)：如何用深度學(xué)習(xí)構(gòu)建 AI 系統(tǒng)？
百度人工智能實(shí)驗(yàn)室的吳恩達(dá)（AndrewNg）也算得上是非常活躍的人工智能學(xué)者，他同樣在今年的 NIPS 2016 上進(jìn)行了演講，名為《如何用深度學(xué)習(xí)建構(gòu)人工智能系統(tǒng)》（Nuts and Bolts of Building Applications using Deep Learning）。
吳恩達(dá)在演講中指出深度學(xué)習(xí)非?；鸬脑蛟谟?，神經(jīng)網(wǎng)絡(luò)能夠擴(kuò)大無(wú)限大的規(guī)模，并能夠依靠這一點(diǎn)引領(lǐng)深度學(xué)習(xí)。在百度的人工智能實(shí)驗(yàn)室中，他嚴(yán)格將團(tuán)隊(duì)分為了算法與架構(gòu)兩大體系，認(rèn)為沒有人是兩者皆擅長(zhǎng)的，因此這一點(diǎn)可以為其它深度學(xué)習(xí)創(chuàng)業(yè)公司的團(tuán)隊(duì)提供參考。
而在接下來(lái)的展望中，吳恩達(dá)認(rèn)為下一個(gè)深度學(xué)習(xí)的大潮在于端對(duì)端的學(xué)習(xí)。需要足夠多的數(shù)據(jù)量，才能實(shí)現(xiàn)更加純粹的端到端學(xué)習(xí)，也就是直接通過深度學(xué)習(xí)將語(yǔ)音對(duì)標(biāo)到最終想要的文本，并通過深度學(xué)習(xí)自身的體征提取來(lái)獲得結(jié)果。關(guān)于吳恩達(dá)的 NIPS 2016 最新演講，還請(qǐng)回顧一下雷鋒網(wǎng)的相關(guān)文章。
Michael Jordan：思維層與數(shù)據(jù)科學(xué)革命
此 Michael Jordan 非彼喬丹，他是加州大學(xué)伯克利分校（University of California, Berkeley）電子工程系、計(jì)算機(jī)科學(xué)系以及統(tǒng)計(jì)系的杰出教授。在他麾下學(xué)習(xí)過的不少學(xué)生都已經(jīng)成為了鼎鼎有名的機(jī)器學(xué)習(xí)大牛，比如 Yoshua Bengio 和 Andrew Ng 都是他的得意門生。
他于今年五月在伯克利分校做了一個(gè)關(guān)于計(jì)算思維、推理思維及數(shù)據(jù)科學(xué)的演講。在會(huì)上他提到，數(shù)據(jù)科學(xué)需要計(jì)算思維與推理思維的完全融合，并指出了大數(shù)據(jù)環(huán)境下驗(yàn)證模式、解釋模式與計(jì)算過程中可能出現(xiàn)的問題。