大數據文摘出品
編譯：雲舟
嗚啦啦啦啦啦啦啦大家好，原AI Scholar Weekly改版，融合AI時事新聞內容再度來襲！
AI大事件是AI領域的綜合性專欄，致力於為你帶來最新潮、最全面、最深度的AI行業概覽，從硬核的學術內容到精品產業新聞，為你一網打盡每周AI的前沿資訊。
做AI行業的終身學習者，每周一篇就夠啦！
本周關鍵詞：新冠病毒、美國大選、ImageNet
AI新聞
AI通過咳嗽聲檢測無症狀新冠病毒感染
MIT的研究人員發現，無症狀新冠病毒感染者的咳嗽方式可能與正常人不同。這些差異是人耳無法理解的。但事實證明，它們可以被人工智慧發現。
詳情：
https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029
美國大選中，AI與民調機構的預測表現如何？
民調和AI預測美國2020年總統大選失實。實踐再次告訴我們，仔細取樣是可靠預測的關鍵。
詳情：
https://venturebeat.com/2020/11/06/how-ai-predictions-fared-against-pollsters-in-the-2020-u-s-election/
ImageNet預訓練出的算法充滿偏見
一組研究人員聲稱，他們能夠證實，在ImageNet上訓練的計算機視覺算法中普遍存在偏見。
詳情：
https://venturebeat.com/2020/11/03/researchers-show-that-computer-vision-algorithms-pretrained-on-imagenet-exhibit-multiple-distressing-biases/
從腦電波中診斷抑鬱症
Alphabet的X實驗室開發了配套的硬體和軟體，試圖從腦電波讀數中診斷抑鬱症和焦慮情緒。
詳情：
https://venturebeat.com/2020/11/02/alphabets-project-amber-leverages-ai-to-identify-brain-wave-data-relevant-to-anxiety-and-depression/
AI學術
神經網絡的表現與寬度和深度的關係
深度神經網絡體系結構通常通過調整其寬度和深度來適應可用的計算資源。在這項工作中，研究人員研究了寬度和深度對神經網絡表示的影響。
通過在CIFAR-10、CIFAR-100和ImageNet上的實驗，他們證明隨著寬度和深度相對於數據集大小的增加，對於隱藏表示的分析顯示了一種特徵塊結構的出現，該結構反映了第一主成分的相似性，並會傳播到許多網絡隱藏層。
進一步的分析發現，雖然塊結構對於每個模型都是唯一的，但是其他學習到的特徵在不同的初始化和體系結構中是共享，特別是在網絡的相對深度上。當然，關於如何通過訓練產生塊結構，以及如何利用對網絡深度和寬度的見解來優化的模型設計，仍然存在一些有趣的開放性問題。
原文：
https://arxiv.org/pdf/2010.15327v1.pdf?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter
通過離線強化學習聯繫新技能和先驗知識
強化學習已應用於各種各樣的機器人問題，但大多數此類應用都涉及從零開始為每個新任務收集數據。因此，這一領域的研究一直受到時間和成本的限制，機器人學習到的行為通常也很窄——策略只能在訓練它的少數場景中執行任務。但如果有一種方法可以合併大量之前的數據（無論是來自先前解決的任務，還是來自無監督或無方向的環境交互）來擴展和概括學習到的行為呢？
研究人員表明，通過動態規劃，他們可以重用先前的數據來擴展新的技能。即使先前的數據實際上不能成功地解決新任務，它仍然可以用於學習一個更好的策略，方法是為代理提供對其環境機制的更廣泛的理解。
實驗結果證明了該方法的有效性，該方法將先前數據集中的幾種行為連結起來，以解決一個新任務，其中最困難的實驗設置包括連續組合四種機器人技能：拾取、放置、打開抽屜和抓取。
Demo網站：
https://sites.google.com/view/cog-rl?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter
原文：
https://arxiv.org/abs/2010.14500v1?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter
文章來源: https://twgreatdaily.com/zh/x5k_sXUB2uKmW_kO2mHp.html