2018年度完美收官的十篇机器学习文章都讲了哪些内容

【导语】我们从 12 月里近1400篇机器学习文章进行了排名，并挑选出最受大家关注的十篇文章。这些文章的内容主要是由 Google、DeepMind、OpenAI 等科技公司发布的自家在机器学习领域最新技术研究，比如 AlphaZero、CoinRun、NLP模型（BERT、ELMo、co）、Pixel Camera 的夜视功能技术、Go-Explore、YOLO with OpenCV 等主题。

下面就一起来看一下 2018 年度完美收官的十篇都讲了哪些内容~

热文1：AlphaZero

这篇文章是基于 DeepMind团队的AlphaZero 研究所撰写的一篇博文，旨在为象棋（Chess）、日本象棋（Shogi）和围棋（Go）的发展提供新的思路。AlphaZero是一个独立的系统，通过自学，从头开始掌握象棋和围棋游戏规则并最终击败了各自领域的世界冠军，引起了社区的广泛关注。此外，其相关的论文已经在Science上发表。更多详细内容可以进一步学习。

文章主页链接：

https://deepmind.com/blog/alphazero-shedding-new-light-grand-games-chess-shogi-and-go/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文2：CoinRun

这篇热文的内容是关于 OpenAI研究团队提出新的训练环境 CoinRun，阐述了如何量化强化学习中智能体的泛化能力。CoinRun 提供了一个新的评价指标，用于衡量智能体将过去学习经验迁移到新环境的能力，并已解决了强化学习领域中长期存在的一大难题。此外，相比于传统的游戏平台，如 Sonic the Hedgehog，CoinRun能够更好地平衡复杂性问题。

文章主页链接：

https://blog.openai.com/quantifying-generalization-in-reinforcement-learning/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

论文链接：

https://arxiv.org/abs/1812.02341

热文3：BERT, ELMo, co

本文的内容主要是对当前 NLP 领域的三大模型的综述。2018年是自然语言处理领域(NLP)取得突破性进展的一年，以Google团队提出的BERT模型为典型代表。再加上此前研究人员提出的ELMo和co模型，可以说当前机器学习模型已经能够很好地捕捉词句间潜在意义和关系，并进行概念性的理解和表达。有关模型的具体细节可以查阅本文的详细介绍及模型相关的论文。

文章主页链接：

http://jalammar.github.io/illustrated-bert/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文4：Night Sight

Night Sight是 Google团队提出的一种基于 Pixel camera的应用程序，即使在非常昏暗的光线条件下，你也可以通过此 app拍摄到非常清晰、干净的照片。作者分别介绍了当前拍照技术在低光照条件下所面临的挑战，还有计算摄影和机器学习技术，HDR+技术等话题。

文章主页链接：

https://ai.googleblog.com/2018/11/night-sight-seeing-in-dark-on-pixel.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文5：Go-Explore

Go-Explore是由 Uber工程师提出的一种新型的 hard-exploration算法，并在 Montezuma’s Revenge游戏上验证了其出色的性能。

热点文章链接：

https://eng.uber.com/go-explore/

热文6：YOLO with OpenCV

此文是关于如何基于 OpenCV实现 YOLO 模型，这是当前最先进的目标检测算法之一。通过这篇教程，作者将一步步演示如何结合深度学习技术、OpenCV和 Python，用 YOLO 检测图片和视频中的目标。

文章主页链接：

https://www.pyimagesearch.com/2018/11/12/yolo-object-detection-with-opencv/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文7：AlphaFold

AlphaFold同样是由 DeepMind研究人员开源的一个项目，旨在展现 AI技术是如何应用并推动科学领域的研究和发展。AlphaFold系统能够仅仅利用基因序列信息来预测生物蛋白质的 3D结构。通过该系统生成的蛋白质模型甚至比之前任何研究中得到的蛋白质结构都要更加准确。

文章主页链接：

https://deepmind.com/blog/alphafold/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文8：FaceID

FaceID这篇文章向读者展现了当前最时髦的人脸识别/解锁技术的工作原理。本文作者还在Youtube上进行了详细的演示和说明。

热文9：Learning Concepts with Energy Functions

这是 OpenAI提供的一个开源项目，提出了一种基于能量的模型，能够快速学习识别和生成概念实例并将其表示为 2d的点集，如上、中、最近和最远等概念。更令人惊讶的是，该模型仅经过五次学习演示就能够学习到这些概念特征。此外，该模型还进一步通过迁移学习，将二维例子环境中学习概念用于解决基于三维物理机器人的相关任务，展现了不错的跨域迁移能力。

文章主页链接：

https://blog.openai.com/learning-concepts-with-energy-functions/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

论文链接：

https://arxiv.org/abs/1811.02486

热文10：Forensic Deep Learning

Forensic Deep Learning是一年前Kaggle上的一道计算机视觉类的竞赛题，旨在由图像捕捉拍摄所用的相机类型。这篇文章是由参赛人员整理的参赛心得，分享了自己是如何解决这个任务的，还有解决问题中一些独特的想法。

文章主页链接：

https://towardsdatascience.com/forensic-deep-learning-kaggle-camera-model-identification-challenge-f6a3892561bd

原文链接：

https://medium.mybridge.co/machine-learning-top-10-articles-for-the-past-month-v-dec-2018-37b229f930a1