2016十大 AI 演講盤點 大牛們都發表了什麼真知灼見？
OFweek機器人網訊：在剛剛落下尾聲的 2016 年，許許多多的人工智慧大神們站在臺上分享他們的所見所感，雷鋒網整理了十位人工智慧領域的大牛們所做的最新演講，一起與雷鋒網來回顧這些充滿智慧閃光的科研成果吧。
Yann LeCun：從小白科普到 AI 技術探討，一個也沒落下
Yann LeCun 堪比學術界的網紅，今年頻頻露面於公眾面前發表演講，還錄製了不少教學視頻，圈粉無數。如果 Yann LeCun 想坐 2016 最活躍學界大神的寶座，雷鋒網覺得沒有人敢和他搶。
LeCun 在卡內基梅隆大學機器人研究所進行了一場關於 AI 技術核心問題與發展前景的演講。雷鋒網瞭解，他在演講中提到了三點乾貨：
1. 無監督學習代表了 AI 技術的未來。
2. 當前 AI 應用的熱點集中在卷積神經網路。
3. 用模擬器提高無監督學習的效率是大勢所趨。
但不久後，在 NIPS 大會的演講上，LeCun 又將預測學習代替無監督學習一詞，認為預測學習不僅能在無監督情況下學習，還能學習世界的預測模型。而就在最近，他又把預測學習的落腳點放在了 GANs，稱它為「20 年來機器學習領域最酷的想法」。
雷鋒網對他的演講做了不少覆蓋，比如演講 PPT 實錄；演講視頻整理；教授人人都能懂的深度學習基本原理；甚至還有Quora 問答集錦，親授如何（像他一樣）從小白到大牛，自覺深度學習技術。
啥也不說了，關注 AI 科技評論快上車吧！
Yoshua Bengio：從機器學習到人工智慧，聚焦機制是核心
作為與 Yann LeCun、 Geoffrey Hinton 齊名的「深度學習三巨頭」，Yoshua Bengio 同樣是學界不可忽視的一名執牛耳者，他自 1993 年在蒙特利爾大學任教。谷歌於今年 11 月宣佈建立蒙特利爾演算法學習人工智慧實驗室（MILA），共計投資 340 萬美元，資助蒙特利爾大學和麥吉爾大學旗下七名重量級教授及超過 150 名研究者的日常實驗。而自然，Yoshua Bengio 也在其列。他領導下的深度學習實驗室可謂是人工智慧的研究前沿陣地，也是世界上最大的研究中心之一。http://www.leiphone.com/news/201611/u6HcoL3VhOxAbdjx.html
在今年 5 月的 Twitter Cortex 上，Bengio 應邀做了題為「自然語言詞義下的深度學習」的演講。在演講中，Bengio 提及了從機器學習到人工智慧的三個關鍵要素，主要包括：
1. 非常非常多的資料；
2. 極靈活的模型
3. 強大的先驗知識，能打破維度魔咒。
此外，他還引申到了深度學習中的聚焦機制（Attention），首先它需要考慮一個輸入（或中間的）序列或圖像；但考慮到高層次指稱，通過設置權重或每個輸入位置概率，（如 MLP 所產生的），能夠應用於每個位置。而這最主要的一個應用就在於機器翻譯。在 2014 年，神經機器翻譯獲得了初步突破，並在端到端機器翻譯取得了顯著成果。雷鋒網(公眾號：雷鋒網)此前也做過報導，穀歌大腦團隊執掌下的 Google Translate 目前已經完全應用了機器學習進行翻譯學習。
Bengio 認為，聚焦機制能夠讓深度學習取得巨大進步，並讓學習者模型更好地做選擇。
Yann LeCun：從小白科普到 AI 技術探討，一個也沒落下
Yann LeCun 堪比學術界的網紅，今年頻頻露面於公眾面前發表演講，還錄製了不少教學視頻，圈粉無數。如果 Yann LeCun 想坐 2016 最活躍學界大神的寶座，雷鋒網覺得沒有人敢和他搶。
LeCun 在卡內基梅隆大學機器人研究所進行了一場關於 AI 技術核心問題與發展前景的演講。雷鋒網瞭解，他在演講中提到了三點乾貨：
1. 無監督學習代表了 AI 技術的未來。
2. 當前 AI 應用的熱點集中在卷積神經網路。
3. 用模擬器提高無監督學習的效率是大勢所趨。
但不久後，在 NIPS 大會的演講上，LeCun 又將預測學習代替無監督學習一詞，認為預測學習不僅能在無監督情況下學習，還能學習世界的預測模型。而就在最近，他又把預測學習的落腳點放在了 GANs，稱它為「20 年來機器學習領域最酷的想法」。
雷鋒網對他的演講做了不少覆蓋，比如演講 PPT 實錄；演講視頻整理；教授人人都能懂的深度學習基本原理；甚至還有Quora 問答集錦，親授如何（像他一樣）從小白到大牛，自覺深度學習技術。
啥也不說了，關注 AI 科技評論快上車吧！
Yoshua Bengio：從機器學習到人工智慧，聚焦機制是核心
作為與 Yann LeCun、 Geoffrey Hinton 齊名的「深度學習三巨頭」，Yoshua Bengio 同樣是學界不可忽視的一名執牛耳者，他自 1993 年在蒙特利爾大學任教。谷歌於今年 11 月宣佈建立蒙特利爾演算法學習人工智慧實驗室（MILA），共計投資 340 萬美元，資助蒙特利爾大學和麥吉爾大學旗下七名重量級教授及超過 150 名研究者的日常實驗。而自然，Yoshua Bengio 也在其列。他領導下的深度學習實驗室可謂是人工智慧的研究前沿陣地，也是世界上最大的研究中心之一。http://www.leiphone.com/news/201611/u6HcoL3VhOxAbdjx.html
在今年 5 月的 Twitter Cortex 上，Bengio 應邀做了題為「自然語言詞義下的深度學習」的演講。在演講中，Bengio 提及了從機器學習到人工智慧的三個關鍵要素，主要包括：
1. 非常非常多的資料；
2. 極靈活的模型
3. 強大的先驗知識，能打破維度魔咒。
此外，他還引申到了深度學習中的聚焦機制（Attention），首先它需要考慮一個輸入（或中間的）序列或圖像；但考慮到高層次指稱，通過設置權重或每個輸入位置概率，（如 MLP 所產生的），能夠應用於每個位置。而這最主要的一個應用就在於機器翻譯。在 2014 年，神經機器翻譯獲得了初步突破，並在端到端機器翻譯取得了顯著成果。雷鋒網(公眾號：雷鋒網)此前也做過報導，穀歌大腦團隊執掌下的 Google Translate 目前已經完全應用了機器學習進行翻譯學習。
Bengio 認為，聚焦機制能夠讓深度學習取得巨大進步，並讓學習者模型更好地做選擇。