IT思维

设计可行的分子候选物对于设计低成本和可持续的存储系统至关重要。

东京大学工业科学研究所的两名科学家展示了自适应免疫系统如何使用类似于强化学习的方法来控制免疫反应以重复感染。

这一回，帝国理工学院和剑桥大学首次把目光转向了动物，并开创性地提出：AI可以从动物身上学习常识！

现在，我们刚进入 2020 年，我想看看 2019 年人工智能进展怎么样了。

在环境中保持稳定是所有生物共同的基本诉求，我们会不断努力追求确定性的环境和未来，并在与环境交互的过程中展现出一系列复杂的行为与能力。

强化学习之父Richard S. Sutton认为，过去70年来AI研究的最大教训，就是我们过于依赖人类的既有知识，轻视了智能体本身的学习能力，将本该由智能体发挥自身作用“学习和搜索”变成了人类主导“记录和灌输”。未来这种现象应该改变，也必须改变。

伯克利和谷歌大脑的研究人员近日发表了全新的强化学习算法:柔性致动/评价(soft actor-critic,SAC)。

近日伯克利RISELab推出了多主体强化学习包Ray RLlib 0.6.0。

在机器人领域，强化学习和控制反馈用于帮助机器人实现特定的目标。

作为独立于监督和非监督机器学习之外的机器学习重要分支，强化学习在多学科多领域中发挥了重要的决策支持作用。

虽然强化学习问题的一般形式可以有效地推理不确定性，但强化学习和概率推断的联系并不是很明显。

你是如何骑自行车出门的？强化学习模型要如何模仿？

今天，Ian Goodfellow开展了一场有关生成对抗网络（GAN）的最新AMA问答，从他小时候如何学习编程，如何想出GAN这个idea，到具体的技术和应用，Goodfellow都作出了专业而且诚恳的回答。

普林斯顿大学机械与航空航天工程教授、该研究的作者之一 Egemen Kolemen 表示，这些发现「绝对」是核聚变向前迈出的一步。

BM 欧洲研究院和苏黎世联邦理工学院的研究人员提出了 Regression Transformer（RT），这是一种将回归抽象为条件序列建模问题的方法。这为多任务语言模型引入了一个新方向——无缝桥接序列回归和条件序列生成。

劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory，LBNL 或LBL）、美国空军研究实验室（Air Force Research Laboratory 缩写AFRL）等机构的研究人员合作，对人工智能在合成生物学中的应用现状、影响、挑战以及潜力与前景进行了较为系统的阐述。

今天，有许多人工智能与我们互动的例子，使我们的生活的效率更高。

马云在10月24日，在中国金融四十人论坛（CF40）联合各组委会成员机构举办的第二届外滩金融峰会上提到数字货币，发表了非常高远的观点：“拿数字货币来说，如果用未来的眼光打造30年后世界所需的金融体系，数字货币可能是非常重要的核心。

随着工具和基础设施的成熟，应用人工智能不断加速发展。

想开发出一款爆款游戏，是一件难度极高的事情，不仅要有精妙的内容设计，精致的光影效果，自然的动画建模，还要投入相当多的资金和时间。

触觉对于机器人的灵巧操作十分重要，近年来凝胶观测(GelSight)传感器由于低成本和丰富的触觉信号吸引了基于学习的机器人领域研究人员的大量关注。GelSight被用于USB线缆插入、掷骰子、物体抓取等领域的研究。

过去的几十年中，人工智能（AI）已经从科幻小说中的故事变成了一种非常真实的力量。这种力量可能，甚至已经颠覆了地球上的几乎所有行为。

自我监督学习可能使AI产生类人的推理能力。

在这篇文章中，我们将简介其中的9篇满分（全8分）论文，它们最终都被接收为Talk 论文，届时论文作者会在大会上做长达十多分钟的演讲报告。

从2012年AlexNet惊艳亮相开始算起，AI已经经历了将近8年的蓬勃发展期。