斯坦福大学秋季课程《深度学习理论》STATS 385开讲

今年 8 月份，机器之心推荐了斯坦福 2017 CS231n 春季课程。近日，斯坦福公开了 STATS 385 秋季课程（还未结课，10.11-12.16)，主题为《深度学习理论》，相关的课件资源也已放出（部分视频公开），希望能为大家寻求课程资源提供帮助。 课程地址：http://ift.tt/2zokyf4 (http://ift.tt/2zokyf4) 视频地址：http://ift.tt/2ygkQRw B站地址：http://ift.tt/2hTFnFz 课程介绍 深度学习最近的成就很大程度上基于经验，不过，学者们总是在试图在理论层面上解释发展背后的原因。在斯坦福大学新推出的课程《Theories of Deep Learning》中，我们将从讲师 Bruna、Mallat、Mhaskar、Poggio、Papyan等人那里，试图建立神经网络背后的理论体系。在最初的背景介绍课程之后，几个论文作者将对自己的工作进行专门讲解。本课程共有 10 讲，每周上一次课。 该课程主要可以分为四部分，即回顾深度学习的概念、复习深度学习的理论方法、然后再讨论具体的理论贡献和最后三个课程的理论分析。 课程结构图 从上图可以看出，该课程主要围绕五个主题讨论，即统计机器学习、最优化理论、逼近理论和 Harmonic 分析和神经科学。可能我们比较熟悉的就是统计机器学习和最优化方法，他们确实能解释深度学习具体算法到底是如何工作的，但并不足以构建深度学习的理论基石。 该课程开篇先讨论了深度学习的挑战，即它到底是不是有理论依据。当然这里并不是说深度学习算法没有理论推导与分析，而是说该领域是不是存在一个普遍的理论基础，它应该拥有逻辑自洽和可解释性。这一部分的课程先解释了深度学习目前所出现的问题，例如它的黑箱问题、理论可解释性问题等等。随后介绍了试图构建相关理论的方法，如神经科学、谐波分析（Harmonic analysis）、逼近理论、统计机器学习。 尝试使用神经科学的观点解释视觉与卷积神经网络 前面既然已经了解到了深度学习的局限性，那么第二课就具体讨论了深度学习（主要以 CNN 为例）所涉及的概念与理论。这一部分从最基本的感知机单元（现在已有另外一个基本单元 Capsule）开始，详细介绍了各主流 CNN 框架与常用的训练技巧，如正则化、批量归一化（BN）和最优化方法等。 下面我们简要地展示了这一部分课程的内容。我们知道感知机是深度神经网络的基本构成单元，它是构成目前所有架构的基础，包括最近 Hinton 开放的 Capsule 单元也只是利用一组神经元以表征向量。而组织这些基本单元的架构就是整个神经网络的结构，一般这些神经元会有正向和反向传播两种路径，正向传播以给定输入数据做出推断，而反向传播误差以更新网络。以下是该课程给出的定义： 而基于这两种传播方式的 CNN 也有不同的架构以实现不同的功能。本课程以 AlexNet 为例详细介绍了深度卷积网络的架构与概念，包括 ReLU 激活函数、最大池化和 Dropout 机制等，当然训练过程中常见的最优化方法、批量大小和权重衰减策略也都有介绍。下面展示了近来各深度卷积网络的准确度与网络运算规模： 除了模型的构建，深度学习比较重要的就是模型的训练了，但模型的训练是一个非常工程的问题，我们会有很多的训练技巧。该课程简要介绍了正则化或批归一化等技术，这对于理解如何训练深度神经网络十分重要。总的来说，这一部分课程重点介绍了目前深度学习的主要架构与方法。 第三课主要讨论如何使用 Harmonic 分析方法解析深度卷积神经网络，这一部分从非线性特征提取器的重要地位开始，讲述了特征的位置不变性，即同一个特征在不同位置出现应该都能检测到并正确识别出来。这一部分如下做了大量的理论性分析： 此外，这一部分还讨论了许多 Topology reduction 方面的知识。 前面第三课主要从谐波分析的角度介绍了卷积网络，而后面第四课主要讨论了将 CNN 解释为生成模型的推断，通过动态规划解释卷积网络的推断和使用 EM 算法解释学习的过程。 下面是从动态规划的角度理解卷积网络，即 CNN 可以解释为一种通过最大化输入相似度而寻找概念记忆的动态规划方法。这种方法虽然在数学上是和 CNN 等价的，但直观经验上并不太等价。 此外，通过反向传播学习也可以根据 Hard EM 方法而做出解释。如下所示，EM 和 EG 算法的 E 步和 M/G 步可以分别等价解释为前馈传播卷积操作和反向传播误差以更新权重。 我们现在不仅已经了解了深度学习的基本原理与概念，同时对于理论性的解释也有所涉猎。但深度学习中还会存在很多问题，例如维度灾难、高度非凸函数优化等。这一部分课程主要从逼近理论、最优化理论和学习理论三个角度讨论深度学习令人疑惑的问题。 从逼近理论来说，我们需要清楚什么时候及为什么深层网络要比浅层网络更好。 而从最优化理论来说，我们是否能够探知经验风险的整体趋势，而不是只能像 SGD 甚至是二阶牛顿法那样只能探测到损失函数的局部变化特征。而对于深度神经网络那样的高度非凸函数，寻找经验风险函数的整体趋势对于避免陷入局部最优解极其重要。 最后从学习理论来说，深度学习如何才能不至于过拟合是非常重要的一个问题。 总的来说，该课件的前两个是组织者对人工智能发展的总结以及对该课程的介绍。从第三课开始，讲师开始对深度学习的一些概念做详细介绍：从卷积神经网络到生成模型、动态规划&EM 等等。 邀请的客座讲师如下： ]]> 原文： http://ift.tt/2Avv0PK 机器知心

腾讯225页报告：AI正取代互联网成为新引擎，马化腾提七个关键词

问耕 假装发自 成都量子位 出品 | 公众号 QbitAI 这是一份腾讯长达225页的报告。 报告的标题是《2017互联网科技创新白皮书》。这份报告从AI技术社会的崛起、席卷全球的AI浪潮、中国AI的发展情况、AI时代的腾讯使命等几个章节，阐释了腾讯如何看待人工智能，以及自身未来的使命。 腾讯在这份报告的前言部分写道： 从经济社会跨入技术社会，这是摆在我们当前的一个重要历史机遇；一个全新的AI世界即将到来；一场大融合的序幕正在缓缓拉开。 技术社会发展的引擎正由互联网逐步转换为AI。 从技术创新来看，在可预见的未来的智能IOT时代，所有的智能终端都将植入智能芯片，未来的不再有云计算一统天下，而智能计算、认知计算、网络计算、边缘计算将大行其道。 从技术文化来看，AI技术也将成为一种新的文化力量，按照自己的逻辑前进，支配并决定着人类社会的发展。 从技术商业来看，如何利用资本市场等要素的力量，培养我们商业运作乃至产业化落地的意识对于技术商业化至关重要。中国正在进入技术商业化的加速推进时代。 马化腾的七个关键词 在这份报告的开头部分，还有一封马化腾写给合作伙伴的一封信。在这封信里，马化腾用七个关键词，描述了他最近一年来的观察与思考。 深度融合：以互联网为代表的数字信息技术，开始由表及里地融入各行各业的全流程，线上线下开始打通成为一体。 云化分享：云在数字时代的重要性，不亚于电在工业时代。作为重要的数字创新模式，"云化"程度体现着互联网与各行业的融合深度。 我们还处在数字时代的初始阶段，很多跟云相关的重要事物都还没有被发明出来。比如，电气时代后期出现了计算机，数字时代与之匹敌的发明是什么?我觉得，也许是未来的强人工智能。云、大数据与人工智能三者不离彼此。我曾用这样一句话来描述数字时代的图景：各行各业在云端用人工智能处理大数据。 智慧连接：连接，是所有智慧解决方案的基础。在不同的场景中，连接匹配着不同的智慧解决方案，它依赖生态合作才能实现。 全用户：以互联网为基础的数字平台，正在从"多用户"平台，变成"全用户"平台，它像水电设施一样，成为今天人类社会所有个人和组织的基本需求。 大内容：无论是消息、短视频等数字资讯产品，还是网络文学、动漫、影视、游戏和音乐等数字文化产品，海量数字内容的生成与分发正在促成"大内容"战略。 新科技：无论是互联网企业还是传统企业，今天都在强调自己的科技属性。这不仅仅是口号，因为颠覆性技术的出现将可能改变现有的行业格局。 过去一年，腾讯在新技术领域加码投入，并取得了一些成果。我们在各业务研发团队之外，成立了公司级的AI Lab，并在美国西雅图设立首个海外实验室。同时我们的众创空间和AI加速器也开始走向海外，希望携手海外高科技创业企业共同成长。 宽平台：如果说"窄平台"遵从零和博弈，那么"宽平台"会坚持共生共赢。在"数字生态共同体"中，大家的命运越来越紧密地交织在一起，倡导共生共赢才能可持续发展。 报告主要内容 第一章 技术社会的崛起 2010年后，以算法为核心的AI时代来临。人工智能是当前人类所面临的最为重要的技术社会变革，是互联网诞生以来的第二次技术社会形态在全球的萌芽。 技术社会的三要素主要包括技术创新、技术文化和技术商业。 十八大以来的五年，创新创业对中国社会的影响已经超越了工具主义，AI双创虽然刚刚萌芽，但人们对此的期许已经贯穿了顶层设计和产业实践，这种期许表现为三重强大动力，第一重动力来源于国家战略积极推动，第二重动力来源于资本市场积极参与。第三重动力来自于积极的技术创新。 三重动力的叠加，为AI创业浪潮提供了有史以来最强大的推动力。 在技术文化的精神和物质产品这一层面上，AI技术文化率先在内容产业实现突破。AI技术从根本上改变了内容生产、分发和变现的一系列过程，AI时代下内容产业出现了全新的生态系统。 在内容生产上，生产者由用户变为机器，最后将变成人机协同生产；生产工具也由人脑变为算法学习；生产方式由UGC转换为MGC，最终将是人机协作的IGC模式，即智能化内容生产模式。 AI时代下内容产业将走向C2M(单用户沟通)之路，从传统的机器学习走向深度学习过程中不断迭代算法的过程，就是跳出大众传播/分众传播窠臼站在单个用户的角度来进行个体化沟通的过程。 第二章 席卷全球的人工智能浪潮 整体上看，2016年全球创业风险投资较2015年出现明显下降。但在人工智能领域全球融资逆势增长，并在2016年第二季度创出融资16.9亿美元的单季新高。 以Apple、Google、Microsoft、Facebook、Amazon等为代表的大型科技公司主导美国在人工智能领域的投资和研发。过去一年，这些公司都推出了基于机器学习、自然语言处理等人工智能技术的新型产品，如Google推出的个人助手、Amazon的Alexa等。除了内部研发，这些科技巨头还四处出击，热衷投资具备核心技术的初创型人工智能企业。 报告还对比了美国、英国、加拿大、以列色、日本、印度等国的人工智能发展和政策情况。 第三章 中国技术社会的发展 人工智能产业情况 截止到2017年6月，全球人工智能企业总数达到2617家，其中美国拥有1078家，占据41%；中国其次，拥有592家，占据23%。 中国人工智能公司主要集中在北上广地区。北京的企业数量占据全国总量的42.87%。 截止至目前，美国人工智能融资金额为978亿元，占据全球总融资50.10%；中国人工智能融资金额为635亿元，占据全球33.18%；其他国家合计占15.73%。 据统计，在中国人工智能创业公司中排名前三的领域为：计算机视觉与图像，有146家公司；智能机器人，有125家公司；自然语言处理，有92家公司。 从融资情况看，中国投资者在应用层关注的更多。中国人工智能企业中，融资占比排名前三的领域为：计算机视觉与图像，融资额为143亿元，占23%；自然语言处理，融资额为122亿元，占19%；自动驾驶/辅助驾驶，融资额为107亿元，占18%。 其中，我们看到，中国的自动驾驶/辅助驾驶企业虽然数量不多(只有31家)，但融资额却排名第三，表明中国投资者非常看好这一领域。 第四章 AI时代腾讯的使命 报告中表示，腾讯在人工智能的战略方向上提出了一个较为平实的愿望："Make AI Everywhere"(让AI无处不在)。与互联网、移动互联网一样，人工智能是基础能力。腾讯正在从技术、场景和平台三个层面打造这项基础能力。 人工智能的能力正在渗透到各个领域，成为商业经济社会的新引擎及核心驱动力。随着技术、算法、场景和人才的不断充实，我们正在见证腾讯从"互联网+"阶段进入以AI为首的技术驱动时代，并且引领全社会进入数字化、网络化之后的最高阶段，即智能化社会。一个新时代正在拉开序幕。 组建技术研发共同体，加速AI技术积累。 腾讯的AI布局在游戏、内容、社交、金融、医疗等方面正在快速展开。腾讯还在构建产业共同体，准备以AI技术赋能全行业，建立开源生态。 腾讯AI Lab是腾讯企业级AI实验室，于2016年四月成立。专注于四大基础研究和四大应用探索的结合。四大基础研究为计算机视觉、语音识别、自然语言处理和机器学习。四大应用探索是内容、游戏、社交和平台工具型AI。 微信AI团队(//ai.weixin.qq.com)是由微信团队内部孵化且专注于人工智能技术探索与应用的研究团队。 腾讯的AI布局在游戏、内容、社交、金融、医疗等方面正在快速展开。 报告中写道： 我们现在正处于本轮AI革命的初始阶段，基于各种背景调查和分析后，我们非常有信心地认为我们现在正处在一个重大的转折点上——和工业革命所带来的深刻变革几乎相同的重大转折阶段。腾讯在人工智能的人才、场景、数据、计算力的布局也逐渐清晰。人工智能对未来社会的影响不仅仅存于经济领域，而是全方位的。技术革命将再一次带来经济社会结构转型与一系列挑战，甚至新的文明。我们在享受AI所带来的红利的同时，也将准备好面对未来的不确定性及挑战。让我们一起见证这个伟大时代的到来。 第五章 腾讯开放能力矩阵 经过多年发展，腾讯从涵盖丰富场景的多维度产品到匹配资源的平台型商业进而演变成多个产业生态的集群，形成目前的产业森林雏形。 这一章节，详细介绍了腾讯各个主要业务和开放的情况。涉及的内容如下图所示。 第六章 中国创新创业先锋指数 报告中发布了2017中国创新创业先锋城市排行榜。其中可以将Top50城市划分为三大梯队。 第一梯队：头部城市例如北京、上海、深圳 第二梯队：广州、杭州、成都、南京、重庆、武汉、天津 与2016年相比，创新创业先锋城市Top50的排名整体变化不大，但也涌现出了增速较快的黑马城市身影。例如温州和唐山，首次进入全国TOP50，排名分别上升20位+。 报告下载 想获得这份报告的全文，可以在量子位公众号（QbitAI）对话界面，回复："腾讯2017"几个字即可。 —完— 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2iGgxIJ RSS5

腾讯225页报告：AI正取代互联网成为新引擎，马化腾提七个关键词

问耕 假装发自 成都量子位 出品 | 公众号 QbitAI 这是一份腾讯长达225页的报告。 报告的标题是《2017互联网科技创新白皮书》。这份报告从AI技术社会的崛起、席卷全球的AI浪潮、中国AI的发展情况、AI时代的腾讯使命等几个章节，阐释了腾讯如何看待人工智能，以及自身未来的使命。 腾讯在这份报告的前言部分写道： 从经济社会跨入技术社会，这是摆在我们当前的一个重要历史机遇；一个全新的AI世界即将到来；一场大融合的序幕正在缓缓拉开。 技术社会发展的引擎正由互联网逐步转换为AI。 从技术创新来看，在可预见的未来的智能IOT时代，所有的智能终端都将植入智能芯片，未来的不再有云计算一统天下，而智能计算、认知计算、网络计算、边缘计算将大行其道。 从技术文化来看，AI技术也将成为一种新的文化力量，按照自己的逻辑前进，支配并决定着人类社会的发展。 从技术商业来看，如何利用资本市场等要素的力量，培养我们商业运作乃至产业化落地的意识对于技术商业化至关重要。中国正在进入技术商业化的加速推进时代。 马化腾的七个关键词 在这份报告的开头部分，还有一封马化腾写给合作伙伴的一封信。在这封信里，马化腾用七个关键词，描述了他最近一年来的观察与思考。 深度融合：以互联网为代表的数字信息技术，开始由表及里地融入各行各业的全流程，线上线下开始打通成为一体。 云化分享：云在数字时代的重要性，不亚于电在工业时代。作为重要的数字创新模式，"云化"程度体现着互联网与各行业的融合深度。 我们还处在数字时代的初始阶段，很多跟云相关的重要事物都还没有被发明出来。比如，电气时代后期出现了计算机，数字时代与之匹敌的发明是什么?我觉得，也许是未来的强人工智能。云、大数据与人工智能三者不离彼此。我曾用这样一句话来描述数字时代的图景：各行各业在云端用人工智能处理大数据。 智慧连接：连接，是所有智慧解决方案的基础。在不同的场景中，连接匹配着不同的智慧解决方案，它依赖生态合作才能实现。 全用户：以互联网为基础的数字平台，正在从"多用户"平台，变成"全用户"平台，它像水电设施一样，成为今天人类社会所有个人和组织的基本需求。 大内容：无论是消息、短视频等数字资讯产品，还是网络文学、动漫、影视、游戏和音乐等数字文化产品，海量数字内容的生成与分发正在促成"大内容"战略。 新科技：无论是互联网企业还是传统企业，今天都在强调自己的科技属性。这不仅仅是口号，因为颠覆性技术的出现将可能改变现有的行业格局。 过去一年，腾讯在新技术领域加码投入，并取得了一些成果。我们在各业务研发团队之外，成立了公司级的AI Lab，并在美国西雅图设立首个海外实验室。同时我们的众创空间和AI加速器也开始走向海外，希望携手海外高科技创业企业共同成长。 宽平台：如果说"窄平台"遵从零和博弈，那么"宽平台"会坚持共生共赢。在"数字生态共同体"中，大家的命运越来越紧密地交织在一起，倡导共生共赢才能可持续发展。 报告主要内容 第一章 技术社会的崛起 2010年后，以算法为核心的AI时代来临。人工智能是当前人类所面临的最为重要的技术社会变革，是互联网诞生以来的第二次技术社会形态在全球的萌芽。 技术社会的三要素主要包括技术创新、技术文化和技术商业。 十八大以来的五年，创新创业对中国社会的影响已经超越了工具主义，AI双创虽然刚刚萌芽，但人们对此的期许已经贯穿了顶层设计和产业实践，这种期许表现为三重强大动力，第一重动力来源于国家战略积极推动，第二重动力来源于资本市场积极参与。第三重动力来自于积极的技术创新。 三重动力的叠加，为AI创业浪潮提供了有史以来最强大的推动力。 在技术文化的精神和物质产品这一层面上，AI技术文化率先在内容产业实现突破。AI技术从根本上改变了内容生产、分发和变现的一系列过程，AI时代下内容产业出现了全新的生态系统。 在内容生产上，生产者由用户变为机器，最后将变成人机协同生产；生产工具也由人脑变为算法学习；生产方式由UGC转换为MGC，最终将是人机协作的IGC模式，即智能化内容生产模式。 AI时代下内容产业将走向C2M(单用户沟通)之路，从传统的机器学习走向深度学习过程中不断迭代算法的过程，就是跳出大众传播/分众传播窠臼站在单个用户的角度来进行个体化沟通的过程。 第二章 席卷全球的人工智能浪潮 整体上看，2016年全球创业风险投资较2015年出现明显下降。但在人工智能领域全球融资逆势增长，并在2016年第二季度创出融资16.9亿美元的单季新高。 以Apple、Google、Microsoft、Facebook、Amazon等为代表的大型科技公司主导美国在人工智能领域的投资和研发。过去一年，这些公司都推出了基于机器学习、自然语言处理等人工智能技术的新型产品，如Google推出的个人助手、Amazon的Alexa等。除了内部研发，这些科技巨头还四处出击，热衷投资具备核心技术的初创型人工智能企业。 报告还对比了美国、英国、加拿大、以列色、日本、印度等国的人工智能发展和政策情况。 第三章 中国技术社会的发展 人工智能产业情况 截止到2017年6月，全球人工智能企业总数达到2617家，其中美国拥有1078家，占据41%；中国其次，拥有592家，占据23%。 中国人工智能公司主要集中在北上广地区。北京的企业数量占据全国总量的42.87%。 截止至目前，美国人工智能融资金额为978亿元，占据全球总融资50.10%；中国人工智能融资金额为635亿元，占据全球33.18%；其他国家合计占15.73%。 据统计，在中国人工智能创业公司中排名前三的领域为：计算机视觉与图像，有146家公司；智能机器人，有125家公司；自然语言处理，有92家公司。 从融资情况看，中国投资者在应用层关注的更多。中国人工智能企业中，融资占比排名前三的领域为：计算机视觉与图像，融资额为143亿元，占23%；自然语言处理，融资额为122亿元，占19%；自动驾驶/辅助驾驶，融资额为107亿元，占18%。 其中，我们看到，中国的自动驾驶/辅助驾驶企业虽然数量不多(只有31家)，但融资额却排名第三，表明中国投资者非常看好这一领域。 第四章 AI时代腾讯的使命 报告中表示，腾讯在人工智能的战略方向上提出了一个较为平实的愿望："Make AI Everywhere"(让AI无处不在)。与互联网、移动互联网一样，人工智能是基础能力。腾讯正在从技术、场景和平台三个层面打造这项基础能力。 人工智能的能力正在渗透到各个领域，成为商业经济社会的新引擎及核心驱动力。随着技术、算法、场景和人才的不断充实，我们正在见证腾讯从"互联网+"阶段进入以AI为首的技术驱动时代，并且引领全社会进入数字化、网络化之后的最高阶段，即智能化社会。一个新时代正在拉开序幕。 组建技术研发共同体，加速AI技术积累。 腾讯的AI布局在游戏、内容、社交、金融、医疗等方面正在快速展开。腾讯还在构建产业共同体，准备以AI技术赋能全行业，建立开源生态。 腾讯AI Lab是腾讯企业级AI实验室，于2016年四月成立。专注于四大基础研究和四大应用探索的结合。四大基础研究为计算机视觉、语音识别、自然语言处理和机器学习。四大应用探索是内容、游戏、社交和平台工具型AI。 微信AI团队(//ai.weixin.qq.com)是由微信团队内部孵化且专注于人工智能技术探索与应用的研究团队。 腾讯的AI布局在游戏、内容、社交、金融、医疗等方面正在快速展开。 报告中写道： 我们现在正处于本轮AI革命的初始阶段，基于各种背景调查和分析后，我们非常有信心地认为我们现在正处在一个重大的转折点上——和工业革命所带来的深刻变革几乎相同的重大转折阶段。腾讯在人工智能的人才、场景、数据、计算力的布局也逐渐清晰。人工智能对未来社会的影响不仅仅存于经济领域，而是全方位的。技术革命将再一次带来经济社会结构转型与一系列挑战，甚至新的文明。我们在享受AI所带来的红利的同时，也将准备好面对未来的不确定性及挑战。让我们一起见证这个伟大时代的到来。 第五章 腾讯开放能力矩阵 经过多年发展，腾讯从涵盖丰富场景的多维度产品到匹配资源的平台型商业进而演变成多个产业生态的集群，形成目前的产业森林雏形。 这一章节，详细介绍了腾讯各个主要业务和开放的情况。涉及的内容如下图所示。 第六章 中国创新创业先锋指数 报告中发布了2017中国创新创业先锋城市排行榜。其中可以将Top50城市划分为三大梯队。 第一梯队：头部城市例如北京、上海、深圳 第二梯队：广州、杭州、成都、南京、重庆、武汉、天津 与2016年相比，创新创业先锋城市Top50的排名整体变化不大，但也涌现出了增速较快的黑马城市身影。例如温州和唐山，首次进入全国TOP50，排名分别上升20位+。 报告下载 想获得这份报告的全文，可以在量子位公众号（QbitAI）对话界面，回复："腾讯2017"几个字即可。 —完— 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2iGgxIJ RSS5