AI 潰敗，Dota2 最強人機大戰首場終結

8 月 24 日早間，OpenAI 的人工智能在 DOTA2 國際邀請賽(Dota 2 at The International)中輸給了人類職業玩家。這是人類職業玩家與 OpenAI 機器人三場對決中的第一場，另外兩輪比賽將在接下來的兩天內舉行，每天都有不同的人類團隊出賽。

李彥宏：AI模仿人腦是走不通的

在 8 月 23 日上午舉行的中國國際智能產業博覽會上，百度董事長李彥宏談到了人工智能的三個誤解：

第一個誤解，人工智能應該長得像人。如果要讓機器去替代人的體力勞動，那我們在工業化時代已經解決了這個問題，（現在）我們要解決的是讓機器能夠像人一樣思考。

第二個誤解，人工智能應該像人一樣思考?，F在有很多的研究是研究人腦怎么工作，我認為這條路也走不通。人工智能不是模仿人腦的工作原理，而是要用機器的方式實現人腦能夠實現的價值或者作用。

第三個誤解，人工智能威脅論。很多人擔心有一天人類會被機器所控制，完全沒有必要。AGI（通用人工智能）離我們還非常遠，我們更應該擔心技術成熟得不夠快，會出問題。

特斯拉上海工廠 2020 年量產 Model 3，市場價不到 30 萬元

8 月 23 日，據澎湃新聞消息，特斯拉已在中國獲得完全國民待遇，并將于 2020 年在中國的超級工廠量產 Model 3。該工廠前期只生產 Model 3 一種車型，但是其不到 30 萬元人民幣的市場價值得期待。

報道援引了參與特斯拉談判的中方人士說法稱，這個工廠的規模和建設水平，都會超過美國的超級工廠，占地面積在 1.72 平方公里左右。

英偉達發布 GeForce RTX 2000系列顯卡，基于圖靈架構

繼上周重磅發布了針對視覺計算設計的工作站級 Quadro RTX 新款新卡和新一代核心架構 Turing（“圖靈”）后，8 月 21 日在德國科隆舉辦一場主題演講上，英偉達發布了其搭載了“圖靈”專車的針對消費級游戲玩家的系列顯卡，分別是 RTX 2070、RTX 2080、RTX 2080 Ti，結合其主打的“實時光線追蹤”和人工智能技術，游戲玩家可以獲取到更逼真的圖像。

作為游戲顯卡 GeForce 產品線的又一力作，英偉達旨在取代 GeForce GTX 1080 / 1080 Ti ，其最大賣點在于“實時光線追蹤”的改進，模擬光線在視覺場景中反彈的能力，將有助于視頻游戲和其他計算機圖形更接近真實世界中的陰影和反射。

自動駕駛獨角獸 Zoox 首席執行官“掃地出門”

據彭博社報道，自動駕駛公司 Zoox 首席執行官 Tim Kentley-Klay 已被公司董事會通過投票表決的方式解聘。董事會成員 Carl Bass 被任命為執行主席，首席執行官職位暫時空缺，同時另一位聯合創始人兼首席技術官 Jesse Levinson 被晉升為總裁。Carl Bass 曾擔任軟件公司 Autodesk 的首席執行官。

目前，Zoox 已籌集了約 7.9 億美元的資金用于開發自動駕駛汽車。最近，它以 32 億美元的估值獲得了 5 億美元的資金。

▌技術焦點

不如跳舞！在不同視頻中進行人類動作遷移

來自加州大學伯克利分校的 Caroline Chan、Shiry Ginosar、Tinghui Zhou 和 Alexei A. Efros 四位研究人員提出了一種不同視頻中人體運動遷移的方法，以實現“Do As I Do"，即給出任何一個人跳舞的源視頻，算法就能夠將該表演遷移到目標主體身上，以模仿出標準的舞蹈動作。即便你從未受過舞蹈訓練，你也可以像芭蕾舞或 pop舞者一樣或優雅或活力地表演。

DoWhy：用于因果推薦的 Python 庫

與用來預測的機器學習庫類似，微軟研究院推出的 DoWhy 是一種引起因果思考和分析的 Python 庫，它提供了一個統一的界面進行因果推理，并對許多假設進行自動測試，讓非專業人士也能進行推理。該成果在最近舉辦的 KDD 2018 上做出了展示。

https://www.microsoft.com/en-us/research/blog/dowhy-a-library-for-causal-inference/?OCID=msr_blog_dowhy_KDD_tw

Pervasive Attention：用于序列到序列預測的2D卷積神經網絡

摘要：當前最先進的機器翻譯系統都基于 Encoder-Decoder 框架：輸入序列后，系統先對序列進行編碼，然后基于輸入序列的編碼生成輸出序列。為了讓系統能基于解碼器狀態重新組合源語句單詞的固定編碼，現在編碼器和解碼器中間往往會有一個注意力模型。

我們提出了一種替代方法，它依賴于跨兩個序列的單個 2D 卷積神經網絡。網絡的每一層都會根據到目前為止產生的輸出序列重新編碼源語句單詞。因此，其實類似注意力的屬性在整個網絡中都是普遍存在的。實驗證明，我們的模型產生了出色的結果，它優于最先進的 Encoder-Decoder 框架，同時，它在概念上更簡單，參數也更少。

https://github.com/elbayadm/attn2d

XGBoost 背后的數學原理

XGBoost 是陳天奇在華盛頓大學求學期間提出的成果。它是一個整體加法模型，由幾個基學習器共同構成。

要點：

雖然梯度提升遵循負梯度來優化損失函數，但 XGBoost 計算每個基學習器損失函數值用的是泰勒展開。

XGBoost 不會探索所有可能的樹結構，而是貪婪地構建一棵樹。

XGBoost 的正則項會懲罰具有多個葉子節點的樹結構。

關于選擇分叉標準，建議閱讀論文：arxiv.org/pdf/1603.02754.pdf