【2019机器学习大总结】机器学习和机器人:我的2019年领域状态

总结题目

2019机器学习大总结，机器学习和机器人:我的2019年领域状态

总结简介

每年年底，我都喜欢回顾一下最能激发我灵感的各种潮流或报纸。作为这一领域的研究人员，我发现深入研究我认为研究界取得了令人惊讶的进展的地方，或者找出我们可能出乎意料地没有取得进展的领域，是相当有成效的。 在这里，我希望给出我对这个领域现状的看法。这篇文章无疑将是一个有偏见的样本，我认为这是该领域的进展。正如Jeff Dean所指出的，不仅仅是有效地覆盖了所有不可能的事情，每天大约有100篇机器学习论文发布到机器学习ArXiv！但是我对什么是进步的看法可能与你的不同。希望你们所有的读者都能从这篇文章中收集到一些东西，或者看到一篇你没听说过的论文。更好的是，你可以随意提出异议：我想进一步讨论我的想法，并在下面的评论或黑客新闻中听到其他观点。

总结内容

• 从AlphaZero到MuZero
• 表征学习(符号AI万岁)
• 监督式计算机视觉研究降温(有所降温）
• 成熟的技术
• 图神经网络
• 可解释AI
• 仿真工具的持续增长和从模拟到真实的进展
• 苦乐参半的教训

总结

随着2019年取得的进展，未来几年仍有成熟的增长领域。我希望看到更多的应用到部分可观察的领域，这需要一个代理对其环境有深入的了解，以便它可以对未来做出预测（这是我正在积极努力的事情）。我也有兴趣在所谓的long-lived AI（长寿人工智能）中看到更多的进展：随着他们花更多时间与周围环境互动，系统会不断学习和成长。目前，许多与世界互动的系统都很难优雅地处理噪音，除了最简单的应用程序外，大多数学习的模型都会随着传感器观测数量的增加而崩溃。