Uber AI团队在深度强化学习的背景下提出了使用遗传算法(GA)的非常有趣的想法。在这5篇论文中,团队展示了GA如何成为SGD的一个竞争性替代方案。看到GA复出是件非常有趣的事情,我很高兴看到在未来几个月里它可以把我们带到哪里。
最后,我最近阅读了关于Libratus如何在单挑无限扑克(这是IJCAI早期论文的一个版本)上击败专家的科学论文。而AlphaGo Zero确实是一个非常令人兴奋的发展,事实上现实中的大多数问题可以更容易地被吸收到像Poker这样的不完善的信息游戏,而不是像Go或Chess这样的完美信息游戏。这就是为什么在这个领域的工作是一个真正令人兴奋的重要推动领域前进。除了上面提到科学论文之外,我还建议你去阅读以下两个:在不完全信息博弈中自我对弈的深度强化学习,以及DeepStack:专家级人工智能在单挑无限制扑克中的应用。
本文由阿里云云栖社区组织翻译。
文章原标题《What-are-the-most-significant-machine-learning-advances-in-2017》,
作者: Xavier Amatriain 计算机科学博士,ML研究员。
译者:虎说八道。