2017年度好视频，吴恩达、李飞飞、Hinton、OpenAI、NIPS、CVPR、CS231n全都在

我们经常被问：机器翻译迭代了好几轮，专业翻译的饭碗都端不稳了，字幕组到底还能做什么？

对于这个问题，我们自己感受最深，却又来不及解释，就已经边感受边做地冲出去了很远，摸爬滚打了一整年。

其实，现在看来，机器翻译在通用领域的短句上，已经做得不错了，但是复杂长句、需要结合上下文语境、特定知识的翻译上，效果还远远不能让人满意。

人工智能领域的翻译，就属于后者。它不仅需要数学、编程知识打底，对特定专业表达进行界定，还需要适时结合上下文语境理解和延伸。

这样一来，你也许能够理解，忠于原意又有人情味的翻译很难，坚持做忠于原意又有人情味的翻译，更难。

即便如此，过去的2017，雷锋网雷锋字幕组还是致力于为大家的求知欲输送能量。

凭借着不断飙升的志愿人数和人品，积累了不少值得一看再看的视频，其中当然还包括花样百出的延伸专栏。

有全套的机器学习和视觉识别课程；有宜下饭宜脑洞的Geek网红视频；有为学术咖专供的两分钟论文；有紧跟开发潮的谷歌AI实验室；还有帮你精选论文的《AI阅读研究所》和解读最热行业新闻的《AI听》；以及为粉丝量身定制的《译者访谈录》……

雷锋字幕组根据视频的热度和组长的主观和私心，选出了10支2017年度好视频，希望重温过去的同时，也为你的求知带来新启发。

01

吴恩达

Deeplearning.ai对话七位深度学习领袖

吴恩达亲自上阵采访了7位AI界顶级人物，“深度学习教父” Geoffery Hinton、“GANs之父” Ian Goodfellow、“深度学习三驾马车”中另一位 Yoshua Bengio 、UC伯克利教授 Pieter Abbeel 、百度研究院院长林元庆 、“深度学习网红”Andrej Karpathy、苹果 Ruslan Salakhutdinov 。

02

NIPS最佳论文

德州扑克背后的不完全信息博弈

2017年初，4位顶尖德州扑克选手，在为期20天的赛程里，与卡耐基梅陇大学研发的人工智能系统Libratus对决12万手，争夺20万美元奖金池。最终，Libratus击溃了这组职业选手。Libratus人工智能系统所用到的策略技巧就是这篇论文的重点内容。

03

CVPR ORAL论文

使用Part Affinity Field进行实时多人2D姿态估计

该视频出自2017年的CVPR，Realtime Multi-Person 2D Pose Estimation using Part Affinity Field，是CMU的成果，效果真的Amazing。亮点在于，融合了PCM和PAF的级联cascade形网络结构，网络设计思想和RefineNet的网络设计思想很像，以及相应条件约束的偶匹配（bipartite matchings）算法。

04

OpenAI

人工智能1v1击败Dota2顶级玩家

在 Valve 举办的 Dota2 国际锦标赛现场，OpenAI的人工智能打败了「Dota 2」世界顶级玩家，该赛事奖金高达 2400 万美元。对于DOTA2人工智能训练的结果表明，如果计算够充分，自我对练可以将机器学习系统的性能从远低于人类的水平推向超越人类。

05

DeepMind

提出神经网络架构搜索

DeepMind 联合 CMU 提出一种结合模型结构分层表示的高效架构搜索方法，研究者发现这种搜索方法能有效找到性能超越人工设计的架构，使用神经网络让神经网络设计变得自动化的技术，而且已经开始取得成效。

06

Geoffrey Hinton

重塑AI的胶囊网络

Geoffrey Hinton找到重塑AI的新方法—胶囊网络。胶囊网络是一种神经网络的扭曲，目的是让机器更好地通过图像或视频来了解世界。由于胶囊具有分别处理不同属性的能力，相比于CNN可以提高对图像变换的健壮性，在图像分割中也会有出色的表现。

07

DeepMind

下国际象棋的AlphaZero

AlpahZero很快就学会了用人类下棋的方式下国际象棋，而且胜过了最强的国际象棋引擎。通用强化学习算法 AlphaZero 完全无需人工特征、无需任何人类棋谱、甚至无需任何特定优化，只需要几个小时的训练时间，就可以超越此前最好的算法甚至人类世界冠军，这是算法和计算资源的胜利，更是人类的顶尖研究成果。

08

谷歌大脑Hugo Larochelle

神经网络系列视频

Google Brain团队的研究员Hugo Larochelle自制的神经网络短视频，每个小视频讲解一个知识点，便携好上手，Youshua Bengio也向学生们推荐过这系列视频。

09

斯坦福李飞飞

面向视觉识别的卷积神经网络

2017年春季新出的CS231n是非常好的深度学习入门材料，也是计算机视觉和深度学习领域最经典的公开课之一，适合绝大多数想要学习深度学习知识的人，比较系统地介绍了神经网络的常用方法,尤其是重要概念的介绍比较详细生动，例如梯度下降法、BP法等。

10

深度学习之父Geoffrey Hinton

面向机器学习的神经网络

压轴视频是来自深度学习之父Geoffrey Hinton 的《Neutral Network for Machine Learning》，是唯一一门 Hinton 本人系统讲授的公开课。自 2012 年开课，NNML 就一跃成为深度学习开发者的殿堂级慕课。时隔五年，仍然是内容最 “干”、最值得学习的深度学习课程。对于有志于真正掌握深度学习的人而言，NNML是必修课。

以上，雷锋网感谢你的观看。

2017春季CS231n斯坦福视觉识别课中文首发，连载更新中

CS231n 2017 今天正式开课！双语字幕版独家上线！

Google Brain 大牛神经网络系列视频中文首发，连载更新中

Google Brain 大牛亲授！只需10分钟！好看好上手的神经网络在线课！

以下是雷锋字幕组的译者专栏，欢迎来玩

原来你看到的小视频都出自他们之手

最好奇的Top5连问：你是怎么踏入深度学习大门的？