如果邮件中的内容不能正常显示，请点击此处查看   如果不想再收此邮件，可取消订阅
 
  CSDN AI 周刊 2019-08-22 第62期  
 
  卷首语  
 
  欢迎订阅CSDN AI周刊  
CSDN AI周刊由于CSDN旗下AI垂直媒体“AI科技大本营”编辑并运营。订阅周刊后你将免费获得最新的人工智能前沿资讯、学习资源，每周推送，欢迎关注。
 

  精彩推荐  
 
  2019 AI开发者大会-你的5折福利仅剩3天！  
9月6-7日，高文院士、李沐、吴甘沙、微软（中国）首席技术官韦青、华为诺亚方舟实验室首席科学家刘群等重磅嘉宾和60+国内外顶尖企业的一线技术专家，深耕9大技术，剖析行业痛点，分享AI落地技术与案例经验，助力企业和开发者实现技术跃迁，洞察前沿趋势。3人团购立减600元/人，截止8月25日！即刻抢购

9月5日，伯克利大学名师精髓课程移师北京。《动手学深度学习》作者、亚马逊首席科学家李沐线下亲授「深度学习实训营」，免费GPU资源，现场还将限量赠送价值85元的配套书籍一本，先到先得。原价1099元，限时专享CSDN 独家福利价199元！即刻抢购

 
  重磅！AI Top 30+案例评选正式启动  
2018 年，CSDN 开启了第一届优秀 AI 应用案例评选活动，2019 年的案例评选活动再度重磅升级，CSDN 将评选出各行业的 AI Top 30+优秀案例，从创新性、先进性、引领性、效益性四大评选标准出发，希望挖掘出的那些优秀应用案例为 AI 行业发展带来启迪，进而推动整个AI 行业的发展进程。免费报名
 
  免费公开课 | 基于海量公开数据的大规模商业交易图谱构建及预测  
本次公开课将讲述如何利用最新的深度学习技术训练精准的商业交易信息提取模型，并结合百炼智能的高性能知识图谱技术，构建千万实体数亿关系的商业交易图谱，并在图谱上进行推理和预测。报名&直播地址
 

  业界精选  
 
  从不温不火到炙手可热：语音识别技术简史  
语音识别自半个世纪前诞生以来，一直处于不温不火的状态，直到 2009 年深度学习技术的长足发展才使得语音识别的精度大大提高，虽然还无法进行无限制领域、无限制人群的应用，但也在大多数场景中提供了一种便利高效的沟通方式。本篇文章将从技术和产业两个角度来回顾一下语音识别发展的历程和现状，并分析一些未来趋势，希望能帮助更多年轻技术人员了解语音行业，并能产生兴趣投身于这个行业。
 
  为什么华为200万招聘AI博士，马斯克却推出脑机接口对抗AI？  
7月有一件大事：马斯克发布最新研发的脑机接口，让我们看到用意念控制电脑不再是梦。为何马斯克会有如此“疯狂”的研究？他表示：“我认为未来人类智力会被 AI 甩在身后，脑机接口可以让我们跟上 AI 的脚步。所以，让人脑和机器连接很重要。”关于人类比不上 AI 的言论，霍金早有担忧：人工智能也有可能是人类历史上最后的事件。为何大佬们会有如此的担忧与举措？为何华为重金招聘 AI 领域的人才？这得从 60 年前，AI 的诞生开始说起……
 
  IJCAI 2019：中国团队录取论文超三成，北大、南大榜上有名  
AI 顶会IJCAI 2019已于8月16日圆满落幕。在论文的主题上，机器学习依然是最热的一个领域，收录数量为 438 篇，超过半数，此外论文数量最多的领域依次为计算机视觉，机器学习应用，自然语言处理。
 
  华为开辟鸿蒙背后的物联网“野心”  
在5G 技术火热的当下，如何去除浮夸，摒弃空谈，回归技术与应用价值本身的探讨？微软（中国）首席技术官韦青、北京邮电大学孙松林教授、云知声董事长，CTO 梁家恩、华为 IoT 标准产业与创新总监张朝辉、金山云 AIoT 事业部高级研发总监肖江将为大家论道“5G 驱动下的 AIoT”。
 

  AI技术精选  
 
  每天超50亿推广流量、3亿商品展现，阿里妈妈的推荐技术有多牛？  
作为 2019 AI ProCon 推荐系统专场（官网：https://aiprocon.csdn.net/）的出品人，阿里妈妈资深算法专家朱小强在接受采访时，对推荐领域也表达出“当我们越深入，越感觉到现有技术的浅薄”这样类似的感受。这不禁让人思考：推荐系统与流行 AI 技术的结合究竟对优化推荐效果起到了多大的作用？打破推荐系统领域瓶颈的突破口在哪里？怎样做，才能让推荐系统更好地服务用户？
 
  ImageNet错误率小于4%，数据量依然不够，N-Shot Learning或是终极解决之道？  
新技术弥补了物理资源的不足，同样，也需要新技术来满足在获得很少数据的情况下应用系统依然能正常地运行。那么，N-shot Learning 就成为了这个异常热门领域的核心话题。
 
  时间序列的建模新思路：清华、李飞飞团队等提出强记忆力E3D-LSTM网络  
如何对时间序列进行时空建模及特征抽取，是RGB视频预测分类，动作识别，姿态估计等相关领域的研究热点。清华大学、Google AI 和斯坦福大学李飞飞团队提出了一种具有强记忆力的E3D-LSTM网络，用3D卷积代替2D卷积作为LSTM网络的基础计算操作，并加入自注意力机制，使网络能同时兼顾长时和短时信息依赖以及局部时空特征抽取。这为视频预测、动作分类等相关问题提供了新思路，是一项非常具有启发性的工作。
 
  面向可解释的NLP：北大、哈工大等提出文本分类的生成性解释框架  
北大、哈工大和加州大学圣巴巴拉分校在 ACL 2019 的一篇论文中联合提出了一个全新的生成性解释框架，该框架能够对分类策略进行学习，并同时提供细粒度的解释。这项研究还提供了解释因子以及最小化风险训练（minimum risk training）方法，以便进行学习并产生更加合理的解释。
 

  联系我们  
 
  CSDN AI 周刊  
  本刊由“AI科技大本营”编辑并运营，涵盖AI行业和技术圈儿的精品干货，每周发送，欢迎将干货分享给更多人！扫描下方二维码，添加小助手，备注公司和技术方向，邀你加入技术交流群。  
  大本营小助手  
大本营小助手
 
  投稿：zhouxiang@csdn.net  
  转载：suiling@csdn.net  
  反馈：suiling@csdn.net  

查看CSDN AI 周刊往期回顾，更多精彩内容尽在 CSDN AI专区。欢迎向您的朋友推荐订阅本邮列表。
如果不想再收到该邮件，可以取消订阅