微软发起MinecraftAI挑战赛；无缝支持TensorFlow的Keras2等

又到周末。休息之余，为大家奉上过去一周引发AI开发者圈子关注的那些事儿。大伙儿泡杯茶，坐在摇椅上，一起来看看在埋头工作的这个星期，外面的世界又有哪些变化。█微软发起MinecraftAI挑战赛本周，基于Minecraft上的知名AI技术研究测试平台ProjectMalmo，微软发起了一项AI协作挑战赛：TheMalmoCollaborativeAIChallenge，目前已经开始注册报名。比赛要求每支参赛队伍（最多3名队员）开发并训练一个AI软件产品。然后通过该软件产品参加一个名为PigChase（小猪快跑）的小游戏。该游戏在Minecraft环境中展开，每局游戏有两名参赛者，一方为参赛队伍开发的AI软件产品，另一方为系统随机分配的队友，有可能是人类选手，也有可能是另一个队伍开发的AI软件。游戏一开始，参赛双方都有25分的原始积分，比赛要求双方在25步之内将一只小猪抓住，每走一步会减掉1分，最终抓住小猪双方各得25分，每轮比赛10局，最终累计得分高者获胜。目前，关于PigChase的样例代码和详细说明已经公开在GitHub上：█Keras2发布，无缝支持TensorFlow在本次版本更新中，最重要的一项内容就是增强了Keras与TensorFlow的逻辑一致性。按照Keras在博客中的说法：这是将KerasAPI整合到TensorFlow核心的一个重要的准备步骤。实际上，从2015年12月的版本开始，Keras就已经支持用户将TensorFlow作为运行后端（runtimebackend），但此前，Keras的API与TensorFlow的代码库尚处于相互隔离的状态。未来，从TensorFlow1.2版本开始，Keras2API将作为TensorFlow框架的一部分直接向用户提供支持，Keras在博客中表示：这是TensorFlow实现下一个百万用户级目标的关键。█谷歌升级语义理解框架SyntaxNet这是SyntaxNet自诞生以来的最重大升级。这建立在谷歌对各语言的语义理解研究基础之上。此次升级的核心是一项新技术：能对输入语句的多层表示进行很好的学习。具体来讲，它延伸了TensorFlow，能对多层语言结构进行合成建模，还能够在语句或文件处理过程中，动态地生成神经网络架构。谷歌同时发布了新的预训练过的模型ParseySaurus。它使用了基于字母的输入表示，因此极大提升了预测新词语含义的能力。这是基于两个方面来实现：词汇的拼写和在语境中的使用方式。雷锋网了解到，ParseySaurus的准确率远远超出Parsey'sCousins，错误率降低了25%。由于语言的形态特性和其他属性，新模型在俄语、土耳其语、匈牙利语上的效果尤其好这些语言中，同一个词汇有多种不同形态，其中许多形态从未在训练阶段出现过（即便是大型语料库）。█Cloudera发布自助式数据开发工具在圣何塞举行的Strata+HadoopWorld大会上，美国大数据服务商Cloudera发布了ClouderaDataScienceWorkbench一个运行于ClouderaEnterprise，自助式的数据科学开发环境。目前该全新研发的软件尚在beta内测阶段。其相关技术来自于Cloudera去年收购的数据科学初创公司Sense.io。该产品的最大特点是原生支持ApacheSpark、Hadoop和R、Python、Scala等开发语言。开发者能在Cloudera的企业平台上同时使用这些工具和语言，这将加速数据分析项目从研发到最终产品的过程。推荐深度阅读█用数据说话：把自拍照变成毕加索名画哪种算法最高效？有位外国开发者根据fast.ai平台开设的深度学习代码实践课程，亲手实现了一个照片风格转换器，并对几种常见的优化算法的性能进行了综合对比，最终以图表加博客的方式记录下来。作者比较了基于CNN的六种优化算法：梯度下降、Adadel、RMSProp、Adam、LBFGS和Adagrad。

小红书配图海报
条漫海报