该题目现在共有四人作答。
Xavier Amatriain，曾经是研究员，而今率领ML和工程团队
更新于周一。我曾领导Quora工程师团队研讨ML/ NLP题目，而Nikhil Dandekar曾在微软、Foursquare和Quora处置机械进修的相干事情。
2016年可以说是“机械进修炒作”的一年。险些每个人都在研讨机械进修，要末就正筹算收购研讨机械进修的创业公司。
现正在来看，“炒作”的缘故原由有良多。您能坚信自Google颁布发表开放采购Tensor Flow才只有一年？TF已经成为一个极度成熟的项目，应用于多个行业，由药物发现到音乐建造都有所触及。Google并非独一一家将本人的ML软件开源的公司。微软开源了CNTK，百度推出了PaddlePaddle，亚马逊方才颁布发表他们将正在新的AWS ML平台上推出MXNet。Facebook与此同时正在保护两个深度进修的框架：Torch和Caffe。另一方面，Google还撑持极度胜利的Keras。
2016年机械进修和人工智能的关键进度是什么？
除“炒作”，许多公司还最先支撑机械进修开源项目，2016年还涌现了机械进修的大批利用，这正在一些月前是难以想象的。让我印象尤其深刻的是Wavenet生成的音频的质量。由于曩昔我还已经研讨过类似的题目，所以我对如斯高的音频质量会感应惊奇。固然还有唇语浏览的最新进展，视频识其它伟大利用，这一些利用正在不久的未来多是很是有效的（但还多是恐怖的）。还有Google正在机械翻译层面获得的巨大进步。
事实上，正在曩昔一年中，机械翻译并非机械进修言语技能中独一风趣的提高。近来，一些联合深层次第网络和边信息以发生更丰硕言语模子的要领还很有意义。正在“神经常识言语模子”中，Bengio的团队将常识图取RNN联合，正在《大规模NLP使命的上下文LSTM模子》中，DeepMind起头转向研讨LSTM模子。正在建模言语模子的注意力和影象层面还是有很多风趣的功效，比如说正在本年ICML中发生的《向我问任何事：NLP的动态内存网络》。
别的，我该当说起一下2016年正在巴塞罗那的NIPS。但很遗憾，我错过了正在我故乡举行的集会。据我所知，集会上两个最热点的话题多是生成式匹敌网络（包含Ian Goodfellow异常受欢迎的教程）和几率模子取深度进修的组合。
我还想说一下我的专业行业的一些发展：引荐体系。固然，深度进修还影响了这一行业。虽然我仍旧没有认为将DL作为引荐体系的默许方式，但研讨引荐体系是若何大规模地正在事实中运用，乃至运用正在Youtube如许的产物上仍是极度风趣的。还就是说，正在该行业有一些风趣的研讨取深度进修无关。本年，ACM Recsys的最好论文奖授取《适用于Top－N引荐的当地项目模子》，这是利用初始无监视聚类步调对稀少线性方式（即SLIM）的风趣扩大。别的，《适用于CTR展望的现场感知因子合成机械》描写了Criteo CTR展望Kaggle挑衅的得胜方式，正在ML东西包中，合成机械仍旧是一个很好的东西。
关于机械进修正在曩昔12个月里的危害和提高的例子，我还能罗列一些段落。请注意，我乃至还没有列出任何关于图像识别或深增强进修范畴的相干打破，或详细的运用，如自动驾驶汽车、谈天机械人或游戏，这一些全是正在2016年获得的巨大提高。更不要说关于机械进修是不是可能对社会有负面危害的争辩，和关于算法偏向和公平性的评论辩论等。
更新：
我还应该阐明，绝大多数这一些进度可能在几年前由Schmidhuber出书。可是，至少在本年才刊登在《纽约时报》上！
Tapabrata Ghosh，深度进修这不是炒作。我了解…
写于上周六
我能想到的有：AlphaGo、基于RL的神经弓搜索、learning to play in a day、wavenet、pixelCNN ／ RNN、即插即用生成网络、StackGAN。我以为我说得不全，盼望其他人能帮我增补一下。
Corrin Lakeland，正在Loyalty事情
写于周一
深度信心网络正在2016年进展飞速。之前它很难正在实践中使用，但现正在多个免费藏书楼和教程使得它的使用变得特别很是简单。
比方，TensorFlow技能是2014年下半年宣布的，但在全部2016年，公司对该技能进行了完善。另有，OpenAI近来宣布了平台“Universe”。
Andy Kamath，我爱好机械进修
写于周二
虽然我要说的这个进度不全是正在2016年，反而是正在2013年（11月），但我以为它一样主要。
Tensorflow开源了。TF是一个机械进修体系，它卖力绝多数（若是是不是所有）Google的ML体系。它在2013年11月5日开源，数百万数据科学家因而获得了一个强盛的深度进修东西。
我以为这个进度是最主要的，由于存储库如今是Github上排名前20的最着名的存储库，具有跨越4万颗星和18700个恳求。事实上，那样惊人的实用程序是人工智能和机械进修的世界性标记之一，如今它能公开可用是一个相当大的提高。
