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 minecraft ai 挑战赛

本周，基于 minecraft 上的知名 ai 技术研究测试平台 project malmo，微软发起了一项 ai 协作挑战赛：the malmo collaborative ai challenge，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 pig chase （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 pig chase 的样例代码和详细说明已经公开在 github 上：

█ keras 2 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 keras api 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（runtime backend），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 tensorflow 1.2 版本开始，keras 2 api 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's cousins，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+hadoop world 大会上，美国大数据服务商 cloudera 发布了 cloudera data science workbench —— 一个运行于 cloudera enterprise，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 apache spark、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、l-bfgs 和 adagrad。

以上是网络信息转载，信息真实性自行斟酌。