编译：刘小芹、 Jason

　　：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】 从2004年开始连续三次准确预测美国总统大选结果的AI系统MogAI10月28日发布最新预测，看好川普赢得与希拉里的2016总统之争。不管最终结果如何，川普作为美国总统候选人都已经获得了“深入人心”的形象，国外甚至有人整理了他的一些有趣的言论，推出“川普语录”。本文后半部分秉承新智元的干货原则，手把手教你使用递归神经网络在TensorFlow上让生成川普讲话。

　　“唐纳德·川普会赢”，准确预测了前三场选举的AI系统如此说道。

　　“如果川普输了，将是过去12年里第一次违反数据趋势，”AI的开发人员说。

　　2016年10月27日在日内瓦（俄亥俄州）的竞选集会上，支持者们在聆听共和党总统候选人唐纳德·川普的演讲。川普花了一整天在俄亥俄州进行竞选造势。

　　一个高度可靠的统计模型预测唐纳德·川普将在总统竞选中胜出，人工智能系统已经成功预测了过去三次总统选举。

　　MogAI是印度医疗保健公司Genic.ai的创始人Sanjiv Rai开发的AI系统，它预测唐纳德·川普将成为美国总统，CNBC报道。

　　MogAI——名字来源于《奇幻森林》（“The Jungle Book”）的Mowgli，因为它就像那个狼孩，它从环境中学习——已经正确地预测了前三次总统选举的结果，以及民主党和共和党的初选结果。它使用来自Facebook，Twitter和Google等公共平台的信息生成投票行为的预测。

　　数据显示，人们对川普话题的参与度比2008年奥巴马顶峰时还要高25%。从表面上看，这种参与表示支持候选人。

　　Rai向CNBC解释说，“如果川普输了，将是过去12年中第一次违反数据趋势，12年前互联网开始全面介入竞选活动。”

　　但是，AI系统没有考虑它检测的用户活动的语气或意图。因此，如果有人在Twitter上发表对Trump的负面态度，AI也将其简单地标注为“参与”，atv，认为是积极的量度。

　　Rai写道：“数据的粒度决定了偏见是越来越少的，尽管掺杂有消极或积极的权重。”

　　换句话说，更准确的数据能让MogAI分辨出候选人的支持者和反对者。例如，获取用户的IP地址能让AI系统更精确地跟踪用户的总体参与情况。

　　Rai 承认AI系统还有其他潜在的漏洞。例如，现在在社交媒体参与总统竞选讨论的用户比2008年时更多。尽管如此，正如川普所擅长的：任何宣传都可以是好的宣传。

　　“如果你看看初选就会发现，在初选阶段，社交媒体上出现了大量针对川普的负面言论，”Rai说，“然而，讨论越来越多，对川普是有利的。最后川普以不错的言论形象在初选中胜出了。”

　　CNBC称，川普现在的胜率已经比2008年时候的奥巴马高出25%。MogIA始建于2004年，已经准确地预测出美国最近三次民主党与共和党的总统大选之争。

　　干货：用RNN生成川普语录

　　来源：

　　本文将介绍如何向Tensorflow的语言建模教程中添加采样步骤/模式。让人非常惊奇的是，RNN可以从极少的数据中学习。我们使用川普的讲话作为样本。

　　递归神经网络（RNN），正如其名字所指，是具有递归连接的神经网络。也就是说，它与更简单的前馈网络不同，它不仅考虑当前的输入，还考虑前个状态。由于这种改进，RNN是许多类型的时序数据（文本、话语、音频、视频等）建模时的自然选择。有时，RNN模型（尤其是LSTM风格不同的）可以非常有效。RNN经常被用作更大型、更复杂的模型的构建块，这种形式下他们可以帮助语音识别、机器翻译、语言建模以及其他任务达到最优的结果。

　　本文中，我将从Tensorflow的语言建模教程开始，并做一点点修改，使它更有趣。