编译：李静怡、刘小芹

　　：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】Facebook 日前开源了机器学习库 TorchCraft，方便研究人员使用控制器，编写能够玩星际争霸游戏的智能代理。此外，，针对学生、在职者等人如何在 AI 上更进一步提出许多实用建议，其重点是 Facebook 的一系列教学视频中。本文精选其中关于数学的三则【进入新智元公众号，在对话框输入“1204”下载论文】

　　深度学习技术最近使研究人员能够在监督式学习时代成功地解决低级别的知觉问题。在加强学习领域，这已经转化为开发能够学习在高维输入空间中行动的代理的能力。尤其是深度神经网络，被用于辅助将强化学习扩展到与视觉输入有关的环境，使代理能够在测试中学习策略，这在以前是十分困难的。例如，深度Q网络（DQN）算法已经能够通过控制器，直接从原始像素学习，并除了比赛得分以外，没有任何附加监控的情况下，在大多数经典ATARI 2600游戏上达到人类水平。

　　然而，在这个新领域中衍生出的大部分工作都是应对状态完全可见的环境、奖励函数没有或只有很低的延迟，并且动作集相对较小的条件。为了解决绝大多数现实生活中的问题，代理必须能够处理只有部分可见、结构化和复杂的动力学，atv，以及具有噪声和高维控制接口的环境。

　　为了给社区提供有用的研究环境，研究人员已经开发了基于视频游戏的平台，如Torcs、Mario AI、Unreal的BotPrize，以及 Atari游戏学习环境，比如 VizDoom 和 Minecraft。所有这些都允许研究人员训练深度学习模型进行模仿学习（imitation learning）、强化学习和各种决策算法，以应对日益困难的问题。

　　最近，还有人致力于将这些和许多其他这样的环境融合在一个平台，提供一个交互的标准接口。日前，Facebook 研究员开源 TorchCraft，在深度学习环境 Torch 与星际争霸之间搭起了桥梁，方便研究人员使用控制器，编写能够玩星际争霸游戏的智能代理。

　　在论文中，Facebook 研究员提出使用编程语言 Lua，将有活跃的AI研究社区和年度AI比赛的RTS游戏《星际争霸：布洛德战争》连接起来，atv，并且提供了其在机器学习库 Torch中的例子。

　　摘要

　　我们在本文中提供了 TorchCraft 库，使在诸如《星际争霸：布洛德战争》这样的研究实时战略（RTS）游戏平台上从事深度学习研究更加简便，也就是让研究人员使用机器学习框架Torch控制这些游戏时，操作更加简便。这份白皮书提出了使用RTS游戏作为AI研究基准的看法，并描述了TorchCraft的设计和组件。

　　【进入新智元公众号，在对话框输入“1204”下载论文】

　　LeCun 关于学习深度学习的几点建议

　　本周五 Facebook 推出一系列人工智能教学视频，FAIR 主管 Yann LeCun 以及应用机器学习部门主管 Joaquin Quiñonero Candela 撰文科普人工智能，并向那些对人工智能感兴趣的学生提出一些实用建议，“数学”是这些建议的核心。

Yann LeCun 讲解深度学习

　　很多科技公司都会强调 STEM（科学、技术、工程学、数学）的重要性，但此次来自 Facebook 的建议更显突出。LeCun 特别建议同学要学好微积分（Calc I, Calc II, Calc III）、线性代数、概率论以及统计学，越早学会越好。

　　在 Facebook 的这一系列教学视频中，LeCun 把微积分比作机器学习的“电力”，统计学则相当于机器本身的齿轮。

　　Back Propagation 算法详解

　　梯度下降（Gradient Descent）