新智元启动新一轮大招聘：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】各大科技巨头纷纷大力投资深度学习，都有抢占DL山头之势。但细看就能发现，顶尖玩家进攻深度学习的侧重点和偏好的方法实际上各不相同。作为资深从业者，本文作者根据他的观察，从谷歌 DeepMind、微软到最近表现突出的亚马逊、Uber，盘点全球顶尖AI产业玩家的深度学习实力和战略。

　　（文／Carlos E. Perez）长期以来，我一直在努力理解深度学习的研究发展。我使用的方法论是模式设计编目（cataloging of Design Patterns），它对于分析这个复杂程度不断增长的领域相当有效。事实上，开奖，由于该领域的巨头持续在发表新的令人惊讶的研究成果，我自己对这些概念的理解也将继续调整。

　　然而，我观察到的某些模式实际上超出了对深度学习的一般理解范围。我观察到的是，不同的尖端研究团体似乎侧重使用不同种类的方法来解决人工智能的谜题。不过，预先声明，我并不了解这些组织内部的运作机制，以下内容都是我个人的观察思考而已。

　　幸运的是，通过阅读这些机构发表的研究成果，你就会有这样的感觉：各个团体所喜欢的方法各不相同（注意：这些方法不是相互排斥的）。所以，请让我顺便说明一下自己对于偏见（或偏好）的直觉——领域里的每个大玩家都在如何研究深度学习。

　　谷歌 DeepMind：强化学习＆深度学习

　　谷歌在看到 DeepMind 的 Atari 游戏 AI 之后将 DeepMind 收购。自此，DeepMind 一直喜欢在他们的方法中使用强化学习。他们肯定将深度学习作为大多数研究的组成部分，但似乎总是强调深度学习与强化学习的组合，也就是深度强化学习。

　　DeepMind 深度学习研究大多集中于在模型中的非参数层嵌入使用变分法。DeepMind 还关注注意力机制和记忆增强网络。在研究的广度上，我认为没有组织能企及 DeepMind。DeepMind 的研究驱动力似乎是想要发现智能的本质。

　　你可以在这里了解他们的更多工作：https：//deepmind.com/research/publications/

　　谷歌大脑：侧重实用和工程，强调应用可扩展

　　谷歌大脑在处理研究方面有着很明显的侧重实用和工程的方法。你可以看到他们如何对 inception 架构进行各种各样的细节调整。他们在围绕可用的计算资源如何搭建深度学习架构方面做了大量的工作。谷歌还结合了其他传统算法，如 beam search、图遍历和深度学习的广义线性模型。这种方法似乎也强调了对可扩展解决方案的需求。（编注：很奇怪这里作者没有提到谷歌挖来 Hinton、李飞飞、李佳等学术大牛及他们进入谷歌后所的研究。）

　　你可以在这里找到他们的研究：https：//research.googleblog.com/

　　Facebook / FAIR：重视基础理论研究，但主线不明

　　这是由Yann LeCun 领导的团队，目前还不清楚它的实力有多么强大，因为大多数创新研究似乎都来自于 LeCun 在纽约大学的研究小组。 LeCun 的团队进行的是探索深度学习基本层面的实验性研究。在研究深度学习基础理论这一方面，目前各大机构的研究团队花费的功夫不多。

　　FAIR 已经在 Torch上发布了几个不错的开源实现项目，在某些问题上使用深度学习做出了一些成绩。然而，很难看出 FAIR 有任何特定的研究偏好。我发现很难从他们的研究工作中看出一个主线。也许你可能有更好的运气：https://research.fb.com/publications/?cat=2

　　微软：底蕴深厚，实力不凡