这些公司都看到了人工智能的巨大商业潜力，因此他们正竭力地去获取客户数据，去开发无人驾驶汽车，以及将机器学习运用于医疗领域以保证自身在人工智能领域中的领先地位。

　　这让人们不禁想起了研发电脑芯片或研发第一批生物技术和药物的那段时期，在那段时间里，显著的学术成就为这些新兴产业奠定了基石。

　　这也解释了为什么发表论文很重要。科学界中”要么发表论文，要么灭亡”的一贯宗旨正在重新划分人工智能企业：发表论文能力弱的公司处于很大的劣势。苹果一直以来都在为其计划和产品进行严格的保密，但这种做法对其发展是不利的，导致其在人工智能领域的水平远远落后于Google和Facebook。

　　所以，当CMU的计算机科学家Russ Salakhutdinov担任苹果公司的人工智能部门的负责人后，他就立即被允许通过博客和谈判来打破苹果的《保密守则》。

　　去年年底在巴塞罗那举行的机器学习科学会议上，Salakhutdinov宣布苹果公司也将开始发表论文。他在一页幻灯片中写道“我们也会出版吗？是的！”

　　Salakhutdinov将在下周由《麻省理工科技评论》在旧金山举办的EmTech Digital大会上就人工智能主题进行发言。

　　文中提到的Google人工智能领域的重量级论文概述：

　　1.《Mastering the game of Go with deep neural networks and tree search》

　　围棋游戏一直被认为是人工智能最难挑战的经典游戏，因为在围棋游戏中搜索空间巨大，难以评估棋子的具体位置和移动方向。DeepMind的研究人员让计算机利用”价值网络”评估棋局，”策略网络”选择落子。然后使用人类围棋样例训练这些神经网络，最后利用强化学习使程序在与自己下棋的过程中不断学习，达到专家水平。

　　在这篇论文中，他们还引入了一种将蒙特卡罗模拟与价值网络和策略网络相结合的新搜索算法。使用这种算法，AlphaGo在与其它的围棋程序比赛中，获胜率达到了99.8%，并最终在与最顶级的人类玩家的比赛中完胜人类——这曾经被认为是一个在近十年内不可能实现的壮举。

　　2. 《Hybrid computing using a neural network with dynamic external memory》

　　人工神经网络很擅长感官处理，序列强化和强化学习，但是由于缺乏外部存储器，它表示变量、数据结构和长期储存数据的能力受到了限制。

　　在论文中，他们引入了被称为”可微分神经计算机（DNC）“的机器学习模型。DNC包含从外部存储矩阵中读取和写入数据的神经网络，这类似于传统计算机中的随机存取存储器。与传统计算机一样，DNC也可以使用其内存来表示和操作复杂的数据结构，同时也能从数据中学习。另外，DNC也可以模仿自然语言中的推理问题。