人工智能如何掌握核心技术？
为什么首先需要梯度下降？
你在学习机器学习的基本概念时，脑子里有过这个问题吗？梯度下降是我们在初始学习中会遇到的基本算法之一，在ML中已经证明这种方法非常有效。但是一旦你开始读这篇文章，你就会对你之前学到的东西产生疑问。
一开始这个问题很直白，后来变成了Reddit高管们的大讨论。我很喜欢看这些评论。我相信如果你对这个领域感兴趣，并且对数学有严谨的态度，你一定会发现它非常有用。
大规模神经网络的逆向工程
当复杂庞大的神经网络的开发者突然消失，没有留下任何理解网络所需的文档，你该怎么办？这不是空穴来风的虚构，而是实际会发生的常见情况，提问者自己也遇到过。
这种情况经常发生在开发者身上，但是到了深度学习的时候，就完全是新情况了。本文介绍了科学家可以用来还原深度模型初始设计思想的几种方法。有些答案很实用，有些很荒谬，但每个答案都增加了新的视角。也许有一天当你处于这种情况时，他们会帮助你。
关于TensorFlow2.0API的争论
这个话题的大量评论引起了我的注意(写这篇文章时有110条评论)。世界上有什么话题能引起这么大的争议？然而，当你继续读下去，辩手之间完全不同的意见令人难以置信。除了TensorFlow被嘲讽为“不是一个好的框架”，很多人都在赞美PyTorch(如果你用过PyTorch，就会明白这并不奇怪)。
这一切都是从FrancoisChollet在GitHub上发布他的想法开始的，这在机器学习社区点燃了一把火。
基于预测奖励的强化学习
本文中的另一个OpenAI项目，霍颖电脑培训，被认为是他们的又一个重大突破。标题看起来没那么特别，但你得明白OpenAI团队做了什么。正如一位Reddit用户指出的那样，OpenAI的工作让我们离模仿人类行为的机器更近了一步。
用了大概一年的训练时间，以超越人类的水平通过了蒙特祖玛的复仇游戏，给人留下了非常深刻的印象！