手把手！教你快速GET最前沿AI信息

原创：王俞羽读芯术 2019-12-26

全文共3884字，预计阅读时长6分钟

在人工智能大火的今天，无论是信息量还是技术进步都呈现出爆炸式增长。我们该如何甄别出哪些信息是高质量的，哪些是最新的内容？

一个浏览器可以基本满足我们对于知识数量的要求，但是却远远增加了找到有用信息的时间成本。无论何时，能够快速准确获取自己想要的信息比盲目埋头苦干要有用得多。那么该如何解锁这一技能呢？

第一步，学好英语去翻墙

要知道，当前世界上关于人工智能研究走在前列的就是美国，所以翻墙将是你打开精彩世界大门第一步，也是最基础的一步。顶级的杂志论文发表以及会议论文发表基本上都在一些国外的网站上，如果翻不过这道墙就等于隔绝了一线消息。

除了顶会文章，你同时错过的还有大佬们发表言论的twitter以及facebook。大家常常会在这些平台上第一时间发布研究成果，或者表达关于某些领域或者某些问题的见解和探讨。

另外还有youtube以及公开课网站等，以供网友进行探索学习。

其中公开课里比较有代表性的包括Coursera，上面会有一些大学知名学者的公开课课程，优点在于其基础性以及系统性；Udacity则是一些硅谷的实践派技术大佬们放飞自我的广场，里面的内容不仅新颖而且有趣，相较Coursera可能会更偏向实践以及专业性，但是在系统性上可能会有一定的缺乏；另外还有麻省理工和哈佛大学合办的edX，也是一个很不错的开放性学习平台。

除过课程学习，行业最新新闻报道也应该掌握。国外几家优质的人工智能聚合媒体平台可以参考：AI weekly、Machine Learning、Inside AI、WildML、The Visionary等，几家风格内容各有侧重，具体选择依个人需求而定。

当然，不会翻墙是不是就意味着绝对被人工智能抛弃了呢？那也不一定。目前在国内也活跃着一些优秀的媒体平台，例如机器之心、CSDN等。他们会挑选并且翻译出一些高质量的文献提供给读者。

但是不可否认，翻译文献往往不够及时，也常常会被译者有意或者无意地进行“二次创作”。一方面是因为译者本身的对技术的了解并不过关，另一方面，文化差异也会导致阅读的难度增加。但是在学术界尤其是科学领域，常常会出现差之毫厘，谬以千里的情况。这种翻译的文献大概就类似于点餐后吃到了冰镇小龙虾与爆炒西瓜，这种感觉你懂的。

能够被翻译引进国内的文章在一定程度上质量还是比较有保障的。如果英语水平过关，不妨找出这些翻译文章的原文来看一看，起码可以核实一遍翻译是否有不当的地方。

学好英文，不仅有助于阅读资料，同样也有利于查找资料。人工智能领域的一些最前沿的研究结果，大部分情况下是用英文为第一语言发布的。我们搜索的时候也必然使用的是英文。常见的搜索词条包括以下这些：

如果有看不懂的单词，请自行面壁思过三分钟，然后打开四级词汇表和我一起高声朗读：abandon!

关注大牛们的动态

为避免自行探索时走火入魔，最高效的方式无疑是关注这个学科中最顶尖的人才以及机构，追踪他们的研究方向以及研究动态。常见的途径包括他们的twitter， facebook，甚至是微博，再或者是实验室以及机构的官方网站。

解决了用什么关注后，我们应该去关注谁呢？领域内代表性人物可以分为两派：学术派与实践派。

学术派中比较出名的以Michael I Jordan为例，这一位迈克尔乔丹可不是篮球界的那一位巨星迈克尔乔丹哦。不过在AI领域，这位迈克尔乔丹也是一位不可替代的明星人物。

他就是我们常常挂在嘴边的吴恩达的直系老师，目前供职于加州大学的伯克利分校，曾经也是麻省理工大学的一位教授。他的专业研究领域是计算机科学，可以被应用于机器学习方面。尤其是在将贝叶斯网络应用于机器学习中，他所作出的贡献可谓是功勋卓著。

另外还有人工智能领域的三位奠基人之一、加拿大蒙特利尔大学教授、高级机器学习领域专家约书亚·本吉奥（Yoshua Bengio），加州大学圣迭戈分校教授、大脑能计算应用领域专家特里·塞诺斯基（Terry Sejnowski）等都是知名的AI领域学者。以此类推，各大院校中的计算机科学领域的知名学者们都应该是我们关注的对象。

实践派近些年来风头最盛的非Demis Hassabis（德米斯·哈萨比斯）莫属。也许提起德米斯本人，大家会不是很熟悉，但是阿尔法狗想必大家是无人不知的。没错，德米斯就是阿尔法狗的“亲爹”！

在神经认知科学领域，他可是一位数一数二的人物。早年他就在这一领域开展了研究，并发表了多篇有影响的论文。直到2010年，他与人创办了人工智能领域的初创公司DeepMind Technoloies，成为该公司CEO，并且专门从事通用学习算法的研发。

再后来的事情大家也就都知道了，在2014年谷歌用6.25亿美元的天价收购了这家公司，德米斯则成为了谷歌人工智能项目的工程副总裁。在德米斯的率领下，DeepMind开发的AlphaGo接连击败了樊麾、李世石、柯洁，将人类在围棋领域的最高智慧逐个挑战击破。

不只是德米斯，还有深度学习、脑神经领域专家杰弗里·辛顿（Geoffrey Hinton），图像识别领域奠基人、Facebook人工智能实验室主任雅恩·乐昆（Yann LeCun），Numenta神经科学领域专家杰夫·霍金斯（Jeff Hawkins）等。以他们为代表，各大公司的CTO、首席科学家，以及知名技术骨干也都应该是我们所重点关注的对象。

关注顶级研究机构以及学院

人工智能领域人才的分布不均甚至比世界的贫富分布不均还要严重，几乎所有的顶级科学家都被一些知名的大公司、独角兽以及专业科研院所一网打尽。根据LinkedIn 数据显示，在国外，谷歌、微软、IBM、亚马逊、英特尔、Facebook等拥有最多的AI 人才；在国内，清华、北大等高校则是AI领域人才的摇篮，最具有人才优势的企业则是BAT和华为等。

企业方面，《财富》杂志曾经提出AI四巨头之说。

具体来看，国外以IBM研究院、谷歌x实验室、微软研究院和艾伦人工智能研究院、Uber先进科技中心，亚马逊aws、丰田实验室、facebook人工智能实验室等为代表。

国内在这一领域贡献比较突出的包括：百度深度学习技术及应用国家工程实验室、阿里云计算人工智能实验室、腾讯人工智能实验室、联想人工智能实验室，以及例如讯飞、商汤科技、FACE++等知名企业的研究团队。

高校方面，在国外比较知名的有：斯坦福大学人工智能实验室，卡内基梅隆大学机器人学院，加州大学伯克利分校机器人和智能机器实验室，麻省理工学院人工智能实验室，苏黎世联邦理工学院人工智能实验室，布里斯托大学智能系统实验室……

在国内比较知名的校内研究机构都包括：北大人工智能实验室，清华大学智能技术与系统国家重点实验室，北京工业大学人工智能实验室，西安交通大学人工智能与机器人研究所，厦门大学人工智能研究所，南京大学机器学习与数据挖掘所，哈工大计算机科学与技术学院模式识别研究中心，浙江大学人工智能研究所，华南理工大学机械系学习与数据挖掘实验室……

攻坚克难读论文

通过关注各大机构以及学界专家们的实时言论，可以有助于我们了解最前沿的信息发展，但是如果想要系统深入的学习相关领域的知识，去啃一些专业的论文将是最好的途径。

如果对于人工智能领域还缺乏一定的了解，而且对于内容的判断缺少一定的把握能力。那么不妨试着去看一些国内各大公众号以及媒体翻译的文章原著。或者直接关注李飞飞高徒，人工智能领域网红Andrej Karpathy，他直接做了一个Arxiv论文的推荐网站http://www.arxiv-sanity.com/，里面都收集了他平时所关注的一些比较有价值的论文成果。这将大大节约我们的时间与精力。

如果已经对于人工智能领域有了一定的了解以及判断，那么推荐去关注一些国际国内顶会内容。因为不同于其他学科，计算机类学科更注重顶会的文章发表。其中比较知名的相关领域顶会都有以下这些:

首先最顶级的应该是综合性AI会议IJCAI。该会议自1969年开始创办，每两年一届，每一辑收录论文约一百多篇到两百篇。虽然说看起来数量很大，但是由于在人工智能领域细分行业庞杂，所以具体到每一个小行业来说，也就只有为数不多的几篇的数量，例如向机器学习，甚至是计算机视觉这一种大的领域，每次收录的文章也就只有十篇左右。因此会议收录的文章质量基本上可以代表一定时间段内的最高研究水平。

其次是美国人工智能学会AAAI的年会，这也是世界范围内比较有影响的综合性人工智能会议。既然是年会，那么顾名思义会议每年一届，不过如果哪一年的IJCAI在北美举办的话，那么AAAI这一年将停办。

除了综合性会议外，还有各分支领域的顶会值得关注：

COLT，计算学习理论领域最好的会议, 由ACM每年举办一次。

不过由于计算机学习理论可以看为理论计算机科学以及机器学习的交叉学科，因此，这一大会所收录的文章中并不全是AI领域的内容。

计算机视觉领域有ICCV,ECCV,CVPR，机器学习领域有ICML，神经计算方面有NIPS，自然语言处理领域有ACL，知识表示与推理领域有KR，信息检索领域有SIGIR，数据挖掘领域有SIGKDD……

对于一些英语不是很好的同学，国内的杂志也是一些不错的选择。目前国内的八大学报包括：计算机学报，软件学报，计算机科学与技术学报，计算机研究发展，自动化学报，电子学报，通信学报，中国科学。

由于目前国内还没有专门的人工智能领域学报，因此仍旧需要从计算机领域的学报中进行大浪淘沙。另外由于大家普遍更加关注顶会，因此有时也会出现十分优质的文章，发表在一些并不与之相配的杂志上。

选好一个方向，心无旁骛

尽管推荐了许多信息搜寻得方法，但是这里需要强调的是，我们的重点关注应该在精而不在多。虽然在AI领域有很多的大神级人物以及机构，但是他们的细分方向研究内容可谓是千差万别，所以不妨先想好自己想要从事哪一方向的具体研究，然后再去查找这一领域的代表性人物或者机构，关注他们的看法以及成果,找对方向才是第一要务。

读芯君开扒

无论做什么事情，努力都是成功的一大要义，但是在努力之前我们不妨先静下心思考一番：应该在哪一方面去努力？应该用哪种方式去努力？磨刀不误砍柴工，想清楚这些，你将会收获比同样努力的人事半功倍的效果。

之后就是执行力，相信很多人都有这样的经历，比如开学时信誓旦旦地表示要当学霸要拿国奖，但是不到一个月就开始翘课、打王者……为了学习AI关注了一堆名人和机构，缓存了几十个G的视频，翻墙下载了满屏幕的APP，最后却变成了展览品，八级词汇表还停留在abandon的一页。

今天是一个鸡汤的读芯君。

留言点赞发个朋友圈

我们一起探讨AI落地的最后一公里

作者：王俞羽

参考文献链接：

https://blog.csdn.net/qq_35409640/article/details/72453599

https://www.zhihu.com/question/267305504/answer/327088519

https://zhuanlan.zhihu.com/p/21263408?utm_source=wechat_session&utm_medium=social

https://www.zhihu.com/question/31617024/answer/204398946?utm_source=wechat_session&utm_medium=social