Keras作者發布專注AI開源項目討|合作平臺 AI·ON
【新智元導讀】
深度學習框架Keras的作者、Google人工智能專家Fran?ois Chollet 最近開發了一個專注于AI開源項目的討論&合作的平臺AI·ON（地址：http://ai-on.org）。該平臺目前已公布10個AI項目，包括3個基礎研究項目和7個應用研究項目，歡迎所有對這些棘手卻重要的AI問題感興趣的研究人員來共同研究。
深度學習框架Keras的作者、Google人工智能專家Fran?ois Chollet 最近開發了一個專注于AI開源項目的討論&合作的平臺AI·ON（地址：http://ai-on.org）。
AI·ON網站首頁表明了它的三個目標：專注重要卻被小看了的研究問題；把研究者聯系起來，并鼓勵開放的科學合作；為想增加機器學習經驗的學生提供學習的環境。 任何人都可以作為研究者加入該社區并貢獻項目，且所有的項目都應該是開源項目。網站目前已公布10個AI項目，包括3個基礎研究項目和7個應用研究項目，歡迎所有對這些棘手卻重要的AI問題感興趣的研究人員來共同研究。
AI·ON開放研究問題
我們把這些開放研究問題分為兩部分：應用研究和基礎研究。
應用研究問題對想通過做新項目來提升他們在機器學習和深度學習方面的專業知識的學生來說非常理想，這些問題對世界的影響也非常有意義。
基礎研究問題是現階段還沒有解決方法的龐大而重要的問題，在較近的未來可能也沒法完全解決。
應用研究問題
1. 心臟核磁共振圖像（MRI）分割
開發一個能夠從心臟核磁共振圖像（MRI）數據集的圖像中自動分割右心室的系統。
2. 發現存在撤稿風險的生物醫學論文
開發一個分析新的生物醫學論文內容的模型，以確定欺詐或科學錯誤的可能性。
3. 3D渲染場景的擬真后期處理
開發一個能夠增加3D渲染場景的真實性的模型（類似于超分辨率模型）。
4. 使用生成模型增強數據
使用GAN及其他生成模型為計算機視覺模型開發更好的數據增強技術。
5. 社交媒體僵尸網絡的發現和分析
分析Twitter上的政治僵尸網絡活動并研究有效的對策。
6. 升采樣應用中的亞像素CNN
使用亞像素CNN進行升采樣操作以改進分割模型和生成模型。
7. 染色體分割
開發專門的視覺分割模型幫助細胞遺傳學家進行研究。
基礎研究問題
1. 殘差網絡的逐層監督增量訓練
探索以逐層的方式，而非端到端的方式訓練有監督殘差網絡。
2. 非平穩環境中的機器學習
開發能夠在與訓練數據非常不同的數據上表現良好的模型
3. 基于surprise優化的音樂生成
使用神經科學和深度學習生成音樂。
相關推薦
