今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號推理；深度學習聊天機器人等

本文作者： AI研習社

2020-01-15 14:37

導語：每天都為你精選關(guān)于人工智能的前沿學術(shù)論文供你學習參考。

為了幫助各位學術(shù)青年更好地學習前沿研究成果和技術(shù)，AI科技評論聯(lián)合Paper 研習社（paper.yanxishe.com），推出【今日 Paper】欄目，每天都為你精選關(guān)于人工智能的前沿學術(shù)論文供你學習參考。以下是今日的精選內(nèi)容——

目錄
2020 AAAI | 那么多人臉數(shù)據(jù)，有沒有人擔心隱私怎么辦？
Facebook：通過將數(shù)學表達式重組為一種語言，用神經(jīng)網(wǎng)絡符號推理求解復雜數(shù)學方程
StyleGAN：一個基于風格的生成器架構(gòu)，用于生成對抗網(wǎng)絡
edBB：評估遠程教育的生物識別和行為
深度學習聊天機器人綜述

2020 AAAI | 那么多人臉數(shù)據(jù)，有沒有人擔心隱私怎么辦？

論文名稱：Investigating the Impact of Inclusion in Face Recognition Training Data>

作者：Chris Dulhanty /Alexander Wong

發(fā)表時間：2020/1/9

論文鏈接：https://paper.yanxishe.com/review/8554?from=leiphonecolumn_paperreview0115

推薦原因：現(xiàn)代的人臉識別系統(tǒng)數(shù)據(jù)集包含數(shù)十萬張?zhí)囟ㄈ四槇D像，研究人員用于訓練深度卷積神經(jīng)網(wǎng)絡，最近，大規(guī)模的面部識別培訓數(shù)據(jù)集（如MS-Celeb-1M和MegaFace）的來源和隱私問題受到了公眾的密切關(guān)注，因為許多人不愿意讓自己的臉被用于培訓能夠?qū)崿F(xiàn)大規(guī)模監(jiān)控的兩用技術(shù)。為了探討人臉隱私的問題，該論文評估了ArcFace（開源人臉識別系統(tǒng)）在人臉隱私方面的表現(xiàn)。研究發(fā)現(xiàn)，在該模型的訓練數(shù)據(jù)中，排名第一的人臉識別正確率為79.71%，而那些不存在的人的正確率為75.73%。

今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號推理；深度學習聊天機器人等

Facebook：通過將數(shù)學表達式重組為一種語言，用神經(jīng)網(wǎng)絡符號推理求解復雜數(shù)學方程

論文名稱：Deep Learning for Symbolic Mathematics

作者：Lample Guillaume /Charton Fran?ois

發(fā)表時間：2019/12/2

論文鏈接：https://paper.yanxishe.com/review/8879?from=leiphonecolumn_paperreview0115

推薦原因：該論文由 Facebook AI 團隊提出。根據(jù)團隊研究，F(xiàn)acebook 已經(jīng)建立了第一個可以使用符號推理解決高等數(shù)學方程的人工智能系統(tǒng)。研究人員通過開發(fā)一種新的方法，將復雜的數(shù)學表達式表示為一種語言，然后將解看作是 sequence-to-sequence 神經(jīng)網(wǎng)絡的翻譯問題，結(jié)果顯示，在求解積分問題和一階、二階微分方程方面都優(yōu)于傳統(tǒng)計算系統(tǒng)的系統(tǒng)。

以前，這類問題被認為超出了深度學習模型的范圍，因為求解復雜方程需要精確而不是近似。神經(jīng)網(wǎng)絡擅長于通過近似來學習，比如識別一個特定的像素模式（可能是一個狗的圖像），或者一個句子在一種語言中的特征與另一種語言中的特征相匹配。解決復雜的方程也需要處理符號數(shù)據(jù)的能力，F(xiàn)acebook AI 團隊在該論文的研究結(jié)果表現(xiàn)要優(yōu)于諸如 Matlab 或 Mathematica 之類的計算代數(shù)系統(tǒng)。

模型目前處理的是單變量問題，F(xiàn)acebook AI 團隊計劃將其擴展到多變量方程。這種方法也可以應用于其他基于數(shù)學和邏輯的領(lǐng)域，期待有更好的結(jié)果~

今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號推理；深度學習聊天機器人等

StyleGAN：一個基于風格的生成器架構(gòu)，用于生成對抗網(wǎng)絡

論文名稱：A Style-Based Generator Architecture for Generative Adversarial Networks

作者：Karras Tero /Laine Samuli /Aila Timo

發(fā)表時間：2018/12/12

論文鏈接：https://paper.yanxishe.com/review/8878?from=leiphonecolumn_paperreview0115

提出了一個替代發(fā)電機的架構(gòu)生成對抗網(wǎng)絡，借鑒了風格轉(zhuǎn)移文獻。新的體系結(jié)構(gòu)可以自動地、無監(jiān)督地分離高級屬性(例如，在人臉上訓練時的姿勢和身份)和生成的圖像中的隨機變化(例如，雀斑、頭發(fā))，并實現(xiàn)對合成的直觀的、特定于尺度的控制。新的生成器在傳統(tǒng)的分布質(zhì)量度量方面改進了當前的技術(shù)水平，顯著地提高了插值性能，并更好地釋放了潛在的變化因素。為了量化插值質(zhì)量和解糾纏，提出了兩種適用于任何生成器架構(gòu)的新的自動化方法。最后，介紹一個新的，高度多樣化和高質(zhì)量的人臉數(shù)據(jù)集。

相較于傳統(tǒng)的GAN，引入了Mapping network，樣式轉(zhuǎn)換，噪聲；

最終可達達到：模型可以預期修改樣式的特定子集僅影響圖像的某些方面。

今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號推理；深度學習聊天機器人等

edBB：評估遠程教育的生物識別和行為

edBB: Biometrics and Behavior for Assessing Remote Education

作者：Hernandez-Ortega Javier /Daza Roberto /Morales Aythami /Fierrez Julian /Ortega-Garcia Javier

發(fā)表時間：2019/12/10

論文鏈接： https://paper.yanxishe.com/review/7828?from=leiphonecolumn_paperreview0115

推薦理由：我們提供了一個用于遠程教育中學生監(jiān)控的平臺，該平臺由捕獲生物特征和行為數(shù)據(jù)的傳感器和軟件組成。我們定義了一組任務來獲取行為數(shù)據(jù)，這些數(shù)據(jù)對于應對遠程評估過程中自動學生監(jiān)控中的現(xiàn)有挑戰(zhàn)很有用。此外，我們發(fā)布了一個初始數(shù)據(jù)庫，其中包含來自20個不同用戶的數(shù)據(jù)，這些用戶使用一組基本傳感器來完成這些任務：攝像頭，麥克風，鼠標和鍵盤；以及更先進的傳感器：NIR相機，智能手表，其他RGB相機和EEG頻段。來自計算機的信息（例如系統(tǒng)日志，MAC，IP或Web瀏覽歷史記錄）也將被存儲。在每個獲取會話期間，每個用戶完成三種不同類型的任務，生成不同性質(zhì)的數(shù)據(jù)：鼠標和擊鍵動態(tài)，面部數(shù)據(jù)和音頻數(shù)據(jù)等。設計任務時要牢記兩個主要目標：i）分析此類生物統(tǒng)計和行為數(shù)據(jù)的能力以在遠程評估期間檢測異常，并且ii）研究這些數(shù)據(jù)的能力，例如腦電圖，心電圖或近紅外視頻估計有關(guān)用戶的其他信息，例如他們的注意力水平，壓力的存在或他們的脈搏率。

今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號推理；深度學習聊天機器人等

深度學習聊天機器人綜述

論文名稱：Deep Learning Based Chatbot Models

作者：Csaky Richard

發(fā)表時間：2019/8/23

論文鏈接：https://paper.yanxishe.com/review/137?from=leiphonecolumn_paperreview0115

聊天機器人不僅有許多的研究方向和研究成果，也已經(jīng)有了許多商業(yè)應用。在這篇綜述論文中，作者對這個領(lǐng)域近年來的研究成果做了回顧和綜述 —— 具體來說，他回顧了過去三年中發(fā)表的超過 70 篇論文，分析了現(xiàn)有方案的問題，對“通用型聊天機器人應該使用什么樣的架構(gòu)”提出了自己的觀點和改進建議。想了解這個領(lǐng)域總體狀況的讀者不妨看看這篇論文。

今日 Paper | 人臉數(shù)據(jù)隱私；神經(jīng)符號推理；深度學習聊天機器人等