中国人工智能学会通讯——互联网搜索技术的前沿探索 4 深度学习与信息检索

4 深度学习与信息检索

近年来，深度学习技术在图像、语音、自然语言处理等领域取得了显著的突破，已经开始延伸到信息检索领域。深度学习模型强大的表达能力和学习能力，可以为信息检索中语义信息表征、相关性推理决策，以及复杂交互过程的建模提供良好的支撑。然而，目前已有的结果显示，深度学习应用于检索并不是其他领域深度学习模型的简单移植，而是需要结合信息检索的固有特征、领域知识和独特模式来构建。我们在这个方向上较早地开展了探索，并形成了一些前沿的结果[13-15]。

例如针对信息检索中查询-文档的相关性匹配，我们提出了一个深度相关性匹配模型（Deep Relevance Matching Model）[13]（如图6所示）。这个模型的特点包括：①能够从原始的查询与文档词匹配信号，自动学习丰富的相关性特征；②模型结构特别针对检索相关匹配，它与传统语义相似匹配的差别在于，对精确匹配信号、查询词重要度和多样的匹配模式的建模。实验表明，该深度检索模型排序性能在多个公开标准测试集上超越传统检索模型。

人工智能（AI）、机器学习（ML）和深度学习（DL）：有什么区别？ 我们经常交替使用人工智能（AI）、机器学习（ML）和深度学习（DL）这些术语，尽管我们几乎每天都阅读或听到它们。本文解释了这些技术是如何演变的以及它们有何不同。
人工智能已到瓶颈！院士“联名”反深度学习，指出AI未来发展方向 本文约3800字，建议阅读10+分钟。 针对深度学习的技术瓶颈，清华大学张钹等多位院士、教授给出了自己的研究思路。 在刚刚结束的CCF-GAIR大会上，来自清华、加州大学伯克利、斯坦福、哈工大等多所国内外顶级理工科院校的院士齐聚深圳，分享了自己最新的研究。虽然各自研究的细分领域有所不同，但是透过贯穿始终的技术讲演，避不开的事实是，多位院士都在或直接或间接地去“批判”深度学习算法。 演讲中，他们再次明确指出深度学习的缺陷，进而点出，在可以预见的未来里，随着研究的推进，当下的深度学习算法将会逐步被拉下神坛。
当 VR 遇上人工智能最火的“深度学习”，一种新的手势识别技术就诞生了 支持体感交互的VR设备能大大提高虚拟现实体验，不过像HTC Vive这种采用手柄交互的方式，并不能带来更接近现实的操作体验，笔者曾发表过一篇文章《目前主流动作捕捉技术深度解读，HTC Vive 等 VR 设备是如何实体感交互的？》谈到目前主流的交互技术，认为未来采用类似Leap Motion的手势识别技术才是王道。
吴恩达NIPS 2016演讲现场直击：如何使用深度学习开发人工智能应用？ 当地时间 12 月 5 日，机器学习和计算神经科学的国际顶级会议第 30 届神经信息处理系统大会（NIPS 2016）在西班牙巴塞罗那开幕。大会第一天，百度首席科学家、Coursera 主席兼联合创始人、斯坦福大学 adjunct professor 吴恩达采用手写板书的形式做了一个主题为《使用深度学习开发人工智能应用的基本要点（Nuts and Bolts of Building Applications using Deep Learning）》的 tutorial 演讲。机器之心经授权对吴恩达教授演讲的幻灯片进行了汉化梳理。同时，机器之心特派记者加号也在现场聆听了吴恩达教授的演讲，并将演