记录每周值得分享的人工智能应用、云计算及数据中心等内容。
封面图
鸟瞰地球，立体展示中国的地形和地貌。（via[1]）
行业动态1、麻将 AI 战胜职业选手[2]
腾讯「绝艺」在 1v1 麻将对赛中战胜职业选手。相比于围棋这类完美信息游戏，棋牌这类非完美信息游戏存在大量不确定性，对 AI 的博弈能力提出更高要求。
2、使用 AI 检测漏水[3]
一家以色列公司，使用 AI 技术分析卫星图像，得出土壤湿度报告，以预测是否存在管网漏水。AI 部署以来，已经为水利行业识别数以万计的漏水点。
3、使用 AI 改进地下碳封存技术[4]
一家美国公司，使用 AI 实现更快、更精准地在多孔岩层中封存二氧化碳等温室气体。
4、使用 AI 通关超级马里奥[5]
本文是一篇 AI 初学者教程，介绍如何将强化学习应用于实际环境，实现超级马里奥游戏的通关。
5、使用 AI 预测电网负载[6]
山东德州素有“中国太阳城”之称，其居民家用分布式光伏在发电高峰，占当地电网负载一半以上。当地电网公司引入 AI 技术，结合气象预报、用电计划、节假日等多源异构海量数据，实现对电网负载的高精度预测。
本周话题：电影评论文本分类[7]本是 tensorflow 的经典入门教程之二。介绍如何使用 tensorflow 对电影评论文本进行分类。
（一）导入数据
IMDB 数据集已经打包在 tensorflow 中，且数据集已经经过预处理，评论单词序列已经转换为整数序列。其中每个整数代表字典中的特定单词。为了保持数据规模的可管理性，低频词被丢弃。
（二）探索数据
数据中包含两组，分别是评论和标记，评论中的单词已经转换成数字，标记分为 0 和 1。0 表示消极，1 表示积极。电影评论长度不一样，但是神经网络的输入必须是统一长度，因此需要解决这个长度问题。
（三）准备数据
影评-即整数数组在输入到神经网络之前必须转换为张量。有下面两种方式：
- 将数组转换成单词是否出现的 0 和 1 组成的向量。
- 通过填充数据来保证数组的长度相同，创建一个大小为max_length的整型向量。
本教程中使用第二种方式。
（四）构建模型
层按顺序堆叠以构建分类器模型：
- 第一层是嵌入层，该层采用整数编码的词汇表，并查找每个词索引的嵌入向量。
- 通过对序列维度求平均值为每个样本返回一个定长输出向量。
- 定长输出向量通过一个 16 个隐层单元的全连接层输出。
- 最后一层与单个输出节点密集连接，输出可信度。
最后为模型配置优化器和损失函数。
（五）训练模型
history = model.fit(partial_x_train,
partial_y_train,
epochs=40,
batch_size=512,
validation_data=(x_val, y_val),
verbose=1)
以 512 个样本的 min-batch 大小迭代 40 个 epoch 来训练模型。
（六）评估模型
上图中点代表训练损失与准确率，实线代表验证损失与准确率。
训练准确率随着 epoch 增加而增加。验证准确率在 20 个 epoch 后达到峰值。这是因为模型在训练数据上的表现比在从没见过的数据上表现要好，说明模型过度优化与学习在特定数据上，而不能够泛化到测试数据，这就是机器学习中常见的过拟合。
References[1] via: Internet
[2] 麻将 AI 战胜职业选手: https://mp.weixin.qq.com/s/dVbCxEWdLNGJZ5EvWDLOwg
[3] 使用 AI 检测漏水: https://asterra.io/products/masterplan/
[4] 使用 AI 改进地下碳封存技术: https://mp.weixin.qq.com/s/msG9QxKNtDVWcwnHU0pZ7g
[5] 使用 AI 通关超级马里奥: https://mp.weixin.qq.com/s/65Fj-dQIiqRMprPNsxqmzg
[6] 使用 AI 预测电网负载: https://mp.weixin.qq.com/s/vjvSFg-EKRk6Ln8fB4rRmA
[7] 电影评论文本分类: https://www.tensorflow.org/tutorials/keras/text_classification?hl=zh_cn
