2018 年 Top 10 影响力 AI 研究论文(11)_：2018年Top10影响力AI研究论文AI科技

论文思想要点

一个了解不同视觉任务之间关系的模型需要的监督可以更少，需要的计算量可以更小，而且它的行为也更容易预测。人们更喜欢用这样的完全计算性的方法发现不同视觉任务之间的关系，因为它可以避免引入人类的先验假设。人类的先验假设来自于直觉或者分析性的知识；这些假设完全可能是错误的，而神经网络可能是以完全不同的法则运行的。领域内学者评价

这篇论文获得了 CVPR 2018 最佳论文奖；论文的结果意义重大，因为大多数的真实世界任务中都没办法获得大规模标注数据集。未来可能的相关研究

目前论文中研究的常见视觉任务都是完全由人类定义的，下一步可以尝试新的模式，那就是首先用计算性的方法发掘一些隐含的子任务，而人类定义的视觉任务就是对它们观察后得到的采样；探索是否有可能把模型学到的东西迁移到不完全属于视觉领域的任务中，比如迁移到机器人控制。AI 科技评论详解文章

CVPR18最佳论文演讲：研究任务之间的联系才是做迁移学习的正确姿势

8. Know What You Don't Know: Unanswerable Questions for SQuAD