资讯
谷歌开放量子计算，开启云计算服务新时代
过去几年，谷歌在研发量子计算机上投入了大量的精力。如今，谷歌正逐渐放开权限，提供互联网渠道，让更多的科学家和人工智能研究人员利用量子计算机。这意味着谷歌的量子计算从内部的项目转变为对外的业务，同时成为未来商业化的基础。
相比于传统的计算机，量子计算机可以存储和调用任何 0 与 1 的叠加态，这种不同的预算方式大大提升了计算运行的效率。针对量子硬件，谷歌还成立了一个名为「胚胎量子数据中心」（Embryonic quantum data center）的新实验室，进行相关的研发工作。与硬件同时进行的还有开源项目「ProjectQ」，旨在组织开发者为量子计算机编码，提升云计算服务能力。
在谷歌之前，IBM 云计算部门已在今年初开始让客户接入量子计算机。尽管基础的量子计算仍处于研究和测试状态，两者的尝试开启了云计算市场的新阶段。
MIT推出新版猎豹机器人，可用于短途搜救工作
近日，MIT 生体模仿学实验室推出了第三代猎豹机器人，在早先的概念原型上增加了更多实用性功能，可以在未来用于短途搜救工作。
猎豹机器人由 Sang-bae Kim 教授带领的团队研发，DARPA（美国国防部高级研究计划局）进行部分资助。第二代猎豹机器人的移动速度已经能达到每小时 14 英里，而且搭载了可以绘制地形数据的激光雷达系统，经过了路径识别和障碍避让的训练后，能够自动越过障碍物。机器人的尾部还搭载了亚马逊 Echo Dot，能够回答简单的问题。
这款新版的机器人计划用于极端情况下的搜救工作，因此也能够搭载一定量的负荷。Kim 表示，猎豹机器人还有更多的改进计划，比如在以后将搭载更灵活的手臂，同时训练利用三只腿站立的能力。
对标Darktrace，融资3100万美元的Awake Security首次公开亮相
在低调运行两年之后，网络安全初创公司 Awake Security 首次出现在公众面前。这个只有 35 人的团队，正在利用大数据和机器学习帮助企业维护网络安全，已经开发出流量分析工具、企业内部的行为模型等。
截至目前，Awake 已融资三千多万美元，同时对标英国网络公司 Darktrace。后者致力于利用机器学习和人工智能算法打造计算机免疫系统的「抗体」，及时检测和响应以前未识别的网络威胁，并在七月份获得 7500 万美元的 D 轮融资。
应用
从街景到自然大片，谷歌AI的新尝试
谷歌正在尝试运用 AI 技术，将零碎的街景图片自动加工成高质量的自然景观，并自动添加光影效果和滤镜。
审美判断的训练一般需要对大量数据集进行标记，但谷歌机器感知团队工程师 Hui Fang 称，这项尝试利用了生成对抗网络的技术（GAN），快速、有效地训练神经网络识别人类眼中更具吸引力的影像元素。经过训练的算法会从谷歌地图中提取「高质量」的图片，再调整相应的饱和度和尺寸，经过过滤筛选后呈现高质量的图片。
目前这项技术已经被用来处理各大国家公园的自然景观，包括加拿大和加州等地。「谷歌街景给我们的项目提供了一个测试机会，」工程师 Hui Fang 说，「有一天这项技术甚至能够帮助你在现实世界中拍摄出更好的照片。」
日本ZMP推出传递机器人，可以送寿司外卖
位于东京的公司 ZMP 近日推出一款快递机器人，解决物流最后一公里的难题。
这款快递机器人其实更像一辆微型无人车，但计划在人行道上运行，而且内部配备了快递盒。机器人每次最多可以装载 100 公斤的物品，行驶时通过摄像头和雷达来识别周围环境，并把货物送到顾客家门口。
ZMP 计划用它来配送小型无人机难以运送的食品，目前已经和一家知名寿司品牌 Ride On Express 合作，并在各场地进行测试。但日本的现行法律并不允许自动机器人出现在人行道，ZMP 也在力争将快递机器人与最高时速 6 公里的电动轮椅等设施归为一类。
观点
华尔街投行分析师看衰IBM Watson：回报收益难保证
IBM Watson 是 AI 在医疗领域进行探索的应用之一，也是市面上相对成熟的 AI 平台。但杰富瑞投资银行（Jefferies & Co.）的分析师 James Kisner 近期发表报告称，Watson 在未来不太可能给投资者带来回报，而且发展后劲不足。
Kisner 在报告中提到 IBM 存在人才不足、训练数据集存在误差、过度宣传等问题。例如，IBM 曾在医疗领域宣传可以协助医生制定诊疗策略，但实际上与安德森癌症中心合作五年后，双方没有开发出一个可以用在病人身上的工具，相关技术只能用在实验性测试，而无法投入使用。安德森中心在今年 2 月宣布项目终结，并向 IBM 支付 3900 万美元赔款。Kisner 还指出另一个问题，IBM 招聘的 AI 岗位数不足亚马逊的十分之一，这也意味着发展后劲的不足。
实际上，Watson 目前也在经历改变。尽管安德森中心的项目失败了，但 Watson 仍然从其他合作者手中获得数据，提升训练的效果以期在未来得到更好的效果。
机器学习将给保险业带来巨大变革
美国国际集团首席科学家 Siddhartha Dalal 称，机器学习正在从根本上改变保险业。保险业的本质是承担风险，但在过去一直都依赖于人提出正确的问题。随着机器学习的发展，已经可以让数据决定什么才是正确的问题，这是前所未有的。例如现在的医学期刊和报告浩如烟海，普通人无法阅读所有的文章，但可以通过文本挖掘的方式，发现更多的关联性，揭示健康状况与其他化学物品的关系。
在图像识别领域，机器已经能达到 97% 的人脸识别准确率，而人眼只有 85%。这项技术也可以被用来识别桥梁等基础结构的照片，检测是否存在可能的脆弱之处。保险商可以使用这些模型找出更多的相关性，制定更精确的定价策略。
在国内，图像识别在保险领域已经有相关的应用。比如蚂蚁金服推出定损宝，称将减少车险查勘定损人员 50% 工作量。
图说
机器学习对大数据的应用
数据对机器学习系统至关重要，然而机器学习系统对于数据来说又意味着什么呢？在机器学习系统内的流转对数据造成的改变又是什么呢？上图描述了数据在机器学习系统内的变身过程。从图表中我们看到，十亿量级的原始大数据经过分割、降维等一系列处理后，可以流入描述性、预测性以及规定性分析路径中，被挖掘出背后的潜在价值。
值得一提的是，在预测分析路径中，清洗、标注后的数据能够对神经网络进行训练，再将训练好的网络模型的输出结果将与训练数据加以比对，不断调整、改善，进而实现算法模型的迭代与优化。
