智能音箱带动音乐服务复兴

整理 | 邱陆陆

资讯


亚马逊微软于语音助手联手,Alexa 和 Cortana 可以互相应答

很快,你就可以对 Alexa 说,「读一下我的 Outlook 邮件」或者对 Cortana 说「帮我在 Amazon 下单这本书。」

两家公司的 CEO 都对合作发表了声明:亚马逊创始人兼 CEO Jeff Bezos 称,「世界如此广阔而复杂,会出现很多个成功的智能助手,每一个掌握着不同的数据集,专注于不同的领域。他们的联手能够实现优势互补,为客户提供更丰富、更好用的体验。让 Echo 用户都能轻松访问 Cortana 是件很棒的事。」微软 CEO Satya Nadella :「确保 Cortana 能够通过任何设备随时待命是我们的首要任务。把 Cortana 的知识、Office 365 的集成以及提醒整合到 Alexa 是朝着实现这一目标的一大步。

虽然同为语音助手,Alexa 和 Cortana 的定位还是存在显著的差异:Alexa 重点关注电子商务和娱乐功能,Cortana 则致力于生产工具和商务用户,因此二者之间并不存在直接竞争关系,整合产品则均能获得额外的效用。联手之后,Alexa 的客户可以访问 Cortana 的专有功能,做会议排期或者访问工作日历,阅读工作邮件或者提醒你在回家路上取干洗衣服。同样,Cortana 用户能够借助 Alexa 控制他们的智能家居设备,在亚马逊网站上购物,并与第三方开发者提供的超过两万种内置操作进行交互。

亚马逊掌门人 Bezos 之前就公开表露,自己对与苹果 Siri 和谷歌的同名 AI 助手的合作持开放态度。而之前也一度有传闻称苹果会使用 Google Assistant 替代 Siri,不过此传闻的可能性和可操作性都几乎为零。苹果方面的最新消息是,工程师利用深度学习进行了语音的优化,让 Siri 听起来更自然。谷歌则与三家扬声器厂商达成合作,计划于今年推出三款内置 Google Assitant 的第三方智能音箱。同时,谷歌还宣布了与 LG 的合作,将对 LG 旗下的一些家用电器进行集成。

17 名苹果工程师加盟自动驾驶创业公司 Zoox


8月 24 日的日报中,我们报道了苹果公司因没有明确规划而放弃造车计划,将重点转向自动驾驶技术的研发。最近,据业内人士透露,17 名汽车工程师近期离开了苹果,加入了无人驾驶汽车初创公司 Zoox Inc.。这些工程师主要从事那些对于传统汽车和无人汽车都必不可少的部件的设计工作,例如刹车系统和悬挂系统。在加入苹果之前,他们大多来自底特律的汽车制造商和器件供应商。


Zoox 致力于自主研发无人汽车。今年 4 月,这家公司公布了一长串如雷贯耳的员工名单,其中包括前美国国家公路交通安全管理局(National Highway Traffic Safety Administration)局长 Mark Rosekind 以及法拉利的前生产总监 Corrado Lanzone。这家初创公司的估值在去年就已经超过 10 亿美元,并筹集了超过 2.5 亿美元的资金。


本次也不是 Zoox 第一次挖苹果的墙角了,过去的两年中,也陆续有苹果供应链方面的专家加入 Zoox 的消息。


AMD 与百度合作,寻求中国市场发展空间


上周,AMD 与百度宣布合作成立 GPU 技术联合实验室,主要研究如何为 AMD 部署在百度数据中心的 Radeon Instinct GPU 提供软件层面的优化。


AMD 在今年第二季度开始推出 Radeon Instinct GPU,该 GPU 利用了公司在异构计算方面的优势,也体现了公司对开源软件的关注。Instinct 系列的 MI25、MI8 和 MI6 芯片分别基于 Vega、Fiji 和 Polaris GPU 架构。这些 GPU 都使用了 ROCm,一种面向人工智能系统的开源编程语言。此外,开源库 MIOpen 也计划支持与 Caffe、TensorFlow 以及 Torch 等系统的对接。虽然百度与英伟达有长期的合作关系,但业内人士认为此次合作仍然能帮助 AMD 开发中国市场。


三星计划向中国投资 70 亿美元扩大芯片产能


8 月 28 日,三星电子宣布与陕西省政府签署投资协议,将与未来三年进行总计 70 亿美元的投资,扩大位于西安的芯片工厂产能。


陕西政府在声明中表示,扩建后的工厂将主要用于满足日益增长的 NAND 芯片需求。NAND 芯片是一种主要用于驱动智能手机及其他智能硬件设备的微型芯片,目前,三星是这一芯片全球市场份额最大的生产厂商,据研究机构 IHS 统计,2017 年第二季度,三星的 NAND 全球营收占比达 38.3%。此前,三星在 2012 年投资了 100 亿美元,建立了拥有 10 万片每月产能的西安芯片工厂,这也是当时三星最大的海外投资。


中国目前不仅是芯片制造中心,也是最大的微型芯片消费国,但其大部分芯片是通过英特尔和高通进口的,这两家芯片巨头也从中获取了巨额的利润。中国也在一直致力于研发自有的微芯片,不过根据目前发展水平,追赶海外巨头的进度尚需要一定时间。


应用


利用静电完成耐克鞋生产

在生产一双耐克鞋的流程中,最劳动密集程序的是鞋面部分的拼装。很多运动鞋的表面看起来毫无针脚痕迹,然而实际上可能由多达 40 片材料拼接,并通过加热融合在一起。虽然如今机器人已经接手了大部分制鞋流程,但这一部分工作仍然超出他们的能力范畴。

四年前,耐克公司投资了一家位于加州的初创公司 Grabit,该公司的机器人并不试图完成类似人类的抓取动作,而是使用电附着技术,也就是俗话说的静电,来帮助机器操纵物体。机器人会有一个平板状的电极,当正确供电时,会产生一个能够附着于几乎任何表面的电场。

通过和人类配合,Grabit 机器人能够以 20 倍于纯人工的速度进行鞋面组装。软件会计算出最佳的堆叠鞋面材料的方式,然后通过点亮玻璃台面的特定区域引导工人把材料放上去,然后一个含有电极的平台会在摄像头的帮助下逐渐「拿起」不同的部分,放到一个半成品鞋底上,然后关闭电源,把它放进热压机。这个人工需要 10-20 分钟的过程,Grabit 机器人可以在 50-75 秒内完成,按一天开工八小时计算,一台机器一天可以生产 400-600 双鞋。

截止到今年年底,将会有大约 12 台 Grabit 机器人在中国和墨西哥开工。这可能是耐克试图改变鞋类制造市场的一次尝试,一旦成功,公司就可以把生产转移到美国、欧洲这些更大型的消费中心。

保护工人人身安全新手段:给工业机器人加装安全气囊

上周,我们在日报中提到了工业机器人的安全漏洞与「杀伤力」:即使是低速运行的工业机器人机械臂也有足以造成颅骨骨折的力量。随着工业机器人越来越多地进入制造业,关于其安全性的讨论也逐渐进入大众视野。近日,德国 DLR 机器人和机电一体化中心的研究人员展示了他们为工业机器人定制的一项我们极为熟悉的安全措施:安全气囊。

当机器人移动到人类周围时,安全气囊会自动膨胀包围住机械手和锋利的边缘部分,而当机器人需要再次使用机械手时,气囊会在不到一秒的时间内收缩。气囊内置的压力传感器会检测机器是否撞到了人。

安全气囊并不是唯一的工业机器人安全方案,多种机上传感器和摄像头都被用于保护机器人周围活动的人类,除此之外,机械手也通常配备「限制力关节」,当机械的移动受到过大的阻力时就会自动停止。虽然大多数措施会在一定程度上降低机器人的生产效率,但是对于保护与机器人一起工作的工人来讲,这些措施还是至关重要的。

基于机器学习的地震模型获得实验突破

美国 Los Alamos 国家实验室的研究人员开发了一种二维的模拟器,来模拟地震中能量的累积和释放,而同时,他们也建立起了一套基于机器学习的算法,通过监听模拟器制造的类似地震产生的声信号,来预测可能的地震。

「任何特定时刻,来自模拟断层带的噪音其实都给出了断层何时会倒塌的定量信息。我们的工作利用机器学习来检查大量声信号,我相信地震物理学未来会大量依赖原始地震数据,因此我们的工作朝这个方向迈出了重要的一步。」Los Alamos 实验室的首席研究员 Paul Johnson 说。在项目中,机器学习算法识别出,许多新的、之前被认为是低振幅噪音的信号其实可以提供地震周期的预测性信息。Johnson 解释道,「这些信号代表了与下地壳中发生的构造断层的慢地震相关的轻微地震。实验迹象表明,在地球的地震区域中,这样的信号也预示着断层带发生缓慢滑动。」

这项工作的潜在意义是巨大的,除了地震之外,它还能被用于工业材料脆性检查,雪崩预测等等。


用神经网络分析时空扭曲分析:比传统方法快一千万倍


来自美国能源部 SLAC 国家加速器实验室和斯坦福大学的研究人员首次证实,神经网络在分析时空中复杂的扭曲现象,也就是所谓的引力透镜时,比传统办法快 1000 万倍。「原来需要几周甚至数月才能完成的、需要大量专家人力投入和计算投入的分析,如今一个神经网络能用不到一秒的时间完成,而且理论上,一个手机芯片的计算力就够了」,论文作者之一,Laurence Perreault Levasseur 如是解释道。


团队用神经网络来分析非常遥远的星系图像,图像中的星系由于受到离我们更近的巨大物体(比如星系团)的引力影响,在图中被扭曲成环状或弧状。这些扭曲中,包含了太空中质量如何分布以及分布如何随时间变化而变化的重要线索——这与构成了宇宙 85% 的、加速了宇宙膨胀的暗物质密切相关。


原本,这类分析需要将真实图像与一系列计算机数学模型模拟出来的效果进行对比,这一过程非常乏味而耗时。但是通过神经网络,研究人员能够在几秒内完成这样的分析。研究人员用了大约 50 万张模拟的引力透镜图像训练神经网络,而一旦完成训练,神经网络就能快速地分析新图像,并获得与传统方法相当的精确度。该研究已提交《天体物理杂志》,研究人员相信,虽然过去在天体物理领域应用神经网络的结果好坏参半,但他们非常有信心这个充分利用了 GPU 能力的算法能够成为天体物理以及其他相关领域中更多数据处理与分析问题的选择。


观点


谷歌工程师:为什么制造机器手仍然非常难

近年来,在人工智能算法层面的飞速进步衬托下,机器人这类硬人工智能的发展显得缓慢很多。近日,来自 Google Brain 的研究工程师 Eric Jang 撰文详细阐述了,为什么抓起一样东西对机器人来说特别困难。

在硬件方面:人的手是可卷曲的、灵活的,能够针对各种形状调整出很多不同类型的结构和包裹方式,这让手能够「容纳」一件物体或者物体的核心部位,从而让物体可以被拿起。相比之下,很多动物以及机器人缺乏相应的手部灵活性或者与手掌相对的拇指。

在软件方面,即使有一只非常好用的机械手,想要以人类的速度和准确度来抓住物体,也需要对于物体行为方式有一个综合的认识,并且清楚如何抓握特定物体才能保持稳定。例如,虽然机器手可以通过抓住杯子的边缘拿起一个杯子,但是抓住把手显然是一种更有效的抓握方式。再举个例子,想象一个带着很长一根线的鼠标。如果感知系统假设所有的物体都是刚性的,那么成功抓住鼠标的可能性就会大大降低:它可能把线搅成一团,或者拿着鼠标却把线拖在地上。

把这些「常识」灌输给机器人,甚至灌输给其他动物都是非常困难的事。对要完成的操作不熟悉也是控制上的另一大难点,人很难执行不经常练习的动作,比如,很多(外国)人在用筷子夹东西的时候都会遇到困难,而操作机器人也有这种困难。

图说


智能音箱带动音乐服务复兴

近日,NPR 和 Edison Research 发布了一项关于智能音箱的报告,展示了以美国为主的智能音箱用户非常有趣的一些特质。我们发现,智能音箱产业的发展为音乐服务产业带来了新的春天。

在 12 岁以上的美国人口中,7% 拥有一台智能音箱。



「听音乐」是 90% 的智能音箱用户想要购买的原因。此外,「收听比 AM/FM 更好的音乐」、「发现新歌」、「听广播和 podcast」也分别占 62%、53% 和 40%。



68% 的智能音箱用户用它收听音乐,平均时长长达 4 小时 34 分。


此外,70% 的用户表示,在购买智能音箱后,他们听音乐的时间变长了。同时智能音箱的用户相比于其他人,订阅付费网络音频服务的比例高 20%(57% 相比于 37%),有 28% 的用户强烈同意「拥有智能音箱促使我向音乐服务付费」。智能音箱会为音乐行业带来了诸多方面的利好消息。毕竟在流媒体时代,参与度已经变成音乐行业最重要的衡量标准之一,服务与听众之间的互动变多,意味着更多的收入流向版权所有者和艺术家本人。

入门AIDaily日报产业
暂无评论
暂无评论~