靠眼球运动分析性格?交给 AI | 一周 AI 新闻

 有才 | AI 再创莎翁十四行诗 

“诗歌的精髓在于,内容重于形式。”

IBM 大学、多伦多大学和墨尔本大学联合开发出一款深度学习模型 Deep-speare,可以完美再现水平堪比莎士比亚的十四行诗。

Deep-speare 创作的作品

科研人员利用莎士比亚的2600多首诗对神经网络进行训练。结果表明,Deep-speare 在押韵和重音方面表现良好,未来科研机构将更加注重内容,情感和可读性的训练。

原文链接:

https://www.digitaltrends.com/cool-tech/ai-generates-shakespearean-sonnets/

论文地址:

https://arxiv.org/abs/1807.03491

 突破 | AI 技术可通过眼球运动判断性格 

“这项研究发现有助于改善人机交互,帮助开发更加自然、更好理解人类社交信号的机器人和计算机。”

德国斯图加特大学、澳大利亚弗林德斯大学和南澳大利亚大学等机构的研究人员使用了最先进的机器学习算法,用来证明性格和眼球运动之间的关系。

结果发现,眼球运动能显示一个人是否善于交际、小心谨慎或充满好奇心,而算法软件能够可靠地识别出“大五人格”中的4种:神经质、外向性、宜人性和尽责性。

研究人员表示,这项研究跟踪评估的是受试对象在日常生活中的视觉运动,而不是在实验室中严格受控下的视觉运动,因此提供的结果更加接近实际。

原文链接:

http://www.xinhuanet.com/science/2018-07/31/c_137359623.htm

论文地址:

https://www.frontiersin.org/articles/10.3389/fnhum.2018.00105/full

 跨界 | 中国外交官有 AI 当参谋了 

 不过最后拍板的还是人类 

“人工智能技术将会越来越多地应用,这将进一步扩大各国之间战略博弈能力的差距。”

中国外交部门正在开发几种使用人工智能的外交系统原型。同时,由中国科学院建造的一台早期机型已在外交部投入使用。

AI 可以帮助决策者在特定或紧急情况下快速、准确地分析形势,并给出推荐的决策建议。但一个最基本的原则是,AI 只是起到辅助作用,任何最终的决定都必须由人类做出。

原文链接:

《中国外交官有AI当参谋了!不过最后拍板的还是人类》

 火眼 | 骗现形记 

 AI 帮你区分合成图片 

“抠图细无声?别想逃过算法的火眼金睛。”

随着面部还原技术的发展,通过在别人脸上移动手势来创建模仿视频变得越来越容易。但篡改的视频并非无法识别,如何定位视频中修改的区域?AI 来帮你。

利用两层卷积神经网络深度学习算法,通过图像颜色的数据找出不正常的轮廓和边缘,然后找出图像中的噪音信息并分析他们之间的联系。


图像如果被修改了,不管噪音还是颜色数据都会改变。许多聪明的攻击者会通过压缩的方式把错误隐藏进去,但是这逃不过算法的眼睛,即使图像失真,同样可以检测出被篡改过。

原文链接:

https://www.leiphone.com/news/201807/FjfWkF1g3myujKSf.html

视频原址:

https://www.youtube.com/watch?v=WMr9ljLomUI

 军事 | AI+坦克 

 以色列将引进自动驾驶和 VR 头盔 

“改良后的战车可使机组人员更专心在作战任务上。”

以色列国防军将为现役的梅卡瓦-4型主战坦克引进自动驾驶技术与 VR 头盔,称为梅卡瓦-4“闪电改”型。

梅卡瓦-4“闪电改”型所应用的自动驾驶技术,将接管战车驾驶的日常行进任务,使驾驶员可以将精力专注在路线规划上,至少能提高任务效率达到30%。此外,人工智能电脑也可以将战车组员得到的路线情报和数据,共享给附近的其他战车。

VR 头盔可为战车乘员提供360度视角的外部环境影像,平时由战车指挥官佩戴,能够更好地感知外部情况。

原文链接:

http://military.people.com.cn/n1/2018/0731/c1011-30180042.html

 智驾 | 波音、MIT 联手打造无人驾驶飞机 

“我们正处于通用航空变革时代,自动驾驶趋势谁也不想落下。”

据 TechCrunch 报道,波音公司宣布将在波士顿设立新的研发中心,专注于设计、制造和飞行无人驾驶飞机。

该公司还计划与麻省理工学院的研究人员合作。麻省理工学院表示,预计到2020年底,波音公司将占据这个新的空间。

波音公司的另一家子公司 Insitu 主要研究军用和民用无人机系统。与此同时,波音公司的 HorizonX 风险投资部门始终在投资其它专注于无人驾驶飞行控制的项目,该公司还在研究无人驾驶货运航空设备以及客机的无人驾驶技术。

原文链接:

http://tech.163.com/18/0802/13/DO77H5DE00097U80.

产业AI
相关数据
神经网络技术
Neural Network

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

无人机技术
Drones

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

卷积神经网络技术
Convolutional neural network

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

人机交互技术
Human-computer interaction

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

规划技术
Planning

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

自动驾驶技术
self-driving

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术
perception

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

深度学习技术
Deep learning

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

噪音技术
Noise

噪音是一个随机误差或观测变量的方差。在拟合数据的过程中,我们常见的公式$y=f(x)+\epsilon$中$\epsilon$即为噪音。 数据通常包含噪音,错误,例外或不确定性,或者不完整。 错误和噪音可能会混淆数据挖掘过程,从而导致错误模式的衍生。去除噪音是数据挖掘(data mining)或知识发现(Knowledge Discovery in Database,KDD)的一个重要步骤。

百度AI
百度AI

这里是百度AI官方账号。这么巧,你也在思考人工智能的十万个未来?

百度AI
返回顶部