文章库 PRO通讯会员 SOTA！模型

AI每日精选

AI每日精选 | 英特尔宣布AI激励计划 / Unity推出AI智能体游戏挑战项目

AI每日精选 | 英特尔宣布AI激励计划 / Unity推出AI智能体游戏挑战项目

产品与应用

树莓派新款计算模块Compute Module 3+ 承诺更好的性能，起价25美元树莓派今天推出了 Pi Compute Module 3+（CM3 +），这是两年前计算模块 3（CM3）的继承者。Pi Compute Module 3+有四种型号，起价 25 美元。Raspberry Pi 计算模块源自 CM3 板，但在负载下具有更好的热性能。（venturebeat）

医患沟通遇难题，AI有妙招近日，来自英国、美国和爱尔兰的研究人员开发了一款 AI 系统，通过分析医患会面时的交谈，帮助医生更好地了解自己的交流方式，提升和患者的沟通质量。目前，这套系统可以分析医患交谈时使用的词汇句式、话轮转换、语调，并为医生提出个性化的反馈。阐释这套AI系统的论文近日发表于《英国医学期刊》。

Unity推出AI智能体游戏挑战项目Obstacle Tower Challenge 游戏引擎开发商Unity开发了一款专为挑战AI玩家设计的游戏《Obstacle Tower》。《Obstacle Tower》与其说是一款电子游戏，更像是专为挑战AI玩家游戏能力开发的测试环境，旨在加速人工智能研究和开发进程。Obstacle Tower将通过测试挑战智能体的视觉、控制、路线规划和整体游戏能力，该游戏要求智能体迅速在游戏里面的塔楼里完成大量谜题，尽快通过各种障碍，达到更高的层数。被测试的智能体们要想完成100层的挑战，非常困难，而且一层比一层挑战难度更高，每一层将测试智能体的路线规划、行动能力和计算机视觉技巧等等，各有偏重。Unity还推出了一项名为Obstacle Tower Challenge的竞赛，各个AI智能体的开发者/团队不准用人类参与游戏，智能体们可以互相竞赛，挑战哪个团队的智能体能够最早通过100层，奖金包括1万美金和其它机器学习方面的奖励。Obstacle Tower Challenge竞赛将于2月11日开始，目前已开放挑战申请。

研究与技术

去噪、去水印、超分辨率，这款不用学习的神经网络无所不能不同的神经网络可以实现给图像去噪、去水印、消除马赛克等等功能，但我们能否让一个模型完成上述所有事？事实证明 AI 确实有这样的能力。来自 Skoltech、Yandex 和牛津大学的学者们提出了一种可以满足所有大胆想法的神经网络。该研究的论文《Deep Image Prior》已被收录在 CVPR 2018 大会，而 GitHub 则已有 3800 个 star。

使用WaveNet自动编码器的无监督语音识别论文《Unsupervised speech representation learning using WaveNet autoencoders》介绍了通过将自编码神经网络用到语音波形提取语音中有意义的隐藏表征的无监督任务。目的是学习到一种能够捕捉信号中高层次语义内容的表征，同时又能够对有背景噪声或者潜在基频曲线（underlying pitch contour）的信号中的扰乱信息足够稳定。自编码器模型的行为由应用到隐藏表征的约束所决定。在此论文中，作者对比了三种变体：简单降维瓶颈、高斯变分自编码器和离散向量量化VAE。而后，作者对预测语音内容的能力等进行了分析。

清华、中科大实现了量子版本的GAN，平均保真度98.8%生成对抗学习是机器学习中最令人兴奋的突破之一。它在各种具有挑战性的任务中表现出色，如图像和视频生成。最近，研究者提出了理论上的生成对抗学习量子版本，并表明该版本的性能可能是经典 GAN 的指数倍。论文《Quantum generative adversarial learning in a superconducting quantum circuit》提供了超导量子电路中量子生成对抗学习的第一个原理验证的实验演示。文中证明，经过几轮对抗学习，可以训练量子态生成器来复制量子信道模拟器输出的量子数据的统计数据。这些数据具有高保真度（平均 98.8％），因此判别器无法区分真实数据和生成数据。该结果为实验探索具有噪声的中等规模量子器件（NISQ）的机器学习任务中的量子优势铺平了道路。

基于BERT的预训练模型提取生物医学文本随着生物医学文献数量的快速增长，生物医学文本挖掘变得越来越重要。利用机器学习从生物医学文献中提取有用价值的信息正受到越来越多研究人员的欢迎，深度学习正推动该领域的发展。然而由于深度学习模型需要大量的训练数据，而生物医学领域中训练数据集的规模往往很小，因此相关研究多有失败。《BioBERT: pre-trained biomedical language representation model for biomedical text mining》中介绍的 BioBERT 是一种在大规模生物医学语料库上进行预训练的模型，基于 BERT 架构，能够有效的将大量生物医学文本的知识转化为文本挖掘模型。预训练模型可见：https://github.com/naver/biobert-pretrained。

AAAI 2019 | MIT研究员构建单一神经网络模型预测患者疼痛水平使用机器学习分析所有可用数据可以帮助医生更好地诊断和治疗患者。但大多数模型无法处理高度复杂的数据。其他的一些模型也未能捕捉到不同健康变量之间关系的全部范围，例如呼吸模式如何帮助预测睡眠时间或疼痛程度。为此，麻省理工学院的研究人员描述了一个单一的神经网络模型，它将简单和高度复杂的数据作为输入。然后，使用已知变量，网络可以填写所有缺失的变量。根据来自患者的心电图信号（测量心脏功能和自我报告的疲劳水平）的数据，该模型可以预测患者的疼痛水平，因为患者时常无法准确将疼痛水平反映给医生。 MIT研究元将此模型在真实的睡眠研究数据集上进行测试 - 其中包含健康调查，心电图和其他复杂信号 - 根据其他七个已知变量，该单一神经网络在预测八个缺失变量中的任何一个时达到了70％到80％的准确率。该成果将在下周AAAI人工智能会议上展示。

微软 AAAI 新论文：Traffic updates: Saying a lot while revealing a little 微软今日介绍了一篇收录于 AAAI 的论文，旨在大幅减少交通速度报告的数量，同时仍保持对交通速度的准确估计。搞论文还探讨了关于联合使用中心和分布式预测模型的原则，以及在缺乏沟通的情况下进行推理的机会。论文提出了三个想法：1、如果交通像往常一样移动，则无需告诉任何人，因为每个人都可以认为一切正常。2、如果交通异常，路段上只有少数车辆需要报告。不是每个人都必须说同样的话。3、由于不同道路上的速度之间的相关性，来自一条道路的速度报告可用于自动推断其他道路上的速度。这减少了信息需求，因此需要直接监控所有段。

中国首次成功实现5G网络VR实时制作传输测试中央广播电视总台今日联合中国联通、华为公司在吉林长春启动5G网络VR实时制作传输测试，为春晚长春分会场5G直播应用提供技术验证与准备。这是我国首个5G媒体应用实验室继1月13日成功实现5G网络4K电视传输后，进行的又一次重要测试。央视春晚预热节目中，中央广播电视总台将实现VR全景互动，同时，还将制作一批春晚VR短视频在新媒体平台投放。（央视新闻）

投融资

日本Cinnamon AI获1400万美元B轮融资 1 月 29 日消息，日本 Cinnamon AI 宣布获得 1400 万美元 B 轮股权融资，投资者为索尼创新基金、Mirai Creation Fund、Sachio Semmoto 和其他 6 家投资机构，本轮资金将用于开设 Cinnamon 在洛杉矶的第一家美国办公室。据悉，该公司于 2014 年 2 月完成 200 万美元 A 轮融资、2018 年 7 月完成 800 万融资，截至目前，总融资额达 2400 万美元。同时，该公司计划在 2022 年聘用 500 名人工智能工程师。

创业公司 Kite 为其代码自动编写工具筹集 1700 万美元资金据外媒报道，总部位于旧金山的创业公司 Kite 利用机器学习构建了一个智能的代码自动编写工具，并于今天宣布已经筹集了 1700 万美元的资金。该轮融资由 Trinity Ventures 领导，由 GitHub 现任首席执行官 Nat Friedman 亲自参与。Kite 的创始人兼首席执行官 Adam Smith 表示，希望该工具可以使用机器学习帮助开发人员节省调试基本错误的时间，提高他们的工作效率。该公司还宣布此款代码编辑工具非常智能，即使没有网络连接，开发人员也可以在机器上本地运行此款工具。（Techcrunch）

英国AI反欺诈公司Featurespace获2500万英镑融资英国 AI 反欺诈公司 Featurespace 在其官网宣布已完成 2500 万英镑（约 3230 万美元）融资，领投方为 Insight Venture Partners 和 MissionOG。Featurespace 方面表示，将把这笔融金用于支持公司的国际业务扩张，以及投入实时 ARIC 平台的开发。ARIC 平台能够通过收集统计大量行为数据，进行不间断的机器学习，了解每个客户的行为，并通过检测多个复杂数据集之间的异常，发现或识别新的和已知的欺诈攻击。据悉，Featurepace 由英国剑桥大学教授、著名应用统计学专家 Bill Fitzgerald 和 Feature Space CTO 共同创建，专注于反欺诈和风控管理领域，其服务的行业目前主要集中在金融、保险、博彩业。（亿欧）

大公司新闻

沃尔沃的自动驾驶汽车企业获准在瑞典高速路试沃尔沃汽车合资公司 Veoneer 周一表示，该公司已获准在瑞典高速公路上开始测试无需用手操作的自动驾驶汽车软件。Veoneer 表示，Zenuity 合资公司用于 4 级自动驾驶的软件将由训练有素的驾驶员在方向盘上以最高速度 80 公里/小时（50 英里/小时）的速度在沃尔沃汽车中进行测试。（路透社)

英伟达下调第四财季业绩展望，股价暴跌18%美东时间 28 日周一美股盘前，英伟达更新了截至 1 月 31 日的 2019 财年第四财季财务指引，预计当季营业收入为 22 亿美元，美元较此前该公司预计营收 27 亿美元下调 18.5％。英伟达宣布下调指引后，其股价在美股盘前一度跌超 14％，开盘后进一步下跌，盘初一度跌至 131 美元、日内跌幅超过 18％，创第三财季财报发布后两个多月来最大日内跌幅，股价创一个月盘中新低。最终英伟达收跌 13.82％，收创 1 月 3 日以来新低。

台积电再爆生产事故：上万片晶圆或被污染，16/12nn产能受损 1 月 28 日，台积电又被爆出一起安全事故，这次是晶圆被不合格原料污染，预估损失上万片晶圆，影响的是主力营收的 16/12nm 工艺，NVIDIA 的 GPU 以及多家手机芯片厂商都在使用这一工艺。

英特尔宣布AI激励计划英特尔日前正式宣布「英特尔人工智能合作伙伴创新激励计划」，将携手首批 12 家入选的优秀创新团队，推动人工智能的应用突破与落地。这些创新团队将采用英特尔多元化的人工智能技术和产品组合，结合产业刚性需求打造针对性的落地方案，广泛应用到智慧城市、智能工厂、智慧医疗、智能安防、智慧零售、智慧教育和智慧金融等领域。（经济参考报）

特斯拉正在使用行为克隆（即监督模仿学习）进行自动驾驶和全自动驾驶近日，细心的 Reddit 网友捕捉到了去年 11 月 The Information 一篇文章中的关键信息：特斯拉正在使用行为克隆（即监督模仿学习）进行自动驾驶和全自动驾驶。文中提到，「知情人士表示，特斯拉的汽车收集了大量的摄像头和其他传感器数据，因为他们开车时，即使没有打开自动驾驶仪，自动驾驶仪团队也可以检查传统人类驾驶在各种驾驶场景中的样子并模仿它。它使用此信息作为计划汽车在特定情况下驾驶方式的附加因素 - 例如，如何在道路上驾驶弯道或避开物体。当然，这种方法有其局限性：就如同它的名字所言：行为克隆。特斯拉的工程师认为，通过神经网络提供足够的人力驾驶数据，该网络可以学习如何在大多数情况下直接预测正确的转向、制动和加速。一位参与团队工作的人说，「你不需要任何其他东西」来教导系统如何自主驾驶。他们设想了一个未来，在这个未来中，人们不需要编写代码来告诉汽车在遇到特定情况时该怎么做。

创业项目

泰国初创公司填补科技人才招聘空白泰国初创公司 GetLinks 专注于匹配特定的技术技能，如应用程序开发和 Flutter 和 Docker 等编程语言，不仅仅是通用编程，以满足亚洲快速发展的科技公司以及更多寻求技术人才的传统公司的需求，以助内部招聘时也无法满足的人才需求。（路透社）

登录后评论

暂无评论

暂无评论~

文章库 PRO通讯会员 SOTA！模型