文章库 PRO通讯会员 SOTA！模型

AI每日精选

AI每日精选10条

AI每日精选10条

投融资

骨科AI产品研发商「长木谷」获数千万元Pre-A轮融资 9 月 24 日消息，骨科 AI 产品研发商「长木谷」已获得数千万元 Pre-A 轮融资，由联想之星领投，峰瑞资本与万辉资本跟投。本轮融资主要用于扩充 AI 骨科产品线、推进临床注册证申报以及推动 AI 产品的临床落地。

传Facebook同意5-10亿美元收购脑机公司CTRL-Labs 9 月 24 日消息，据外媒报道，Facebook 已经同意收购非侵入性脑机接口技术初创企业 CTRL-Labs，以便帮助控制其增强现实（AR）眼镜，交易价格在 5 亿至 10 亿美元之间。Facebook 拒绝就收购价格置评。 CTRL-Labs 刚刚成立四年，拥有数十名员工，但已经筹集了数千万美元风险资本。该公司使用手镯来测量受试者手臂上的神经元活动，以确定人正在思考的动作，即使他们的身体没有移动。然后，神经元活动会在数字屏幕上转化为运动。将来，CTRL-Labs 的技术可能会成为 AR 眼镜等产品的关键组成部分，用户可能希望在不需要按钮或键盘的情况下控制计算机。

现代与安波福达成 40 亿美元协议，共同开发自动驾驶汽车现代集团与安波福在一份联合声明中说，现代汽车，起亚汽车和现代摩比斯将共同出资16亿美元现金和4亿美元的研发资源及其他资金，该合资公司的估值为40亿美元。安波福将提供其自动驾驶技术，开发可扩展的自动驾驶解决方案。据了解，新合资公司的总部设立于美国波士顿，双方计划将于 2020 年第二季度达成合作。（Venture Beat）

行业动态

上海认定首批人工智能高级职称专家上海首批工程系列人工智能专业高级职称专家通过公示，包括 21 名正高级工程师和 32 名高级工程师。他们全部来自民营企业，大多数人此前从未评过职称。（上观新闻）

大公司新闻

德勤计划为其企业打造 AI 平台处于「封闭测试」阶段的德勤认知服务平台（DCSP）将在 Google Cloud 中运行，并使用互联网公司提供的涉及 AI 和机器学习的一系列技术和功能。德勤表示，该咨询公司将在其平台上利用其在业务转型和专业服务方面的专业知识，使组织更易于访问 AI，并确保可以将 AI 部署用于各种业务目的。

百度研究院引入前密西西比大学校长Jeffrey Vitter，AI研究殿堂级实力再升级近日，百度研究院再次迎来一位世界级科学家——著名的计算机和大数据理论领域专家、前密西西比大学校长、计算机教育界知名人士Jeffrey Vitter，他将加入百度研究院顾问委员会，助力百度研究院在前瞻性研究方面进行更前沿、更深远的布局。同时，美国俄勒冈大学教授窦德景也加盟百度研究院，担任大数据实验室主任。作为国际知名的计算机科学家和大数据专家，Jeffrey Vitter师从于1974年图灵奖获得者Donald Knuth，在数据科学方面，特别是处理、压缩和传递大量信息的算法方面，拥有丰硕成果。他曾当选为古根海姆基金会、美国国家发明学会、美国科学促进会、计算机协会和电气和电子工程师协会等科研机构的会士，也是国家科学基金会总统青年研究员、富布赖特学者和IBM教师发展奖获得者。

研究与技术

苹果开发人工智能框架，利用用户意愿自动标记数据类似苹果 Siri 等私人助理可以通过自然语言命令来完成任务。但是，它们的基础组件通常依赖于监督的机器学习算法，而这些算法需要大量的手工注释训练数据。为了减少收集数据的时间和精力，苹果的研究人员开发了一个框架，该框架利用用户参与信号自动创建数据增强标签。据研究报告显示，当使用诸如多任务学习和外部知识库验证之类的策略进行合并时，带注释的数据将大大提高生产深度学习系统的准确性。（Venture Beat）

人工智能手机软件通过身体动作识别辅助老年用户练习八段锦近日，TensorFlow 介绍了一个名为「智能八段锦」的健身手机应用。该应用由一家总部位于香港的公司 OliveX 推出，该公司专注开发健身相关的软件。据了解，该应用继 2018 年首次推出以来，已经为 200 万用户提供服务（其中许多用户为老年人）。「智能八段锦」能够在帮助他们练习八段锦这项运动的同时，最大程度减少受伤。该应用利用了最新的人工智能技术检测八段锦的练习动作，并向用户提供相应反馈。（TensorFlow）

日本日立集团新研究论文，MIMII 数据集：针对故障工业机械进行检查的声音数据集近日，一篇来自日本日立集团的论文引发社群关注。论文介绍道：工厂机器容易发生故障，从而给公司带来巨大的开支压力。因此，人们对使用包括麦克风在内的不同传感器进行机械监视越来越感兴趣。在科学界，公共数据集的出现促进了声音检测以及场景和事件分类的进步，但是没有任何公共数据集是关注实际工厂环境中正常和异常运行条件下工业机器的声音。在本文中，我们提出了一个新的工业机器声音数据集，我们将其称为用于故障工业机器调查和检查的声音数据集（MIMII 数据集），其记录了不同类型的工业机器（例如，阀门，泵，风扇和滑轨）的正常声音，并且类似于真实场景，另外记录有各种异常声音（例如，污染，泄漏，旋转不平衡和轨道）损伤）。发布 MIMII 数据集的目的是帮助机器学习和信号处理社区开发自动化的设备维护。

MIT、康奈尔大学、谷歌大脑及DeepMind新作：快速学习或功能重用？理解MAML的有效性来自麻省理工学院，康奈尔大学，谷歌大脑以及 DeepMind 的研究团队近日发表了一篇名为「快速学习或功能重用？理解 MAML 的有效性」的研究。以下是该研究的完整摘要：机器学习的一个重要研究方向集中在开发元学习算法以解决小样本学习问题。其中一种特别成功的算法是模型不可知元学习（MAML）。该算法由两个优化循环组成，通过外循环找到一个元初始化，内循环可以从中有效地学习新任务。尽管 MAML 受欢迎，但仍然存在一个基本的开放问题：MAML 的有效性是得益于元初始化已准备好用于快速学习（表示中的大型有效更改），还是因为功能重用而元初始化已经包含了高质量的功能？研究人员通过消融研究和对潜在表示的分析来研究这个问题，研究发现特征重用是主要因素。这引出了 ANIL（几乎没有内部循环）算法，这是 MAML 的简化。研究人员删除了除 MAML 训练网络的（特定于任务的）头部以外的所有内部循环。ANIL 在基准快照图像分类和 RL 方面达到了 MAML 的性能，并且在 MAML 方面提供了计算上的改进。研究团队进一步研究了网络头部和主体的精确作用，表明测试任务的性能完全取决于所学功能的质量，研究人员甚至可以删除网络的头部（NIL 算法）。最后，研究团队将对元学习算法的快速学习与功能重用问题进行更广泛的讨论。

登录后评论

暂无评论

暂无评论~

文章库 PRO通讯会员 SOTA！模型