微信号:ai-front

介绍:面向17W+AI爱好者、开发者和科学家,提供最新最全AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、最新AI论文解读.每周一节技术分享公开课,助力你全面拥抱人工智能技术.

AI一周热闻:Linux之父宣布无限期休假;微软、腾讯等AI平台落户上海

2018-09-19 15:10 AI前线小组 译
作者 | Jack Clark
翻译整理 | 核子可乐,Debra
编辑 | Natalie

AI 前线导读:
- 微软、腾讯等多个 AI 平台落户上海
- Linux 之父宣布无限期休假
- 景驰无人车子公司上亿资金被冻结
- 把门错认成罐子?没错,计算机也会出现“幻觉”!
- 伦敦帝国理工学院与酷家乐发布 InteriorNet 数据集
- 《太空堡垒》游戏有望成为新的人工智能评判工具
- DeepMind 利用 PopArt 改进迁移学习能力
- 为抗议重返中国计划,一位谷歌公司科学家辞职
- 谷歌举办包容性图像识别挑战赛
- DARPA 公布 20 亿美元人工智能投资计划

更多优质内容请关注微信公众号“AI 前线”(ID:ai-front)

微软、腾讯等多个 AI 平台落户上海

9 月 17 日,在世界人工智能大会上,一批全球人工智能创新项目在上海签约落户,包括阿里巴巴、百度等 8 个 AI 创新中心(实验室),腾讯、华为等 8 个 AI 创新平台,微软、亚马逊等 3 个 AI 研究院,1 个百亿人工智能产业基金分别与市经济信息化委、10 个区、3 个科研院所以及 MIT 全球产业联盟签署合作协议。

上海为加快汇聚 AI 创新资源,于 2017 年率先发布《推动新一代人工智能发展的实施意见》,并于今年 9 月 17 日发布了《关于加快推进上海人工智能高质量发展的实施办法》,从加快人才队伍建设、深化数据资源开放和应用、深化人工智能产业协同创新、推动产业布局和集聚、加大政府引导和投融资支持力度等方面,推出 22 条新举措。

Linux 之父宣布无限期休假

近日,Linux 之父 Linus Torvalds 在 Linux 4.19rc 版本更新后宣布休假,事情的导火索从他将 Linux 维护者大会举办地点从温哥华改为苏格兰,而仅仅因为他和家人在苏格兰度假一事引起。

在发给 Linux 内核维护者社群的一封电子邮件中, Torvalds 表示对自己过去的感情用事和人身攻击的言论表示反省和道歉,而自己需要“照照镜子”了,他将去寻求一些帮助,以“更好地理解他人的感情”,自己则会在此期间开发一些工具。

景驰无人车子公司上亿资金被冻结

景驰无人车北京子公司的法人代表重新变成潘思宁。此前,潘思宁的法人代表身份被 CFO 吕庆取代,并称潘思宁因损害公司利益被开除。但近期,潘思宁对外公布了《司法鉴定意见书》和《工商意见答复书》等文件,证实景驰北京子公司在法人变更中,潘思宁签名和印章却系伪造。

基于此,上个月,工商行政管理局海淀分局已启动撤销变更登记程序,即撤销吕庆北京景骐信息技术有限公司法人身份,并恢复为潘思宁。潘思宁方面透露,北京景骐信息技术有限公司名下的上亿人民币近日已被银行冻结,将会依据工商局或法律程序的进展做进一步处理。

把门错认成罐子?没错,计算机也会出现“幻觉”!

来自加州大学伯克利分校与波士顿大学的研究人员们设计出一种新型方法,用于测量神经网络在解析图像时偶尔产生的“幻觉”。这些图像捕捉模型可能会在特定情境之下对其中的对象发生误判。很明显,更好地理解这种幻觉的出现原因以及探究如何避免此类幻觉的发生,对于开发更强大且泛用性更高的人工智能系统而言至关重要。

测量幻觉: 研究人员们提出了“CHAIR(即带有图像相关性的幻觉图片评估)”方法,用以评估系统如何根据图像生成观察结果。CHAIR 会计算所生成词汇与图像内容间的关联,同时配合真实场景与多种对象分割及标记算法。在评估当中,他们发现在对某一测试集进行分析时,“有 7.4% 到 17.5% 的机率出现幻觉性判断。”

奇怪的相关性: 对引发这些幻觉的原因进行分析绝非易事。研究人员们指出,“我们发现生成的平均词汇长度与幻觉率之间没有明显的相关性。”但幻觉对象之间倒是存在一定关联。他们写道,“在所有模型当中,家具类内容最容易产生幻觉,占所有幻觉判断的 20% 至 50%。其它常见的高误判对象还包括户外用品、运动用品与厨具。其中,餐桌又是各类模型中最易引发幻觉的类别。”

学术价值: 如果我们希望将大量基于神经网络的系统部署到实际场景当中,那么了解这些系统的缺陷与弱点就变得极为重要 ; 这样的分析使我们更清楚当前技术的局限性,并指明了提升系统稳健性的研究方向。研究人员们写道,“我们认为,图像解析模型的设计与训练不应仅通过交叉熵损失或标准句式指标作为引导,同时也应引入图像相关性因素。”

了解更多:

https://arxiv.org/abs/1809.02156

伦敦帝国理工学院与酷家乐发布 InteriorNet 数据集

伦敦帝国理工学院与中国家具 VR 初创企业酷家乐公司的研究人员共同发布了 InteriorNet,这是一套复杂且逼真的室内设计照片大型数据集。InteriorNet 当中包含约 100 万种不同类型的家具与对应 CAD 模型,并由超过 1100 名专业设计师利用其创建了约 2200 万房间布局。由于使用了一套名为 ViSim 的内置模拟器,这些场景皆可配合不同的光照条件与环境进行预览。此模拟器已经随数据集一道发布。这也是截至目前,规模最大的单一 3D 场景组合数据集之一。

个中秘辛: 伦敦帝国理工学院与酷家乐公司的合作可能代表着一种新的公私合作模式,即在共享专业知识与财务资源的同时,私营部门也开始对外共享计算资源 ; 考虑到新型人工智能技术对计算资源的高度依赖,这种趋势将具有重大意义。

了解更多:

https://interiornet.org/

《太空堡垒》游戏有望成为新的人工智能评判工具

本周,卡耐基梅隆大学的研究人员提出利用上世纪八十年代末出现的《太空堡垒》游戏对新算法进行评估。他们的思路主要分为两点:1)《太空堡垒》目前尚无法通过主流强化学习算法(例如 Rainbow、PPO 与 A2C)得以解决 ; 2)《太空堡垒》由心理学家开发,用于研究人类的技能获取方式,因此我们拥有大量数据可供参照。

《太空堡垒》是什么:《太空堡垒》是一款游戏,玩家在竞技区域中心处向堡垒发射导弹。其最大特色在于,游戏中存在着不少不确定性因素:堡垒不会持续受到攻击,因此当堡垒处于“无敌”状态时,玩家必须以最多每秒 4 发的速度进行导弹发射,否则攻击将无法造成伤害。这就对传统人工智能算法提出了巨大挑战,因为“当无效攻击达到 10 次后,整体攻击策略将发生彻底改变。代理必须意识到这一关键性规则方有机会赢得游戏。”

人类表现:作为比较,有 117 位玩家各自进行 20 轮《太空堡垒》游戏(其中 52 人进行〈自动调节〉游戏,65 人进行〈手动调节〉游戏)。二者的最佳成绩分别为 3000 分与 2314 分,而玩家们的平均得分则分别为 1810 分与 169 分。

强化学习算法表现:目前的强化学习算法在这套稀疏奖励版本中的表现非常糟糕。PPO 在其中表现最佳,《自动调节》版本的平均得分为 -250 分,《手动调节》平均得分则为 -5269 分 ; A2C 略逊之。最差的是 Rainbow,这种复杂的算法虽然凭借着一系列 DQN 算法改进而在雅达利与 DM Lab 环境中获得高分,但却完全玩不转《太空堡垒》——自动与手动得分分别为 -8327 分与 -9378 分。

强化学习算法表现(密集奖励):在给予密集奖励时,算法的表现有所改善(即每次击中堡垒则获得奖励,如果玩家射击速度过快而导致堡垒重置,则施以惩罚)。此项修改使得《太空堡垒》在奖励密度方面与雅达利游戏保持一致。在这种情况下,PPO 在自动与手动版本中分别获得了 -1294 分与 -1435 分。

强化学习算法表现(密集奖励 +「情境识别」):研究人员还进一步改变了密集奖励结构,旨在帮助代理了解目标太空堡垒何时可受到攻击,以及何时可被摧毁。在这样的条件下,PPO 能够获得约 2000 分的平均分数 ; 尽管得到显著改善,但这一成绩仍然无法与高水平人类玩家相比肩。

学术价值:当代人工智能研究中存在一大难点,即如何将数据与 / 或环境进行耦合:新数据 / 环境的引入凸显出现有算法的弱势,而这亦代表着进一步发展的方向。《太空堡垒》这类平台有望为研究人员提供低成本测试环境,从而探索如何随时间推移实现人工智能建模并检测相关性与宏观模式——这也正是开发更强大人工智能系统的关键所在。研究人员已经将《太空堡垒》作为 OpenAI Gyn 环境进行发布以供大家使用。

了解更多

https://arxiv.org/abs/1809.02206

DeepMind 利用 PopArt 改进迁移学习能力

DeepMind 研究人员开发出一项新技术,用于改善迁移学习效能。通过对不同环境内的奖励机制进行标准化调整,他们能够以精确方式确保自适应调节目标(PopArt)依然有效。如此一来,采用 PopArt 的代理即可在不同游戏之间获得类似的表现——例如通过《青蛙过河》训练完成的模型,可在《吃豆人》中得到相近的分数。

结果:为了测试他们的方法,研究人员评估了 PopArt 在 IMPALA 代理中的表现——IMPALA 是目前 DeepMind 最为流行的算法。在全部 57 款雅达利游戏中,PopArt-IMPALA 系统获得了 101% 于人类玩家的平均表现,而单凭 IMPALA 本身则表现水平仅为人类玩家的 28.5%。此外,基于 Quake 3 引擎构建的、包含 30 种 3D 环境的 DeepMind Lab-30 也在 PopArt 的加持下迎来显著的能力提升。

学术价值:强化学习研究的主要发展动力,源自日益高效的算法与训练方法 ; 像 PopArt 这样的技术有望显著强化通过强化学习进行训练时的迁移学习能力。通过这种新的通用性技术方案,代理将能够在不同环境中积累经验,同时帮助研究人员理解简单迁移技术的局限性,进而据此开发出新的算法成果。

了解更多:

https://arxiv.org/abs/1809.04474

https://deepmind.com/blog/preserving-outputs-precisely-while-adaptively-rescaling-targets/

为抗议重返中国计划,一位谷歌公司科学家辞职

谷歌公司一位高级研究科学家公开宣布辞职,旨在抗议其重返中国市场(代号「蜻蜓」)的计划。据报道,因此辞职的员工共有五名。谷歌公司目前正在开发一款符合中国政府审查标准的搜索引擎,消息一出已经引起巨大反响。

人工智能原则:这位科学家称,此项计划违反了谷歌公司制定的人工智能原则。该项原则于今年 6 月公布,其中包括承诺不设计或部署“在目的层面有违广泛接受的国际法与人权原则的技术。”当然,由于此项计划的细节尚未公开,因此目前很难判断其是否有违这一措辞谨慎的原则要求。尽管如此,很多人仍然质疑谷歌公司可能放弃其本应恪守的标准底线。

重要意义:这是谷歌公司人工智能原则经受的首次考验,亦可能对这家科技巨头在中国市场的运营方式以及对公共道德承诺的执行产生深远影响。这些原则最初是为了应对 Maven 项目所引发的内部抗议。但如果事实证明谷歌公司言行不一,那么人们恐怕会对谷歌未来做出的道德承诺失去信心。

了解更多

https://theintercept.com/2018/09/13/google-china-search-engine-employee-resigns/

https://www.blog.google/technology/ai/ai-principles/

谷歌举办包容性图像识别挑战赛

ImageNet 等大型图像数据集一直是计算机视觉技术的主要发展动力。然而,这些数据库往往在多个维度上表现出偏见问题,且相关问题在不同训练模型中存在明确的可继承性。例如,分类器可能因为夫妇未穿着欧式婚礼服装而无法识别出婚礼照片。

解决地理偏见:谷歌人工智能部门宣布将举办一轮图像识别挑战赛,意在解决此类偏见问题。参与者将使用标准数据集(即更多倾向欧洲与北美习惯的图像)进行训练,但要求最终成果能够覆盖不同的、未指定地理区域的图像集实现准确评估。谷歌公司将这一挑战称为地理“压力测试”。通过这种方式,开发人员将利用倾向性数据集建立起包容性模型,确保训练后的模型能够面向全球地理区域对其它集合中的图像进行准确分析。

学术价值:为了将人工智能技术真正推广至世界各地,我们必须确保人工智能系统能够在全球范围内实现对等部署。最近,人脸识别算法中的种族偏见问题已经得到多方关注,特别是考虑到此类技术开始在执法部门当中运作,偏见的存在有可能带来伤害性风险。此次挑战赛的范围将比人脸识别更为广泛,具体涉及人脸、物体以及建筑物等对象。

了解更多

http://ai.googleblog.com/2018/09/introducing-inclusive-images-competition.html

https://storage.googleapis.com/pub-tools-public-publication-data/pdf/210f9d77c87f8cc471790358f69b4970a8e767ef.pdf

DARPA 公布 20 亿美元人工智能投资计划

美国军方的先进技术机构 DARPA 日前公布一项总值达 20 亿美元的长周期投资计划“AI Next”。该项目旨在“探索机器如何获得与人类相似的沟通与推理能力。”更具体地讲,其目标是开发出“作为同事而非工具”的人工智能系统。

以安全为重点:除了明确的技术目标之外,DARPA 方面还确定了稳健性要求与对抗性案例等五大核心关注重点。这样的目标设置,标志着 DARPA 将致力于借此引导安全与功能的开发方向。

重要意义:DARPA 历来是人工智能开发工作中的重要参与者之一。尽管美国目前尚没有出台任何经过全面协调的国家级人工智能发展战略,但国防部本身正是人工智能技术的核心消费方之一,而其已经在着手建立自己的准国家级人工智能战略。将安全问题引入研究议程无疑是一项积极的成果,且此次投资可能代表着未来人工智能层面的安全投入将不断提升。

了解更多:

https://www.darpa.mil/work-with-us/ai-next-campaign

https://www.darpa.mil/news-events/2018-09-07

作者 Jack Clark 有话对 AI 前线读者说:我们对中国的无人机研究非常感兴趣,如果你想要在我们的周报里看到更多有趣的内容,请发送邮件至:jack@jack-clark.net

原文链接:

https://jack-clark.net/2018/09/17/import-ai-112-1-million-free-furniture-models-for-ai-research-measuring-neural-net-drawbacks-via-studying-hallucinations-and-deepmind-boosts-transfer-learning-with-popart/


如果你喜欢这篇文章,或希望看到更多类似优质报道,记得给我留言和点赞哦!

 
AI前线 更多文章 一年过去了,25万月薪的AI工程师还存在吗? 是时候创造新编程语言了!图灵奖得主大卫·帕特森谈后摩尔时代 30PB数据1年内迁移到Spark,eBay的经验有何可借鉴之处? 为什么机器学习之路没有捷径可走? 挑战Kafka?Facebook开源分布式日志系统LogDevice
猜您喜欢 python项目实战教程:开发微信二维码通讯录系统 基于大数据技术的手机用户画像与征信研究 战略分析思维与方法探讨 旅游推荐系统的演进 在Pivotal我们是如何面试的