返回 登录
6

【AI每日播报】伊隆·马斯克成立Neuralink、何凯明Mask R-CNN论文解读


资讯


伊隆·马斯克成立Neuralink:用植入电极增强人脑计算能力

伊隆·马斯克又成立了一家新的合资公司 Neuralink。由于 Wall Street Journal 的今日报道,Neuralink 得以揭开其神秘面纱。

此前一段时间,业界已有传闻马斯克在加紧开发脑机接口技术,从而保证人类与飞速发展的人工智能齐步前进。Neuralink 的核心技术正是上年马斯克在 Code Conference 大会上谈及的「神经丝网」(neural lace);它通过外科手术与大脑相连接,并允许用户通过现有的输入方式(键盘、鼠标、触控板等)与计算机进行交互,且这种连接不受带宽限制。

自马斯克在推特上发布了相关信息之后,「神经丝网」技术取得了重大进展,届时已有传闻说他将成立专注于这一项目的新公司。果不其然,现在 Neuralink 来了。

AI赌神四月来华对抗龙之队,德扑人机再战要点全披露

55天前,一个人工智能(AI)在匹兹堡河流赌场,击败四位顶级人类德州扑克玩家,在20天的时间里累积赢得176.6万美元。

AI赌神,一战成名。

如今这个人工智能Libratus不单有了中文名“冷扑大师”,而且还将应创新工场CEO、创新工场人工智能工程院院长李开复的邀请,于4月6日-10日来到中国,进行一场“冷扑大师 vs 中国龙之队”的德州扑克人机大战表演赛。

届时,冷扑大师的创造者:卡内基梅隆大学Tuomas Sandholm教授和他的博士生Noam Brown,也将来到比赛现场亲自督战。

蒋涛:AI风口只有2%的人能成为赢家

在2016 Techcrunch论坛上,李开复曾经说过:“当人工智能识别人脸,超过人的时候,保安的工作至少一部分就没有了;当人工智能能够听懂语音的时候,客服和打电话卖东西人的工作就没有了;当人工智能能够更聪明的炒股的时候,很多人的工作就没有了。”

今年是人工智能发展的第61个年头,所有的投资机构都在谈论和布局该领域,但人工智能将在哪些产业爆发?传统企业又该如何挖掘第一桶金?要知道,每个风口都只有2%的人能够成为赢家。

Uber无人车发生车祸,交警表示责任不在无人车

本周六,据公司和亚利桑那州 Tempe 警方表示,配备初期技术的 Uber 无人驾驶汽车在美国亚利桑那 Tempe 发生了撞车事故:Uber 所有的一辆自动驾驶沃尔沃 SUV 被撞翻侧倒在路面。不过,事故并未造成严重伤亡。

事故发生后,Uber 公司暂停了亚利桑那州的自动驾驶汽车测试,直至事故调查结束。

由 Fresco 新闻提供的现场图片表明,Uber 的沃尔沃 SUV 在与汽车撞击之后发生了侧翻。公司一位发言人证实了这次事故以及照片的真实性。Uber 在邮件中说,发生撞击时,两名安全驾驶人员坐在汽车前座,后座是空的,车辆处于自动驾驶模式。

Tempe 警察局发言人 Josie Montenegro 说,事故发生的原因是后面的汽车司机在转弯时「没能让路(fail to yield)」Uber 无人驾驶汽车,导致两车相撞,后者侧翻在地。

Tempe 警方告诉彭博社,Uber 对这起事故并不负责任,也无人员损伤。警方表示,是另一辆汽车没有让路才引发自动驾驶车辆侧翻。但是,方向盘后有人,无法确定相撞时是否有人在控制车辆。

吴恩达夫人呛声Google:我不仅仅是某人的老婆

3月25日夜,吴恩达夫人Carol Reiley转发了一个推特,并且附上“‘100’表示百分百同意。原推文是媒体人Julia Sklar发的一段呛声抱怨,大意是:@Google,你能干好点不。Carol Reiley可不仅是某人的老婆。能不能把她的搜索结果描述改为:著名机器人学家&drive.ai联合创始人兼总裁?

Reiley转发的这条推特似乎说明,这位同样在人工智能领域有很深造诣的女性,并不满足于被丈夫的光环所笼罩,更想以独立的姿态示人。

218篇论文成就谷歌“AI奇迹之年”

2016年,谷歌在人工智能领域表现最为突出,发表重量级论文最多,《Nature》、《PNAS》、《JAMA》都是世界上最顶级的科学期刊。在过去一年里, Google的论文都发表在了这三大顶级期刊上。而苹果公司也因此首次打破了保密原则,旨在人工智能领域的竞争中保持优势。

Google论文数量激增的背后是Google对人工智能领域,特别是“深度学习”日益增长的投资。深度学习是一门很强大的技术,它已经广泛地运用于很多领域,如图像分类、机器翻译、语音识别、语言合成等。

根据Google向《麻省理工科技评论》提供的数据表明:仅在2016年,Google就发表了218篇期刊或会议论文,这数据几乎是两年前的两倍。

再见,Hadoop时代,深度学习迎来寒武纪大爆发

自2007年Hadoop开源以来,Hadoop及其相关技术就成为了数据科学的深层驱动力。但是,我们都知道,虽然 Hadoop/MapReduce留下了自己的印记,但它已经不再是前沿技术了。 Apache Spark已经抢了Hadoop的风头,说Spark是去年的热门新闻也不为过。

终于,在今年的Strata+Hadoop 大会上,O’Reilly 宣布从此以后会议改名为 Strata Data Conference。所以,Hadoop 的时代,再见了。


学术


Facebook 何凯明发大招:Mask R-CNN 狙击目标实例分割

自从将卷积神经网络引入了目标检测领域后,从rcnn到fast-rcnn,然后到end-to-end的faster-rcnn,除了yolo一枝独秀外,基本垄断了整个目标检测领域;而何凯明的resnet基本成了整个图像分类算法的巅峰。这一次,他们强强联手准备狙击实例分割(instance segmentation)了。

什么是instance segmentation:简单讲,一群人在图片里面,我希望把每个人都给我分割出来。分类只能做到识别这个图片是人;目标检测只能检测到这个图片里有人,把人的地方框出来,对每一个人这个个体不一样是没有判断的,统一认为是人;而图像分割主要是将人和背景分割出来,而实例分割就是要把每个人清晰的分割出来。

用深度学习(CNN RNN Attention)解决大规模文本分类问题

文本分类问题算是自然语言处理领域中一个非常经典的问题了,相关研究最早可以追溯到上世纪50年代,当时是通过专家规则(Pattern)进行分类,甚至在80年代初一度发展到利用知识工程建立专家系统,这样做的好处是短平快的解决top问题,但显然天花板非常低,不仅费时费力,覆盖的范围和准确率都非常有限。

后来伴随着统计学习方法的发展,特别是90年代后互联网在线文本数量增长和机器学习学科的兴起,逐渐形成了一套解决大规模文本分类问题的经典玩法,这个阶段的主要套路是人工特征工程+浅层分类模型。

本文以淘宝一个典型的商品为例,具体解释了传统的文本分类方法以及利用深度学习的文本分类方法。并附上作者十条实战经验以及作者团队的相关内推信息。

Facebook 田渊栋详解:深度学习如何进行游戏推理?

田渊栋,Facebook 人工智能研究院研究员,Facebook 围棋 AI 程序 DarkForest 首席工程师及第一作者,卡耐基梅隆大学机器人研究所博士,曾担任 Google无人驾驶团队软件工程师,并获得国际计算机视觉大会(ICCV)马尔奖荣誉提名。

研究者可能以前会觉得游戏只是消遣的工具,但随着人工智能的发展以及它在游戏上的一些应用,大家也开始意识到,游戏现在已经演变为一种AI研究的工具,游戏可以作为一个平台,作为一个虚拟环境,用于测试人工智能的一些技术。

文中,田渊栋结合近来的热点事件,例如CMU的Poker Player战胜了世界上最强的扑克高手一事,以及其自身工作上的项目经历,介绍深度学习在游戏领域的进展。


图片描述

图片描述

评论