上周人工智能信息摘要适室。微軟成立新研究所,加入AGI研究大戰(zhàn)中馏艾;DeepMind 新研究劳曹,教會機(jī)器人花樣越障;科學(xué)家們利用深度學(xué)習(xí)琅摩,給予非洲更好的食品供應(yīng)铁孵;用深度學(xué)習(xí)來千倍速看片兒;吳教授的假期“小”項(xiàng)目迫吐,比專業(yè)醫(yī)生更好的心臟監(jiān)測系統(tǒng)库菲;Google推出PAIR,力求人類與AI更好的互動志膀。
你獲得一個AGI(Artificial General Intelligence 強(qiáng)人工智能)研究室,獲得一個AGI研究室鳖擒,還是一個AGI研究室**
強(qiáng)人工智能: 目標(biāo)是造出真正能推理和解決問題的智能機(jī)器溉浙,并且這種機(jī)器,能被認(rèn)為有知覺蒋荚,有自我意識的戳稽。
弱人工智能: 認(rèn)為不可能制造出,真正能推理和解決問題的智能機(jī)器期升,這些機(jī)器只不過看起來像智能的惊奇,但并不是真正擁有智能,也不會有自我意識播赁。
...DeepMind于2010年成立,來進(jìn)行AGI研究颂郎。 同年,Vacarious也在同樣目標(biāo)下成立容为。2014 年谷歌收購了DeepMind乓序,2015年DeepMind通過它的深度強(qiáng)化學(xué)習(xí)的論文得以登上自然(Nature)的封面, 之后更是在近幾年打敗各大圍棋冠軍們寺酪。到2015秋天,又有一群家伙勾搭在一起成立了OpenAI替劈,一個非盈利AGI開發(fā)研究所寄雀。同年,Juergen Schmidhuber(深度學(xué)習(xí)四大天王之一陨献,齊名的有Bengio, Lecun 還有 Hinton)成立了 Nnaisense盒犹, 至于它是干啥的...你猜...AGI。
...以上這些人其實(shí)目前心里都有一個疑問眨业,Microsoft這貨在目前這個世界到底想要扮演一個什么樣角色呢急膀。 畢竟,其他的科技巨人坛猪,比如說亞馬遜還有蘋果都給應(yīng)用AI下了大賭注脖阵,同時Facebook搗鼓出了一個介于先端研究開發(fā)與AGI之間的研究室。 而微軟墅茉,雖然有很多分散研究機(jī)構(gòu)命黔,也在AI方面發(fā)過很多有意思的論文,但是卻都沒有在某個特定的方向表現(xiàn)出很大的興趣就斤。
...現(xiàn)在微軟開始通過將下屬一些研究機(jī)構(gòu)轉(zhuǎn)變成AGI開發(fā)研究所悍募,名為Microsoft Research AI的百人團(tuán)隊(duì),來尋求這方面的改變了洋机。這個新研究所坠宴,將有望和OpenAI還有DeepMind分庭抗衡。
DeepMind機(jī)器人 绷旗,能跑能跳還能平地摔
... DeepMind發(fā)表了最新研究喜鼓,顯示如何給模擬機(jī)器人一個簡單的目標(biāo),還有配對的復(fù)雜環(huán)境衔肢,然后就能使其產(chǎn)生非常復(fù)雜的運(yùn)動行為庄岖。
...在這項(xiàng)研究中,DeepMind使用了一系列逐漸復(fù)雜的障礙跑道角骤,以及一個最終目標(biāo)是不斷前進(jìn)的機(jī)器人隅忿。之后創(chuàng)造出了一個機(jī)器人,它能夠?qū)W習(xí)如何使用全方位身體運(yùn)動邦尊,來在虛擬環(huán)境中實(shí)現(xiàn)自己的目標(biāo)背桐,有點(diǎn)像是AI介入版的神廟逃亡 ??。Blog
深入學(xué)習(xí)給予非洲(和其他地方)更好的食品供應(yīng):
...賓夕法尼亞州立大學(xué)蝉揍,匹茲堡大學(xué)和坦桑尼亞國際熱帶農(nóng)業(yè)研究所的科學(xué)家們链峭,已經(jīng)對使用遷移學(xué)習(xí)開發(fā)出的AI工具進(jìn)行了測試,用其來對木薯中存在的疾病或病蟲害進(jìn)行分類疑苫。
研究人員寫道熏版,木薯是“世界人類碳水化合物第三大來源”纷责,是非洲糧食供應(yīng)的關(guān)鍵。那有沒有辦法撼短,來輕松又便宜地診斷木薯的感染和害蟲呢再膳,讓人們能夠更快地處理食物供應(yīng)問題?研究人員當(dāng)然認(rèn)為是可以的曲横,于是他們就收集了來自坦桑尼亞木薯的2756幅圖像喂柒,捕獲了六種標(biāo)記類別 - 健康植物,三種疾病和兩種害蟲的情況禾嫉。然后灾杰,他們通過將照片分割成單個葉子圖像來增加該數(shù)據(jù)集,將其增長到大約15,000張圖像熙参。之后使用遷移學(xué)習(xí)來重新訓(xùn)練Google “InceptionV3”模型的頂層艳吠,創(chuàng)建了一個相當(dāng)簡單的神經(jīng)網(wǎng)絡(luò)來檢測木薯病毒。
...結(jié)果呢孽椰?大約有93%的測試準(zhǔn)確度昭娩!雖然這讓人振奮,卻仍不足以投入實(shí)用 - 但是基于深入學(xué)習(xí)各個領(lǐng)域的進(jìn)展黍匾,似乎可以通過組合調(diào)整和fine-tuning(微調(diào))技術(shù), 還有收集更多(廉價的)數(shù)據(jù)來進(jìn)一步提高這個準(zhǔn)確率栏渺。
..值得注意的:這項(xiàng)研究只使用相對較小的,20MB分辨率數(shù)碼相機(jī)收集木薯圖像锐涯。這表明智能手機(jī)相機(jī)也是可以用于從現(xiàn)場收集數(shù)據(jù)的任務(wù)的磕诊。
...論文:[Using Transfer-Learning For Image-Based Cassava Disease Detection]。
千倍速看片兒纹腌,用深度學(xué)習(xí)來查看視頻霎终?
...最近斯坦福研究人員開發(fā)了NoScope技術(shù),使人們能夠快速瀏覽具有特(qi)定(guai)實(shí)(dong)體(xi)的大型視頻文件升薯。
...傳統(tǒng)的AI介入的視頻分析的工作方式是神僵,用像R-CNN這樣的工具,來識別和標(biāo)記每幀畫面中的對象覆劈,然后通過搜索來找到特定幀。這種方法的問題在于沛励,它需要你對所有視頻幀(通常)進(jìn)行分類责语。相比之下,NoScope則是目派,假設(shè)有些視頻輸入具有可預(yù)測坤候,并且重復(fù)的場景,例如在放在馬路交叉處的攝像頭就會一直有十字路口在輸入流里面企蹭。
...“NoScope比一般CNN快得多:比起簡單地運(yùn)行消耗昂貴的目標(biāo)檢測CNN白筹,NoScope可以學(xué)習(xí)一系列輕量簡單的模型智末,并盡可能地運(yùn)行這些更便宜的模型來探索局部信息。下面我們來描述其中兩種輕量模型:一個是專門針對給定的視頻流和對象(利用特定場景的局部性)的模型徒河,另一個是檢測差異的模型(利用時間局部性)系馆。端對端堆疊之后,這些模型可以比初始的CNN快100-1000倍“他們寫道顽照。該技術(shù)甚至可以使加速高達(dá)10,000被由蘑,具體取決與實(shí)現(xiàn)的細(xì)節(jié)。
...缺點(diǎn):你仍然需要為每段片段挑選一個輕量級模型代兵,因此這種加快速度的代價是尼酿,需要人花時間分析視頻,還有只能構(gòu)建自己的專用檢測器植影。
通過34層神經(jīng)網(wǎng)絡(luò)來發(fā)現(xiàn)心臟問題裳擎,比專業(yè)醫(yī)生更好(本篇又名,吳教授的假期“小”項(xiàng)目)
...來自斯坦福大學(xué)(有最近離開百度的Andrew Ng(吳教授))和初創(chuàng)公司iRhythmTech的新研究思币,使用神經(jīng)網(wǎng)絡(luò)和單引導(dǎo)手腕心率監(jiān)測器鹿响,來創(chuàng)建一個能夠識別和分類心跳的系統(tǒng)。這個系統(tǒng)能夠比人類心臟病專家更精確地識別出心臟問題的警告信號支救。
...論文:Cardiologist-level Arrhythmia Detection with Convolutional Neural Networks.
Google新研究小組力求改變?nèi)祟惻cAI的互動方式:
... Google推出了PAIR(People + AI Research Initiative)抢野。該團(tuán)隊(duì)的目標(biāo)是使人們更容易與人工智能系統(tǒng)進(jìn)行交互,并確保這些系統(tǒng)不會產(chǎn)生偏見各墨,或者是在沒用的地方花精力指孤。
... PAIR將匯集三類人員:一類是AI研究人員和工程師,還有就是設(shè)計(jì)師贬堵,醫(yī)生恃轩,農(nóng)夫等特定領(lǐng)域?qū)<遥约啊叭粘S脩簟崩枳觥D梢栽谄洳┛臀恼轮姓业礁嘈畔ⅰ?a target="_blank" rel="nofollow">博客