Waymo和DeepMind模拟进化论 开发新方法训练AI
Alphabet旗下的无人驾驶汽车公司Waymo进行了大量训练来改良驱动其自动驾驶软件的人工智能。最近，它与另一家Alphabet子公司DeepMind合作开发了一种模拟进化论的新训练方法，来提高训练质量和效率。
人工智能算法通过反复试验来自我改进。一个模型被提出一个任务，它通过不断地尝试和根据它收到的反馈进行调整，来学习执行这个任务。执行表现在很大程度上依赖于训练方案——被称为超级参数机制——而找到最佳训练方案的任务要有经验的研究人员和工程师亲自去完成。他们精心挑选正在接受训练的人工智能模型，剔除表现最差的模型，并释放资源从头开始训练新的算法。
DeepMind设计了一种不那么劳动密集型的训练方法：基于群体的训练(以下简称“PBT”)，它从多个由随机变量(超级参数)启动的机器学习模型开始运作。这些模型会定期被评估，并以一种进化的方式相互竞争，这样，表现不佳的群体成员就会被“后代”所取代。PBT不需要重新开始训练，因为每个后代都继承了父网络的状态，并且在整个训练过程中会主动更新超级参数。最终的结果是，PBT有了“良好的”超级参数值，用上多数的资源进行训练。这就是进化的由来，因为这是一种人工自然选择的过程。
PBT并不完美——它倾向于对当前进行优化，而没有考虑长期结果，对发展迟缓的人工智能模型不利。为了缓解这种情况，DeepMind的研究人员训练了一个更大的群体，并创建了一个叫做“利基”的亚群体，在这个群体中，算法只允许在自己的子群体中竞争。最后，团队通过为更独特的模型提供竞争优势来直接奖励多样性。
最近，Waymo和DeepMind让PBT接受Waymo创造更好的虚拟司机的挑战，训练结果令人印象深刻——DeepMind在一篇博客文章中表示，借助PBT，负责标识区分由Waymo汽车的诸多传感器发现的行人、骑车者和摩托车骑手的网络误报率下降了24%。不仅如此，与Waymo以前使用的标准方法相比，PBT还节省了大约50%的训练时间和资源。
使用这种方法时，为了避免潜在的缺陷，DeepMind经过早期研究以后进行了一些调整，其中包括每隔15分钟就对模型进行评估，构建强大的验证标准和示例集，以便确保测试能够为真实世界构建表现更好的神经网络，而不只是仅适用于它们被灌输的特定数据的良好模式识别引擎。
来源：网易科技
AI在识别人类情绪方面存在严重缺陷
随着人工智能被用来做出更多关于我们生活的决定，工程师们已经找到了使其更具情感智慧的方法。这意味AI可以识别人类自然产生的一些情绪，最明显的是，扫描一个人的脸部并知道他们当时的感受。
为了实现这一点，微软、IBM和亚马逊等科技公司都销售他们称之为“情感识别”的算法，这些算法根据面部分析推断人们的感受。例如，如果有人眉头紧锁，嘴唇紧闭，这意味着他们很生气。如果他们的眼睛是宽的，眉毛是高的，嘴是伸的，这意味着他们害怕，等等。
客户可以以多种方式使用这项技术，从寻找“愤怒”威胁的自动化监控系统到承诺剔除无聊和不感兴趣求职者的求职面试软件，无所不包。但是如何看待人们的感觉是有争议的，并且一项最新研究表明，这些算法没有没有坚定的科学基础。
这项研究由心理科学协会委托，并由该领域的五位杰出科学家仔细检查各种算法和证据。他们花了两年时间来检查数据，审查了1000多项不同的研究。这项研究基本结论是，情绪以多种方式表达，这使得很难可靠地从一组简单的面部动作中推断出某人的感受。
研究发现，超过70%的时间当中，人们生气时不会皱眉。最重要的是，当他们不生气时，他们会经常皱眉。这意味着使用人工智能评估人们情绪的公司会误导消费者。研究表明，某些面部表情与情绪之间存在强烈相关性的研究往往存在方法上的缺陷。
来源：cnbeta
英特尔推出新型神经形态芯片 推进自动驾驶发展
近日，英特尔(Intel)官方宣布，英特尔研发一款名为“Pohoiki Beach”的新型神经形态芯片系统产品，该芯片系统是受人类大脑思维方式所启发，将生物大脑原理应用于计算机体系结构。
据悉，该神经形态芯片系统模仿了人脑处理数据的方式，由64块Loihi神经拟态芯片构成，共含有800万个所谓的神经元机构，可处理人工智能深度学习任务，速度比现有的CPU快近千倍，效率则高近万倍，而耗电量则为现今同类产品的百分之一。
引入Pohoiki Beach芯片系统后，研究人员能够高效扩展新型神经启发式算法，例如稀疏编码、同步定位和映射(SLAM)以及路径规划，这些算法能够根据输入的数据进行学习和调整。Pohoiki Beach是英特尔神经拟态研究工作的重要里程碑，它为英特尔研究院在今年晚些时候将该架构扩展到1亿个神经元的计划奠定了基础。
从Pohoiki Beach神经拟态系统中，我们可以看到专用架构能为新兴应用带来诸多益处，这些新兴应用包括一些很难由物联网(IoT)和自主设备支持的困难的计算问题。利用这种不同于通用计算技术的专用系统，有望在现实世界的众多应用领域实现呈数量级的速度与效率提升，比如自动驾驶、智能家居、网络安全等领域。
举例来说，Pohoiki Beach系统可以使某些假肢更具有适应性，能够使追踪运动物体的摄像机更有能动力，还可以为一个icub机器人的电子皮肤提供触觉输入，以及可以实现桌面足球的自动化操作等等。
来源：环球网
智能手套采用弹力感应技术 实现高度精确手势捕捉
在数字世界中准确描绘真实的物理运动对于程序员和工程师来说仍然是一个挑战，但是新开发的手套有望显着提升技术水平。与大多数现有解决方案相比，它能够捕捉到更多细节和细微差别的手部动作。
为了实现这一点，研究人员创造了一种硅胶化合物，里面有44个嵌入的弹性传感器，并将其与柔软的织物层结合在一起。输入设备只需要很少的训练，并使用一组特殊的算法来处理从手套传感器获得数据。这种硬件和软件的结合意味着可以实时捕捉高度精确的手和手指运动。不需要外部摄像机或传感器来记录运动，手套本身可以低成本制造。它们看起来也很轻，穿着也很舒适。
研究人员说，即使手拿着东西，手套仍然可以捕捉到动作，并且由于其传感器的配置，它也可以在各种照明条件下工作。除了为您的下一次虚拟现实冒险提供更高的准确性之外，该手套还可以应用于机器人，生物医学行业和增强现实。研究小组将其与两种商用手套Manus VR和CyberGlove II进行了比较，发现在测试过程中，新手套除了一个姿势外，其他所有姿势的误差率最低。
来源：cnbeta
多多云打造AI云手机新业态
“我们是成功孵化出业界首个基于鲲鹏芯片的云手机整体解决方案的移动应用。”多多云手机负责人说，利用鲲鹏芯片抛开实体设备的束缚，在云手机市场上，华为云与多多云手机达成深度合作，进入ARM云手机、AI人工智能与5G高速网络市场，联手制定行业标准。
什么是云手机?简而言之：用物理设备随时随地登入登出一台或者多台仿真手机，并通过云端智能运行各种手机应用，释放物理手机资源，实现手机设备分身。
多多云手机依托华为软硬件技术实力，以用户为基础，共同参与多次版本迭代优化，现阶段下测试跑分已经达到14万分，相当于主流中高端手机机型水平。同时，多多云则拥有安卓模拟器开发、视频推流、AI人工智能等技术的长期开发经验。两者结合，不仅给云手机带来有如本地丝滑般的运行体验，更是拥有无限的设备、永不掉线以及AI赋能的核心竞争力。
来源：驱动中国
