整理 | 邱陸陸
資訊
亞馬遜微軟於語音助手聯手，Alexa 和 Cortana 可以互相應答
很快，你就可以對 Alexa 說，「讀一下我的 Outlook 郵件」或者對 Cortana 說「幫我在 Amazon 下單這本書。」
兩家公司的 CEO 都對合作發表了宣告：亞馬遜創始人兼 CEO Jeff Bezos 稱，「世界如此廣闊而複雜，會出現很多個成功的智慧助手，每一個掌握著不同的資料集，專注於不同的領域。他們的聯手能夠實現優勢互補，為客戶提供更豐富、更好用的體驗。讓 Echo 使用者都能輕鬆訪問 Cortana 是件很棒的事。」微軟 CEO Satya Nadella ：「確保 Cortana 能夠通過任何裝置隨時待命是我們的首要任務。把 Cortana 的知識、Office 365 的整合以及提醒整合到 Alexa 是朝著實現這一目標的一大步。
雖然同為語音助手，Alexa 和 Cortana 的定位還是存在顯著的差異：Alexa 重點關注電子商務和娛樂功能，Cortana 則致力於生產工具和商務使用者，因此二者之間並不存在直接競爭關係，整合產品則均能獲得額外的效用。聯手之後，Alexa 的客戶可以訪問 Cortana 的專有功能，做會議排期或者訪問工作日曆，閱讀工作郵件或者提醒你在回家路上取乾洗衣服。同樣，Cortana 使用者能夠藉助 Alexa 控制他們的智慧家居裝置，在亞馬遜網站上購物，並與第三方開發者提供的超過兩萬種內建操作進行互動。
亞馬遜掌門人 Bezos 之前就公開表露，自己對與蘋果 Siri 和谷歌的同名 AI 助手的合作持開放態度。而之前也一度有傳聞稱蘋果會使用 Google Assistant 替代 Siri，不過此傳聞的可能性和可操作性都幾乎為零。蘋果方面的最新訊息是，工程師利用深度學習進行了語音的優化，讓 Siri 聽起來更自然。谷歌則與三家揚聲器廠商達成合作，計劃於今年推出三款內建 Google Assitant 的第三方智慧音響。同時，谷歌還宣佈了與 LG 的合作，將對 LG 旗下的一些家用電器進行整合。
17 名蘋果工程師加盟自動駕駛創業公司 Zoox
8月 24 日的日報中，我們報導了蘋果公司因沒有明確規劃而放棄造車計劃，將重點轉向自動駕駛技術的研發。最近，據業內人士透露，17 名汽車工程師近期離開了蘋果，加入了無人駕駛汽車初創公司 Zoox Inc.。這些工程師主要從事那些對於傳統汽車和無人汽車都必不可少的部件的設計工作，例如剎車系統和懸掛系統。在加入蘋果之前，他們大多來自底特律的汽車製造商和器件供應商。
Zoox 致力於自主研發無人汽車。今年 4 月，這家公司公佈了一長串如雷貫耳的員工名單，其中包括前美國國家公路交通安全管理局（National Highway Traffic Safety Administration）局長 Mark Rosekind 以及法拉利的前生產總監 Corrado Lanzone。這家初創公司的估值在去年就已經超過 10 億美元，並籌集了超過 2.5 億美元的資金。
本次也不是 Zoox 第一次挖蘋果的牆角了，過去的兩年中，也陸續有蘋果供應鏈方面的專家加入 Zoox 的訊息。
AMD 與百度合作，尋求中國市場發展空間
上週，AMD 與百度宣佈合作成立 GPU 技術聯合實驗室，主要研究如何為 AMD 部署在百度資料中心的 Radeon Instinct GPU 提供軟體層面的優化。
AMD 在今年第二季度開始推出 Radeon Instinct GPU，該 GPU 利用了公司在異構計算方面的優勢，也體現了公司對開源軟體的關注。Instinct 系列的 MI25、MI8 和 MI6 晶片分別基於 Vega、Fiji 和 Polaris GPU 架構。這些 GPU 都使用了 ROCm，一種面向人工智慧系統的開源程式語言。此外，開源庫 MIOpen 也計劃支援與 Caffe、TensorFlow 以及 Torch 等系統的對接。雖然百度與英偉達有長期的合作關係，但業內人士認為此次合作仍然能幫助 AMD 開發中國市場。
三星計劃向中國投資 70 億美元擴大晶片產能
8 月 28 日，三星電子宣佈與陝西省政府簽署投資協議，將與未來三年進行總計 70 億美元的投資，擴大位於西安的晶片工廠產能。
陝西政府在宣告中表示，擴建後的工廠將主要用於滿足日益增長的 NAND 晶片需求。NAND 晶片是一種主要用於驅動智慧手機及其他智慧硬體裝置的微型晶片，目前，三星是這一晶片全球市場份額最大的生產廠商，據研究機構 IHS 統計，2017 年第二季度，三星的 NAND 全球營收佔比達 38.3%。此前，三星在 2012 年投資了 100 億美元，建立了擁有 10 萬片每月產能的西安晶片工廠，這也是當時三星最大的海外投資。
中國目前不僅是晶片製造中心，也是最大的微型晶片消費國，但其大部分晶片是通過英特爾和高通進口的，這兩家晶片巨頭也從中獲取了鉅額的利潤。中國也在一直致力於研發自有的微晶片，不過根據目前發展水平，追趕海外巨頭的進度尚需要一定時間。
應用
利用靜電完成耐克鞋生產
在生產一雙耐克鞋的流程中，最勞動密集程式的是鞋面部分的拼裝。很多運動鞋的表面看起來毫無針腳痕跡，然而實際上可能由多達 40 片材料拼接，並通過加熱融合在一起。雖然如今機器人已經接手了大部分製鞋流程，但這一部分工作仍然超出他們的能力範疇。
四年前，耐克公司投資了一家位於加州的初創公司 Grabit，該公司的機器人並不試圖完成類似人類的抓取動作，而是使用電附著技術，也就是俗話說的靜電，來幫助機器操縱物體。機器人會有一個平板狀的電極，當正確供電時，會產生一個能夠附著於幾乎任何表面的電場。
通過和人類配合，Grabit 機器人能夠以 20 倍於純人工的速度進行鞋面組裝。軟體會計算出最佳的堆疊鞋面材料的方式，然後通過點亮玻璃檯面的特定區域引導工人把材料放上去，然後一個含有電極的平臺會在攝像頭的幫助下逐漸「拿起」不同的部分，放到一個半成品鞋底上，然後關閉電源，把它放進熱壓機。這個人工需要 10-20 分鐘的過程，Grabit 機器人可以在 50-75 秒內完成，按一天開工八小時計算，一臺機器一天可以生產 400-600 雙鞋。
截止到今年年底，將會有大約 12 臺 Grabit 機器人在中國和墨西哥開工。這可能是耐克試圖改變鞋類製造市場的一次嘗試，一旦成功，公司就可以把生產轉移到美國、歐洲這些更大型的消費中心。
保護工人人身安全新手段：給工業機器人加裝安全氣囊
上週，我們在日報中提到了工業機器人的安全漏洞與「殺傷力」：即使是低速執行的工業機器人機械臂也有足以造成顱骨骨折的力量。隨著工業機器人越來越多地進入製造業，關於其安全性的討論也逐漸進入大眾視野。近日，德國 DLR 機器人和機電一體化中心的研究人員展示了他們為工業機器人定製的一項我們極為熟悉的安全措施：安全氣囊。
當機器人移動到人類周圍時，安全氣囊會自動膨脹包圍住機械手和鋒利的邊緣部分，而當機器人需要再次使用機械手時，氣囊會在不到一秒的時間內收縮。氣囊內建的壓力感測器會檢測機器是否撞到了人。
安全氣囊並不是唯一的工業機器人安全方案，多種機上感測器和攝像頭都被用於保護機器人周圍活動的人類，除此之外，機械手也通常配備「限制力關節」，當機械的移動受到過大的阻力時就會自動停止。雖然大多數措施會在一定程度上降低機器人的生產效率，但是對於保護與機器人一起工作的工人來講，這些措施還是至關重要的。
基於機器學習的地震模型獲得實驗突破
美國 Los Alamos 國家實驗室的研究人員開發了一種二維的模擬器，來模擬地震中能量的累積和釋放，而同時，他們也建立起了一套基於機器學習的演算法，通過監聽模擬器製造的類似地震產生的聲訊號，來預測可能的地震。
「任何特定時刻，來自模擬斷層帶的噪音其實都給出了斷層何時會倒塌的定量資訊。我們的工作利用機器學習來檢查大量聲訊號，我相信地震物理學未來會大量依賴原始地震資料，因此我們的工作朝這個方向邁出了重要的一步。」Los Alamos 實驗室的首席研究員 Paul Johnson 說。在專案中，機器學習演算法識別出，許多新的、之前被認為是低振幅噪音的訊號其實可以提供地震週期的預測性資訊。Johnson 解釋道，「這些訊號代表了與下地殼中發生的構造斷層的慢地震相關的輕微地震。實驗跡象表明，在地球的地震區域中，這樣的訊號也預示著斷層帶發生緩慢滑動。」
這項工作的潛在意義是巨大的，除了地震之外，它還能被用於工業材料脆性檢查，雪崩預測等等。
用神經網路分析時空扭曲分析：比傳統方法快一千萬倍
來自美國能源部 SLAC 國家加速器實驗室和史丹佛大學的研究人員首次證實，神經網路在分析時空中複雜的扭曲現象，也就是所謂的引力透鏡時，比傳統辦法快 1000 萬倍。「原來需要幾周甚至數月才能完成的、需要大量專家人力投入和計算投入的分析，如今一個神經網路能用不到一秒的時間完成，而且理論上，一個手機晶片的計算力就夠了」，論文作者之一，Laurence Perreault Levasseur 如是解釋道。
團隊用神經網路來分析非常遙遠的星系影像，影像中的星系由於受到離我們更近的巨大物體（比如星系團）的引力影響，在圖中被扭曲成環狀或弧狀。這些扭曲中，包含了太空中質量如何分佈以及分佈如何隨時間變化而變化的重要線索——這與構成了宇宙 85% 的、加速了宇宙膨脹的暗物質密切相關。
原本，這類分析需要將真實影像與一系列計算機數學模型模擬出來的效果進行對比，這一過程非常乏味而耗時。但是通過神經網路，研究人員能夠在幾秒內完成這樣的分析。研究人員用了大約 50 萬張模擬的引力透鏡影像訓練神經網路，而一旦完成訓練，神經網路就能快速地分析新影像，並獲得與傳統方法相當的精確度。該研究已提交《天體物理雜誌》，研究人員相信，雖然過去在天體物理領域應用神經網路的結果好壞參半，但他們非常有信心這個充分利用了 GPU 能力的演算法能夠成為天體物理以及其他相關領域中更多資料處理與分析問題的選擇。
觀點
谷歌工程師：為什麼製造機器手仍然非常難
近年來，在人工智慧演算法層面的飛速進步襯托下，機器人這類硬人工智慧的發展顯得緩慢很多。近日，來自 Google Brain 的研究工程師 Eric Jang 撰文詳細闡述了，為什麼抓起一樣東西對機器人來說特別困難。
在硬體方面：人的手是可捲曲的、靈活的，能夠針對各種形狀調整出很多不同型別的結構和包裹方式，這讓手能夠「容納」一件物體或者物體的核心部位，從而讓物體可以被拿起。相比之下，很多動物以及機器人缺乏相應的手部靈活性或者與手掌相對的拇指。
在軟體方面，即使有一隻非常好用的機械手，想要以人類的速度和準確度來抓住物體，也需要對於物體行為方式有一個綜合的認識，並且清楚如何抓握特定物體才能保持穩定。例如，雖然機器手可以通過抓住杯子的邊緣拿起一個杯子，但是抓住把手顯然是一種更有效的抓握方式。再舉個例子，想象一個帶著很長一根線的滑鼠。如果感知系統假設所有的物體都是剛性的，那麼成功抓住滑鼠的可能性就會大大降低：它可能把線攪成一團，或者拿著滑鼠卻把線拖在地上。
把這些「常識」灌輸給機器人，甚至灌輸給其他動物都是非常困難的事。對要完成的操作不熟悉也是控制上的另一大難點，人很難執行不經常練習的動作，比如，很多（外國）人在用筷子夾東西的時候都會遇到困難，而操作機器人也有這種困難。
圖說
智慧音響帶動音樂服務復興
近日，NPR 和 Edison Research 釋出了一項關於智慧音響的報告，展示了以美國為主的智慧音響使用者非常有趣的一些特質。我們發現，智慧音響產業的發展為音樂服務產業帶來了新的春天。
在 12 歲以上的美國人口中，7% 擁有一臺智慧音響。
「聽音樂」是 90% 的智慧音響使用者想要購買的原因。此外，「收聽比 AM/FM 更好的音樂」、「發現新歌」、「聽廣播和 podcast」也分別佔 62%、53% 和 40%。
68% 的智慧音響使用者用它收聽音樂，平均時長長達 4 小時 34 分。
此外，70% 的使用者表示，在購買智慧音響後，他們聽音樂的時間變長了。同時智慧音響的使用者相比於其他人，訂閱付費網路音訊服務的比例高 20%（57% 相比於 37%），有 28% 的使用者強烈同意「擁有智慧音響促使我向音樂服務付費」。智慧音響會為音樂行業帶來了諸多方面的利好訊息。畢竟在流媒體時代，參與度已經變成音樂行業最重要的衡量標準之一，服務與聽眾之間的互動變多，意味著更多的收入流向版權所有者和藝術家本人。