AI一分鐘 | 柯潔將對戰中國AI棋手星陣圍棋;上海大學研發出製藥界“AlphaGo”;Pornhub清理AI換臉視訊失敗...

AI科技大本營發表於2018-04-19

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1


整理 | DavidZh


1. 柯潔將對戰新的 AI 棋手——星陣圍棋 Golaxy


網信集團和星陣圍棋文化在昨天舉行的釋出會上宣佈,4 月 27 日,柯潔將在福州對戰由中國團隊開發的人工智慧選手星陣圍棋 Golaxy。 目前,星陣團隊正在積極探索研究消耗更少計算資源,使用更少訓練樣本的新方法;同時,星陣在特徵體系、模型結構、MCTS演算法架構等方面都做了創新。(via. 36氪)


2. 微軟 AI 翻譯增加離線支援,並開始向開發者提供 API 介面


Android 和 iOS 上的微軟翻譯應用(Microsoft Translator)推出新版本,增加了對離線 AI 翻譯功能的支援。2016 年 11 月,微軟公佈了基於神經機器翻譯模型(Neural Machine Translation)的 AI 翻譯功能,但這套演算法模型對效能的要求很高,只能執行在雲端,使用者在裝置離線狀態下無法使用。


去年,微軟跟華為合作在 Mate 10 和榮耀 V10 兩款機型上利用麒麟 970 內建的 NPU 模組來完成 NMT 模型所需的計算任務。


新版 Microsoft Translator 目前已經可以呼叫不同 SoC 平臺的 AI 計算能力,實現離線 AI 翻譯。目前 Android 版 Microsoft Translator 已經上線,iOS 版還需要等待蘋果 App Store 稽核。此外,微軟還面向開發者提供了 API 呼叫介面,只需新增幾行程式碼就能使用本地 NMT 模型完成翻譯。(Source:Microsoft)


3. 亞馬遜 Alexa 技能數也超過 30000 了,Prime 會員也突破 1 億


亞馬遜 CEO 傑夫·貝索斯在致股東的公開信中宣佈,全球 Prime 付費會員已經超過 1 億,個人助理 Alexa 平臺上的技能數量也超過 30000 個。語音技術方面,Alexa 的遠場語音識別準確率在過去一年提高了 15%。基於半監督式學習技術,Alexa 對自然語言理解的準確率提高了 25%。此外,亞馬遜還在開發執行在 Echo 裝置上的聲紋識別功能,這個功能可以確保電視裡播放的 Amazon Echo 廣告聲音不會將使用者家中的 Echo 裝置喚醒。(Source:SEC)


4. Facebook 也要自己做晶片了,ASIC 和 FPGA 為主


Facebook 日前更新了官網招聘資訊,增加了多個半導體架構設計師等崗位。從崗位描述來看,Facebook 此次招聘主要是組建自己的半導體設計團隊,具體產品以 ASIC 專用晶片和靈活度較高的 FPGA 為主。Facebook 也是繼蘋果、Google 之後第三個自己設計的科技巨頭。(Source:Bloomberg)


5. 成人視訊網站 Pronhub 沒能處理掉基於 AI 的 Deepfake 視訊


美國媒體 Buzzfeed 報導稱,全球最大的成人視訊網站 Pornhub 平臺上還有 70 多部利用 AI 技術合成明星人臉的 Deepfake 視訊。這些視訊中的女性臉部被換成了 Taylor Swift 等明星的人臉,而且均可以線上播放。此前 Pornhub 已經公開表示將全部下線這類內容,但現在來看,處理結果並不理想。(via. Buzzfeed)


6. 製藥界“AlphaGo”誕生,來自上海大學 Mark Waller 團隊


今年 3 月 29 日,國際頂尖學術期刊 Nature 線上發表了上海大學教授 Mark P. Waller 團隊利用深度學習的逆向合成路線設計藥物的研究論文(Planning chemical syntheses with deep neuralnetworks and symbolic AI)。


在這項研究工作中,Waller 團隊將深度神經網路及強化學習等概念整合至一個通用的架構中,提出了採用三種不同的神經網路結合蒙特卡洛樹搜尋(Three different neural networks together with MCTS)的演算法框架(3N-MCTS)。這三種神經網路分別為:擴充策略網路(Expansion policy network)——用來搜尋當前位置可能存在的單步逆向化學變換路徑(Transformation);篩選網路(Filter network)——用來對反應的可行性做出判斷;展示策略網路(Rollout policy network)——用來在展示步驟中應用多次取樣方法對搜尋節點進行定量評價。該工作相對於傳統基於規則的反合成設計來說,大量借鑑了深度神經網路及強化學習的思想,是對傳統方法的一次重要的改進,這也是該工作能夠發表於 Nature 的原因之一。(via. 知識分子)


7. MIT 提出新型道路採集系統 RoadTracer,交匯路口採集準確率達到 45%


麻省理工大學電腦科學和人工智慧實驗室(CSAIL)最近提出了一款名為 RoadTracer 的道路採集系統。針對道路交匯路段,RoadTracer 的採集準確率能達到 45%,遠高於傳統影像分割方法的 19%。MIT 聲稱,相關論文和模型細節將會在今年 6 月舉行的 CVPR 大會上對外公佈。(Source:MIT News)


招聘

AI科技大本營現招聘AI記者和資深編譯,有意者請將簡歷投至:gulei@csdn.net,期待你的加入


AI科技大本營讀者群(計算機視覺、機器學習、深度學習、NLP、Python、AI硬體、AI+金融、AI+PM方向)正在招募中,和你志同道合的小夥伴也在這裡!關注AI科技大本營微信公眾號,後臺回覆:讀者群,新增營長請務必備註姓名,研究方向。

640?wx_fmt=gif

640?wx_fmt=png

640?wx_fmt=png

AI科技大本營公眾號ID:rgznai100640?wx_fmt=jpeg


☟☟☟點選 | 閱讀原文 | 檢視更多精彩內容

相關文章