整理 | 王藝
資訊
Facebook 站內全部採用神經網路機器翻譯，非正式用語是其技術難點
當地時間 8 月 3 日，Facebook 正式完成其網站內容翻譯機制遷移。從「基於短語的統計機器翻譯方法」跨越到使用 CNN 和 RNN 的翻譯方法。成功部署後，Facebook 網站翻譯準確率躍升 10 個百分點。
谷歌和微軟已先後於 2016 年 9 月和 11 月完成其神經網路機器翻譯部署。Facebook 稍晚一些，耗時近一年，於昨天釋出。專案負責人之一 Necip Fazil Ayan 表示：「和那些標準場景下的機器翻譯相比，我們的困難在於 Facebook 網站上有很多口語化表達。」
iPhone 8 或支援刷臉支付
將於今年 9 月發售的 iPhone 8 已經開始量產，兩項 AI 相關的新功能先後曝光，分別是將人臉識別功能用於 Apple Pay 支付，以及能夠自動識別場景並主動調參的智慧攝像頭。
據國外媒體 MacRumors 報導，有 iOS 工程師在 com.apple.passbook.payment 串內發現 pearl.field-detect 以及 pearl.pre-arm 作為支付驗證資料。「pearl」指向 Pearl ID，是 iPhone 8 人臉識別功能的程式碼指代名稱。這一發現將支付與人臉識別聯絡在一起。該媒體還表示，在 iPhone 8 釋出時，蘋果的人臉識別功能或許會被正式命名為 Face ID。
但也有聲音指出，由於人臉識別的安全性還不能達到支付場景的要求，因此 Face ID 不能完全取代 Touch ID。比如，此前發售的三星 Galaxy S8 搭載的人臉識別系統能夠輕易地被惡意照片愚弄。或許有了三星的前車之鑑，蘋果會將 Face ID 作為 Touch ID 之外的一個選擇供使用者使用。
在智慧攝像頭方面，據外媒 9To5Mac 報導，iPhone 8 的雙攝像頭能夠識別以下場景並作出對應的引數最佳化：嬰兒、明亮的舞臺、檔案、煙花、樹木等。加之蘋果圖片庫中的物體識別與搜尋功能，蘋果手機對於機器學習的需求日益增加。在未來，iPhone 可能會搭載專用的神經網路晶片來處理機器學習相關任務。
11 萬英鎊資助 Moorfields 眼科醫院研究，DeepMind 深耕 AI 醫療應用場景
DeepMind 正在資助由 NHS 信託基金經營的眼科醫院 Moorfield，探索將 AI 用於識別醫生可能忽略的早期眼疾症狀。自去年 7 月與醫院簽訂協議以來，DeepMind 已經拿出 11 萬英鎊資助這家醫院的相關研究。Moorfields 正將 DeepMind 演算法應用到一百萬張匿名光學相干斷層掃描（OCT）成像中，以確定演算法是否真的可以識別老年黃斑變性早期症狀以及糖尿病引起的失明。醫院在落實合作研究專案過程中所產生的成本和費用也都由 DeepMind 支付。
DeepMind 聯合創始人 Mustafa Suleyman 表示，資助不應該被理解為向醫院購買醫療資料，「我們只是想讓系統學會怎樣分辨病症，這和訓練系統分辨花草樹木、桌子椅子是一回事。系統學到的只是一些特有的畫素叢集與某些結果是否有關而已。」每週，Moorfield 醫院的醫生們需要分析逾 3,000 張眼部掃描影片，該專案也希望能大大縮短病人從檢查到領取結果的等待時間，也為醫生節省更多的時間和精力。
目前，DeepMind 還與另外四所 NHS 體系下的醫療機構展開合作，它們分別是 Barnet、Chase Farm、The Royal Free 以及 Musgrove Park 醫院。
騰訊優圖醫療 AI：讓癌症篩查更精準
8 月 3 日，在 2017「網際網路+」數字經濟中國行廣東峰會上，騰訊正式釋出了 AI 醫學影像產品「覓影」，並與醫院建立聯合實驗室。以肺癌識別為例，基於國際領先的肺癌識別演算法，優圖醫療 AI 的辨識度已達 80% 以上，對於良性肺結核的識別率達 84% 以上。據悉，普通醫生的判斷準確率一般為 60% - 70%。目前優圖醫療 AI 能夠超越普通醫生的平均診斷水平，並與優秀醫生水平對齊。8 月，騰訊優圖實驗室也將與多家三甲醫院合作，讓技術真正落地。在此之前，騰訊優圖已經在尋親、安防等領域均成功落地，可有效幫助走失人員尋回和疑犯追捕。
應用
用 Emoji 訓練的 AI 可識別諷刺言論，準確率勝過人類
近日，一款 MIT 人工智慧系統已經學會如何分辨 Twitter 上的諷刺資訊，而且比大部分人類判斷得更準確。系統的開發者、MIT 媒體實驗室聯合主席 Iyad Rahwan 表示，「網路上，無法用肢體語言以及面部表情來表達自己的情緒，因此，人們透過 emoji 進行表達。在這個識別諷刺語言的專案中，讓系統學習某些語言與 emoji 之間關係並對系統進行預處理，能夠幫助系統更準確地識別刻薄資訊。」目前，研究人員已將經過 emoji 訓練過的神經網路獨立出來，命名為 DeepMoji 並開源。
為了訓練 DeepMoji，團隊蒐集了 550 億條 Twitter 記錄，並選取其中 12 億條帶有 66 個常用 emoji 的記錄作為訓練資料。結果表明，經過 emoji 訓練的系統對諷刺話語的識別率能夠達到 82%，而人類平均水平為 76%。這一理解能力有助於 AI 打擊種族主義、虐待以及性騷擾。
Alexa 新添兩個小夥伴：一個保險機器人、一個智慧鹽罐子
透過呼叫 Alexa 語音介面，一些第三方應用擁有了 Alexa 大腦以及聲音，美國汽車聯合服務協會（USAA，一家金融服務公司） 的問答機器人便是其中之一。 USAA 於當地時間本週三上線了一款虛擬語音助手，使用 Alexa 介面並且能夠連線至亞馬遜網上商店。目前，已經註冊至 USAA Labs 的會員已經能夠使用這個機器人進行問答對話。例如查詢賬戶資訊、餘額、花銷及賬單等。
如果說問答機器人已不再是新鮮事，那麼，這個「不怎麼正經」的智慧鹽罐子可能會讓你眼前一亮。它叫 SMALT，能夠透過你的手機以及亞馬遜 Echo 音響進行操控。如果你想要使用它的基本功能——撒鹽，只需在手機上輸入想要的克數（或者透過 Echo 進行語音操控），SMALT 就能像漏斗一樣將同等質量的鹽落入底部小托盤中。然後，你就可以取出托盤將鹽灑在食物上。之所以說這個鹽罐子「不正經」，是因為它配置了藍芽音響以及氛圍燈，創始團隊想要儘可能多地釋放你餐桌的空間。該產品計劃售價 199 美元，已在 Indiegogo 上開放眾籌。截止發稿時，已有 53 位勇敢者對其表示了支援，眾籌早鳥價 99 美元。
觀點
十年後的汽車：識別使用者生物特徵，自主決策更貼心
隨著汽車製造商們，比如特斯拉、豐田、沃爾沃等集中精力研發可自主與環境互動的汽車，知名評論人、發明家、設計師 Ari Teman 也開始分析預測未來。
他認為，將來，乘客上車之前就已開始與汽車互動。例如，當你接近車輛時，它能感知到你，並向你靠近。它知道所要靠近的目標是馬路對面的你，而不是距離你一米遠的其他人。上車之後，車輛能夠識別你的基本資訊以及身體體徵，隨時跟蹤體徵資訊。比如，你在某次轉彎時心跳變快，它會猜想是因為害怕還是這個街區曾經帶給你不好的回憶。如果是前者，車輛會自動調整駕駛速度；如果是後者，今後車輛會選擇其他路線。如果車輛感知到你的疲憊，它會調暗燈光；發現你在顫抖，它會開足暖氣。
今年拉斯維加斯 CES 展上，一些裝置解決了未來人車互動的第一步——車內人物識別。比如，德國汽車配件供應商馬牌展示了生物識別解鎖系統。車輛使用者可以透過指紋解鎖車輛，人臉識別系統能夠識別乘客，方便汽車根據不同乘客情況，針對性地調整環境設定。汽車電氣廠商 GENTEX（鏡泰）展示了可安裝在車載後視鏡上的虹膜掃描裝置，它可以識別司機及乘客身份，準確率高達 99.9%。Frost & Sullivan 的一份調查報告顯示，到 2025 年，1/3 的新車將搭載生物識別感應器。未來十年，人類將見證生物技術逐漸融入人車互動中。
中美 AI 角逐，中方優勢不容忽視
美國諮詢公司高德納調查總監 Anthony Mullen 在評論中國政府頒發的人工智慧發展規劃時表示：「這是一個很實際的目標，現在人工智慧競賽是中美兩國之間的較量。」Mullen 表示，中國具備在人工智慧領域領先的所有優勢：政府的資金支援、大量的人口、活躍的科研氛圍、以及非常適合技術革新的社會環境。
以微軟推出的聊天機器人小冰為例。小冰目前是擁有 4000 萬使用者的「網紅」，一些使用者每天晚上會和小冰聊天，小冰甚至出了一本詩集。然而在美國，Tay 僅上線幾天就被迫下線，因為 Twitter 使用者把 Tay 變成了一個種族主義者。
在學術研究方面，據白宮於 2016 年 10 月釋出的一份報告顯示，中國在深度學習領域釋出的論文數量已超美國；近幾年，中國 AI 相關專利申請數量幾乎翻了一番。不過，美國安全研究中心智庫成員 Paul Scharre 對這一數字並不認同：「論文數量確實是一個度量方式，但卻是最差的度量方式，因為絲毫沒有考慮論文質量。當下最好的研究成果依然來自於 Google Brain、OpenAI、以及 DeepMind。」
雖然如此，中國對待新興科技的擁抱態度不容否認。瑪隆科技 CTO Matt Scott 表示：「在這裡，如果使用一年前的技術，你已經被淘汰。中國 IT 圈子，或者至少就我的團隊而言，非常敢於嘗試新技術，敢於面對新技術帶來的未知風險。」
圖說
亞馬遜成為音響霸主的秘訣——堅持投資，從不收購
2015年，智慧家居創業的熱潮達到頂峰。這一年，共有 111 筆智慧家居相關的投融資案例，總額高達 5 億美金。
CB Insights 對 2012 年以來最活躍的智慧家居投資者進行了統計。上圖顯示，自 2012 年起，亞馬遜 Alexa 共投資了 9 家智慧家居廠商。在智慧家居最熱的 2015 年，亞馬遜共向 Alexa 基金注資 1 億美元用於投資。Alexa 基金是一家專為打造 Alexa 語音服務生態體系而設立的基金，主要投資目標為語音技術以及 IoT 裝置。雖然投資維度看似較窄，但投資企業涵蓋了智慧家居方方面面，例如家居安全（Ring, Scout Alarm），節能（ecobee），健康（Luma Home），以及廚房家居裝置（PetNet, The Orange Chef）等。
有一個事實非常有趣，亞馬遜只投資智慧家居企業，從不收購。這與其競爭對手，包括微軟、谷歌、三星、蘋果等公司所採取的策略非常不同，這些公司非常熱衷於收購智慧家居公司，比如谷歌僅在 2014 年就收購了三家智慧家居公司（Nest Labs, Dropcam, Revolv），但其投資的智慧家居公司從 2012 年算起，僅有四家（Nest Labs, The Orange Chef, Juicero, Luma Home）。