出处: AI前线公众号
作者 | Jack Clark
AI 前线导读:
- 科大讯飞回应以“AI 之名搞房地产”,培训基地停运
- MIT 宣布 10 亿美元新项目,成立 MIT Schwarzman 计算学院
- 谷歌 NLP 预训练模型 BERT 打破 11 项 NLP 任务记录
- 波士顿动力 Atlas 越障 + 三级跳后,Spot 机器狗又添“监工”新技能
- 杀戮机器人遇冷,军事物流机器人趋热
- AI 助手辅助人类游戏设计师
- 斯坦福用无人机与深度强化学习攻克火灾难题
科大讯飞回应以“AI 之名搞房地产”,培训基地停运
近日,在“AI 同传造假”事件刚平息没多久,科大讯飞又被曝非法侵占安徽扬子鳄国家级自然保护区。根据爆料,科大讯飞此处地产名为培训基地,实为打着高科技的招牌换取地方政府园区类土地,进而形成土地储备买卖地皮套现。
对此,科大讯飞做出回应称对保护区并不知情,设立在该地区的建筑是 IT 研发中心,而非房产项目。
目前,该培训基地已停运。消息传出后,科大讯飞股价暴跌 5%。
MIT 宣布 10 亿美元新项目,成立 MIT Schwarzman 计算学院
10 月 14 日,麻省理工学院宣布了一项 10 亿美元的捐赠项目,旨在解决普惠计算和人工智能(AI)崛起带来的全球机遇和挑战。该计划是美国的学术机构对计算和人工智能领域的最大一笔投资,可能将有助于美国为引领世界的计算和人工智能技术的快速发展做准备。
这项计划的核心是成立新的 MIT 斯蒂芬 A·施瓦茨曼(Stephen A. Schwarzman)计算学院,由全球领先的资产管理机构 Blackstone 董事长、首席执行官兼联合创始人施瓦兹曼提供 3.5 亿美元的基础捐赠。
新的 MIT Schwarzman 计算学院的成立是 MIT 七十年来最大的结构性变化,它将成为计算机科学、人工智能、数据科学及相关领域的跨学科中心。据悉,新的学院将重新定位 MIT,将计算和人工智能融合进该校的所有研究领域,结合其他学科的见解和观点共同塑造计算和人工智能的未来。MIT 和其他部门共设立 50 个新的教师职位,使得 MIT 在计算机和人工智能方面的学术能力几乎翻了一番。另外,MIT 的五个学院还设立了一个共享结构,用于计算和人工智能的协作教育、研究和创新。
谷歌 NLP 预训练模型 BERT 打破 11 项 NLP 任务记录
近日,谷歌 AI 的一篇 NLP 论文引起了社区极大的关注与讨论,被认为是 NLP 领域的极大突破。如谷歌大脑研究科学家 Thang Luong Twitter 表示这开拓了 NLP 领域的新时代。
本论文介绍了一种新的语言表征模型 BERT——来自 Transformer 的双向编码器表征。与最近的语言表征模型不同,BERT 旨在基于所有层的左、右语境来预训练深度双向表征。BERT 是首个在大批句子层面和 token 层面任务中取得当前最优性能的基于微调的表征模型,其性能超越许多使用任务特定架构的系统,刷新了 11 项 NLP 任务的当前最优性能记录。
论文地址:https://arxiv.org/pdf/1810.04805.pdf
波士顿动力 Atlas 越障 + 三级跳后,Spot 机器狗又添“监工”新技能
近日,波士顿动力公司发布了一段视频,展示了 Atlas 机器人另一项技能,它不仅可以像人一样行走、跑步和后空翻,还能够完成跑酷、越过障碍物,并在三连跳中平稳地转移重心,平稳落地。
当天,波士顿动力又放出一段视频,展示了四足机器人 Spot 机器狗在建筑公司当“监工”的视频。视频显示,Spot 机器人在建筑工地、楼梯和走廊上独立行走,上下楼梯,跨越障碍物,并可实现动态自主导航。
而在最新发布的一段视频里,Spot甚至具备了跳舞的能力:
该公司表示,目前金属头的 Spot 已经“开始针对全球商业化用途进行现场测试”,并将于 2019 年下半年推出“适用于各种场景的新应用”,从明年开始计划生产 100 架 Spot。
杀戮机器人遇冷,军事物流机器人趋热
英国军方目前正在尝试向前线部队提供物资的新方法,即用机器人方案协助实现这一目标。为了促进这一领域的相关研究,英国多个政府组织决定举办“最后一英里自主再补给”(简称 ALMRS)竞赛,希望借此获得理想的解决方案。
ALRMS 竞赛目前已经进入第二阶段,分别由 Animal Dynamics、Barnard Microsystems、Fleetonomy、Horiba Mira 以及 Qinetic 牵头的五支参赛团队将在几个月时间内构建原型设计并接受测试与评估,从而争夺高达约 380 万英镑的奖金。
为 ALMRS 竞赛开发的机器人类型包括自动动力滑翔伞、垂直起降(简称 VTOL)无人机、自动悬停自行车以及多种其它可用于自主物流再补给与维护的系统方案。
军事组织的全新功能需求创造出新的市场空间,而此类研究计划将快速推动机器人技术与人工智能交叉应用走向成熟。目前,很多 AI 研究员希望利用现代人工智能技术显著扩展机器人平台的功能水平,但到目前为止,硬件开发一直远远落后于软件。通过 ALMRS 等项目,硬件成熟度将有望得到快速发展。
了解更多:https://www.army-technology.com/features/autonomous-delivery-drones-military-logistics/
AI 助手辅助人类游戏设计师
佐治亚理工学院的研究人员们开发出一款 2D 平台游戏地图编辑器,该编辑器当中引入一套深层强化学习代理,用于根据设计师的行为学习如何调整关卡规划。
和其它大多数涉及日常应用的人工智能探索方向一样,这套解决方案的开发过程同样枯燥乏味甚至令人沮丧:关卡设计师首先尝试创建一系列平台以及开放空间,此后人工智能介入,继续补充设计细节。虽然目前其设计结果得到的评价很差,但却仍然具有不小的现实意义。
有时,人工智能会提出一些有趣的设计思路,并学习如何在不同关卡之间总结出一些共通性的经验。
人工智能工具能够为各类艺术家提供新的工具,从而提升其工作效率。目前的强化学习 + 监督学习技术所带来的自适应性学习能力可以做到这一点,并且人工智能方案能够根据梯度逐步摸索出理想的目标成果。
研究论文:https://arxiv.org/abs/1809.09420
斯坦福用无人机与深度强化学习攻克火灾难题
斯坦福大学的研究人员利用强化学习技术对模拟器中的无人机进行训练,从而实现发现野火的能力。该项目中涉及众多复杂的现实世界任务,旨在将野火监测等事务表达为 POMDP(即部分可观察的马尔可夫决策流程,可用于降低强化学习算法的实现难度。)。
这种方法的工作原理如下:研究人员们构建一款模拟器,使其以基于网格的方式进行野火模拟。在此之后,他们把一些模拟无人机引入这套系统,并利用强化学习技术训练无人机以有效监测火灾。最重要的,是确保无人机停留在“火灾前线”,从而更为有效地实现安全监测与保障。
结果显示,这一系统有望超越传统观察方法: 基于确信度与基于观察结果的两种方法都能够带来高于手动编程型“地平线远眺”基准的准确度水平。然而,目前的结果中还未包括与人类护林员的表现进行比较。基于确信度的技术在实际表现上略优于基于观察结果的版本,但前者需要更长的时间才能收敛至这一较好的结果。
这套系统能够扩展至更多飞机当中,但还需要调整基于邻近度的奖励函数以阻止碰撞问题,并且可以预测不同的野火类型。
加利福尼亚州等地方政府已经在使用人工操控的无人机帮助林业部门应对野火问题。考虑到全球变暖推动下极端天气事件发生频率急剧升高,未来的自然性风险将越来越多,这项研究利用人工智能技术建立了自主监控与处理的能力。