人工智能大势第54期

敬 　　一、人工智能和自然智能能否交汇？李飞飞对话斯坦福神经生物学教授BillNewsome

　　摘要：BillNewsome博士是系统和认知神经科学领域的顶级研究者。

　　Newsome：计算神经科学有三个非常、非常重要的研究领域。

　　第一个是理论，这个领域的人尝试将该学科理论化并抽象出大脑进行计算、表征和动作生成的通用原理。

　　第二个是神经网络，这个领域的人知道如何构建深度卷积网络和循环神经网络，他们建模来解决一些已知神经系统可以解决的简单问题。如果可以弄清楚这些网络如何解决上述问题，我们或许就可以深入了解关于神经系统的一些新假设。

　　第三个是高端数据分析。我们现在所得到的数据正在变得空前庞大、复杂，有时还很模糊。知道如何处理这些数据、如何避免统计陷阱已经变得非常重要。

　　Newsome：我们确切地知道训练过的网络各层之间的联系，知道它们之间传递的信号，也可以测量它们的性能，但神经科学家们还是普遍存在一种焦虑，因为我们不知道这一切是怎么发生的。

　　你可以用一堆像素来识别出人脸，但算法的原理是什么？也就是说，在这一领域，深层的物理、计算原理都还没建立起来。在这种情况下，我认为计算需要介入进来，这不仅有助于我们了解人工网络，还有助于了解大脑中识别人脸的真正网络。

　　Newsome：大脑中有很多神经调节物质，它们在大脑中扩散到自己周围的数千个突触，这些物质可以彻底改变整个回路。你拿一组以特定方式连接的神经元，然后喷上这些神经调节物质，回路瞬间就改变了。

　　Newsome：普遍循环（universallyrecurrent）是大脑架构的另一种特征。大脑的A区可以投影到B区，你可以把它想象成深度卷积网络中的一层投影到另一层。但不可避免的是，B也会投影回A。如果不把两个区域都弄清楚，你就很难理解其中任何一个区域的活动，也无法理解非线性活动以及产生同时涉及多个层的状态的动态相互作用。

　　Newsome：我在认知神经科学方面不像你那么精通。我以一种非常简单的方式思考认知神经科学。我是一个感觉神经科学研究者……

　　Newsome：……经过训练的人工视觉系统可以超越人类，但它们的学习过程与人类是如此的不同。

　　Newsome：仅仅想一下大脑计算，处理、抽取、组织信息，做出决策，记忆，学习的基本原则，我就觉得大脑有没有一套统一的原则还不好说。我认为不同的大脑结构有着非常、非常不同的架构。大脑皮层与基底神经节、基底神经节与脊髓、脊髓与海马体都有很大的不同，而它们和小脑又有很大的不同。我认为计算原理——尽管它们都与动作电位、神经递质、神经调节有关——有一些像这样的东西，可能在整个大脑中普遍存在。

　　但是在那些不同结构的神经元中，计算的原则和实例化的算法可能是不一样的。也许我们会有一套关于小脑的理论，一套关于大脑皮层的理论。我不知道哺乳动物的大脑是否存在一套统一的理论。可能最后会有一系列的理论，然后你就有了相应的理论来解释那些电路是如何相互作用或者产生行为的。

　　点评：有点乱。

　　首先，这个斯坦福神经生物学教授BillNewsome到底是研究什么的，这文章就没搞明白。开头介绍说“BillNewsome博士是系统和认知神经科学领域的顶级研究者”，可他自己却说“我在认知神经科学方面不像你那么精通”，也就是说他在这方面还不如李飞飞这个外行，这是哪跟哪？本来李飞飞想要向他请教认知方面的知识，以启迪人工智能的研究，这下倒好……

　　现在人工智能的确到了从感知智能向认知智能发展的阶段，因为业界的研究者们发现，机器没有对事物的真正认知，是不可能具备高水平智能的。但研究者们似乎又都不知道如何让机器具有认知智能，所以这才向认知神经生物学家请教，可这位认知神经生物学家却说“我是一个感觉神经科学研究者”，也就是说他是研究感知智能的，这真的让人有点晕~

　　整个对话通篇看下来，感觉就是鸡同鸭讲，双方讲不到一个点上。这个神经生物学家对人工智能似乎完全不了解，而且常常把人工智能和人的智能，也就是他说的AI和NI搞混，比如他说“我们确切地知道训练过的网络各层之间的联系，知道它们之间传递的信号，也可以测量它们的性能，但神经科学家们还是普遍存在一种焦虑，因为我们不知道这一切是怎么发生的。你可以用一堆像素来识别出人脸，但算法的原理是什么？”

　　从人工智能的角度，我们当然知道算法的原理是什么，比如说深度学习为什么可以进行图像识别。至于说到深度学习的黑箱，即不可解释性，那只是细节上，但总体上的原理肯定是知道的，否则也就不可能做出有实际应用价值的系统了。

　　我们现在不清楚的是，这方面人的大脑是如何工作的。一些研究者试图搞清楚这一点，然后将其用于人工智能的研究，从而使人工智能可以产生真正像人一样的智能，或者至少从中受到启发。

　　但从这两位世界顶级学者的对话中我们可以看出，要让机器模仿人脑的生物机理进行工作，似乎是一个不可能完成的任务，因为这两者实在是太不相同了。但这并不是说机器就不能达到人类的智能，因为让机器从原理上，而不是生物机理上，去实现类似人脑的运作是完全可能的。就如同飞机并不需要像鸟那样扇动翅膀飞行，但它们都是基于相同的空气动力学基本原理。

　　那么大脑是否存在一套统一的理论？正如这位神经生物学家所说，对于大脑的每个部分来讲，可能无法用一个理论来将其统一。但是从整个大脑的基本工作原理上来说，肯定是有一个统一理论的，其核心就是两点：一是学习，二是认知。这里的学习主要指自主的无监督学习能力，而不是只能学习人工标注的数据，即机器能够像人一样从各种书籍和文章、与人的对话以及与大自然的接触中去学会认识事物，乃至认识整个世界。

　　也许有的朋友认为能学习就能认知，但其实并非如此。比如深度学习就有灾难性遗忘的问题，学习过的东西会遗忘，那么它还是没有认知。

　　认知实际上就是把学习到的东西记忆下来，形成一个个知识点，然后将不断学习到的众多知识点互相有逻辑地联系起来，形成系统性的知识，从而对事物具有真正的认识，并在今后可以正确应用这些知识，以解决实际遇到的问题。在解决问题时，既可以单独、部分应用，也可以整体地应用，视不同问题灵活而定。不仅如此，这些知识和认知，还会对今后的学习提供指导，使得学习的效率更高，由此进入认识的螺旋式上升。

　　二、资讯

　　1、年度第十届吴文俊人工智能科学技术奖获奖名单公布！

　　年度第十届吴文俊人工智能科学技术奖获奖名单在其 　　“吴文俊人工智能科学技术奖”是我国智能科学技术领域唯一以享誉海内外的杰出科学家、数学大师、人工智能先驱、我国智能科学研究的开拓者和领军人、首届国家最高科学技术奖获得者、中国科学院院士、中国科学院数学与系统科学研究院研究员、中国人工智能学会名誉理事长吴文俊(年－年)先生命名，依托社会力量设立的科学技术奖，具备提名推荐国家科学技术奖资格，被誉为“中国智能科学技术最高奖”，代表人工智能领域的最高荣誉象征。

　　第十届吴文俊人工智能最高成就奖由李德毅(军事科学院系统工程研究院)院士获得！

　　年度第十届吴文俊人工智能杰出贡献奖由周伯文（北京京东世纪贸易有限公司）、蒋田仔（中国科学院自动化研究所）、焦李成（西安电子科技大学智能感知与图像理解教育部重点实验室）三人分别获得。

　　2、人工智能“将改变一切”！谷歌旗下DeepMind宣布重大突破，或大幅加速新药研发

　　11月30日周一，两年一度的蛋白质结构预测挑战赛CASP公布结果，DeepMind开发的AlphaFold表现远超其他约个团队，在解决生物学最重大挑战之一——蛋白质折叠问题方面迈出重大一步。

　　蛋白质折叠是蛋白质获得其功能性结构和构象的过程。预测蛋白质折叠的形状很重要，因为它决定了蛋白质的功能，而几乎所有的疾病，包括癌症和痴呆，都与蛋白质的功能有关。

　　识别单个蛋白质的结构通常都要耗费科学家数年时间。但如今，AlphaFold却能在几天内提供精确到一个原子的结果。

　　此举将极大地加速人类对细胞组成部分的理解，对包括新冠肺炎在内所有疾病的研究均有所帮助，人类未来也可能更快地发现更先进的新药物。

　　挑战赛评委之一的进化生物学家AndreiLupas进一步表示，“它改变了游戏规则”……这将改变医学。这将改变研究。这将改变生物工程。这将改变所有一切。

　　3、BOSS直聘：人工智能领域人才进入高速可持续增长阶段

　　在这个领域的新职业中，仅有算法研究员岗位人才增速低于整体平均值，其余大多数职业均表现出高增长态势。

　　从上图中可以看出，整体上与大数据高度相关的岗位人才增速开始减缓。大数据按岗位人才技能通适度较高，基础和应用层的许多数据科学类岗位具有不错的薪资竞争力，但低于人工智能领域，人才转行选择多，在一定程度上影响着人才池的规模。而在人工智能领域中，大多数职业均表现出高增长态势，除了吸引年轻人，各年龄段人才都在积极涌入，是人才高速增长的典型红利期表现。

　　4、张亚勤挂帅清华大学智能产业研究院多名图灵奖得主任学术顾问

　　12月1日，清华大学智能产业研究院（InstituteforAIIndustryResearch,TsinghuaUniversity，英文简称AIR）正式宣告成立，面向第四次工业革命，利用人工智能技术在智慧交通（AI+Transportation）、智慧物联（AI+IoT）、智慧医疗（AI+Healthcare）领域开展应用研究，赋能产业升级、推动社会进步。

　　AIR由世界级科学家和企业家张亚勤博士筹建，创始团队包括前字节跳动副总裁兼AI实验室负责人马维英博士，前海尔家电首席技术官兼副总裁赵峰博士。源码资本投资合伙人、前金山集团CEO张宏江博士，英国皇家学会、英国皇家工程院院士AndrewBlake教授，澳大利亚科学院院士陶大程教授亦为AIR保驾护航，担任卓越访问教授。

　　AIR学术顾问委员会阵容豪华，包括图灵奖获得者、中国科学院院士、美国艺术与科学院院士姚期智教授；图灵奖获得者、美国工程院、艺术与科学院院士DavidPatterson教授，图灵奖获得者、美国工程院、艺术与科学院院士JohnHopcroft教授等多位世界级学者。

　　“我们的战略很清晰：一是推动关键核心技术的突破。二是培养技术领军人才，特别是具备国际视野的CTO和具备系统思维的架构师。三是打造产业技术战略的智囊团。”张亚勤如是勾勒AIR的未来愿景。

　　在成立仪式当天，AIR同时宣布与联想、百度、智源研究院、亚信科技达成战略合作，并签署合作协议。其中，在智慧交通领域，AIR与百度携手，推进自动驾驶、智能座舱等方面的技术进步；在智慧物联方面，与亚信、联想合作，针对5G智慧物联、边缘计算等课题加速探索；在智慧医疗领域，与北京智源人工智能研究院开发全新的智慧医疗解决方案。

张亚勤挂帅清华大学智能产业研究院多名图灵奖得主任学术顾问

　　5、邢波出任全球首个AI大学校长，MBZUAI明年1月迎来首批新生

　　全球第一所人工智能大学——默罕默德·本·扎耶德人工智能大学（MBZUAI）宣布：任命人工智能领域著名学者邢波教授担任校长一职。

　　去年10月，阿联酋阿布扎比酋长国宣布成立世界第一所人工智能大学默罕默德·本·扎耶德人工智能大学（MohammadBinZayedUniversityofArtificialIntelligence，MBZUAI），这是全球第一所专注于研究生培养的研究型人工智能大学。该校将于年1月迎来首批学生。

　　邢波教授被誉为全球顶尖的计算机科学教授之一。此前，邢波在卡内基梅隆大学计算机学院机器学习系担任副系主任的职务，也曾在斯坦福大学担任客座副教授，以及在Facebook担任客座研究教授。

　　他的研究兴趣在于机器学习和统计方法论的发展，以及大规模计算系统和架构的开发，旨在解决人工、生物和社会系统中高维、多模态和动态可能世界中的自动化学习、推理和决策等问题。

　　邢波教授参与撰写了数百篇学术论文和研究报告，论文被引用量超过。

　　在统计全球大学计算机科学领域专业的权威排名CSRanking中，邢波教授一直任教的卡内基梅隆大学（CMU）在总榜上一直排名全球第一，而邢波本人位列其中学者贡献榜的第一名。

　　邢波教授还是Petuum公司的创始人、董事长兼首席科学家。Petuum是一家初创公司，致力于为行业领域的AI应用构建标准化的人工智能开发平台和操作系统。

　　6、行被人工智能替代的概率是多少？英国BBC给出了一份量化的分析供你参考！

　　如果你的工作包含以下三类技能要求，那么，你被机器人取代的可能性非常小：

　　社交能力、协商能力、以及人情练达的艺术；

　　同情心，以及对他人真心实意的扶助和关切；

　　创意和审美。

　　如果你的工作符合以下特征，那么，你被机器人取代的可能性非常大：

　　无需天赋，经由训练即可掌握的技能；

　　大量的重复性劳动，每天上班无需过脑，但手熟尔；

　　工作空间狭小，坐在格子间里，不闻天下事。

　　电话推销员——被取代概率99%

　　打字员——被取代概率98.5%

　　会计——被取代概率97.6%

　　保险业务员——被取代概率97%

　　银行职员——被取代概率96.8%

　　政府职员——被取代概率96.8%

　　接线员——被取代概率96.5%

　　前台——被取代概率95.6%

　　客服——被取代概率91%

　　人事——被取代概率89.7%

　　保安——被取代概率89.3%

　　房地产经纪人——被取代概率86%

　　工人，以及瓦匠、园丁、清洁工、司机、木匠等第一、第二产业工作——被取代概率80%-60%

　　厨师——被取代概率73.4%

　　IT工程师——被取代概率58.3%

　　图书管理员——被取代概率51.9%

　　摄影师——被取代概率50.3%

　　演员、艺人——被取代概率37.4%

　　化妆师——被取代概率36.9%

　　写手、翻译——被取代概率32.7%

　　理发师——被取代概率32.7%

　　运动员——被取代概率28.3%

　　警察——被取代概率22.4%

　　程序员——被取代概率8.5%

　　记者——被取代概率8.4%

　　保姆——被取代概率8.0%

　　健身教练——被取代概率7.5%

　　艺术家、音乐家、科学家——被取代概率分别为：3.8%、4.5%、6.2%

　　律师、法官——被取代概率3.5%

　　牙医、理疗师——被取代概率2.1%

　　建筑师——被取代概率1.8%

　　公关——被取代概率1.4%

　　心理医生——被取代概率0.7%

　　教师——被取代概率0.4%

　　酒店管理者——被取代概率0.4%

　　点评：酒店管理者被取代的可能性最低？中国已经出现无人酒店了……

　　7、年世界人工智能围棋大赛举行赛后发布会

　　4日上午，作为今年世界三大人工智能赛事之一，“福建海峡银行杯”年世界人工智能围棋大赛举办赛后发布会，围棋世界冠军时越以及在本次大赛中夺冠的星阵围棋等亮相发布会，介绍人工智能与围棋深度结合最新趋势。

　　本届人工智能赛将比赛分为本赛和决赛两阶段，吸引了来自5个国家的20支顶级人工智能团队参加，星阵围棋在决赛中以4：0获得冠军。

　　8、「IPO一线」云从科技巨亏22亿元：募资37.5亿元加码人工智能

　　-年上半年，其营收分别为0.65亿元、4.84亿元、8.07亿元、2.20亿元，而相对应的归属母公司所有者的净利润，则分别亏损1.06亿元、2.00亿元、17.08亿元、2.86亿元，合计亏损超过了22亿元！

　　据云从科技表示，报告期内，公司以计算机视觉、语音识别为代表的人工智能单点技术为突破，通过不断研发并优化人机协同操作系统和适配性强的AIoT设备，推动人工智能在特定场景的初步应用，并逐步形成人工智能综合解决方案以实现对更广泛业务链条的AI赋能。

　　9、美参联会主席下达命令！五角大楼发现中方弱点，英称这是最后机会

　　近日美参联会主席马克·米利宣称，如果美军想要保持对中方的优势，就需要全面“拥抱”机器人装备和人工智能。不过马克·米利也表示，他不是说一定会与中方开战，只是说我们西方避免与中方开战。美方认为，其在机器人和人工智能领域有很大的优势，而这可能是中方的弱点。

　　五角大楼认为目前中方的弱点就是芯片，美军希望在机器人武器和人工智能两大领域再次建立垄断优势。

　　英国媒体也认为，这是美军乃至西方最后的机会。……东方大国在芯片开发和制造领域和人工智能领域与西方还有一定的差距。特别是芯片开发和制造领域，底层的构架等都是西方企业的，东方大国到现在也没有先进芯片的加工能力，这是西方国家的机会。

　　三、研发

　　1、腾讯微视凭BLENDer模型斩获VCR竞赛榜第一

　　近日,腾讯微视视频理解团队在多模态理解领域最权威排行榜之一VCR任务中荣登榜首。该团队提出的BLENDer(BimodaLENcoDer)模型超越百度、谷歌、微软、Facebook等多家研究机构的模型效果,一举成为单、多模型的三项指标第一,值得注意的是,BLENDer仅凭单模型效果便超越了此前榜单上的多模型最好效果,赋予了机器更强大的理解和认知能力,并深度应用到短视频领域。

　　VisualCommonsenseReasoning(VCR)任务于年由华盛顿大学的研究人员首次提出,任务旨在将图像和自然语言理解二者结合,验证多模态模型高阶认知和常识推理的能力,让机器拥有“看图说话”的能力,例如VCR能够通过图片中人物的行为,进一步推理出其动机、情绪等信息。

　　据相关负责人介绍,BLENDer模型已经应用到腾讯微视产品中,赋予了平台更强大的认知能力,使得包含文本、音频、视频等多种媒体信息在内的短视频内容,能够更好的做到分类和识别,更加精准理解和挖掘这些海量的跨媒体信息。例如当腾讯微视用户创作视频后平台可识别内容并精准推荐适合的话题,也能根据内容属性快速推荐给感兴趣的用户,增强创作内容的曝光。

　　在BLENDer模型中,第一阶段以NLP中的Bert模型为起点,结合海量数据中抽取得到的数百万张图片和对应描述文本作为BLENDer的输入进行多模态训练;第二阶段,在视觉常识推理数据集上学习电影中的场景和情节,使模型在新数据上获得更好的迁移能力;第三阶段,引入最终问答任务,让BLENDer利用已有的知识和常识对现有问题进行人物-人物、人物-场景之间关系的挖掘和关联进行推理,得到最终的答案。

　　2、DeepCode为多万开发者提供人工智能代码审核

　　DeepCode的机器学习机器人精通JavaScript、TypeScript、Java、C/c++和Python。

　　DeepCode的首席执行官兼联合创始人BorisPaskalev表示:“我们的数据显示，超过50%的存储库存在严重问题，每秒钟的下拉请求都有需要修复的问题警告。”

　　“通过使用DeepCode，这些问题会被自动识别出来，并得到合理的解释，就如何在代码部署之前修复它们提出了建议。”

　　DeepCode称，它的机器人现在“速度快了50倍，发现严重漏洞的数量是所有其他工具加起来的两倍多，准确率保持在80%以上。”

　　这款机器人经过机器学习训练，分析了大量免费开放源码项目中的数亿次提交。DeepCode表示，它能够在错误发生前识别出它们。

　　3、Nature子刊收录深睿医疗参与科研攻关的在人工智能颅内动脉瘤自动化检测研究领域重要成果

　　医院放射诊断科张龙江教授、卢光明教授团队，联合深睿医疗、医院、医院、医院共同科研攻关国家自然科学基金重点项目，在基于人工智能的颅内动脉瘤自动化分割与检测方向取得重要进展，科学研究成果被NatureCommunications(IF12.12)收录。

　　深睿医疗致力于人工智能技术在辅助病变检测方向的科研探索，此次与国内知名机构的科研合作，将深度学习用于提高基于CTA图像的颅内动脉瘤检测效能。

　　该研究回顾性纳入例经过脑血管造影“金标准”验证的CTA图像进行深度学习模型的训练，在深度学习算法方面，设计了基于编码器和解码器结构的分割模型，并融合空间和通道注意力机制，使用全局语义特征建模增强网络对医学图像的分割效果，模型检测颅内动脉瘤的敏感性达到97.3%。每个病例处理时间仅为17.6秒。在独立内部验证数据中其敏感性为94.4%，在外部数据集中敏感性也达到84.6%。

　　医院放射诊断科张龙江教授指出：“本研究的最大亮点在于采用了大队列脑血管造影金标准证实的CT血管成像数据进行模型训练，并在不同的数据集和临床场景下进行验证，证实了该算法的临床应用价值，克服了以往颅内动脉瘤智能化影像检测研究的诸多不足，有很大的临床转化应用潜力。”

　　4、科学家利用AI技术造出更快，更精准，更清洁的光驱纳米芯片

　　近日，来自澳大利亚皇家墨尔本理工大学（RMITUniversity）的研究团队成功开发出一种AI技术，该技术将成像、数据处理、机器学习和内存部件全部集成在一个纳米级电子芯片中，以模仿人脑处理视觉信息的方式，极大地提高了AI的决策效率和精准度。

　　这项工作以“FullyLightControlledMemoryandNeuromorphicComputationinLayeredBlackPhosphorus”为题，在线发表在学术期刊AdvancedMaterials之上。

　　论文作者之一、RMIT电子和电信工程副教授SumeetWalia表示，“通过将所有功能整合到一个芯片中，我们就可以为AI的自主决策提供前所未有的效率和速度。想象一下，如果将这种芯片集成到一个行车记录仪中，那么它将无需连接互联网，就可以自主识别灯光、信号和物体，并做出即时决策。”

　　实际上，这一技术依赖的是一种由光驱动（light-powered）的、可以随着光照变化而作出不同响应的特殊芯片。这是一种全新的神经形态成像元件，其表面覆盖着一种二维超薄材料——层状黑磷（BlackPhosphorous，BP）。

　　二维层状黑磷于上世纪60年代被发现，但近几年才开始被广泛应用，该材料可响应不同波长的光并随之改变电阻，在电子薄膜和红外线光电子技术上有重大潜在应用价值。

　　从根本上说，此次研究就是利用二维层状黑磷中与氧化有关的缺陷引起的独特光响应来实现视觉记忆。

　　也就是说，当在覆有黑磷的芯片上照射不同颜色的光时，芯片会随之产生诸如成像或记忆元件存储等不同的功能。同时，这种芯片还具有波长选择性多位编程功能和即时擦除功能，实现了像素内图像预处理。

　　由光驱动的计算技术比现有技术速度更快、结果更准确，且所需能耗更少。比如，将这一芯片与人工视网膜一起结合使用，会帮助科学家将这一新技术进一步微型化，并提高仿生眼的准确性。

　　5、论文“太长不想读”？人工智能新软件可生成一句话摘要

　　据《自然》报道，一位科学搜索引擎的创造者推出了一款软件，可自动为研究论文概括生成一句话摘要……

　　这个免费工具被创建它的团队称为TLDRs（“太长，没读过”的缩写），已于日前在科学搜索引擎“语义学者”上投入使用。“语义学者”是美国艾伦人工智能研究所（AI2）创建的搜索引擎。

　　目前，TLDR软件只用于语义学者所涵盖的0万篇计算机科学论文，软件经过微调后——预计在12月左右，其他学科的论文应该也能通过该软件自动生成一句话摘要。

　　初步测试表明，与查看标题和普通论文摘要相比，TLDR软件能够帮助读者更快对搜索结果进行排序，尤其是在手机上。“人们似乎真的很喜欢这个工具。”

　　与其他语言生成软件一样，该工具采用基于大量文本的深层神经网络学习。研究团队创建了数万篇与标题匹配的研究论文，这样网络就可以学会生成简洁的句子。然后，研究人员对该软件进行微调，训练一个新的数据集，将论文和摘要匹配起来，这些数据集由几千篇计算机科学论文组成，其中一些论文的摘要由论文作者撰写，另一些论文摘要则由本科生撰写。该团队已经收集了一些培训实例，以提高该软件在其他16个研究领域的性能，其中生物医学可能是第一位的。

　　华盛顿大学信息科学家JevinWest说，他应《自然》的要求对该工具进行了测试。“这个工具并不完美，但绝对是朝着正确方向迈出的一步。”

　　6、卡内基梅隆大学利用人工智能方法开发电解液加快电池创新步伐

　　研究人员越来越多地利用机器学习来开发新材料和化合物。这种新颖的方法有助于减少开发和测试材料的时间，更快获得新发现。在卡内基梅隆大学(CarnegieMellonUniversity)，机械工程系博士生、塔塔咨询服务公司(TataConsultingServices)的AdarshDave将其应用于电池设计，并取得惊人发现。

　　这项研究的重点在于水系电解液。Dave表示，这种电解液非常适合储存可再生能源。“设计高性能水基电池是解决这一问题的重要过程。然而，可供选择的配方数量惊人，这就是我们的设计过程的切入点。”

　　Dave及其团队建造了一个名为“奥托”（Otto）的机器人平台，通过测量电解液的特性来确定其在电池中的有效性。将机器学习与Otto相结合，共同优化电池的电解液。计算机会告诉Otto测试哪些电解液，然后Otto告诉计算机这些电解液的性质。这种往返关系有助于机器学习进行优化，找到最好的电解液。Otto可以像人类一样快速混合和测试电解液，但与人类不同的是，Otto可以全天侯运行。

　　Dave及其团队通过机器学习，发现了一种“非直觉的、新颖的电解液”。如果没有此项研究，对设计人员来说，这种电解液可能还是未知的。这显示了机器学习在未来设计过程中广大的应用前景。此外，Otto可以自动操作，加快测试和实验过程，使科学家能够专注于宏观研究。

　　7、全人工智能控制气球实现自主导航

　　根据英国《自然》杂志3日发表的一项计算机科学最新突破，加拿大科学家团队报告：完全由人工智能控制的气球，成功实现自主导航，在平流层一连数周待在原地。这一成果标志着深度强化学习向现实应用迈出了重要且非常难得的一步，同时提高了人类全自动环境监测的可能性。

　　通常，填充氦气的超压气球常被用于高层大气实验，如气象监测，但如果被风吹偏了航道，它们必须要返回原驻点，而深度强化学习可以训练人工智能系统进行决策——对于超压气球来说，这些主动决策就包括采取哪些行动来保持它们的位置不变。

　　加拿大谷歌研究院科学家马克·贝尔麦尔及其同事，训练了一种人工智能控制器，能根据风的历史记录、预报、局地风观测和其他因素（如氦气损失和电池疲劳），决定是否要移动气球。

　　研究团队利用一种数据增强算法来解释数据中的空白。他们将这一新成果——名为“StationSeeker”的技术应用到分布在全球各地的“Loon气球”上，包括一项在太平洋上空进行的为期39天的受控实验。“Loon气球”原本是一个互联网项目，团队将高空超压气球发放至平流层，组成空中的无线网络。而贝尔麦尔的实验证明，受到“StationSeeker”控制的气球能成功实现自主导航，一旦被吹偏航道，它们能比传统控制器控制的气球更快地回到原驻点。

　　8、NatCommun：科学家有望利用人工智能技术预测能有效杀灭癌细胞的药物组合

　　一篇刊登在国际杂志NatureCommunications上的研究报告中，来自阿尔托大学等机构的科学家们通过研究表示，利用人工智能技术或有望预测哪些药物组合能够有效杀灭癌细胞。

　　对药物组合的实验性筛查往往非常缓慢且昂贵，因此研究人员常常不能发现联合疗法的全部好处；本文研究中，研究人员在一种新型机器学习方法的帮助下，或许就能识别出最佳的药物组合来选择性地杀灭携带特殊遗传组成或功能组成的癌细胞。

　　研究者JuhoRousu说道，我们开发了一种机器学习模型，其能够准确预测多种癌症药物的组合如何杀灭多种类型癌细胞；我们能利用从此前研究中（此前研究主要调查药物和癌细胞之间的关联）获得的大量数据来训练这种新型的AI模型，利用机器学习的模型实际上是一种类似于学校数学的多项式函数，但却又非常复杂。这种模型能够发现药物与癌细胞之间的关联，而这种关联此前研究人员并没有观察到过；同时该模型还能够给出非常精确的结果，比如，在实验中所谓的关联系数的值超过了0.9，这就表明了非常高的可靠性，而在实验测定中，0.8-0.9的相关系数被认为是非常可靠的结果。

　　这种新型模型能够准确地预测当药物组合对特定类型癌症的效果尚未被测试的情况下，药物组合如何选择性地抑制特定类型的癌细胞，而这或将帮助癌症研究人员从数千种组合中有限选择出最佳的药物组合来进行深入的研究。

　　四、自动驾驶

　　1、蔚来重启L4级自研，设置自动驾驶团队双AVP

　　蔚来已经重启L4级自动驾驶自研项目，由助理副总裁（AVP）任少卿负责，直接向创始人、CEO李斌汇报。目前正处于团队组建、数据采集阶段。

　　蔚来是国内较早开始自动驾驶研发的电动车企，早在年就开始布局自动驾驶研发。在市场下行的年，由于资金紧张问题，蔚来北美三次裁员，自动驾驶团队成为重灾区。

　　但从上季度开始，蔚来的资金链情况得到了一定缓解，蔚来想要自研L4级自动驾驶的野心似乎也被重燃。

　　2、“无视”政府监管，特斯拉全自动驾驶系统测试版两周内全面发布

　　今年10月，特斯拉“极其缓慢且谨慎”地向少量车主发布测试版全自动驾驶功能，并且只限于是专家和细心的驾驶员。特斯拉CEO埃隆·马斯克（ElonMusk）表示，一旦完全投入使用，全自动驾驶功能将在有信号接收的区域，甚至在特斯拉从未驾驶过的道路上自主导航，并且能够实现零干预驾驶，“FSD已经基本做好了向大众开放的准备。”

　　当地时间11月28日，马斯克在推特进一步透露，两周内，特斯拉将会更广泛地推出“完全自动驾驶”软件更新。

　　不过马斯克并没有指定更新的范围以及是否会在美国地区，此前他曾明确表示，挪威和加拿大将会是完全自动驾驶软件首批进入的国际市场。

　　自测试版发布以来，FSD的功能也在不断更新。前不久国外车主发布的一段视频显示，特斯拉FSD测试版可以在十字路口为行人让行。视频中，一辆特斯拉在开启完全自动驾驶测试版的状态下经过一个十字路口，前方出现了行人，完全自动驾驶测试版软件会判定车辆从另一边为行人让行。

　　美国国家公路交通安全管理局（NHTSA）就曾表示，正在密切 　　3、人民需要什么五菱就造什么！最接地气自动驾驶车，取代快递小哥！

　　新宝骏智慧魔方，在广州车展一亮相，就震惊车界！作为新宝骏智慧概念车，“新宝骏智慧魔方”采用纯电驱动，可以自由编队，组成物流快递平台。

　　这款车最大的亮点就是全部采用模块化架构，新车换个“车厢”就是换台车，关键还能自动驾驶！可以瞬间变成无人快递车、无人清扫车，或者是移动能源“大充电宝”，还能变成移动信号基站，可以满足现实生活中多种复杂场景需求。

　　五、报告

　　1、猎云网「年度最佳人工智能领域投资机构TOP10」榜单发布！

　　从人工智能各细分行业领域投资数量来看，计算机视觉、人工智能芯片以及更细分的人脸识别领域获得投资 　　在此背景下，猎云网启动「年度最佳人工智能领域投资机构TOP10」的评选。我们的奖项评选结果均为线上投票和专属评委会审核综合评定得出，评分细则全透明公布，企业类榜单投票占比10%+评委评选占比90%，评审团综合企业实力、发展前景、行业口碑、团队潜力等多方面指标，最终评定得出「年度最佳人工智能领域投资机构TOP10」。

　　六、展会、竞赛

　　1、智“见”未来首届中国国际智能传播论坛亮点抢先看

　　由中央广播电视总台主办，央视网、央广网、国际在线和无锡市人民政府共同承办的年（首届）中国国际智能传播论坛将于12月18日在江苏省无锡市举行。本届论坛以“新时代智传播”为主题，设置1场主论坛和2场分论坛，来自相关行业主管部门负责人、国内外新闻媒体机构代表、国际组织代表、业界专家学者，将围绕云计算、5G技术、人工智能技术、大数据等前沿技术赋能传媒产业创新等话题，展开充分讨论。

　　立足新闻媒体，外延传播领域，聚焦人工智能技术在媒体传播中创新实践和应用，年（首届）中国国际智能传播论坛将突出四大亮点。

　　亮点一：“智”汇，大咖云集、高手论道，以跨领域突出国际化

　　亮点二：“智”论，内容聚焦，解析前瞻，以系统性彰显专业化

　　亮点三：“智”创，形态创新，融合传播，以科技感体现智能化

　　亮点四：“智”赋，赋能品牌，打造IP，以场景感呈现平台化

　　2、首届中国人工智能与安全学术会议暨中国人工智能学会人工智能与安全专委会学术年会在渝举行

　　今（4）日，首届中国人工智能与安全学术会议暨中国人工智能学会人工智能与安全专委会学术年会在重庆市南岸区万豪酒店会议厅召开，本次学术会议围绕国家政策、人工智能与安全、大安全时代等主题展开，旨在搭建“人工智能+网络安全”的跨学科学术平台，应对越来越复杂的网络安全威胁，推动智能化网络安全研究的进步、人才的培养和储备。会议由中国人工智能学会主办，中国人工智能学会人工智能与安全专业委员会、重庆邮电大学、政企安全集团共同承办。

　　3、阿里AI挑战“合同审查”：不到10秒审近百行合同准确率高达96%

　　12月4日，在浙江大学法学院小礼堂，一场特殊的法律技能竞赛开打：16位律师及法学院学生围坐成几组，眼睛飞快地扫视电脑上的合同，而赛场中央一位参赛选手的座位空着，在多数人类律师才看完一个段落时，这位选手已完成对近百行合同的审查……

　　这是法律界首场AI“一对多”挑战人类律师的比赛，AI与人类律师同台PK了必备技能——“合同审查”。结果，针对5份预埋了50个风险点的租赁合同，参赛的阿里达摩院“AI律师”不到1分钟即完成审核运算，准确率高达96%，审核质量与参赛的知名律所律师相媲美。

　　这场比赛由浙江大学和达摩院联合主办，人类组、机器组和人机协作组共5支队伍列队出赛，他们要在30分钟内审核5份总计近2万字的租房合同，找出合同中的风险点。

　　最终的冠军是人机协作组，AI先预审，人类律师复审后，发现了更多疑难风险点。

　　达摩院AI能对合同的条款完备性、要素逻辑、相对方风险和合法性进行全方位审查，精准定位不同类型的风险点并给出修复建议。其背后运用了阿里巴巴最新深度语言模型体系ALICE，该模型在多个国际人工智能比赛中斩获第一，能让机器理解包含复杂逻辑思维的人类语言。基于ALICE，达摩院AI还学习了近万份合同，形成了包含庞大合同知识图谱的推理引擎。

　　目前，达摩院AI已练就庭审记录、助理审判、文书质检、合同审核等近十项法律技能。年浙江省高级人民法院与达摩院合作，实现了从立案到裁判文书生成的全流程智能化审判系统，有效分担了法官工作量，试点单位当庭宣判率提升至90%，结案时间从40天缩短到50分钟。

　　七、视频

　　1、这欧姆龙机器人的乒乓球水平不怎么样嘛，老大爷都打不过……

　　2、各种种地机器人，再不努力，回家种红薯都没机会了……

为爱车换LED大灯，