AI一周热闻：吴恩达发文宣布喜得千金；华为否认窃取苹果机密；腾讯首款智能音箱项目叫停消息不实 作者 | Jack Clark 编译整理 | Debra 编辑 | Natalie AI 前线导读： - 吴恩达发文宣布喜得千金，迄今为止“最复杂的神经网络” - 苹果发布无人车安全报告，短短 7 页内容毫无诚意 - 特朗普签署 AI 行政命令，意图保持美国 AI 领先优势 - 图森未来完成 9500 万美元 D 轮融资，成全球首家无人卡车独角兽 - 华为否认抄袭苹果窃取商业机密 - 腾讯回应：首款智能音箱项目叫停消息不实 - DeepMind 用预定辅助控制算法训练机器人 - Facebook：加点噪音可以训练出更好的翻译模型 - 谷歌推出语音合成数据集，让检测假音频更简单 更多优质内容请关注微信公众号“AI 前线”（ID：ai-front） 吴恩达发文宣布喜得千金，迄今为止“最复杂的神经网络” 2 月 21 日，吴恩达发文宣布自己的女儿出生，取名 Nova Athena Ng。Nova 出生于 2019 年 2 月 7 日，是吴恩达与妻子 Carol 的第一个孩子。 这一条博文下众网友纷纷表示祝贺，其中包括谷歌大牛 Jeff Dean，他表示恭喜吴恩达和 Carol 喜得千金，非常喜欢 Nova 这个名字。“Nova”在拉丁语中意为“新的，开始”。 而其中脑洞最大的是下面这位网友，他猜测 Nova 这个名字可能跟 AI 相关： 吴恩达表示，自己的女儿将在语音控制、人脸识别等 AI 技术环绕的环境下长大，是第一代 AI 原住民，他号召大家一起努力，打造更好的未来 AI 时代。 苹果发布无人车安全报告，短短 7 页内容毫无诚意 2 月 20 日，苹果向美国联邦政府提供了无人车安全报告，令人惊讶的是，这份所谓的安全报告竟然只有短短的 7 页内容（其他公司提交的安全报告平均长度至少是 39 页），且对该项目的每一个关键细节三缄其口，对于该技术在未来的部署或商业应用没有明确表述任何内容。 报告重点内容： 在报告的“系统运行状况”一栏，除了对苹果无人车系统的硬件组成、软件系统功能进行了简单的介绍外，没有任何其他信息； “碰撞安全”一栏关键信息：“我们的无人车通过了联邦机动车安全标准测试，是具有最高的耐撞等级车辆，并且所有硬件都会经过模拟测试。” “系统安全分析”一栏，苹果将车辆安全故障分为：可能导致车辆意外移动的故障、人机界面 (humanmachine interface, HMI) 故障和环境造成的危害。报告称：会对可能导致潜在危险的任何故障的原因进行适当的车辆、系统、子系统和组件级别的评估。为解决故障原因而进行的设计更改，在将其纳入设计之前，要识别并评估其有效性。改变包括技术，如设计改进，以消除故障，诊断，以检测潜在的故障，并限制转向和加速行动。 在“系统验证”一栏，苹果将系统验证作为最关键的环节，一旦有新的 ADS 功能，独立的验证团队就会依此建立一个严格的测试计划，用于在模拟、测试工作台和封闭过程的试验场中执行测试。测试场景是使用在公共道路上收集的数据来表示真实世界，在模拟的情况下，涉及到随着额外道路用户 (车辆、行人、自行车手等)、对象和障碍 (如建筑区域) 的增加而变得越来越复杂的情况。 最后“操作安全”一栏中，苹果表示每天会对操作人员进行安全会议培训，并为无人车配备两名安全员，一位负责安全操作，一位负责安全驾驶，一旦 ADS 被激活，安全驾驶员必须进行手动操作，而安全操作员则需要随时对系统进行监控，并提醒驾驶员随时注意路况。 值得一提的是，这位负责安全操作的人员有权随时退出安全驾驶软件，并转为手动操作。 以上就是我们找到的这份报告中的亮点内容，当然，如果还想进一步阅读，可以查看苹果安全报告全文： https://www.apple.com/ads/ADS-Safety.pdf 特朗普签署 AI 行政命令，意图保持美国 AI 领先优势特朗普总统签署了一份行政命令，概述了政府内部新“人工智能倡议”的提案。 目标：备忘录为政府机构定了六个目标：提高研发投资；改善政府数据访问；减少创新障碍；制定适当的技术标准；训练人才；制定保护美国关键技术优势的计划。 资金：鼓励各机构将人工智能研发作为未来预算提案的优先事项，并寻求与行业和其他利益相关方的合作。资金的详细信息不详，尚不清楚是否或何时为这些目标提供资金。 重要性：美国政府制定人工智能战略的速度一向缓慢，这是重要的一步。然而，目前来说这只是计划，是否会转化为行动还有待观察。如果没有大量资金支持，这项计划难以实行。此外，该备忘录还缺乏有关人工智能道德问题的详细信息，例如确保公平分配利益，并最大限度地降低风险。 阅读更多：保持美国人工智能领先的行政命令（https://www.whitehouse.gov/presidential-actions/executive-order-maintaining-american-leadership-artificial-intelligence/） 图森未来完成 9500 万美元 D 轮融资，新浪领投 2 月 13 日，自动驾驶货运创业公司图森未来宣布完成 9500 万美元 D 轮融资，老股东新浪继续领投。截至目前，图森未来累计融资额已达到 1.78 亿美元。 该轮融资完成后，图森未来估值超过 10 亿美元，跻身独角兽序列，同时也是首家迈步独角兽的中国自动驾驶货运公司，同时是全球首家无人卡车独角兽公司。 图森披露，此轮融资之后，将继续扩大在中美两地的无人驾驶商业化运营规模，并披露了规模化商用方面的最新进展，在该领域率先推出无人驾驶卡车商用解决方案，将在今年六月将其无人驾驶卡车车队规模扩充到 50 台。 华为否认抄袭苹果窃取商业机密 据外媒 The Information 报道，华为采取了“可疑策略”来窃取苹果相关商业和技术机密，抄袭苹果智能手表 Apple Watch 心率传感器、苹果在 2016 年开发的连接器等部件，并对苹果供应商、前员工使尽各种手段，试图学走苹果的技术，例如长期以来一直试图通过接触像富士康这样的大型代工制造商的工人，来获取有关苹果产品的信息。 这也是继今年 1 月，美国司法部起诉指控华为窃取无线运营商 T-Mobile USA 的商业机密之后，华为再次被指抄袭和窃密。 对此，华为予以否认，苹果公司不予置评。 腾讯回应：腾讯首款智能音箱项目叫停不实 2 月 18 日，业内传言腾讯听听智能音箱已经叫停。腾讯听听团队负责人吴丹和腾讯官方回应称传言不实。 腾讯官方回应：在智能音箱这条产品线上，在新型号叮当带屏音箱发布上市后，我们还将会继续保持先前听听产品的正常的销售与服务不变。叮当团队还将深度结合 CSIG（云与智慧产业事业群）业务，面向行业输出全栈语音人工智能解决方案能力，以及叮当智能屏产品系列的开发。 据悉，腾讯听听原本属于 MIG 移动互联网事业群（腾讯组织架构调整后撤销）下面的智能创新业务部，吴丹任总经理，探索 AI 等前沿技术的产品落地。在 2018 年 9 月底自制架构大调整之前，腾讯内部就秘密对腾讯听听团队进行组织架构层面的调整，将原 MIG 下的智能创新业务部的相关团队与职能平移至 IEG 互动娱乐事业群下，部门名称不变，部门职责调整为结合腾讯互动娱乐的内容和用户资源，探索周边硬件产品。该团队负责人吴丹调任为 IEG 智能创新业务部助理总经理，向 IEG 智能创新业务部第一负责人王波汇报。 这一调整一定程度上代表了腾讯内部对智能音箱的态度，以及内部资源的整合。并且，听听音箱业务仍由腾讯听听团队负责，但转为 IEG 大部门下。 DeepMind 用预定辅助控制算法训练机器人 DeepMind 研究人员尝试用“复古”的方法训练机器人将球放在木杯内的绳子上。对于真实世界的机器人来说，这是一项具有挑战性的，有价值的任务，因为它涉及复杂的运动策略，需要预测球的运动，并要求在感知和行动之间进行适当的相互作用以解决任务。 他们是如何做到的：为了解决这个问题，DeepMind 使用其预定辅助控制（SAC-X）算法的扩展，通过多种奖励来训练多个任务。他们在物理机器人上很好完成任务的秘诀是在训练时使用额外的数据，其目标是“同时从现实世界中的基于特征的表示和原始视觉输入中学习控制策略，从而让控制器可以在后续使用两个现成的相机部署在一个真实机器人上“。 结果：他们能够学习如何在模拟和真实机器人中完成任务，机器人可以学到一个非常有用，成功的政策：“摆动过程平稳，机器人能从抓取失败后恢复过来。经过 20 次实验，每次试验运行 10 秒，机器人的抓取成功率达到 100％，最短抓取时间为 2 秒。“他们还用较小的杯子测试了机器人，使任务更加困难，结果显示，”学习速度略有下降，抓取率略下降至 80％，最短时长仍可以达到 2 秒，“他们写道。他们能够在大约 28 个连续小时的训练中学习真实机器人的任务。 重要性：SAC-X 在这个领域发挥的作用令人鼓舞，它表明我们可以找到更好的方法在现实世界的平台上进行学习。 阅读更多： 视频演示 https://sites.google.com/view/rss-2019-sawyer-bic/ 论文：实时学习真实世界杯中的视觉和基于特征的控制策略 https://arxiv.org/abs/1902.04706 Facebook：加点噪音可以训练出更好的翻译模型 Facebook AI 研究院表示，向训练数据集中增加噪音可以提高机器学习翻译系统性能，系统对杂乱的现实世界数据会更加健壮。 噪声方法：该技术使用四种噪声方法：删除、插入、替换和交换。删除是指删除句子中的字符；插入是随机向句子中插入字符；替换是用另一个随机字符替换原字符，而交换是两个相邻字符改变位置。 结果：他们通过对注入不同噪音量的测试数据集进行训练来测试 IWSLT 机器翻译基准测试，并观察将合成噪声注入数据集如何影响该数据训练的 BLEU 得分。他们写道：“加入噪音大大提高了性能，重新获得了因自然噪音而损失的 20％（捷克语）和 50％（德语）BLEU 得分。” 噪声无益：这种技术在社交媒体衍生的文本进行翻译时没有帮助。这是因为社交媒体的写作风格和格调往往与数据集中的传统语法不同，而不是拼写错误。 观察：从概念上讲，这些技术似乎与域随机化有很多共同之处，后者用来生成合成数据，以探索更广泛的变种。这些技术已经在机器人探索中使用多年，并且通常通过增加对现实世界数据引入的显著变化的鲁棒性来改善模型性能。 重要性：这是计算可以为数据套利的另一个例子：添加合成噪声意味着你可以通过增强算法扩展现有数据集，而不需要去收集有瑕疵的数据集。更重要的是，这表明计算资源正在成为人工智能开发中越来越重要的因素。 阅读更多： 合成噪声训练 IMproves 机器翻译增强模型对自然噪声的鲁棒性（https://arxiv.org/abs/1902.01509）。 谷歌推出语音合成数据集，让检测假音频更简单 谷歌宣布已经创建了一个数据集，该数据集由其深度学习语音合成模型所“说”的“数千个短语”组成。该数据集由 68 种各种口音的合成“语音”组成。谷歌将向 2019 年 ASVspoof 挑战的参与者提供这些数据。 重要性：语音合成技术的进步可能会造成虚假音频产生潜在危害，谷歌的 TTS 数据集将会让检测假音频更加容易。 阅读更多： 谷歌推进假音频检测研究（https://blog.google/outreach-initiatives/google-news-initiative/advancing-research-fake-audio-detection/）。 作者 Jack Clark 有话对 AI 前线读者说：我们对中国的无人机研究非常感兴趣，如果你想要在我们的周报里看到更多有趣的内容，请发送邮件至：jack@jack-clark.net。 参考链接：https://jack-clark.net/2019/02/19/import-ai-134-learning-old-tricks-on-new-robots-facebook-improves-translation-with-noise-google-wants-people-to-train-fake-audio-detectors/ 喜欢这篇文章吗？点一下「好看」再走?? 阅读原文