谷歌關閉中國搜索引擎項目數據源
據外媒The Intercept報道，谷歌目前已決定關閉中國版搜索引擎項目“蜻蜓計劃”的整體數據來源，內部投注的資源，包括工程師也轉移到其他發展中國家項目，如針對印度、印尼和巴西等國的搜索。
此前，Google CEO Sundar Pichai也在國會聽證中明確表示：目前沒有在中國推出搜索服務的計劃。
據悉，谷歌停止此項目可能主要是受到來自內部員工抗議的壓力。從今年8月份遭到曝光以來，“蜻蜓計劃”就遭到公司內部員工的多次抗議，多名員工因此辭職。
英特爾發佈新款CPU微架構，將於明年上市
據外媒報道，英特爾於當地時間12月12日在美國發布了全新的基於10nm工藝的CPU微架構Sunny Cove，同時宣佈2019年將推出基於該架構的Core（酷睿）和Xeon（至強）品牌芯片。這些芯片將添加諸多新指令，以提高通用計算任務下的計算性能和降低功耗，幷包含了可加速人工智能和加密等專用計算任務的新功能，它們的壓縮性能比上一代部件提高了75%。
蘋果高通訴訟爭端升級，蘋果供應商訴高通壟斷
在中國，蘋果核高通的訴訟爭端升級。據路透社報道，儘管蘋果公司週一推出軟件更新，但高通認爲該公司仍然違反了中國法院的iPhone銷售禁令，因爲禁令裁定不涉及手機安裝的操作系統，針對的是特定型號的手機，與其中搭載的iOS系統版本沒有關係，蘋果的升級並不能解決當前的問題。
高通於12月10日表示其已成功向中國法院申請初步禁令，禁止蘋果公司出售一些侵犯了高通兩項專利的舊款iPhone機型。就在同一天，蘋果表示其所有手機仍在中國銷售。
在美國本土，蘋果的4家供應商提起的一項反壟斷訴訟即將開庭，要求賠償金額爲90億美元。根據美國法律該案的判罰金額可以達到三倍，即270億美元。具體而言，這四家蘋果供應商指責高通違反了《謝爾曼反壟斷法》（ShermanAct），這項聯邦法“旨在將自由競爭作爲貿易的基本規則”。
劉強東京東數科持股比例下降，但仍有掌控權
2018年9月17日，京東金融正式改名爲京東數字科技控股有限公司，與此同時，包括股權結構、業務模式和發展理念等也發生變化。
天眼查最新信息顯示，作爲原第一大股東的劉強東，持股比例從16.67%降至14.20%，原第二大股東宿遷東泰錦榮投資管理中心（有限合夥）（下稱“東泰錦榮”）的持股比例從15.12%提升至16.13%，成爲新的第一大股東。
但這並不意味着劉強東失去了對京東數科的控制。據悉，劉強東分別通過持有宿遷泰合四方投資諮詢有限公司99%股權和宿遷大榮恆元管理顧問有限公司100%股權，合計持有東泰錦榮70%的股權，加上他以自然人身份持有的14.20%股份，劉強東持有京東數科超過25%的股份，從而對京東數科形成實際控制。
伯克利創建Franken-RL，融合手動工程系統和基於RL的控制器
加州大學伯克利分校、西門子公司和漢堡技術大學的研究人員將經典的機器人控制技術與強化學習相結合，創造出能夠處理複雜任務（如疊磚塊）的機器人。
他們將這項技術稱爲殘差強化學習，使用“傳統反饋控制理論”來學習如何控制機器人，並使用強化學習來學習如何與機器人世界中的物體進行交互。研究人員寫道，“關鍵的想法是通過將可學習的參數化策略與固定的手動工程控制器的混合來實現RL靈活性與傳統控制器效率的結合”。
在真實機器人上測試：研究人員表明，殘差RL方法比其他方法更具樣本效率，這些特徵在模擬學習和真實機器人測試中已經得到了證實。他們還表明，使用殘差RL訓練的系統可以更好地處理混淆，例如通過移動磚塊來混淆手寫控制器，它仍然可以疊好磚塊。
更多內容：https://arxiv.org/abs/1812.03201
NVIDIA創建高質量合成圖像，足以以假亂真
NVIDIA的研究人員展示了使用從圖像生成樣式轉換工作中剝離出來的技術創建高質量合成圖像。研究表明，我們已經進入了神經網絡能夠生成足以欺騙（大多數）人類的單幀合成圖像的時代。
它的工作原理：研究人員解釋說，“我們的生成器從常數輸入開始，根據潛在的代碼調整每個卷積層圖像的”樣式“，因此可以直接控制不同尺度的圖像特徵強度”。他們還以各種不同的方式將噪點注入到網絡中，並發現噪點的增加有助於在頭髮、耳垂等微妙的面部特徵中創建複雜而連貫的結構。“我們假設在生成器的任何一個點上都有壓力能夠儘快引入新的內容，而我們的網絡創建隨機變化最簡單方法是依靠輸入的噪點”。
更多內容：https://arxiv.org/abs/1812.04948。
使用TextBugger對抗性文本攻擊框架攻擊AWS和微軟
浙江大學網絡空間研究所和計算科學與技術學院、阿里巴巴浙江大學邊境技術聯合研究所、伊利諾伊大學厄巴納香檳分校和Leheigh大學的研究人員聯合發佈了有關TextBugger“生成對抗性文本的通用攻擊框架”的詳細信息。
對抗文本是一組文本塊，它們在自動分類器中不會引發警報。例如，研究人員已經表明他們，簡單地通過改變某些單詞的拼寫和間距（例如，將“terrible”變成“terrib1e”，將“weak”變成“wea k”），就可以混淆某些商業分類器。同樣地，他們通過將“shit”的拼寫改爲“shti”，將“fucking”改爲“fuckimg”，將“hell”改爲“helled”，將文本被分類的毒性從92％將至78％。
對真實系統的攻擊：TextBugger可以執行白盒攻擊（攻擊者可以訪問底層分類算法）和黑盒攻擊（已知目標系統的內部細節）。研究人員表明，他們的方法適用於已部署的系統，包括：谷歌Cloud NLP、微軟Azure Text Analytics、IBM Watson Natural Language Understanding和Amazon AWS Comprehend。研究人員能夠使用TextBugger以100％的成功率輕鬆攻擊微軟Azure和Amazon AWS NLP系統。相比之下，谷歌Cloud NLP保持良好狀態，只能達到70.1％的成功率。
爲了進行黑盒攻擊，研究人員使用spaCy語言處理框架來幫助他們自動識別給定文本塊中的重要單詞和句子，然後再添加對抗性樣本。
更多內容：https://spacy.io/
訓練AI學會通過複製來構建AI系統
中國計算機視覺巨頭商湯科技和香港中文大學的研究人員發佈了有關IRLAS的詳細信息，IRLAS是一種用於創建AI代理的技術，可以學習設計受人類設計網絡啓發的AI架構。
這項技術叫作“用於架構搜索的逆向強化學習（IRLAS）”，通過強化學習來訓練神經網絡，從而能夠基於人類的設計模板來設計新的網絡。研究人員解釋說，“鑑於代理採樣的架構是自生成演示，專家網絡是觀察演示，我們的鏡像刺激函數將輸出一個信號來判斷這兩個網絡之間的拓撲相似性”。
背後的動機是研究人員相信“人工設計的架構具有比現有自動生成的架構更簡單和優雅的拓撲”。
結果：研究人員使用IRLAS設計了一個在CIFAR-10上獲得2.60％測試誤差得分的網絡，顯示了“人工設計網絡和自動生成網絡的最先進性能”。研究人員還針對大規模ImageNet數據集訓練網絡，並表明IRLAS訓練的網絡部署在移動環境中時可以獲得更高的準確度和更短的推理時間。
更多內容：https://arxiv.org/abs/1812.05285
微軟呼籲規範人臉識別併發佈道德原則
微軟總裁Brad Smith在一篇博文中表示，微軟正在呼籲各國政府開始規範人臉識別技術。博文指出了政府要解決的三個核心問題：避免偏見和歧視；保護個人隱私；保護民主自由和人權。對於每個問題，他們都提出瞭如何解決這些問題的措施，並提供了相關的法律先例。
在同一篇博文中，微軟宣佈了六項原則，用於指導他們如何使用人臉識別：(1)公平，(2)透明度，(3)問責制，(4)非歧視，(5)通知和同意，(6)合法監督。
更多內容：https://blogs.microsoft.com/on-the-issues/2018/12/06/facial-recognition-its-time-for-action/
歐盟發佈協調成員國的AI戰略
歐盟已經發布了在共同戰略框架下協調成員國國家人工智能戰略的計劃。今年早些時候，歐盟宣佈未來十年人工智能投資的目標爲每年200億歐元。歐洲計劃的核心部分包括新的產學合作夥伴關係、加強的研究中心網絡、技能培訓和“單一的數據市場”。該計劃發佈2019年人工智能道德原則，表明了歐洲參與道德辯論的決心。歐盟重申了對致命自主武器的關注，並將繼續倡導採取措施確保對武器系統進行有意義的人爲控制。
更多內容：https://ec.europa.eu/digital-single-market/en/news/coordinated-plan-artificial-intelligence
OpenAI點滴
OpenAI的最新研究展示了我們如何通過在訓練期間測量噪聲量表來更好地預測AI工作負載的可並行性，並用它來預測AI訓練在未來將如何擴展。
我認爲這樣的措施在AI策略中可能會非常有用。“人工智能策略的一個核心挑戰是如何使用這些措施來預測未來人工智能系統的特徵，並利用這些知識來構思可以讓社會最大化技術優勢和最小化技術缺陷的策略”。
更多內容：https://blog.openai.com/science-of-ai/
作者 Jack Clark 有話對 AI 前線讀者說：我們對中國的無人機研究非常感興趣，如果你想要在我們的週報裏看到更多有趣的內容，請發送郵件至：[email protected]
英文原文：