-
CES 2019：英偉達發佈RTX 2060和RTX 2080移動版
-
小米入股TCL，增強供應鏈話語權
-
蘋果市值蒸發價值超過Facebook，全球市值第一不保
-
GitHub開放無限私有倉庫免費使用
-
英特爾和Facebook等發佈計算機視覺系統測試新基準
-
曠視創建高性能的“姿態估計”網絡MSPN
-
讓深度學習更安全：谷歌發佈TensorFlow Privacy
-
微軟研究院發佈雜貨店項目數據集，幫助視障人士購物
CES 2019：英偉達發佈RTX 2060和RTX 2080移動版
在近日舉行的CES展會上，英偉達發佈了遊戲相關產品，包括RTX 20系的兩款新品RTX 2060與RTX 2080移動版。
其中，RTX 2060售價349美元，將於本月15日起正式上市。
據黃仁勳表示，RTX 2060在運行時下流行遊戲時比上一代顯卡 GTX 1060 快 60%，而且遊戲體驗能夠媲美 GeForce GTX 1070 Ti，能在 60 幀/秒的速率下運行支持光線追蹤的“戰地 V。”
此外，RTX 2060配備了6GB GDDR6 顯存和 240 個 Tensor Core，可提供每秒 52 萬億次浮點運算的深度學習能力，同時支持併發執行浮點運算和整數運算、自適應着色技術以及新的統一顯存架構可以將緩存容量增加一倍。
對於RTX 2080移動版，黃仁勳則表示：RTX 2080移動版可以讓筆記本電腦的性能提升至PS4 Pro的兩倍，它比桌面版的GTX 1080更快，同時還可以實現深度學習超級採樣（DLSS），做到在不影響性能的情況下提高分辨率。
1月29日之後，聯想、惠普、宏碁、華碩、戴爾、神州等全球各大主流筆記本電腦OEM將陸續向市面推出超40款搭載GeForce RTX顯卡的筆記本電腦。
小米入股TCL，增強供應鏈話語權
1月6日，TCL集團發佈公告宣佈小米集團戰略入股TCL。據公告顯示，2019年1月4日，小米集團通過深交所在二級市場購入65,168,803股 TCL 股權，佔公司總股本的0.48%。
2018年12月29日，TCL集團與小米簽訂了戰略合作協議，稱將開展在智能硬件與電子信息核心高端基礎器件一體化的聯合研發等。
2018年，大家電業務成爲小米的新增長點。此次入股TCL，小米將加強其在供應鏈的話語權。
蘋果市值蒸發價值超過Facebook，全球市值第一不保
1月3日，蘋果以重挫9.96%報收142.19美元，創2017年4月21日以來收盤新低，市值單日縮水近750億美元，降至6747.5億美元。自2018年10月3日蘋果股價觸及每股233.47美元的52周高點以來，蘋果股價已下跌約39%，市值從高點蒸發超過4500億美元，其蒸發的市值比Facebook的市值還高。
蘋果表示，這主要是因爲iPhone在大中華區銷量低迷所致。但芝加哥投資公司Ariel Investments國際股票業務部門首席投資官Rupal Bhansali 表示：“中國經濟確實出現了全面放緩，但蘋果的疲軟更多是由該公司的具體因素造成的。指責宏觀經濟疲軟和貿易擔憂是在混淆視聽。”
Bhansali認爲消費者已經看不到蘋果新產品的價值，比如iPhone XS和MAX，它們比iPhoneX更貴，而iPhoneX本身就令人失望。她還將蘋果銷售疲軟歸因於華爲的競爭，後者剛剛度過了一個強勁增長的2018年。
GQG Partners的負責人Rajiv Jain認爲，蘋果令人失望的業績預報是由於其自身的問題，包括缺乏產品創新，以及與中國競爭對手的差異。
GitHub開放無限私有倉庫免費使用
1月8日，GitHub 官方博客發佈兩款產品，可以讓開發人員免費訪問 GitHub。這兩項產品分別是：無限制的免費私有存儲庫，以及更簡單、統一的企業級產品。
GitHub Free: 包含無限制的私人存儲庫。有了 GitHub Free，開發人員可以將 GitHub 用於私有項目，每個存儲庫最多可以有三個協作者。許多開發人員希望使用私人倉庫申請工作，做一些 side project，或者在公開發布之前先私下嘗試一些東西。從今天開始，這些場景在 GitHub 上可以免費實現（未來可能有更多場景）。 公共存儲庫仍然是免費的，幷包括無限合作者。
因爲三個合作者的數量限制，GitHub 的這項產品可能適用於一個小項目（例如，在黑客馬拉松中競爭的一個小團隊），但它並不是特別適合實際的商業用途。
GitHub Enterprise：將 Enterprise Cloud（以前稱爲 GitHub Business Cloud）和 Enterprise Server（以前稱爲 GitHub Enterprise）結合起來。 有些團隊希望靈活地在雲或自託管配置中使用 GitHub，現在他們只用一項服務的價格就可以使用兩項服務了。通過 GitHub Connect（https://blog.github.com/2018-10-16-future-of-software/#business）， 這些產品可以安全地鏈接，提供混合選項，因此開發人員可以在私有倉庫和公共倉庫這兩種環境中無縫切換。
此外，需要專業編碼和協作功能的開發人員和團隊還可以繼續使用 GitHub Pro（前身爲 GitHub Developer）和 GitHub Team。各產品的定價如下：
英特爾和Facebook等發佈計算機視覺系統測試新基準
現行的測試基準可靠嗎？無論是監督學習還是強化學習算法。對此，許多研究人員持懷疑態度。現在，普渡大學、芝加哥洛約拉大學、阿貢國家實驗室、英特爾和Facebook的研究人員已經嘗試爲計算機視覺應用創建一個可靠的、基於真實世界的測試基準。研究人員使用140個可公開訪問的攝像頭網絡，在24小時內收集500萬張圖像，然後在這些圖像集中測試被廣泛應用的“YOLO”目標探測器。
數據：研究人員通過提取CAM2的信息來生成該項目的數據，CAM2連續分析很多CAMeras項目，由普渡大學的研究人員建立和維護。
YOLO性能在夜間會降低，導致系統在檢測時發生各種錯誤，如在不同光線下統計車輛的數據會發生變化。
大集羣：研究人員使用兩個超級計算集羣來進行圖像分類：一個集羣使用Intel Skylake CPU和Knights Landing Xeon Phi core組合，另一個集羣使用CPU和NVIDIA雙K80 GPU組合。研究人員使用它們進行數據並行處理，但沒有分析在不同硬件集羣上的不同運行時間。
標籤：研究人員估計標記所有500萬張圖像需要大約600天，標記完子集（13,440）圖像後在YOLO上測試該圖像集。
重要性：因爲人工智能工業化能夠生成關於系統性能的可靠數據，這對人們充分信任並採用該技術至關重要；這樣的測試展示瞭如何爲測試系統創建新的、大規模的健壯數據集，並指出我們需要開發更有效的算法，讓系統具有足夠強大的實際部署能力。
閱讀更多：可變環境光照條件下的網絡攝像機圖像的大規模目標檢測（https://arxiv.org/abs/1812.11901）
數據集（CAM2站點）：https://www.cam2project.net/
曠視創建高性能的“姿態估計”網絡MSPN
中國人臉識別創業公司曠視、上海交通大學、北京航空航天大學和北京郵電大學通過部署“多階段姿態估計網絡”（MSPN），提高了監控AI技術的性能。
姿態估計是一種通用的計算機視覺技術，讓人們從圖像和/或視頻片段中找出人物的線框骨架，已被廣泛用於CGI和遊戲等領域。
工作原理：MSPN：研究人員對MSPN進行了三個調整：調整主分類模塊，以防止信息在處理過程中縮小圖像時丟失；通過採用粗略到精細的監督策略來改進姿勢本地化，以及在訓練期間在網絡上共享更多功能。
結果：與以前的所有方法相比，MSPN獲得最優性能，並且具有很大的優勢。他們使用的benchmark包括：AE、G-RMI、CPN、Mask R-CNN和CMU Pose。MSPN在COCO測試集上獲得了最高分，其中使用純COCO測試開發數據的MSPN版本比一些用額外數據增強自身的系統得分更高。
重要性：AI在不斷地提高自動監控系統的功能。值得記住的是，對於很多AI研究領域，任何一個領域的進展（例如，監督分類架構改進，如殘餘網絡）都可能在其他更多應用領域（如監控）中產生連鎖反應。
閱讀更多：重新思考用於人體姿態估計的多階段網絡（https://arxiv.org/abs/1901.00148）。
讓深度學習更安全：谷歌發佈TensorFlow Privacy
谷歌發佈了TensorFlow Privacy，這是一個免費的Python庫，可以讓人們訓練具有差異化隱私的TensorFlow模型。差分隱私是一種通過讓開發人員設置與應用於正在處理的用戶數據的噪聲量相關的各種權衡，以保護用戶隱私的方式訓練機器學習系統的技術。
其工作原理如下：如果有足夠多的用戶，你可以爲單個用戶數據添加一些噪聲對其進行匿名化，並繼續從模糊數據組合池中的整體模式中提取有意義的信號——如果你有足夠的數據。蘋果、亞馬遜、谷歌、微軟等公司就是這樣做的。
Apple +差異隱私：Apple是首批公開表示已開始使用差分隱私的大型消費者技術公司之一，於2016年宣佈正在使用該技術，在不影響隱私的情況下訓練大規模機器學習模型。
重要性：隨着人工智能產業化，提出更好地保護用戶隱私的AI訓練方法可以加快AI技術的採用，並將緩解與大規模人工智能系統部署相關的各種政策挑戰。由於TensorFlow已經被廣泛使用，因此通過添加專用庫來實施經過充分測試的差分隱私系統將有助於更多開發人員嘗試使用這項技術，擴大技術傳播範圍。
閱讀更多：TensorFlow Privacy GitHub：https://github.com/tensorflow/privacy
差分隱私概述：https://www.apple.com/privacy/docs/Differential_Privacy_Overview.pdf
微軟研究院發佈雜貨店項目數據集，幫助視障人士購物
瑞典皇家理工學院和微軟研究院的研究人員創建併發布了一個常見雜貨店物品的數據集，幫助AI研究人員訓練更好的計算機視覺系統。該數據集標籤具有分層結構，使用板粗和細粒度標籤標記大量目標對象。
數據集組成：研究人員使用1600萬像素的Android智能手機相機拍攝了18個雜貨店中的水果和蔬菜、冷藏乳製品/果汁的圖像，共計5125張。該數據集包含81種細粒度產品（研究人員稱之爲類別），每種產品都附有以下信息：“網站上某項目的標誌性圖像以及產品描述，包括原產國、物品的重量和營養價值。
數據集baseline：研究人員在數據集上運行一些基準測試，使用CNN架構AlexNet、VGG16和DenseNet-169進行特徵提取，然後將這些特徵向量用於使用VAE進行數據集實體特徵表示的系統中，這可以提高分類的準確性。
重要性：研究人員認爲，這樣的系統可用於訓練幫助視障人士購物的視覺輔助系統，但限於帶有條形碼的雜貨。這項技術同樣適用於建設全自動化結賬系統商店，如亞馬遜Go的全自動結賬系統。
獲取數據：Grocery Store 數據集 GitHub 地址： https://github.com/marcusklasson/GroceryStoreDataset
具有視覺和語義標籤的分層雜貨店圖像數據集（https://arxiv.org/abs/1901.00711）
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：jack@jack-clark.net。