- GAN之父Ian Goodfellow離開谷歌加盟蘋果
- NeurIPS 2019修改論文提交要求，強調復現性
- 谷歌火速解散人工智能道德委員會
- 谷歌大腦新神技：AI預測源代碼
- 中國成功完成首例AI+5G心臟手術
- 英特爾一口氣發佈了三款處理器、兩款存儲、一款以太網適配器
- 富士通實驗室完成ImageNet訓練只需75秒
- 法國INRIA通過更高效的環境讓強化學習研究更便宜
- Facebook開源智能機器人平臺Habitat，以每秒數千幀的速度運行3D模擬器
- 亞馬遜股東阻止與政府簽訂人臉識別合同
GAN之父Ian Goodfellow離開谷歌加盟蘋果
近日，機器學習研究員Ian Goodfellow 已離開谷歌，加盟蘋果。他開發了生成對抗網絡（GAN），被稱爲“GAN之父”。
蘋果的深度學習訓練期：在過去的幾年裏，蘋果一直在努力招攬更多知名專家參與其AI項目。2016年，蘋果聘請了卡內基梅隆大學研究員Russ Salakhutdinov指導其人工智能研究工作，他曾師從多倫多傑弗裏·辛頓（Geoffrey Hinton）。Russ幫助蘋果建立了更多的傳統學術機器學習團隊，蘋果公司還通過蘋果機器學習期刊（Apple Machine Learning Journal）詳細地介紹了蘋果內部一些祕密組織所做的研究。最近，蘋果還聘請了谷歌的John Giannandrea幫助領導其人工智能戰略。我希望，Ian可以推動蘋果公司對其研究的各個方面更加開放，很期待接下來將會發生的事。
重要性：Ian的兩個研究興趣——GAN和對抗性樣本（對導致神經網絡錯誤分類的數據結構進行操作）在AI策略中扮演重要角色，我想知道蘋果是否可以通過積極主動的工作和政策倡導來探索這一點（使事情變得更安全、更好）。
閱讀更多：谷歌頂級A.I.專家加入蘋果
NeurIPS 2019修改論文提交要求，強調復現性
神經信息處理系統會議組織委員會（NeurIPS，前身爲NIPS）對AI會議的論文提交做了兩處修改：“強制性復現性檢查表”，以及“新的代碼提交政策正式聲明“。這一政策將在廣發的AI生態領域產生連鎖效應。
復現性檢查表：向NeurIPS提交論文的人員將需要填寫由研究員Joelle Pineau創建的可復現性檢查表。“復現性表的答案將提供給審稿人和地區主席，他們可以使用這些信息來幫助他們評估提交論文的清晰度和潛在影響”。
代碼提交：如果涉及與新算法相關或修改現有算法的實驗，希望提交者可以（目前並不強制）提交代碼及其論文。“很明顯，這要求我們更加謹慎，因爲我們知道社區的”舒適區“在哪裏，”組織者寫道。
不可執行：提交給NeurIPS的代碼不需要是可執行的——這有助於工作成果取決於專有代碼（例如，插入大規模的專有訓練系統，如大型技術公司所使用的代碼） ，或依賴專有數據集的研究人員。
重要性：復現性觸及到當前人工智能研究的很多焦慮，這些焦慮與學術研究人員和企業實驗室之間的資源差異有關。圍繞可復現性採取更多措施可能有助於縮小這一差距，使企業研究人員能夠執行諸如發佈代碼之類的事情，而無需擔心泄漏有關內部專有基礎架構的信息。
谷歌火速解散人工智能道德委員會
谷歌新的人工智能道德委員會在推出一週後就被解散了。
哪兒出錯了：約2500名谷歌員工簽署了一份請願書，要求將保守派傳統基金會主席Kay Coles James從理事會中撤職。當初任命她是爲了給小組帶來“思想的多樣性”，但員工指出她具有反變性、反同性戀和反移民立場。員工對無人機公司CEO Dyan Gibbens的任命也感到憤怒。第三個被任命的Alessandro Acquisti也辭去了全部職務，稱這不是一個圍繞人工智能道德問題的論壇。
進展：在一份聲明中，谷歌表示這件事將會“重新討論”，並“將通過不同的方式獲取有關這些話題的外部意見。”
重要性：這對谷歌來說是一個令人尷尬的結果，谷歌的員工再次展示了他們強制公司變革的能力。除了任命問題之外，他們還有理由對理事會作爲一種監督機制持懷疑態度——該團體在接下來的12個月裏只會見面四次，而且很難想象這個團體是否有能力，在這個時候，需要更加了解谷歌的行動是否能提供有意義的監督。
瞭解更多：谷歌取消人工智能道德委員會以迴應抗議。
谷歌大腦新神技：AI預測源代碼
最近，谷歌大腦團隊有了新突破，發佈了一個可以根據已經編輯好的代碼預測源代碼的AI。據論文解析，這個AI會根據代碼變化與其所處狀態的關係來理解，準確地對代碼序列進行建模需要學習舊代碼的表示方法，這讓模型可以概括一種模式，並對未來要編寫的代碼內容進行預測。
近年來，構建源代碼的生成模型成爲一個十分受重視的任務，此前的生成模型一般根據生成代碼的靜態快照(static snapshot)來構建，而谷歌的研究人員將源代碼視爲一個動態對象(dynamic object)，並處理軟件開發人員對源代碼文件進行編輯的建模問題，所以這種方法既能捕獲有關意圖的所需信息，又能對序列的長度進行擴展，克服了編輯序列建模任務中開發良好的表示這一重大挑戰。
實驗結果表明，谷歌團隊開發了具有很強泛化能力的編輯序列模型，並證明該方案對大規模源代碼編輯數據的適用性。
論文地址：
https://arxiv.org/pdf/1904.02818.pdf
中國成功完成首例AI+5G心臟手術
4月3日，在AI和5G的幫助下，廣東省人民醫院與廣東高州市人民醫院共同成功完成了第一次遠程指導下的心臟病手術。
此次手術由高州市人民醫院醫生主刀進行心臟手術，廣東省人民醫院專家通過觀看5G傳輸高清圖像進行遠程指導。
在術前階段，廣東省人民醫院特聘顧問史弋宇教授帶領的團隊參與手術的AI技術部分，使用到了自主研發的全自動AI去噪以及建模軟件，可在2分鐘內一鍵建模，並自動生成3D打印機可識別的3D數字心臟模型（STL格式），直接用來打印出實體1:1心臟模型。
史弋宇是聖母大學計算機系終身副教授，博士生導師，併兼任電子系終身副教授，曾用“貪心算法”成功尋回被劫匪搶劫的汽車。
英特爾一口氣發佈了三款處理器、兩款存儲、一款以太網適配器
4 月 3 日，在北京與舊金山，英特爾同時推出一系列以數據爲中心產品組合，包括第二代英特爾至強可擴展處理器、英特爾傲騰數據中心內存和存儲解決方案、軟件以及平臺技術等產品。
不同於以往一次只發幾款新品的發佈會，今天發佈的英特爾以數據爲中心的產品組合，包括超過 50 款基於工作負載優化的處理器，以及幾十個款與客戶深度合作的定製處理器。
本次發佈會有三款重磅處理器產品發佈，分別是：
-
56 核、12 內存通道的英特爾至強鉑金 9200 可拓展處理器，芯片代號爲：Cascade Lake-AP，AP 是 Advanced Performance（增加性能）的縮寫。據瞭解，至強 9200 系列處理器共有 4 款：
-
入門級的 Xeon Platinum 9221，其採用了 32 核 / 64 線程的設計，默頻 2.1GHz、擁有 71.5MB 緩存、熱設計功耗（TDP）達到了 250W；
-
中端的 Xeon Platinum 9242 採用了 48 核 / 96 線程的設計，擁有 71.5MB 高速緩存，默頻 2.3GHz、熱設計功耗（TDP）350W ；
-
同爲中端的 Xeon Platinum 9222（Xeon Platinum 9222）與 9221 基本一致，差別主要體現在時鐘頻率上（2.3GHz vs 2.1GHz）；
-
最頂級的 Xeon Platinum 9282，採用了 56 核 / 112 線程的設計，默頻 2.6GHz、擁有 77MB 高速緩存，熱設計功耗（TDP）更是高達 400W
-
-
10nm 製程的 Agile 現場可編程門陣列 (FPGA)
-
爲邊緣計算打造的至強 D-1600 處理器
最後，英特爾發佈的是一款以太網傳輸產品：搭載應用程序設備隊列 (ADQ) 技術的英特爾以太網 800 適配器系列。
富士通實驗室完成ImageNet訓練只需75秒
日本富士通實驗室的研究人員進一步縮短了訓練大規模監督學習AI模型所需的時間，使用他們的方法，經過74.7秒的訓練後，在ImageNet數據集上訓練殘差網絡達到約75％的準確度。這是自2017年（一小時）之後的一個重大飛躍，相對於2018年末的表現（約4分鐘）這個結果令人印象深刻。
他們是如何做到的：研究人員通過亞馬遜開發的MXNet深度學習框架，在2,048臺Tesla V100 GPU上訓練他們的系統。他們使用了81,920個小批量數據，並且還經過了分層自適應縮放（LARS）和“預熱”期，以提高學習效率。
重要性：在分佈式基礎設施上訓練大型模型是現代人工智能研究的一個關鍵組成部分，ImageNet訓練時間縮短的速度驚人——我認爲這是人工智能產業化的象徵，人們嘗試創造在大量計算機上有效訓練模型的系統方法。這種趨勢最終將導致依賴於大規模實驗的研究速度加快，並且可以開啓新的研究途徑。
閱讀更多：加速SGD：74.7秒內在ImageNet上進行ResNet-50訓練。
法國INRIA通過更高效的環境讓強化學習研究更便宜
來自法國INRIA的一組研究人員開發了一系列需要“複雜推理和探索”的任務，這些任務可以在ViZDoom模擬器中以每秒10,000次環境交互的速度運行。該項目的目標是讓人們在不花費大量計算的情況下更容易進行強化學習研究。
擴展ViZDoom：ViZDoom是古老的第一人稱射擊遊戲Doom的實現。然而，它有一個缺點，即只有八種不同的場景來訓練代理。爲進行拓展，研究人員開發了四種新的場景，旨在“測試導航、推理和記憶”，其變體可以在程序上生成。
空間推理極其困難：“我們提出的基準測試套件的實驗表明，當前最先進的模型和算法仍然很難學習複雜的任務，不同位置的不同對象，其外觀和關係任務本身需要從獎勵中學習“。
閱讀更多：低成本的深度強化學習：不需要超級計算機的3D控制和推理。
Facebook開源智能機器人平臺Habitat，以每秒數千幀的速度運行3D模擬器
來自Facebook、佐治亞理工學院、西蒙弗雷澤大學、英特爾實驗室和伯克利的團隊發佈了人工智能研究平臺Habitat及其堆棧，旨在幫助訓練代理在各種領域進行導航和交互任務，比如斯坦福大學的’Gibson’系統，Matterport 3D等3D環境模擬器，SUNCG等全合成數據集。
主要工程：Habitat模擬器可以支持“每個模擬器線程以每秒數千幀的速度運行3D模擬器，比以前的模擬器快了幾個數量級，適用於真實的室內環境。速度很重要，因爲運行模擬器的速度越快，在每個計算時間步長可以收集的經驗就越多，更快的模擬器=訓練代理更便宜、快捷。
PPO優於手工編碼的SLAM方法：研究人員在測試中發現，經過強化學習訓練，Habitat可以開發基於近端政策優化（PPO）的策略，其性能優於一個“SLAM”系統，其實現需要一個包括用於本地化、映射和規劃的經典機器人導航管道手工編碼“。
重要性：環境有助於人工智能研究的進步，最近使用大量計算資源訓練大型簡單模型的趨勢突出了對高性能環境的需求。Habitat似乎是大規模研究的堅實平臺，Facebook計劃爲其添加新功能，例如模擬器中基於物理的交互以及同時支持多個代理。期待它的後續發展。
閱讀更多：Habitat人工智能研究平臺
亞馬遜股東阻止與政府簽訂人臉識別合同
美國證券交易委員會已經裁定亞馬遜股東有權對兩項停止向執法部門銷售人臉識別技術的提案進行投票。由激進股東提出的議案將在公司年度股東大會上審議。有人要求亞馬遜停止向政府出售他們的Rekognition技術，除非公司董事會認爲它不會對人權和公民權利構成風險。還有人要求董事會針對該技術對隱私和公民自由的影響進行獨立審查。雖然這些動議不太可能通過，但這對公司施加了進一步的壓力，以解決這些長期存在的問題。
閱讀更多：美國證券交易委員會裁定，亞馬遜必須讓股東對政府Rekognition禁令進行投票
[亞馬遜股東成功阻止帶有種族偏見的監控技術銷售](uhttps://www.openmic.org/news/2019/4/4/a-win-for-shareholders-amazon
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。