開發者社區技術週刊 又和大家見面了，快來看看這周有哪些值得我們開發者關注的重要新聞吧。
一分鐘速覽！
谷歌實時字幕功能現開始在 Google Chrome 中上線
人工智能能和人類辯論了：開場白出色，但還是輸給專業辯手
Taichi（太極）0.7.15 發佈
京東科技“智臻鏈”打通省域冷鏈市場，雲上溯源推動行業變革
雲網產業推進方陣發佈業內首部《雲網產業發展白皮書》
中國信通院即將發佈“可信數字化評估體系”
CVPR 2021丨基於跨任務場景結構知識遷移的單張深度圖像超分辨率方法
CVPR 2021丨AdCo基於對抗的對比學習
行業要聞
1.谷歌實時字幕功能現開始在 Google Chrome 中上線
3 月 18 日，實時字幕功能在 Chrome 89 上線。 該功能通過機器學習技術，自動爲音頻和視頻添加字幕，主要是爲了幫助聾啞人或有聽力障礙的人士更容易訪問網絡。
此前，在 2019 年 Google I/O 大會上，谷歌首次展示了其令人驚歎的實時字幕可訪問功能。該功能首先在更新了 Android 10 的Pixel手機上推出，隨後在許多非Pixel手機上推出--包括 Galaxy S20 系列、一加 8 系列、一加 Nord 等。可以確認的是，實時字幕功能現在出現在設置>高級>可訪問性。如果在 Chrome 89 上沒有看到那麼可能需要重啓 Chrome。
2.人工智能能和人類辯論了：開場白出色，但還是輸給專業辯手
日前，學術期刊《自然》發表的一項研究描述了一種能與人類進行競技辯論的自主智能體。雖然人類辯手被判定最終獲勝，但作者認爲，人工智能或具備參與複雜人類活動的能力。在這項研究中，IBM 工程師 Noam Slonim 和同事描述了一個名爲 Project Debater（意爲“辯手項目”）的自主系統，這個系統可以與人類進行有意義的辯論。 該系統能通過掃描儲存了4億篇新聞報道和維基百科頁面的檔案庫，自行組織開場白和反駁論點。IBM 認爲，人工智能辯手能夠幫助人們推理，建立充分的論據，做出更好的決定。Project Debater 的潛在應用包括金融顧問、律師、公共事務決策、學生助手和企業決策者。
3.Taichi（太極）0.7.15 發佈
Taichi (太極) 是專爲高性能計算機圖形學設計的編程語言。它深深地嵌入在 Python 中，並且它的即時編譯器將計算密集型任務轉移到多核 CPU 和大規模並行 GPU 上。本次 0.7.15 版本主要更新了以下內容：
[refactor] 將 TypedConstants 移至 taichi/ir/type；
[refactor] 將 ASTBuilder 和 FrontenContext 移動到 frontend_ir；
[ir] [transforms] 增加了在調試模式下索引不會導致溢出的斷言等。
更多更新請訪問：
https://github.com/taichi-dev/taichi/releases/tag/v0.7.15
4.京東科技“智臻鏈”打通省域冷鏈市場，雲上溯源推動行業變革
冷鏈商品流通全球化，每天都在有數以億級的蔬菜、水果、蛋奶、海鮮在全球各地流轉着，疫情常態化下，對冷鏈商品的溯源變得尤其重要。近日，以京東云爲底座，京東科技基於“智臻鏈”防僞溯源平臺，聯合京東物流、京東生鮮共同打造的 “京東冷鏈溯源平臺” 正式上線。平臺目前已覆蓋了生鮮果蔬、肉禽、海產等生鮮所有品類，服務近 300 個商家的超 400 萬件生鮮商品。通過該平臺，不僅能實現商品從原產地到消費者全程可追溯，並且未來能實現國內各省市溯源碼互通，一碼到底。
5.雲網產業推進方陣發佈業內首部《雲網產業發展白皮書》
3月18日，由中國信息通信研究院（以下簡稱“中國信通院”）、中國通信標準化協會主辦的“2021雲管和雲網大會”在北京成功舉辦。 會上發佈了業界首部《雲網產業發展白皮書》 （以下簡稱“白皮書”），白皮書由中國信通院牽頭，行業內多家企業聯合編寫。白皮書詳細闡述了我國雲網產業的產業發展現狀、技術特點、應用場景實踐、以及未來發展趨勢，解答了業界關注的雲網發展的多個焦點問題，並指出雲網將成爲未來一段時期雲計算的重點發展方向。
6.中國信通院即將發佈“可信數字化評估體系
數字化浪潮洶湧來襲。今年的政府工作報告明確指出，要“加快數字化發展，打造數字經濟新優勢,協同推進數字產業化和產業數字化轉型，加快數字社會建設步伐。”在不久前閉幕的全國兩會上，“數字化轉型”也成爲代表、委員們關注的熱詞。
隨着越來越多的企業和行業加快數字化轉型，相關痛點也開始顯現。企業數字化轉型究竟要從哪裏入手？已經實施的數字化方案是否存在“漏洞”？如何選擇真正可信的數字化解決方案？在3月31日即將召開的“2021數字化轉型發展高峯論壇”上，中國信息通信研究院（以下簡稱“中國信通院”）將正式發佈“可信數字化評估體系”， 幫助企業尋找上述問題的答案。
學術前沿
1.CVPR 2021丨基於跨任務場景結構知識遷移的單張深度圖像超分辨率方法
本項研究針對深度傳感系統獲取的場景深度圖像分辨率低和細節丟失等問題，突破現有基於彩色指導的場景深度復原方法的侷限性，即在訓練及測試階段同時需要高分辨率彩色圖像和降質深度圖像作爲網絡輸入來估計高質量深度圖像（在實際測試環境中，同視角的高分辨率彩色輔助信息並不容易獲得）。首次提出 基於跨任務場景結構知識遷移的單一場景深度圖像超分辨率方法， 在訓練階段從彩色圖像蒸餾出場景結構信息來輔助提升深度復原性能，而測試階段僅提供單張降質深度圖像作爲輸入即可實現深度圖像重建。
*論文鏈接：
http://faculty.dlut.edu.cn/yexinchen/zh_CN/zdylm/1123985/list/index.htm
2.CVPR 2021丨AdCo基於對抗的對比學習
在自監督學習領域，基於 contrastive learning（對比學習）的思路已經在下游分類檢測和任務中取得了明顯的優勢。其中如何充分利用負樣本提高學習效率和學習效果一直是一個值得探索的方向，本文第一次全新提出了用對抗的思路 end-to-end 來直接學習負樣本，在 ImageNet 和下游任務均達到 SOTA。
AdCo 僅僅用 8196 個負樣本（八分之一的 MoCo v2 的負樣本量），就能達到與之相同的精度。同時，這些可直接訓練的負樣本在和 BYOL 中 Prediction MLP 參數量相同的情況下依然能夠取得相似的效果。這說明了在自監督學習時代，通過將負樣本可學習化， 對比學習仍然具有學習效率高、訓練穩定和精度高等一系列優勢。
*論文鏈接：https://arxiv.org/abs/2011.08435
以上信息來源於網絡，由“京東科技開發者”公衆號編輯整理，不代表京東科技立場
推薦閱讀
歡迎點擊【京東科技】，瞭解開發者社區
更多精彩技術實踐與獨家乾貨解析
歡迎關注【京東科技開發者】公衆號
