AI科技大本营导读：狗年的春节已过，想必现在很多读者都已经回到了学习或工作的状态，不然就是在回去的路上。节日期间大家忙着走亲串友，可能错过了一些人工智领域的最新消息，今天营长就为大家盘点一番。

▌2018年麻省理工十大突破性技术公布，AI 大众化、生成对抗网络、谷歌实时翻译耳塞等上榜

一年一度的麻省理工十大突破性技术发布，和人工智能相关的有三项，分别是：

• AI 大众化（AI for Everybody）

• 生成对抗网络（Generative Adversarial Network，简称GAN）

• 巴别鱼耳塞（Babel-Fish Earbuds）

AI 大众化：评选机构认为其突破性在于基于云的AI技术使得AI更加便宜且易于使用。在这个领域的赛道上，主要玩家为：亚马逊、谷歌、微软等巨头。亚马逊的子公司AWS在云服务市场占有支配地位；谷歌则发力TensorFlow、Cloud AutoML等人工智能框架系统；微软与亚马逊合作，推出了一款深度学习框架——Gluon。尽管如此，很多公司依然缺乏足够多会使用云端AI的人才，所以亚马逊和谷歌也在建立相关的咨询服务。一旦云技术使得AI让人人触手可及，真正的AI革命就会开始。

生成对抗网络：生成对抗网络是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。该方法由Ian Goodfellow等人于2014年提出。评选机构认为，其突破性在于两个网络系统通过相互对抗的方式，能够创造出超逼真的原创图像或声音，这些是机器以前从未实现过的。目前该领域的玩家主要有：Google Brain，DeepMind，Nvidia。

巴别鱼耳塞：在科幻经典《银河系漫游指南》中有这样的场景，将黄色的巴别鱼塞到耳朵里，就可以实时地听到翻译。但现实世界中，虽然日益全球化，但是语言仍然是沟通的障碍。现在，谷歌发布了一副名叫Pixel Buds的耳塞，可以通过Pixel 智能手机上的谷歌翻译实现实时翻译。虽然Pixel Buds还存在很多可以改进的空间，但是它还是让人们看到了巴别鱼式科幻场景实现的曙光。

▌马斯克离开OpenAI董事会

非盈利人工智能组织 OpenAI 近日宣布，马斯克即将退出其董事会，但将继续提供资金支持并担任OpenAI的顾问。原因是随着特斯拉日益专注于AI技术，此举可以避免日后OpenAI 与特斯拉的潜在冲突。

一直以来，马斯克就是“AI威胁论”的拥趸，他曾经表示AI技术比核武器更加可怕。为了预防人工智能的灾难性影响，推动人工智能发挥积极的作用，包括马斯克在内的多位硅谷大佬联合创立了OpenAI。OpenAI倡导研究人员公开论文、博文、代码和专利等研究成果与世界共享，当所有人都可以使用这些技术后，就能减轻超级人工智能带来的潜在威胁。

▌波士顿动力再次发布“虐狗”视频

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=q14247wcyvr&width=654&height=367.875&auto=0" style="display: block; width: 654px !important; height: 367.875px !important;" width="654" height="367.875" data-vh="367.875" data-vw="654" src="http://v.qq.com/iframe/player.html?vid=q14247wcyvr&width=654&height=367.875&auto=0"/>

继2月12日发布了SpotMini帮助另一只机器狗开门的视频后，波士顿动力又发布了一段“虐狗”视频。视频标题为鲁棒性测试。

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=j0557ljee1b&width=654&height=367.875&auto=0" style="display: block; width: 654px !important; height: 367.875px !important;" width="654" height="367.875" data-vh="367.875" data-vw="654" src="http://v.qq.com/iframe/player.html?vid=j0557ljee1b&width=654&height=367.875&auto=0"/>

在视频下方，官方解释道：这是对SpotMini进行开门过程的抗干扰测试。工作人员（未在视频中）将机器狗遥控到门口，并指出门把手的位置，发出“Go”指令（分别在视频的开始和第42秒）。

这时候机器狗将会自主执行开门命令，嘴里的摄像头可以发现门把手，身体上的摄像头会确认门是否处于打开状态，并对进门动作提供导航。当这个过程遇到麻烦的时候，软件系统将提供定位、平衡以及相关的调整。具备一定的抗干扰和自主响应能力可以提高机器人执行任务的成功率。最后波士顿动力还特意批注：这个测试不会激怒和伤害机器人：）

▌FastCompany 2018世界最具创新力公司Top 50公布，四家中国企业入选，腾讯第四

近日，美国商业媒体 FastCompany 发布“2018世界最具创新力公司Top 50榜单”，前五名为：苹果、Netflix、Square、腾讯、亚马逊。

FastCompany 评价腾讯的上榜理由为：“以内容为王，腾讯的微信拥有9.8亿月活跃用户，除了社交，用户可以利用微信完成打车、支付等生活中方方面面的功能。”

除了腾讯，其余3家上榜的中国企业为：VIPKid、大疆公司和字节跳动公司，阿里巴巴、滴滴出行未进入Top 50.

VIPKid是一家位于北京的国际在线少儿教育公司，它的上榜理由是“使教育成为一种通用语言”；无人机科技企业大疆的上榜理由是：“在无人机以外的其他领域也能飞得更远”；字节跳动公司以其著名的旗舰应用程序“今日头条”在近年迅速崛起，它的上榜理由是：“利用人工智能将人与信息连接了起来”。

▌ARM、高通纷纷推出基于终端的AI解决方案

近日，英国芯片大厂ARM发布了两款最新的处理器设计，宣称将为致力于机器学习装备的公司提供“一种革命性的计算能力”。

其中一款设计适用于ARM机器学习处理器，可以为机器翻译和人脸识别等人工智能应用进行加速。另一款设计适用于ARM物体检测处理器，可以为处理可视数据及检测人或物品等过程提供优化。物体检测处理器将在2月底向行业客户提供，机器学习处理器会在今年年中推出。

几天后，高通随即宣布推出新的人工智能引擎，将适配现有的骁龙处理器（845,835,820和660）。

据悉，高通的一些设备合作伙伴已经开始使用AI 引擎的组件。它们包括小米、一加、摩托罗拉、华硕和中兴。至于软件开发商，高通正与几家不同的公司合作。例如，商汤和Face ++为图像和照相机功能提供的各种预训练的神经网络，包括单相机散景，人脸解锁和场景检测等。

▌牛津、剑桥、OpenAI等机构专家发布重磅报告：《对人工智能的恶意使用：预测、预防和缓解》

人工智能技术近年来取得了长足的进展，但在中短期内是否会带来负面影响或者恶意使用这个问题，也屡屡成为专家们论战的辩题。

近日，26位来自牛津、剑桥、OpenAI等机构的AI专家联合发布了一份长达101页的重磅报告：《对人工智能的恶意使用：预测、预防和缓解》（The Malicious Use of Artificial Intelligence：Forecasting, Prevention, and Mitigation）。

该报告调查了恶意使用人工智能技术可能带来的安全威胁，分别从数字安全、物理安全、政治安全三方面进行了阐释，列举了翔实的案例，并提出了一些预测，预防和缓解这些威胁的方法。

下载链接：https://maliciousaireport.com/

▌中国人工智能初创公司2017年融资额超过美国，位居全球第一

虽然关于中美在人工智能领域的竞争分析时常见诸报端，但很难进行量化的分析。但近期CB Insights的一份报告显示，在人工智能初创企业的融资方面，中国已经超越了美国。2017年，中国 AI 初创企业融资额占全球48%，美国则为38%。

美国科技媒体The verge表示，中国在人工智能方面的天然优势是有据可查的。与美国相比，她拥有庞大的人口(14亿)，这为企业提供了大量的数据和机会，使其能够迅速扩大规模。相比美国，中国政府也更加支持人工智能领域的发展，从而能够迅速地调集资源。同时，宽松的数字监管也意味着公司可以更加自由地进行实验。

▌陈天奇团队发布TVM研究论文《TVM: End-to-End Optimization Stack for Deep Learning》

去年8月，华盛顿大学陈天奇团队发布了TVM。TVM是一个端到端的优化堆栈，具备图形级和算子级的优化能力，可以为多种硬件后端提供深度学习工作负载的性能可移植性。

今年2月12日，该论文得以发布。AI科技大本营将摘要翻译如下：

可扩展框架，如TensorFlow，MXNet，Caffe和PyTorch推动了深度学习的流行和广泛使用。然而，这些框架只针对很小范围的服务器级GPU进行了优化。要想将工作负载部署到其他平台（比如手机、嵌入式设备和像FPGA、ASIC那样的专用加速器）则需要费力的手动工作。

我们提出了TVM，这是一个端到端的优化堆栈，它具备图形级和算子级的优化，以为多种硬件后端提供深度学习工作负载的性能可移植性。我们讨论了TVM所能特别解决的深度学习优化挑战：高级算子融合、跨线程的低级内存重用、任意硬件原语的映射，以及内存延迟隐藏。实验结果表明，TVM在硬件后端所提供的性能，可以与低功率CPU和服务器级GPU的最优库一决高下。通过一个基于FPGA的通用深度学习加速实验，我们还展示出TVM对于新型硬件加速器的适配能力。该编译器基础架构是开源的。

下载链接：https://arxiv.org/abs/1802.04799

▌参考资料

https://www.technologyreview.com/lists/technologies/2018/

https://blog.openai.com/openai-supporters/

https://www.youtube.com/watch?v=aFuA50H9uek&t=1s

https://www.fastcompany.com/most-innovative-companies/2018

https://www.theverge.com/2018/2/13/17007174/ai-chip-designs-arm-machine-learning-object-detection

https://www.androidauthority.com/qualcomm-ai-engine-839252/

https://www.theverge.com/2018/2/22/17039696/china-us-ai-funding-startup-comparison

☟☟☟点击 |阅读原文| 查看更多精彩内容