AI每日精选:华为采购地图数据产品服务;AI有助于卵巢癌早期发现
以下新闻选自人工智能信息平台“机器之心Pro”:花最少的时间,看最重要的新闻。
行业动态
1.合肥公示「困难企业」名单,美的、科大讯飞等在列
11 月 20 日消息,合肥市人力资源和社会保障局官方网站发布了《关于 2019 年合肥市暂时性生产经营困难企业名单的公示》,其中涉及美的集团、国轩高科、科大讯飞等诸多上市公司或下属企业。(新浪财经)
2.四维图新:华为采购公司高精度地图数据产品和服务
11 月 20 日消息,四维图新发布公告称,公司收到华为技术有限公司关于采购公司规定区域内自动驾驶地图数据的申请。公司将为华为提供高精度地图测试验证服务,同时,双方将共同完成华为自动驾驶验证项目,推进华为自动驾驶项目落地。
3.加拿大创企Element AI 旨在与韩国企业进一步合作
Element AI 作为加拿大一家以人工智能为动力的软件解决方案的初创公司,近日表示其旨在与更多韩国公司携手合作,以帮助他们采用尖端技术。总部位于蒙特利尔的 Element AI 是 AI 解决方案提供商,由 AI 权威机构和蒙特利尔大学的 Yoshua Bengio 教授于 2016 年共同创立。该初创公司旨在促进私营部门与学术界之间的合作关系,以帮助推动 AI 在所有业务领域的扩展。联合创始人 Nicolas Chapados 在汉城对记者说:「Element AI 的建立是基于 AI 应该帮助人和机器更智能地工作的信念。」他补充说,Element AI 的目标是帮助公司应对将 AI 从原型阶段移交给转型到生产。(Koreabizwire)
产品应用
1.无人机和 AI 助澳洲卡卡杜当地农业抗除杂草
「杂草已经被证明是一种真正具有侵略性和快速生长的物种,因此它遍及整个公园,并移入这些泛滥的平原地区,完全取代了本地植物」,卡卡杜现任董事会成员,国家环境科学计划(NEST)北澳大利亚环境资源中心负责人,西澳大利亚大学教授米歇尔・道格拉斯博士说。「实际上,这是这种杂草的单种养殖,完全没有本地植物,这给本地植物付出了巨大的代价,这些本地植物却很重要地为鹅,鸭子和野生动物(包括海龟)提供筑巢地点和觅食地点。」为了对抗杂草,澳洲建立了一个名为「健康国家」的合作伙伴关系,该伙伴关系推动了该项目的传统所有者,英联邦科学和工业研究组织(CSIRO)和 NEST 以及澳大利亚公园和微软公司一同协作,利用无人机和人工智能解决这一难题。(zdnet)
重磅报告
1.IBM 称只有 14%的中国公司积极应用人工智能
IBM 大中华区业务首席执行官 AlainBénichou 表示,中国被公认为是人工智能(AI)的全球领导者,但只有 14%的公司正在积极使用 AI 软件。Bénichou 引用了 IBM 商业价值研究所的研究报告说,中国的采用率高于全球平均水平,但仍未达到预期的水平。贝尼休周二在中国广州南沙区的 CNBC 东方科技西部会议上说:「还有很长的路要走。」「在具有认知能力的公司中,只有 14%的公司真正在其所做的业务中都积极使用 AI。」(cnbc)
技术研究
1.谷歌推出 RecSim—推荐系统的可配置仿真平台
机器学习、语音识别和语言技术方面的重大进步正在迅速改变推荐系统与用户互动的方式。其结果是,使协作交互式推荐器(CIR)能达到与用户进行有意义的交互序列,以最好地满足该用户的需求,已经成为在线服务的切实目标。尽管如此,CIR 的部署受到开发算法和模型的挑战的限制,这些算法和模型反映了顺序用户交互的定性特征。强化学习是解决顺序决策问题的事实上的标准机器学习方法,因此是在推荐系统中建模和优化顺序交互的自然范例。但是针对 CIR,无论是在研究还是在实践中,它都未得到充分研究和利用。一个主要障碍是缺乏用于顺序推荐器设置的通用仿真平台,而仿真已成为在诸如机器人技术的现实应用中开发和评估强化学习算法的主要手段之一。为了解决这个问题,谷歌宣布其开发了 RᴇᴄSɪᴍ,一个可配置的平台—用于编写仿真环境,以促进推荐系统(尤其是 CIR)中的强化学习算法研究。RᴇᴄSɪᴍ允许研究人员和从业人员在综合推荐环境中测试现有方法的限制。RecSim 的目标是支持真实推荐系统中用户行为特定方面的模拟,并作为受控环境来开发、评估和比较推荐器模型和算法。(Google AI Blog)
2.AI 有助于卵巢癌的早期发现
据 CNBC 报道,软件公司 TPP 已经开发了一种可以帮助肿瘤学家比医生更早地发现卵巢癌的 AI。该公司的首席执行官弗兰克·海斯特(Frank Hester)表示,人工智能可以帮助医生根据患者两年内的病历,识别出 50%以上的卵巢癌病例。他正在将这项技术提供给英国各地的医生和护士。TPP 与英国国家卫生局(National Health Services)建立了伙伴关系。根据协议,该技术公司可以访问超过 5000 万的患者记录。有了这些数据,TPP 已经能够完善其 AI 程序来更好地帮助医生诊断。
3.普林斯顿大学教授带你「打假」人工智能
专注信息隐私以及机器学习公平性的普林斯顿大学副教授 Arvind Narayanan 近日在麻省理工学院的一场名为「如何识别打着人工智能招牌的虚假营销」讲座中,讨论了现如今打折人工智能的幌子,但却没有任何作用的产品/技术,为什么会发生这种现象以及如何识别「虚假人工智能」等内容。点击链接查看讲座 PPT。
4.Rosebud AI 近日分享了两万五千张由人工智能生成的虚假人物肖像照。
Rosebud AI 称,该组照片专注于增加模型外观的多样性。该公司同时表示,他们提供客制化服务,能够为用户创建特定特定视觉效果模型。点击链接获取资源。
https://www.beckershospitalreview.com/artificial-intelligence/ai-assists-with-early-ovarian-cancer-detection.html
5.利用机器学习解读日本古文字 Kuzushiji
日本古文字 Kuzushiji 是日本文化的重要组成部分,然而,Kuzushiji 与现代日语的语法以及词汇存在很大的不同,这使得大多数人很难阅读该文字。为了让 Kuzushiji 更加容易被识别,日本国立文学研究所(NIJL)创建并发布了一个 Kuzushiji 数据集,该数据集由人文开放数据中心(CODH)策划,目前含有 4000 多个字符类和一百万个字符图像。研究团队还公布了一个名为 KuroNet 的 Kuzushiji 转录模型。该模型能够以平均时间为每页 1.2 秒的速度转录整个 Kuzushiji 页面,包括未经精心优化的后处理管道。(The Gradient)
6.Quoc Le 谷歌大脑团队新论文:RandAugment:实用的自动数据扩充功能,减少了搜索空间
近日,包括 Quoc Le 在内的谷歌谷歌大脑团队发表了一篇名为「RandAugment:实用的自动数据扩充功能,减少了搜索空间」的研究。该论文在社交媒体引起了广泛的关注。RandAugment 的搜索空间大大减少了,从而使它可以针对目标任务进行训练,而无需单独的代理任务。此外,由于参数化,可以将正则化强度调整为适合不同的模型和数据集大小。RandAugment 可以在不同的任务和数据集中统一使用,并且可以立即使用,与 CIFAR-10 / 100,SVHN 和 ImageNet 上的所有自动增强方法匹配或超越。在 ImageNet 数据集上,该技术达到了 85.0%的准确度,比以前的最新技术提高了 0.6%,与基线增强相比提高了 1.0%。在对象检测方面,RandAugment 会比基线增强提高 1.0-1.3%,并且在 COCO 上 AutoAugment 的 mAP 处于 0.3%以内。最后,由于其可解释的超参数,RandAugment 可用于研究模型和数据集大小不同时数据增强的作用。GitHub 传送门:bit.ly/2OvMJi3