第121期ccf月报日报(2017-11-30)

更新于 2017年12月1日 新技术新应用
我来说两句
0 2017年12月1日

2017-11-30 日报 机器学习

ccf月报日报 2017-11-30

@好东西传送门 出品,由@AI100运营, 过往目录http://ai100.com.cn

订阅:关注微信公众号 AI100(ID:rgznai100,扫二维码),回复“机器学习日报”,加你进日报群

微信公众号:rgznai100

本期话题有:

全部5 算法3 应用2 视觉2 自然语言处理1 深度学习1 语音1

用日报搜索找到以前分享的内容: http://ml.memect.com/search/

leiphone:机器人   网页版 2017-12-01 02:22
应用 机器人 齐柏林
「亚马逊为无人机送货再开发新专利:飞行遇险可自行解体」 早在2013年12月,亚马逊已经率先实现了无人化的派送过程,不过都只是小范围的实验,要想真的大范围应用,则需要一个成熟的解决方案。为此,亚马逊常年不断开发新专利,不断尝试各种解决方案。雷锋网报道,本周二,美国专利商标局向亚马逊授予一项专利。通过专利介绍,无人机在遇到危险时可以在空中自行解体,在坠落地面前将零部件弹出。安装的“分散控制器”可以在无人机无法正常飞行时启动。例如,风太大,无人机无法安全飞行,或者温度过高,会影响无人机的电池。控制器会让组件投向安全地点,比如池塘或者大树上。投放组件时,控制器还会考虑如何节省成本,尽量不让货物受损。据雷锋网了解,从2016年开始,亚马逊申请了多项无人机送货的专利。首先,亚马逊2016年申请了一项关于无人机“接驳点”的送货系统。将这些接驳点设在建筑物的高处,例如广播电视塔、路灯、电线杆、教堂或写字楼等建筑物高处。其原理通过中央控制软件系统进行监控和管理,使亚马逊的送货无人机能够借助这些接驳点进行充电,并可在极端天气下避险。因而能够应对意外天气、密集人流等方面影响,选择最优的送货路径。当无人机抵达接驳点之后,一个途径是通过升降机或传送带等设施送至地面快递员,由快递员派送给客户。另一个途径是无人机直接投递到预设地点。此项专利当时计划实现在下单后30分钟内用无人机将快递送到客户手中。其次,据CNBC报道,亚马逊在2016年4月获得了“空中配送中心”(简称“AFC”)的专利。这是一项有关将空中飞船用作仓储和送货无人机基地的专利。实质上,可以看作是一个空中仓库。此项专利显示,该仓库会维持在4.5万英尺的高空,搭载着带有温控设备的无人机。一旦接到订单,无人机便能第一时间携带新鲜食物从AFC发出,将用户订购的商品配送到用户指定的配送地点。还有一个值得关注的点——从AFC发出的无人机的耗能会低于从陆地发出的无人机。从专利图来看,配送中心就像架在了齐柏林飞艇上。 这套空中配送中心系统远不止无人机和空中配送中心那么简单,亚马逊还为其准备了穿梭飞艇,它们可以将工作人员、补给和无人机送至空中配送中心。至于这套空中配送系统正式投入使用的时间,亚马逊尚未提供详细信息。在2016年12月底,亚马逊又一项专利——关于无人机送货集群的专利获得了批准。这项专利主要是针对运输面大体量的货物而设计的。这款“巨型运输机”集群由小型四轴无人机组成,根据需要进行不同的排列,并形成不同的形状和矩阵,以便满足不同形状、尺寸的货物运输需求。 2017年6月,亚马逊提交了一份关于快递无人机塔的专利申请,意图打造设计独特、形似蜂巢的运营中心塔楼。内部配备机器人,无人机也能够在快递无人塔上停靠以及装载货物。这项专利的主要目的是弥补当前配送中心大多位于郊区导致的配送不利,服务于人口密集的市区。 2017年8月份,亚马逊又申请了一项新专利,是关于在运输船、货车等移动物体上启用无人机的技术。可视为一个“无人机移动飞行平台”。亚马逊要在大型移动运输设备上搭建高度自动化的集装箱,里面设置可旋转停机坪用于无人机起飞,控制机械臂为无人机装载电池和货物装载完成后,货柜顶部随之打开,无人机起飞。整个过程也是全自动化并有摄像机进行监控。据雷锋网了解,除了以上几项之外,亚马逊还提交了多项尚未获批的专利申请。 雷锋网原创文章,未经授权禁止转载。详情见转载须知。 via: https://www.leiphone.com/news/201711/EsqtxZ6Q2WbTYqrR.html

 

视觉 算法 语音 自然语言处理
「中关村发布人工智能产业培育行动计划」 本报讯 近日,中关村管委会发布了《中关村人工智能产业培育行动计划(2017-2020年)》(以下简称《行动计划》)政策解读。 为深入落实《新一代人工智能发展规划》和《中关村国家自主创新示范区发展建设规划(2016-2020年)》,进一步发挥中关村国家自主创新示范区示范引领和全国科技创新中心建设主要载体的作用,中关村管委会于9月底正式印发《行动计划》。 据了解,《行动计划》提出未来三年中关村在人工智能领域将形成超五千亿元产业规模,初步形成具有国际竞争力和技术主导权的人工智能产业集群。 《行动计划》将人工智能产业概括为人工智能芯片及传感器,操作系统和基础软件,计算机视觉、语音识别、自然语言处理、生物特征识别、新型人机交互、自主决策控制等核心算法,细分行业应用及系统集成等领域。 据悉,《行动计划》是中关村积极落实国家战略、抢占前沿科技制高点的一项重要举措。中关村制定和发布《行动计划》,是对国务院今年7月发布的《新一代人工智能发展规划》(国发〔2017〕35号)的有力呼应,更是在用实际行动响应十九大关于“推动互联网、大数据、人工智能和实体经济深度融合”的要求。 《行动计划》也是中关村引领国内人工智能产业快速发展的一个指导性文件。《行动计划》作为中关村人工智能领域的产业政策文件,对未来三年中关村发展人工智能产业的思路、目标、重点任务和保障措施等进行了系统的规划和部署。未来,中关村将重点支持五类关键核心技术。 《行动计划》提出了“5566”重点任务布局,即着力突破五类关键核心技术、建设五大开放创新平台、开展六项行业应用示范、实施六类政策,全力构建全球顶尖的产业生态。(斯峒) via: http://news.sciencenet.cn/htmlnews/2017/11/395607.shtm?id=395607

 

hom:机器之心   网页版 2017-11-30 15:44
深度学习 视觉 算法 行业动态 李飞飞 统计 智能汽车
「看车识党派:斯坦福大学李飞飞团队发表计算机视觉人口统计新方法」斯坦福大学的研究者们正在使用计算机视觉系统,利用谷歌街景图片上街边汽车的型号来识别给定社区的政治倾向,其识别准确率超过了 80%。这项研究的论文已发表在《美国科学院论文集》上,研究人员表示,新的研究不仅可以节省大量人力开支,也可以为人口统计任务提供前所未有的实时数据。 从奢华的宾利到经济家用的 MPV,再到实用的皮卡,每个美国人驾驶的汽车都或多或少是他们个性的外在表述。就像俗话说的:你就是你所开的汽车,斯坦福大学的研究人员正在把这一思想提升到新的高度。 通过计算机视觉算法,一群研究人员正在利用谷歌街景上数百万张公开图像展开分析。研究人员称,只要看看街边的停着的汽车,他们开发的算法就可以识别出社区的政治倾向。 李飞飞,斯坦福大学计算机科学教授 「通过使用这种易于获得的视觉数据,我们可以学习到众多社区的方方面面,而想要从人口普查中获知这些信息需要花费数十亿美元。更重要的是,新的研究打开了利用计算机视觉信息对社会进行探究的思路,」斯坦福大学计算机科学副教授,斯坦福人工智能实验室和斯坦福视觉实验室负责人李飞飞说道,她也是这一研究的参与者之一。 作为著名图片数据集 ImageNet 的发起人,李飞飞是计算机视觉和深度学习的著名学者。在众多研究人员的努力下,人工智能在今天已经可以从二维图片中识别三维物体——计算机可以看到并识别它所见到的东西。 在李飞飞等人的研究下,新的算法通过谷歌街景中 200 个美国城市的超过 5000 万张图片进行学习,并在自我训练过程中学会了识别自 1990 年以后所有汽车的品牌、型号与出产年份。 汽车的类型和地址随后会与(目前最为全面的人口数据库)美国社区情况调查和美国总统投票结果数据相匹配,以评价种族、受教育程度、收入以及投票倾向。 李飞飞和她的团队发现汽车、人口统计与政治倾向上存在简单的线性关系。这种社会学关联「简单而有力」,该研究的论文《Using deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States》刚刚发表在《美国科学院论文集》上。 例如,如果一个社区路边轿车的数量大于皮卡,那么这个社区有 88% 的几率倾向于民主党。而与之相反的社区有 82% 的几率倾向于共和党。 及时与连续 除了对于政治倾向的见解之外,研究人员相信他们的算法能够为目前的人口统计学调查带来更多及时与连续的帮助。目前的「美国社区调查(American Community Survey)」采用挨家挨户的探访调查形式,每年都会花费美国政府超过 2.5 亿美元的费用。即便花费如此巨资,收集到的数据距离整理发表也要延迟两年甚至更久,在小城市和农村地区尤为如此。 相比之下,李飞飞的研究基于公开的,经常更新的数据集之上,由谷歌街景构建与投资,而生成分析结果的过程是近乎实时的。 「我认为这样的技术并不会替代 American Community Survey,但它可以作为一个补充,让数据实时跟进,」该论文的第一作者,李飞飞实验室的原成员 Timnit Gebru 这样说道。Gebru 目前是微软研究院人工智能组 Fairness Accountability Transparency and Ethics(FATE)的一名博士后。 Gebru 表示,要实现这样的成果并不容易。他们的研究团队首先对自 1990 年以来的所有汽车型号手动建立了一个图像数据集,对生产年、品牌、型号、不同配置分别进行标记,随后才开始训练计算机从模糊的图片中区分这些车型的细微差别。 细微的差异 他们从来自汽车销售网站 Edmunds.com 的一个包含 15,000 辆汽车的数据集开始。接下来人类专家需要将汽车根据细节一个接一个地分类。例如,本田雅阁的 2007 年版本和 2008 年版本的差异,只是一个几乎无法察觉的尾灯变化。 该算法运行得很快,只需要两周时间就可以将全部 5000 万张图像根据品牌、型号和出产年份分为 2657 个类别。相比之下,一个人以每分钟 6 张图像的速率工作,需要 15 年才能完成这个任务。 面对其他人对该研究提出的质疑,Gebru 说。他们指出图像拍摄时间的不一致性可能会影响交通模式和汽车型号组成。「实际上,」Gebru 补充道,「很多街景图像是在清晨拍摄的,这样可以避开交通高峰,这一定程度上形成了拍摄时间的一致性。」即使忽略交通问题,Gebru 认为,这些图像仍然提供了有价值的信息。 旧金山居民区的谷歌街景图像(来源:谷歌街景) 「当驾车穿越一个地区的时候,有时候从交通密度获得的信息和从车辆类型获得的信息有相同的价值,」Gebru 说,「我们可以在算法中使用所有这些信息。」 Gebru 对她的新应用抱有很大的期待。她很期待不久以后,他们的新技术能够超越人口统计的范畴,使用视觉影像分析提高对难以直接接触的地区进行有意义的调查,比如监控二氧化碳水平和缓解交通拥堵。 李飞飞对此表示同意,「这项技术可以帮助我们理解我们社会的运转方式、人们的需求和提高生活的方法。」 论文:Using deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States 论文链接:http://www.pnas.org/content/early/2017/11/27/1700035114.abstract 摘要:美国每年需要花费超过 2 亿 5000 万美元在美国社区调查(American Community Survey,ACS)上,这是一项劳动密集型的门到门研究,测算关于种族、性别、教育、职业、失业和其它人口统计因素的统计学结果。虽然拥有综合的数据资源,人口变化和在 ACS 中的记录之间往往有着超过两年的时间差。随着数位影像学的普及和机器视觉技术的进步,自动化数据分析在实践中越来越有望成为 ACS 的补充。在本论文中,我们提出了一种方法,可以通过使用由谷歌街景车搜集的 5000 万张街景图像,评估跨越 200 个美国城市的区域的社会经济学特征。使用基于深度学习的计算机视觉技术,我们决定监控和统计(谷歌街景车跨越)特定区域时遇见的所有汽车的品牌、型号和出产年份。汽车统计的数据(总共包含 2200 万辆汽车,占全美汽车量的 8%)可以用于准确地估计收入、种族、教育,和邮政编码层次、选区层次的投票模式(美国的选区平均包含约 1000 个人)。得到的结果非常简单而有力。例如,如果在驾车穿越一个城市的过程中遇到的轿车数量比皮卡的数量多很多,该城市更可能在下次总统选举中把票投给民主党(88% 的几率)。反之,该城市更可能投给共和党(82% 的几率)。我们的结果表明监控人口统计数据的自动化系统具备高空间分辨率测量人口统计数据的潜能,接近实时监控的程度,可以作为劳动密集型方法的有效补充。 via: https://www.jiqizhixin.com/articles/2017-11-30-7

 

hom:机器之心   网页版 2017-11-30 14:27
算法 Bill Coughran Brendan Dickinson Isaac Chuang Michel Devoret Robert Schoelkopf Roger Kisby Todd Holmdahl 樊晓芳 行业动态
「耶鲁教授与谷歌和 IBM 赛跑,争造世界上第一台真正意义的量子计算机」编译 | 樊晓芳作者 | CADE METZ  图为在耶鲁大学实验室中的 Robert Schoelkopf 教授。Quantum Circuits 是他与其他两位教授一同成立的量子计算创业公司。图片由纽约时报 Roger Kisby 拍摄。 Robert Schoelkopf 教授身处进军世界上第一台通用量子计算机的各路大军的前列。这样的机器,一旦被建造出来,似乎将使用量子力学的神奇魔力解决当今计算机从未能解决的问题。 当前科技世界中三大巨头——谷歌、IBM 和英特尔 —— 都使用这位耶鲁大学 Schoelkopf 教授和少数其他物理学家开创的方法,他们竞相建造这样能大幅加速从药物研发到人工智能的机器。同样,硅谷创业新秀 Rigetti Computing 也做着同样的事。到此为止,这四个量子项目还有一个共同的竞争对手:Robert Schoelkopf。在看到自己在量子计算方向的研究工作帮助推动了许多其他人的研发工程后,Schoelkopf 先生和其他两位耶鲁教授成立了他们自己的量子计算公司,Quantum Circuits。 这家公司就位于纽黑尾市距离耶鲁大学不远的地方,并于近日接受了红杉资本和其他风投基金联合投资的 1,800 万美金 A 轮投资。其成立似乎预示着量子计算这个近几十年都是世界顶级计算科学家的梦想很快就要成真了。 「在过去的几年中,我们和身边的科学工作者很明显地感受到我们已具备足够的理论知识来建造一台可用的量子计算机。」Mr. Schoelkopf 说道,「我们是可以将这项技术商业化的。」 量子计算系统比较难懂,因为他们的构造与我们现实生活万物的行为大相径庭。但这也意味着这种反直觉的行为使得量子计算机能够以传统经典计算机无法实现的速度进行计算。 当今的计算机将信息存在「比特」中,每个晶体管都处于 1 或者 0 的状态。但正因为拥有叠加态的特征,「量子比特」可同时存储 1 或 0 或者中间任意形态。量子比特的这个行为可由亚原子粒子(如光的最基本粒子光子和电子)展现。这意味着两个量子比特可以同时存储 4 个值,并随着量子比特数量的增加,量子计算机的计算能力会以指数级增长。 Todd Holmdahl 是微软量子项目的负责人,他眼中的量子计算机是一台可以帮助任何人在任何迷宫中瞬间找到方向的机器。他说,「一台传统计算机在寻找路时是一条条路地去尝试,一条路行不通就再换另一条,但量子计算机是可以同时尝试所有路的。」 但问题就在于,要在量子系统中将信息存上一段时间是非常困难的,这种短「相干时间」就会导致计算机制的混乱和计算结果的错误。但在过去二十年间,Mr. Schoelkopf 和其他物理学家致力于使用超导电路来解决这个问题。他们从在温度极限时可以展现量子属性的材料中制造了量子比特。 通过这个技术,他们已表明,每隔三年左右,他们就可将相干时间提高 10 倍。这被戏称为「Schoelkopf 定律」,就像表示「计算机芯片的晶体管数量每隔两年就会加倍」的「摩尔定律」;而「Schoelkopf 定律」则更像是针对「摩尔定律」的一首俏皮的颂歌。  图为 Schoelkopf 教授(左边)和 Michel Devoret 教授(右边)正在调试一个可以将温度降到极限低来运行量子计算部件的设备。图片由纽约时报 Roger Kisby 拍摄。 「『Schoelkopf 定律』的诞生仅仅源于一个笑话,但现在我们已在我们很多的研究工作中使用这个名词了。」麻省理工学院(MIT)Isaac Chuang 教授说道,「没人预料到这样的加速情况会发生,但效果提升的确是指数级别的」。 超导电路量子计算机已成为业内量子计算研究的主要方向。之前 Schoelkopf 教授的一个学生现在正牵头 IBM 的量子计算项目。Rigetti 计算的创始人此前也与 Quantum Circuits 的另一个创始人耶鲁大学的 Michel Devoret 教授一起学习过。 自从从加州大学圣芭芭拉分校(UCSB)挖了一队伍的顶级研究员后,谷歌在近几个月称其也很快就能使用超导量子计算的方式造出能实现「量子霸权」的量子计算机了。「量子霸权」是指量子机器能在解决某些问题上超越其他任何使用经典物理原理的机器。 其他物理体系的量子计算机在近期也有很大进展,例如微软,正押注任意子(anyons)。但超导电路似乎将成为第一个能看到成果的系统。我们相信量子机器会最终精确地分析物理粒子间作用力,这是现实无法做到,这也将大幅加速新药研发。谷歌和其他玩家也认为这些体系将大幅加速机器学习,而机器学习则是指教会电脑通过分析数据或从有一定行为的实验中学习结局问题的经验。 一个量子计算机能够破解保护世界上最隐秘的企业和政府数据的加密算法。因此,包括创业公司 Quantum Circuits 在内的众多企业竞相下注量子计算也不为过了。 对于小玩家来说,建立软硬件全齐备的量子计算机比较困难,因为各类巨头公司已经投入重金来解决这个问题。但即时在这样复杂和需大量资金投入的研发领域,创业公司也拥有他们自己的优势。 「一个拥有卓越人才的小团队也可以去做卓越的事。」Bill Coughran 说道。Bill Coughran 曾帮助监督谷歌互联网基础设施的建设,现作为红杉资本的合伙人投资了 Schoelkopf 教授的公司。「我还没有看到大公司的大团队能做出什么很有颠覆性的创新。」 尽管 Quantum Circuits 是使用与巨头竞争对手同样的量子方法,Mr. Schoelkopf 则表示其公司是具备以不同方式解决问题的优势。不同于建造一个大量子机器,Quantum Circuit 正建造一群能组装链接起来的小机器。他称,这将有助于实现量子计算中的纠错机制,而纠错机制是建造大型复杂量子计算机的重要问题之一。 尽管每一家巨头公司都称其具有一定优势,并且即使距离其机器面世还差很长一段距离,仍已开始大肆宣扬其进展。 Coughran 先生称他和红杉资本认为 Quantum Circuits 将会成为一家能将量子计算机送到每一个需要量子计算的业务和研发人员手中的公司。另一位 Quantum Circuits 的投资人,来自早期风险投资基金 Canaan 的 Brendan Dickinson 则称如果公司能像这家公司这样建造一个可用的量子机器,将很快成为抢手的收购目标。 「大型量子计算机的赋能潜力是惊人的强大。」Dickinson 先生说道,「它将解决我们现在没法想象的问题。」  原文链接:https://mobile.nytimes.com/2017/11/13/technology/quantum-computing-research.html?referer=https://t.co/hHrRRTD8L2?amp=1&from=groupmessage via: https://www.jiqizhixin.com/articles/2017-11-30-5

 

燕北新媒体   网页版 2017-11-30 10:30
应用 机器人
【现实版“钢骨”(Cyborg):能与用户动作同步的T-HR3机器人亮相】刚刚于东京举行的2017年国际机器人展览会上,丰田发布了最新T-HR3机器人,用户可以通过HTC Vive头显获得机器人的视野,再通过Vive Trackers将自己的动作同步给机器人,控制它的“眼睛”和“肢体”来感知世界,包括单脚站立、拿起物体…全文: http://m.weibo.cn/1711479641/4179731060353990

 


回复