導讀

• 華為豪擲3.3億劍橋買地，自建光芯片工廠

• 蘋果春季發布會無硬件發布，轉型之心迫切

• 比特大陸IPO失敗，組織架構調整，王海超任CEO

• 特斯拉起訴小鵬汽車員工竊取商業機密

• 英偉達發布GauGAN，線條色塊秒變逼真圖像

• 用機器學習防止偷獵，保護生物多樣性

• 語言模型可能比你想象的更聰明

• 佐治亞理工學院研發出無人機和人類合作滅火算法

• 谷歌發布新基準Audio de-ID，讓音頻日志去個人信息更容易

• gym-gazebo2發布，可測試強化學習算法性能

華為豪擲3.3億劍橋買地，自建光芯片工廠

近日，華為創始人任正非日前在接受BBC采訪時稱，華為計劃在英國劍橋大學建設芯片工廠，占地500英畝，在愛丁堡等地建立芯片研究中心，其中100英畝計劃設立研發部門和園區。他還表示，如果美國不信任華為，華為將更大規模地把投資轉到英國。

最近幾個月，在美國“壓力”之下，斯坦福和牛津等多所美英精英大學先后取消了與華為的聯系，并拒絕接受華為資助。“我們與大學的合作，尤其在基礎研究方面，不僅不會停止，還會增加，”華為董事徐文偉在接受采訪時表示。他首次披露華為每年在資助及與大學建立合作關系方面的支出超過3億美元。

據了解，光芯片即光通訊模組，是光器件的核心元件，基于受激輻射原理，主要用于光電信號轉換等。在光通信建設中，光器件、光模塊代表著光通信行業的核心競爭力，并在5G傳輸網絡擴容中擁有廣闊市場。

“在光芯片上，我們是領導全世界的，我們建工廠就是為了將來出口到很多國家去。我們英國工廠可以接受英國的監控，經過英國監控的芯片賣到西方國家，為什么不可以呢？這樣就不在中國生產了。中國也生產芯片，可能只賣到中國和一些相關能接受的國家去。” 任正非說。

蘋果春季發布會無硬件發布，轉型之心迫切

3月26日，蘋果在史蒂夫·喬布斯(Steve Jobs Theater)劇院舉行春季特別活動——好戲開幕(It’s Show Time)。在兩個小時的發布會期間，蘋果沒有發布任何一款硬件產品，而是連續推出了新聞、信用卡、游戲、電視和原創內容流媒體等五項服務平臺產品，從中可以看到起轉型的迫切心情。但是由于監管和市場等原因，這些新服務大多只面向北美市場，暫時都和中國市場無緣。

在會上，蘋果推出5項服務平臺產品，分別是：

• Apple News+：每月9.99美元無限閱讀的新聞訂閱服務，其中包括了300多本知名報刊雜志；

• Apple Card：蘋果聯合高盛和Mastercard，在Apple Wallet應用中推出Apple Card虛擬信用卡（也有實體卡），無需年費也沒有各種手續費（通過Apple Pay返現2%，從蘋果購物返現3%，實體卡返現1%），更有消費數據分析功能。蘋果信用卡將于今天夏天正式發布。

• Apple Arcade：游戲訂閱服務Apple Arcade，玩家可以以訂閱價格享用100多款新游戲和獨家游戲（具體價格尚未公布）。

• Apple TV Channels：流媒體電視訂閱服務，用戶可以根據各自需求喜好訂閱不同的視頻內容服務，價格尚未宣布。

• Apple TV+：原創內容視頻平臺Apple TV+，為此蘋果還請來了斯皮爾伯格、奧普拉、安妮斯頓、杰森·莫瑪（Jason Momoa）等諸多炙手可熱的一線好萊塢明星，到發布會現場助陣。

上述游戲和流媒體服務將于今年5月上線。

比特大陸IPO失敗，組織架構調整，王海超任CEO

比特大陸周二發布內部信，表示這一輪IPO申請將于近日失效，但不會放棄上市，未來在合適的時間還將重啟上市工作。同時，比特大陸還宣布了組織架構調整，王海超擔任公司CEO，詹克團繼續擔任公司董事長，吳忌寒繼續擔任公司董事。

內部信中，比特大陸重新審視了公司的業務：聚焦在數字貨幣和人工智能芯片以及基于此的產品和服務；成立了螞蟻礦機、算豐芯片、AI算力、螞蟻礦池、BTC.COM、自營算力等業務線。

特斯拉起訴小鵬汽車員工竊取商業機密

近日，特斯拉在舊金山聯邦法院提起訴訟，指控其自動駕駛團隊的前工程師曹光植竊取特斯拉自動駕駛系統Autopilot的源代碼。2018年，曹光植從特斯拉離職并加入小鵬汽車。

3月22日，小鵬汽車針對上述訴訟做出了回應。小鵬汽車方面表示，在曹光植入職前后，小鵬汽車都沒有發現存在特斯拉所聲稱的任何可能違規行為。目前，小鵬汽車已針對此事啟動進一步調查。

緊接著，小鵬汽車創始人何小鵬發聲回應稱，特斯拉和小鵬汽車都是創新公司，都在針對自動駕駛做自主研發，只有競爭才會使技術進步，用戶受益。

英偉達發布GauGAN，線條色塊秒變逼真圖像

近日，英偉達推出圖像生成軟件GauGAN，可以把線條和色塊自動生成逼真的圖像，以假亂真。

預印本論文地址：https://arxiv.org/pdf/1903.07291.pdf

在訓練數據上，英偉達利用Flickr上的100萬張圖像來訓練神經網絡。這款軟件可以合成數十萬個對象及其與現實世界中其他對象的關系。

這項成果背后的黑科技是空間自適應的歸一化，這種條件歸一化通過空間自適應學習轉換使用輸入語義布局來調制激活，可以在整個網絡中有效地傳播語義信息。

目前，為了獲得實時結果，GauGAN必須在Tensor計算平臺上運行。不過，英偉達應用深度學習研究副總裁Bryan Catanzaro表示，未來經過一些修改后，GauGAN可以在幾乎任何平臺上運行，包括CPU上，但生成的結果可能需要幾秒鐘時間才能顯示。

用機器學習防止偷獵，保護生物多樣性

南加州大學、生物多樣性關鍵區秘書處、世界自然基金會、野生動物保護協會和烏干達野生動物管理局的研究人員和工作人員利用機器學習提高了護林員防止偷獵的效率。

該項目由南加州大學與烏干達、柬埔寨易受偷獵地區的護林員合作，分析了偷獵事件的歷史記錄，并建立預測模型，以預測可能的偷獵地點。

結果令人鼓舞：研究人員在烏干達伊麗莎白女王國家公園（QENP）進行系統早期測試后，繼續在烏干達默奇森瀑布國家公園（MFNP）和柬埔寨的Srepok野生動物保護區（SWS）進行系統測試。在MFNP，護林員利用該系統檢測到38個地點發生偷獵。此外，觀察結果顯示”在高風險地區獵活動數量最多，在低風險地區最少”，這表明研究人員開發的算法正在學習有效的模式。研究人員還在柬埔寨的SWS公園中部署了該模型，并再次觀察到被歸類為高風險的算法區域具有較高的偷獵率。

影響：為了了解這種技術的影響，我們將現場測試的結果與護林員的典型觀察結果進行比較。

在2018年的柬埔寨SWS公園中，護林員每個月沒收的陷阱平均數量為101，相比之下，在使用機器學習系統的當月，他們清除了521個陷阱。

重要性：機器學習方法使我們能夠為世界構建感知和響應基礎設施，隨著這些技術的樣本效率和準確性提高，我們將能夠更好地構建可以幫助我們進行管理的系統。將機器學習用于保護生物多樣性令人深感欣慰。

：趕走偷獵者：在不確定性下進行非法野生動物偷獵預測和巡邏規劃現場測試評估（https://arxiv.org/abs/1903.06669）。

語言模型可能比你想象的更聰明

“NeuroSpin中心”認知神經影像部門、Facebook AI研究院和阿姆斯特丹大學的研究人員分析了在較長時間尺度上對語言結構建模的能力時，LSTM如是何跟蹤某些類型信息的。作者寫道，這個分析的目的是探索“這些通用序列處理設備是否可以在其訓練數據中發現語言的真正結構特性，或者是否可以通過基于機會主義表層模式的啟發來解釋”。

研究人員研究了一種預訓練模型，“它由650維嵌入層，兩個650維隱藏層和一個詞匯量為50,000的輸出層組成”。他們在一組被稱為“數字協議任務”中評估這個模型，設置難度逐漸提高，來測試主謂一致性。

有時會聚集在一起的神經元：在分析過程中，他們注意到LSTM已經開發了“兩個’祖母’單元，用于跨越干擾介質，將數字特征從主語傳遞到動詞”。他們發現，這些單元有時會幫助網絡在特定的棘手情況下作出決定：“當主語和動詞接近時，LSTM會用更加分散的機制來預測數字，而祖母數字單元只在更困難的遠距離情況下才發揮關鍵作用“。

他們還發現，其中一個單元會“編碼嵌入式短語的存在，該短語將主要分離主謂依賴關系，并且與長距離數字單元具有較強的傳出聯系，這表明網絡依賴于真正的句法信息來調整一致性特征滲透”。

重要性：“值得注意的是，簡單地在原始語料庫數據的語言模型目標上訓練LSTM會導致單個單元攜帶特殊的語言信息。我們發現，其中三個單位形成一個高度互動的本地網絡，構成了執行長距離數字一致性的“神經”電路的核心部分。“他們寫道。LSTM語言模型中的一致性不能完全由表層啟發式解釋，并且網絡在某種程度上學會了構建和利用基于結構的句法表示，類似于那些推測支持人類句子處理的表達。”

最有趣的是，當訓練這些網絡時，出現了明顯的復雜性，似乎驗證了關于相對簡單的網絡的能力的一種說法——給定足夠的計算力，就會開發出非常復雜的功能。

：LSTM語言模型（Arxiv）中數字和語法單元出現（https://arxiv.org/abs/1903.07435）。

佐治亞理工學院研發出無人機和人類合作滅火算法

佐治亞理工學院的研究人員開發了一種算法，可以讓人類和無人機合作滅火，無人機可以從大火上方分析火災，并將這些信息傳遞給消防員。他們寫道：“這個算法通過準確估計潛在火焰傳播動力學來克服現有工作的局限性，從而實現無人機智能協調，以支持地面人類消防員。”

研究人員使用FARSITE軟件模擬野火火勢蔓延，該軟件已被美國國家公園管理局和林務局廣泛使用。他們使用自適應擴展卡爾曼濾波器（AEKF）來預測火災可能蔓延到的地方。他們開發的基本系統可以進行模擬，以協調無人機和人類的行動，使無人機學會智能地告知人類有關火焰蔓延的信息。他們還部署了一個“人類安全模塊”，可以預測人類的安全程度，以及隨著時間變化，他們所在的地點是否仍然安全。

重要性：我認為在未來十年內，我們將會看到人類和無人機團隊共同應對野火或建筑火災變得更加普遍，這樣的論文展示了我們可以如何使用自適應軟件系統來提高救援人員的安全性。

：人類—機器消防隊的安全合作（https://arxiv.org/abs/1903.06847）。

谷歌發布新基準Audio de-ID，讓音頻日志去個人信息更容易

醫療數據是機器學習研究人員最難獲得的數據類型之一，因為它包含了太多個人身體健康信息。這意味著，人們需要研發工具從醫療數據中刪除這些個人信息，以便人們可以在其之上構建二級應用程序。另一方面，近年來越來越多的醫療服務實現了數字化，導致數字醫療相關數據量的增長，我們需要從中把個人信息刪除，才能用于機器學習研究。

現在，谷歌的研究人員正試圖通過發布Audio de-ID，在音頻領域解決這個問題。這是一個衡量取消識別音頻日志成功率的新指標，也是評估系統的評估基準。該評估基準測試了谷歌的數據集模型，該數據集由“Switchboard”和“Fisher”數據集組成，包含在數據中標記和打上標簽的個人健康信息（PHI），并挑戰了模型自動從數據集中切割個人身份信息。

從音頻日志中提取個人信息：從音頻日志中刪除個人身份信息是一項棘手的任務。谷歌的pipeline工作原理如下：“首先使用[音頻語音識別]從音頻生成轉錄，通過運行基于文本的[命名實體識別]標記，然后使用ASR（自動語音識別技術）確定的對齊的標記邊界編輯[個人健康信息]。我們的標記器依賴于最先進的技術來解決識別音頻轉錄本中的實體音頻NER（命名實體辨別）問題。我們利用可用的ASR技術，并將其對齊組件用于音頻。

重要性：論文中的（初步）基準測試結果表明，音頻語音識別性能是“實現與文本de-ID大致相當結果的主要障礙”，這表明，開發出更強大的ASR模型，我們自動清理數據集的能力將提高，并將其用于更多任務。

數據集：https：//g.co/audio-ner-annotations-data（目前顯示404）

：音頻去個人信息：新的實體識別任務（https://arxiv.org/abs/1903.07037）。

gym-gazebo2發布，可測試強化學習算法性能

Acutronic Robotics的研究人員發布了gym-gazebo2軟件，人們可以用它來開發和比較強化學習算法在“ROS 2”和“Gazebo”軟件平臺上模擬的機器人的性能。Gym-gazebo2包含仿真工具、中間件軟件和’MARA’機器人的高保真模擬，由Acutronic Robotics開發。

Gym-Gazebo2組成部分：該軟件由三個主要軟件組成：ROS 2、Gazebo和Gym-Gazebo2。Gym-Gazebo2可以通過docker容器安裝，這樣可以簡化設置。

MARA，MARA，MARA：最初，Gym-Gazebo2有四種環境，基于Acutronic Robotics的Modular Articulated Robotic Arm（MARA）系統。這些環境是：

• MARA：將抓手移動到目標位置agent獲得獎勵。

• MARA Orient：將抓手移動到目標位置和特定方向代理獲得獎勵。

• MARA碰撞：和MARA獲得獎勵的方式相同，但如果機器人與任何東西發生碰撞，則會受到懲罰。

• MARA Collision Orient：代理獲得獎勵的方式與MARA Orient相同，但如果與任何東西發生碰撞，將受到懲罰。

  （值得注意的是，這些環境非常非常簡單：真實世界的機器人任務往往涉及更多的多步驟場景，通常還有其他約束。但是，這些環境可能有助于在開發早期驗證給定方法的性能。）

免費算法：除了gym-gazebo2之外，Acutronic Robotics還發布了一系列算法ros2learn（基于OpenAI Baselines），以及一些預先構建的實驗腳本，用于在’MARA’上運行PPO、TRP和ACKTR等算法機器人平臺。

重要性：機器人技術即將被AI徹底改變。隨著全球研究人員多年研發，深度學習技術日趨成熟，可以應用于機器人來解決以前不可能或非常昂貴且編程復雜的任務。像gym-gazebo2這樣的軟件可以讓我們更容易地在高保真模擬中驗證算法。

ros2learn GitHub代碼：

https://github.com/AcutronicRobotics/ros2learn/tree/master/experiments/examples/MARA

gym-gazebo2 GitHub代碼：https://github.com/AcutronicRobotics/gym-gazebo2

：gym-gazebo2，一個使用ROS 2和Gazebo（Arxiv）進行強化學習的工具包（https://arxiv.org/abs/1903.06278）

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周報里看到更多有趣的內容，請發送郵件至：jack@jack-clark.net。

參考鏈接：

https://jack-clark.net/2019/03/25/making-better-healthcare-ai-systems-via-audio-de-identification-teaching-drones-to-help-humans-fight-fires-and-why-language-models-could-be-smarter-than-you-think/