谷歌以2500万美元的资金为社会意识的人工智能技术提供动力

你很难在今天谈论技术,但在某些时候没有提到人工智能(AI)。该技术具有塑造和改善我们的工作和个人生活的巨大潜力,但对于所有专业人士,一些人仍然担心缺点。关于失业的谈论是人工智能使用增加的结果,我们应该关心吗?

如果要相信分析公司Gartner的预测,也许不是。据估计,人工智能将减少180万个就业岗位。这是坏消息。好消息是人工智能还将负责到2020年创造230万个就业岗位。事实上,Gartner认为“2020年将是人工智能相关就业动态的关键一年。”

“过去许多重大创新都与临时失业的过渡期有关,其次是复苏,然后是业务转型,人工智能可能会遵循这条路线,”Gartner研究副总裁Svetlana Sicular表示。

“不幸的是,大多数失业的工作损失警告都会让人工智能与自动化混淆 - 这会让人工智能的最大好处 - 人工智能增强 - 人工和人工智能相结合,两者相辅相成。”

通过下面的中心了解所有最新的AI新闻。

最新的AI新闻

13/05/19:谷歌以2500万美元的资金为社会意识的人工智能技术提供动力

谷歌向一系列使用机器学习和人工智能技术应对社会挑战的组织提供了价值2500万美元的赠款。

这家搜索巨头已经为美国的雨林连接提供了这笔巨额资金的一部分,它将利用机器学习来分析传感器和音频数据,以检测与非法采伐相关的声音,以及危机文本线,它提供了一种服务,使用自然语言处理来预测一个人何时抑郁,并采取行动以更快的方式帮助他们。

这一发现源自谷歌去年宣布的社会良好人工智能计划,据VentureBeat称,该计划共有来自119个国家的约2,600名申请者。

那些被认为值得获得部分赠款的组织将获得50万美元至200万美元的资金。

其他获得Google资助的人士包括纽约市消防部门,该部门通过与纽约大学合作,旨在利用人工智能技术减少响应约170万次紧急呼叫所需的时间。

与此同时,哥伦比亚的Colegio Mayor deNuestraSeñoradelRosario将利用其在资金中的份额利用计算机视觉技术和卫星图像来检测污染当地饮用水的非法采矿作业。

虽然谷歌在使用人工智能技术来增强其自身的服务和业务运营方面享有盛誉,但这笔资金充当了一个例子,该搜索巨头也希望看到用于造福社会及其自身及其客户的尖端技术。

26/10/2018:佳士得出售将“艺术”融入人工智能的肖像

一幅美丽而又神秘的画作以43.2万美元的价格在佳士得拍卖。主题的面部有些模糊,艺术家签名只是一种算法。

这是因为艺术家是一种算法。Edmond Belamy的肖像画是由人工智能创作的第一件艺术品,将在拍卖会上出售。

这幅画是一系列肖像画的一部分,描绘了由法国AI创业公司Obvious的艺术家和机器学习研究人员创作的虚构Belamy家族。

童年时代的朋友,Gauthier Vernier,Pierre Fautrel和Hugo Caselles-Dupre使用生成对抗网络(GAN)创作了这些作品。这是机器学习的模型,由Ian Goodfellow于2014年创建,它将两种算法相互竞争以进行培训。

该团队使用GAN模型创建了一系列11幅逼真肖像,全部采用70 x 70厘米的金色框架。姓氏“Belamy”是指Goodfellow,他创建了GAN模型 - Goodfellow大致翻译为法语中的“Bel ami”,算法签名是原始GAN模型的损失函数的公式。

从图像数据集中,生成器通过模仿风格来创建新图像,在本例中,是14至18世纪的绘画。机器继续在绘画上工作,直到第二台机器,称为“鉴别器”,无法区分所创造的艺术品和它所模仿的艺术品。

值得注意的是,所有肖像都有模糊的面孔和看似空白的背景,给更多文艺复兴风格的绘画赋予了现代感,但这并非无意识的。

“模型的一个属性是失真,”Caselles-Dupré说。“鉴别者正在寻找图像的特征 - 面部,肩膀 - 现在它比人眼更容易被愚弄。”

“我们在裸体和风景方面做了一些工作,我们也尝试用着名画家提供的算法集。但我们发现肖像提供了说明我们观点的最好方法,即算法能够模仿创造力。”

19/10/2018:Google Cloud类型的亲密接触

谷歌与美国宇航局的前沿开发实验室(FDL)合作,回答了宇宙的一个基本问题:我们一个人吗?

这家科技巨头的云计算部门正在与美国宇航局的应用研究计划合作,该计划旨在解决我们天空之外的挑战性问题。

今年夏天,特别是有一个问题要求与地球上最大的云计算提供商谷歌之一合作。帮助FDL的2018年天体生物学任务,该任务旨在模拟和分类太阳系太阳系外行星的可能大气,以寻找生命迹象。

“随着更强大的望远镜(如TESS)的出现,科学家将面临更大的挑战,处理将大量的图像和无线电数据送回地球,”谷歌应用AI部门技术总监马西莫马斯卡罗说。

“因此,拥有可以分析和解释所有这些数据中遥远行星位置的工具变得更加重要。我们很高兴能与NASA FDL合作回答这个基本问题:我们一个人吗?”

鉴于空间无限,对人类来说也是一个致命的环境,寻找外星人极具挑战性。再加上将人员和设备送入太空的巨大经济成本,加上该技术的局限性,很快就会发现寻找其他生命形式的规模。

然而,从望远镜观察太空的真空和它的世界也存在一个问题:数据。温度,大气压力和行星表面存在的元素的许多可能的排列可以影响可能在环境中生存的生命形式,并且它是相当大量的数据。

对此进行测试,由Google赞助的天体生物学任务使用了两种方法来研究这些遥远行星的生物学。第一组的重点是模拟行星的环境和大气特性,因为它们可能与地球不同。该团队在Docker容器中使用带有Atomos的Google Compute Engine来同时模拟这些行星环境的元素组成和压力等多个参数。

我们的目标是在太阳系外部的类似于地球的行星上辨别出大气动力学的广义生物学理论,以评估它们对外星人寄居的潜力。

第二组建立了机器学习算法,用于分析岩石或陆地系外行星(太阳系外的行星)。使用这个新工具,该团队开发了一个名为INARA的过程,该过程筛选望远镜提供的大量高分辨率图像数据集,以识别来自行星大气的光谱特征。

从本质上讲,谷歌已经从互联网搜索引擎转向太空搜索引擎,因为它有助于加速寻找超越银河系的生命。

24/09/2018:英国陆军用AI技术为未来的城市战场做准备

英国陆军已经试验了一种人工智能系统,可以扫描城市战场中隐藏的攻击者。

该技术由国防科学技术实验室(Dstl)和英国行业合作伙伴SAPIENT开发,使用自主传感器扫描敌对和复杂的区域,如城市,以预示潜在的危险并做出战术决策。

“这个英国体系在城市战场上可以充当自主的眼睛,”国防部长斯图尔特安德鲁说。“这项技术可以扫描街道上的敌人行动,以便部队可以准备好进行战斗,更快,更可靠地了解躲在拐角处的攻击者。

“投资数百万像这样的先进技术将使我们在未来的战斗中占据优势。它还使我们处于一个非常有利的位置,可以从我们的盟友开展的类似项目中受益,因为我们都在努力建立一个更加安全的世界。“

该技术已在加拿大进行试验,士兵参加了在蒙特利尔举行的模拟城市战场的有争议的城市环境实验(CUE 18)。有些传感器在地面上使用,而其他传感器直接放在士兵身上。

超过150名政府和工业科学家在这座城市与超过80名加拿大军队进行了为期三周的合作,最终在一个名为Silo 5的工业区进行了复杂的演习,这是一个靠近历史悠久的旧城区的大型废弃粮食店。

英国系统与其他国家的一系列实验技术一起展出,如外骨骼套装,夜视和监视系统,并将在英国进行试验。

目前的在职技术需要部队从CCTV型系统中提供现场直播,但国防部表示,SAPIENT技术将释放部队并减少冲突地区的人为错误。

这个人工智能系统是由Dstl和InnovateUK共同资助的五年研发成果。Dstl的首席执行官Gary Aitkenhead说:“这是我们世界领先的专业技术的最好例子。我们的科学家与我们的伙伴国家合作,为我们现在和将来的军事人员开发最好的技术。“

19/09/2018:Waitrose与初创公司的AI平台合作,试运行两小时

超市巨头Waitrose&Partners已经开始使用创业公司的AI平台在伦敦试行两小时的送货服务。

通过交付公司CitySprint Group分拆,使用机器学习梳理十年的数据以优化交付路线,并增加容量。

Waitrose的新试验包括当天和两小时的送货服务,最初将涵盖SW5,SW6,SW10,WC1,WC2,EC1,CR5和CR8。根据其成功或失败,可能基于有多少客户使用该服务,超市将考虑进一步推广。

“试验使我们能够在我们的心脏地带遇到大量客户,”Waitrose&Partners的业务开发负责人Richard Ambler告诉 IT专业人士。

“我们尚未确定试用的结束日期,因为我们希望在探索后续步骤之前获得尽可能多的反馈。

“试验将使我们了解需求,并确保我们最好地满足未来可能使用此服务的客户的需求。”

属于试验范围的客户可以在以5英镑的费用下订单后不久向他们发送超过1,500种Waitrose产品。

Waitrose将利用该公司的5,000名信使,他们使用货车和货车减少排放,并遵循人工智能燃料平台的指导,该平台处理十年的数据以提高性能。

点上说它的系统通过机器学习模型使用智能预测算法来优化路线并实时响应需求。也可以根据预先配置的参数设置自动调度。

“自从与On the dot合作以来,Wickes及其服务Wickes Hourly已经承担了15,000多次交付,”一位发言人说。

“对于使用Wickes Hourly的客户,在选项可用时订购的客户中有40%选择当天发货。

“利用其现有的零售区域并扩大其覆盖范围,Wickes Hourly交付完成距离不到一英里,或距离Wickes全国220家商店的最远距离15英里。”

到目前为止,该系统已被100多家客户采用,包括ASOS,Currys PC World和Dixons。

17/09/2018:麻省理工学院使用机器学习来填补视频帧之间的空白

美国麻省理工学院的研究人员已经设计出一种方法来帮助人工智能系统通过添加额外的视频帧来预测物体的运动。

对于人类而言,对物体如何移动的这种推断在某种程度上是隐含的,但对于AI来说,这是一个与之斗争的概念。如果显示三个罐子翻倒的框架,第一个框架有整齐堆叠的罐头,第二个框架用手指在底座上,第三个框架用罐头翻倒,人类可以快速推断出手指对罐头负责翻倒。但计算机无法进行逻辑推断。

然而,在麻省理工学院计算机科学与人工智能实验室的一篇论文中,研究人员创造了一种称为时间关系网络(TRN)的东西,它可以在不同时间学习视频中对象的变化。

“我们建立了一个人工智能系统来识别物体的变形,而不是物体的外观,”该报的第一作者Bolei Zhou告诉麻省理工学院新闻。“系统不会遍历所有帧 - 它会拾取关键帧[原文如此],并使用帧的时间关系识别正在发生的事情。这提高了系统的效率,使其准确实时运行。“

研究人员在三个数据集上训练了称为卷积神经网络的技术。由TwentyBN公司建造的第一个名为Something-Something的数据集在174个动作类别中拥有超过200,000个视频,例如戳一个物体,因此它会翻倒或抬起一个物体。第二个数据集Jester包含近150,000个视频,其中有27种不同的手势,例如竖起大拇指或向左滑动。第三个是由卡内基梅隆大学研究人员建造的Charades,拥有近10,000个视频,共有157项分类活动,如自行车或打篮球。

研究人员随后将该技术设置为处理视频文件,处理有序帧 - 分为两组,三组和四组 - 间隔一段时间。然后,它通过学习活动分配物体运动的概率,例如撕裂或折叠纸张。

通过培训,该技术可实现Jester数据集的95%准确性。鉴于帧数有限,它在预测活动方面的表现也优于模型。在处理了前25%的帧之后,模块实现了比基线模式高几个百分点的精度。

该团队现在计划通过实现对象识别和活动识别,以及添加“直观物理” - 即理解对象的真实世界属性来提高技术的复杂性。

“因为我们知道这些视频中的很多物理,我们可以训练模块来学习这些物理定律,并用它来识别新视频,”周说。“我们还开源所有代码和模型。活动理解是目前令人兴奋的人工智能领域。“

13/09/2018:Trainline转向推特和人工智能,提醒乘客注意铁路中断

Trainline正在使用人工智能为通勤者提供有关其日常通勤的实时信息。

该公司已将警报自动引入其Google智能助理语音应用程序,该应用程序可向客户提供有关其旅程实时更新或中断的个性化消息。

Trainline的数据科学家使用自然语言处理和机器学习来分析列车运营商的Twitter账户数据。通知系统首先通过自动分类推文的重要性来工作。然后,它使用第二层上下文评分,计算中断影响的站点,以及这将如何影响每个单独的列车。此信息用于允许铁路用户查看哪些线路,轨道和铁路服务中断。

一旦确定了消息的内容和重要性,AI就可以自动将其与个人旅程相匹配。Trainline表示,目前处于测试阶段的这些警报将在“通过国家铁路数据源提供此数据之前”通知中断。

除了实时警报,客户还可以查看中断的历史记录,以便他们可以看到它的规模,启动时间,展开方式以及解决方法。

根据Trainline产品高级总监Dave Slocombe的说法,通过创建可以读取列车运营商推特信息共享信息的AI,“我们能够克服从各种不同来源快速收集数据的关键挑战”。

“这是Trainline如何利用人工智能,大数据和语音技术的力量为旅行者提供更顺畅的体验的另一个例子,”他补充道。

Trainline的中断通知现在可以通过Google智能助理通过Google智能助理通过询问“与Trainline对话”获得。关于该应用是否正在转向亚马逊的Alexa,没有任何消息。

21/08/2018:AI技术是2018年最大的技术趋势之一

据分析公司Gartner称,人工智能技术,如深度神经网络和虚拟助手,是今年新兴的技术趋势。

在其年度炒作周期中,列出了2018年的新兴技术趋势,“民主化”人工智能 - 大众可用 - 目前正处于“夸大预期的高峰期”。

研究副总裁迈克沃克说:“代表民主化人工智能的技术占据了Hype Cycle的五个部分中的三个部分,其中一些部分,如深度神经网络和虚拟助手,将在未来两到五年内达到主流应用。”在Gartner。

“该类别的其他新兴技术,如智能机器人或人工智能平台即服务(PaaS),也正在迅速通过炒作周期接近高峰,并很快就会越过它。”

炒作周期将技术的期望与当前的轨迹进行比较。从创新到最高期望和幻灭,再到图表所谓的“生产力平台”。最后阶段没有列出任何技术,但每个技术都有一个估计的时间范围来达到它。例如,仍处于创新阶段的飞行自动驾驶汽车预计不会在10年内达到生产。

然而,根据Gartner的说法,人工智能技术将在未来10年内随处可见,因为它们对大众来说更容易获得。它表示,云计算和开源等运动最终将把AI交给大家。

Gartner表示,许多被列为高峰期预期的技术估计会在五到十年内达到生产力,例如自动移动机器人和智能工作空间,这会破坏企业及其运营方式。

“业务和技术领导者将继续面临快速加速的技术创新,这将极大地影响他们与员工的互动方式,与合作伙伴协作,并为他们的客户创造产品和服务,”Walker补充说。

“首席信息官和技术领导者应该一直在扫描市场,同时评估和试验新兴技术,以确定具有高影响潜力和战略相关性的新业务机会。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。