MolarData| AI领域资讯速递

MOLAR NEWS

2021年第2期

MolarData人工智能每周见闻分享，每周一更新。

机器人用上AI后，拥有了堪比人类皮肤的触觉：轻松引线穿针、夹取鸡蛋

香港城市大学、香港大学、CMU和南方科技大学的科学家，联手打造出的一款机器人触觉皮肤，效果堪比人类皮肤——

不仅可以精准感知到力度方向和大小，还能准确定位外界刺激的位置。

目前，这一研究成果已登上Science子刊《Science Robotics》。

这个触觉皮肤，不仅能实时反馈受力情况、自适应抓取易碎物体，还能根据受力变化和定位精度，及时调整力的大小和方向。

据论文作者表示，他们利用深度学习，将超分辨率提升到了60倍，堪比人类皮肤约40倍的超分辨率。

来源：量子位

Nature重磅：OpenAI科学家提出全新增强学习算法，玩游戏可完胜人类，或推动AI向真正智能学习体进化

一项发表在《自然》（Nature）杂志的研究提出了一类全新的增强学习算法，该算法在雅达利（Atari 2600）经典游戏中的得分超过了人类顶级玩家和以往的 AI 系统，在《蒙特祖马的复仇》（Montezuma’s Revenge）和《陷阱》（Pitfall!）等一系列探索类游戏中达到了目前最先进的水平。

MolarData| AI领域资讯速递

基于策略的 Go-Explore 还包括促进探索和稳定学习的其他创新，其中最重要的例如自模仿学习、动态熵增加、软轨迹和动态事件限制，在论文方法部分进行了详细讨论。

研究人员表示，这项工作提出的 Go-Explore 算法家族的有效性表明，它将在许多领域取得进展，包括机器人技术、语言理解和药物设计等，论文中提到的实例只代表了 Go-Explore 可能实现的一小部分能力，为未来的算法研究打开许多令人兴奋的可能性。

据论文描述，未来工作的一个关键方向是改进学习单元表征，比如通过基于压缩的方法、对比预测编码或辅助任务，这将使 Go-Explore 能够推广到更复杂的领域。

来源：AI科技评论

深度学习如何处理人类语言？探究Google mBERT模型创建文本背后的奥秘

具有语言能力的深度学习系统已经广泛应用于人们的生活当中。其中一些系统使用了 Google 发布的特定深度学习模型 —— 多语言 BERT（Multilingual BERT，简称 mBERT）。

mBERT 模型可以同时接受大约 100 种语言的训练，这种多语言的训练使模型可以完成各种语言任务，例如，将文本内容从一种语言翻译成另一种语言。

虽然已经发现 mBERT 模型在许多语言任务中表现良好，但是人们对 mBERT 模型 “如何创建文本并如何做出预测” 的相关信息并不清楚。
为此，来自斯坦福大学、加州大学欧文分校和加州大学圣巴巴拉分校的研究人员联合开展了一项新的研究，研究目的是为了更好地理解基于 mBERT 模型的技术是如何运行的，以及它是如何创建语法特征的。