MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见

整数智能 • • 产品 • 220 views
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
MOLAR FRESH   2021年第10期
人工智能新鲜趣闻    每周五更新
AI玩填字游戏，赢得全国锦标赛冠军！官方：不是人，没有奖金和名次
上周，每年一次的美国填字游戏锦标赛（ACPT）落下了帷幕。最终官方认定，一位Tyler Hinman的玩家夺得了冠军。
实际上，此次参赛的还有一位AI选手Dr.Fill，他以12825分高居榜首，并且比今年的冠军Typler Hinman高出六十多分出来。面对终极谜题，人类选手Typler Hinman花了3分钟，而Dr. Fill以49秒就结束了游戏。
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
Dr. Fill的创始人是斯坦福教授Matthew L.Ginsberg。自诞生以来，它开始收集大量的数据，包括维基百科的全部内容，以及网络上关于猜字谜的线索和答案。此次比赛中，它配备了64核处理器和两个GPU，在赛前两周与UC伯克利NLP小组建立联盟，最终夺冠。
来源：量子位

阿里研发 AI 黑科技，有望替代人工鉴黄师

最近，阿里安全图灵实验室发布了一项关于社会文化的研究，这是一种新型视频描述方法（SGR），可用于视频内容安全和视频检索等场景，助力建设互联网清朗环境。
SGR可以实现两类基本功能，一是让AI对视频内容做“阅读理解”，生成一段长文本描述视频中心内容，二是可以根据描述性的文本精准匹配视频中的相关片段。
该研究第一作者、阿里安全图灵实验室实习算法工程师青崧介绍道，视频中如果有人拿起鼠标，点击电脑，然后脱掉衣服，呈现黄赌毒等相关违规信息，以前的技术路径上，AI可能还要分析脱掉衣服之前的动作。SGR解决了这个问题。给定一个视频，AI可对视频的关键候选片段无缝衔接成一个完整的故事，保证了密集型描述的连贯性，且减少了冗余。

在SGR技术研究基础上，阿里安全近期还将研发低门槛、高可用的“鉴黄”AI工具，让AI对视频不同片段打出“危险指数”，依赖信息提取直接关联高亮风险片段，让AI鉴黄更智能、高效。
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
先前判断视频内容是否涉嫌低俗，需要提取多个标签进行多次审核交叉验证。创新工具应用后，AI只用输入“一个穿着暴露萝莉装的女孩鸭子坐着在录吃播”这句话进行一轮研判，准确性也更高。
来源：人工智能头条
这年头连人用脑机接口信号都能无线传输了，瘫痪者可在家轻松上网看视频
来自BrainGate的最新研究，无线将脑机接口带出实验环境，让使用者真正在日常生活中使用意念控制。
新设备名为Brown Wireless Device(BWD)，成功使因脊髓损伤而瘫痪的实验者通过无线脑机接口控制光标的移动和点击。通过意念移动光标，瘫痪者在屏幕键盘上每分钟能打出13.4个正确的字符。
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
为了解决带宽和延迟问题，BrainGate采用的侵入式脑机接口。将两个包含96个电极的电极阵列植入使用者大脑皮层，能够捕捉全频谱信号。

传统的电缆则被两个边长5cm，重量仅43g的无线发射器替代，可以固定在使用者头部，并在墙角摆一个带四个天线的双频无线信号接收器。
在光标移动任务中，使用卡尔曼(Kalman)滤波解码器和线性分类器来估计连续的二维光标速度和点击状态。在测试中BWD已获得与传统有线设备相似的保真度。
来源：量子位
AI 3D 传感器市场竞争白热化，中国掌握自主可控核心技术时不我待
在今年第十届“吴文俊人工智能科学技术奖十周年颁奖盛典上”，奥比中光的“微型3D智能传感器关键技术及应用”获得了“吴文俊人工智能科技进步奖（企业技术创新工程项目）”奖项，肯定了这家公司在3D视觉感知芯片及传感器等核心技术上的创新。
奥比中光科技集团股份有限公司副总裁孔博分析道，国际科技巨头如苹果、微软、英特尔、Facebook等已经开始在3D传感器市场“重兵布局”，抢占赛道，争夺如芯片、传感器等位于价值链“金字塔”的底层核心技术领域。
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
根据Yole的预测数据，2023年3D视觉感知的全球市场规模约可达到184亿美元，其中消费电子与汽车将成为最大增长引擎。

目前世界上仅有少数公司能够做到独立掌握3D传感器领域全部相关核心技术，奥比中关可以算是这少数其中的一个，而此次获奖的3D视觉芯片方案，研究领域跨度大，涉及光学系统设计、算法、芯片设计及流片以及人工智能识别技术，对于促进我国自主核心算法芯片国产化具有重要的意义。
来源：AI科技大本营

10亿参数的AI模型SEER「一视同仁」：服务富人，也服务全世界
使用经过挑选和标记的数据集对人工智能系统进行训练，产生了专门的人工智能模型，擅长对象识别等任务。但是，这可能在不经意间引入「偏见」。

例如，一个主要以「美国和欧洲」家庭图片为训练内容的物体识别系统在被要求识别「尼泊尔」一个家中的物体时，可能难以取得同样好的效果。 

SEER是一种新的高性能计算机视觉系统。通过利用自监督学习，SEER可以从任何数字图片集中学习，而不需要研究人员来挑选和标记每个对象。 初步评估表明，SEER在识别物体方面比传统的计算机视觉系统表现更好，这些物体虽然来自数十亿人的生活，但在用于训练人工智能系统的传统图片数据集中「体现较少」。

例如下面这张来自尼泊尔一个家庭的图，SEER的识别结果是：调料、药、碗、水果、社交饮酒。监督学习模型的识别结果是：清洗设备、厨房洗涤盆、展示物品、碗、水果、炊具、锅。
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
所以，SEER正确地识别了图片中的物体，而传统的系统则没有。
来源：新智元

END

MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见
MolarData| 热“AI”身边新鲜事 新鲜趣闻周五见

掌握AI咨询

了解更多科技趣闻

长按扫码 关注我们

原创文章，作者：整数智能，如若转载，请注明出处：https://www.agent-universe.cn/2021/05/8444.html

Like (0)
0

关于作者

整数智能

整数智能

整数智能作为AI行业的数据合伙人，我们提供专家级的数据标注工程平台与数据集解决方案(数据采集、数据清洗与数据标注)
Previous 2021-05-04 15:54
Next 2021-05-10 10:40

相关推荐