一周AI直通車｜微軟臉書發布AI生態係統；“看臉判性取向”合理嗎

“一周AI直通車”是追一科技（衛星號：YiBot）推出的一檔人工智能領域快讀欄目，精選彙集每周國內外最重大行業新聞和前沿技術變革，第一時間為讀者送上新鮮資訊，每周一推送，敬請關注。

行業資訊

微軟Facebook聯手發布AI生態係統，挑戰TensorFlow

“看臉判斷性取向”研究者：我們是為了讓同性戀人群感到可能已經麵臨的風險

馬化騰：騰訊投資特斯拉是為了更接近未來科技

DeepMind創始人Demis Hassabis當選英國皇家工程院新晉院士，今年華人無緣

學界與業界又一次聯手：IBM和MIT宣布合作建立AI實驗室

AI Challenger 開賽：國內最大規模深度學習數據集上線

Uber推出機器學習平台Michelangelo：全麵處理工作流程推動AI民主化

全球大學計算機科學與人工智能排名：卡耐基梅隆大學居首

Facebook開源TTS神經網絡VoiceLoop：基於室外聲音的語音合成

學術前沿

Yoshua Bengio等人提出MILABOT：強化學習聊天機器人

Michael Jordan新研究官方解讀：如何有效地避開鞍點

自動駕駛汽車測試新方法 DeepTest：可自動測試深度神經網絡駕駛係統

UC Berkeley新研究：多視角圖像3D模型重建技術

點擊下文藍字標題即可跳轉至新聞詳情頁~

喜歡就分享文章到朋友圈吧~

1

微軟Facebook聯手發布AI生態係統，挑戰TensorFlow

微軟Facebook聯手發布AI生態係統，推出 Open Neural Network Exchange（ONNX，開放神經網絡交換）格式，這是一個用於表示深度學習模型的標準，可使模型在不同框架之間進行轉移。ONNX是邁向開放生態係統的第一步，AI開發人員可以輕鬆地在最先進的工具之間轉換，並選擇最適合他們的組合。但是，現在係統支持的框架隻有Caffe2，PyTorch 和Cognitive Toolkit ，穀歌的TensorFlow並沒有被包含在內。在TensorFlow的市場份額迅猛增長的當下，兩家企業的聯手，似乎有特別的意味。

圖片來源於新智元 Dd

2

“看臉判斷性取向”研究者：我們是為了讓同性戀人群感到可能已經麵臨的風險

斯坦福大學 Michal Kosinski 和 Yilun Wang 關於麵部識別判斷性取向的研究已經引起了巨大爭議，但兩位研究者在論文中所做的關於研究意義及研究局限性的聲明卻並未引起廣泛注意。“我們認為亟需讓政策製定者、大眾和同性戀社群意識到他們可能已經麵臨的風險”——這樣的理由是否能夠成為公布此項研究的合理原因？

3

馬化騰：騰訊投資特斯拉是為了更接近未來科技

9月8日在清華大學經濟管理學院“洞見論壇——-科技·驅動成長”上，馬化騰發表重要演講，第一次係統闡釋了騰訊的AI宏觀布局與戰略思考。馬化騰表示，騰訊希望加大對人工智能、雲計算、大數據等幾個基礎性要素的投入，並且通過互聯網+等方式和各行各業、學界和研究界進行合作。馬化騰表示，未來所有企業基本的形態就是在雲端用人工智能處理大數據，這是一個大方向。人工智能將影響到日常生活、商業的方方麵麵，這是一個大趨勢。場景和市場是最重要的，隻要有市場，技術、人才都會跟著走。對於騰訊來說，他們更加關注在AI方麵能做什麼。

圖片來源於36氪

4

DeepMind創始人Demis Hassabis當選英國皇家工程院新晉院士，今年華人無緣

據英國皇家工程院（The Royal Academy of Engineering）網站消息，英國皇家工程院2017年院士增選結果於9月7日公布，共有53人上榜，包括1名榮譽院士和2名外籍院士。我們DeepMind創始人Demis Hassabis也名列其中。

圖片來源於AI科技評論

5

學界與業界又一次聯手：IBM和MIT宣布合作建立AI實驗室

北京時間9月7日下午，IBM宣布在未來十年，計劃投資2.4億美元，與麻省理工學院共同建立IBM –MIT沃森AI實驗室，該實驗室位於劍橋的IBM沃森健康和網絡安全中心總部，臨近麻省理工學院。

6

AI Challenger 開賽：國內最大規模深度學習數據集上線

由創新工場、搜狗和今日頭條聯合宣布發起的 AI Challenger 挑戰賽，在今年的比賽時間為 9 月 4 日至 12 月 3 日，每雙周評出周冠軍，每個賽題中效果突出的團隊還將進行答辯，角逐總冠軍。目前，報名者已超過 1000 名，參賽隊伍超過 500 支，其中很多人來自國內外 AI 實力強勁的高校、公司和機構，不乏過去各類比賽的獲獎者，比如 ImageNet 兩項任務冠軍、天池阿裏移動推薦算法大賽冠軍以及 Kaggle 大賽的眾多優勝者。

圖片來源於機器之心

7

Uber推出機器學習平台Michelangelo：全麵處理工作流程推動AI民主化

近日 Uber 提出了他們的機器學習平台 Michelangelo，該平台構建在 Uber 數據和計算基礎設施之上，並且由一係列開源係統和內置組件組成。Michelangelo 可提供易於使用且自動化的工具處理數據管理、模型訓練、模型評估、模型部署、執行預測和檢測預測等工作流程。Uber 希望 Michelangelo 可以在推動 AI 民主化方麵貢獻出應有的力量。

8

全球大學計算機科學與人工智能排名：卡耐基梅隆大學居首

近日，麻省大學阿默斯特分校的 Emery Berger 教授公布了一個全球院校計算機科學實力排名的項目 csranking。該項目旨在了解各院校在計算機科學領域體係與師資方麵的實力。作者表示，不同於 US News 和 World Report 的方法（僅僅基於調查），該排名完全基於指標，度量了這些院校教員在計算機科學領域的各大頂會所發布的論文數量。

圖片來源於機器之心

9

Facebook開源TTS神經網絡VoiceLoop：基於室外聲音的語音合成

近日，Facebook 在題為《Voice Synthesis for in-the-Wild Speakers via a Phonological Loop》的論文中提出一個文本轉語音（TTS）的新神經網絡VoiceLoop，它能夠把文本轉化為在室外采樣的聲音中的語音。目前 VoiceLoop 已在 GitHub 上開源並附有 PyTorch 實現。論文與GitHub鏈接請見文中。

10

Yoshua Bengio等人提出MILABOT：強化學習聊天機器人

The Alexa Prize 是亞馬遜在對話人工智能領域中發起的一項競賽，本屆比賽的獎金為 250 萬美元，將於 11 月決出優勝者。本文介紹的是蒙特利爾大學 Yoshua Bengio 團隊（MILA Team）參與本次比賽的 Chatbot 設計。

11

Michael Jordan新研究官方解讀：如何有效地避開鞍點

今年三月，機器學習領域泰鬥級學者 Michael I. Jordan 帶領的一個跨多所大學和研究院的團隊發表了一篇論文《How to Escape Saddle Points Efficiently》，提出了最基本的算法——梯度下降的一個簡單變種，並證明該算法雖形式簡單，卻足以極其高效地避開鞍點。該研究成果推進了對非凸優化的理解，並可以直接被應用在包含深度學習在內的許多機器學習領域。近日，Off the Convex Path 博客和伯克利人工智能研究所（BAIR）的博客都發表了對該研究的解讀文章。

圖片來自於機器之心

12

自動駕駛汽車測試新方法 DeepTest：可自動測試深度神經網絡駕駛係統

自動駕駛汽車是一種對安全性有極高要求的人工智能應用，但軟件都有漏洞，尋找那些可能導致致命危險的漏洞是至關重要的。近日，來自弗吉尼亞大學和哥倫比亞大學的幾位研究者提出了一種自動測試深度神經網絡自動駕駛汽車的方法 DeepTest，可以對自動駕駛係統進行更加全麵的測試評估。

13

UC Berkeley新研究：多視角圖像3D模型重建技術

想象一下圖片中的椅子。人類具有無與倫比的推理能力，可以在看到單張圖片的情況下想象出整個椅子的 3D 形狀——即使你從未看到過這樣的東西。這種體驗更具代表性的例子就是在同一個物理空間中從不同角度觀察椅子以積累信息，隨後構建椅子的 3D 形態。如何解決這個複雜的 2D 到 3D 推理任務？在這個過程中，我們需要用到什麼樣的線索？

我們如何從不同視圖中無縫集成信息，以建立一個整體的 3D 模型？