AI 可把关啤酒质量，为酒厂月省 1 万美元【智能行业快讯 2019.7.31】
By 超神经
AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。
HyperAI 超神经精心整理了 AI 行业的近期资讯，快来一起围观吧。
学界
斯坦福大学研究人员发明新型摄像系统
通过算法及传感器捕捉目标影像
斯坦福大学研究人员在 SIGGRAPH 2019 会议上展示了团队最新研发成果——超人视觉系统，帮助自动驾驶汽车和机器人更安全地运行。
在该系统中，摄像机无需跟目标对象共处一室，即可以通过先进的传感器和处理算法捕捉反射到周围墙壁上的单个光粒子，把可见光谱以外的东西形成 3D 图像，从而实现「透视」。
来源：sciencedaily.com
佐治亚理工学院推出新型健康监测设备
通过深度学习监控健康状况
佐治亚理工学院近日推出一款新型医疗硬件用于监测佩戴者的健康状况。该设备采用防水、脱敏材质，质地柔软，粘贴在佩戴者胳膊上后，不会对其正常生活和运动造成任何不适，佩戴时长最高可达到两周。
该项发明对临床医学具有重大意义，它可以对佩戴者进行长期、实时监控，利用深度学习监测信号并实时与数据库中的数据进行比较，有助于帮助临床医生更早地识别病情发展趋势，并进行有效、及时的治疗。
来源：techxplore.com
企业
亚马逊在 Amozon Polly 推出文本转语音服务
并加入新闻播音员风格
亚马逊今天宣布在 Amazon Polly 上，推出神经文本转语音服务，并使用新闻播音员的讲话风格，让合成的声音在朗读新闻和博客时，显得更加真实。
Amazon Polly 是亚马逊的一项云端服务。而本次推出的新服务，是通过神经文本到语音的底层机器学习算法实现的。
亚马逊网络服务技术传播者 Julien Simon 在博客文章中指出，通过增加自然性和表现力，神经文本转语音可以显著改善语音服务的质量。
来源：venturebeat.com
百度开源 NLP 模型 ERNIE 2.0
在多项任务上优于 BERT 和 XLNet
近日，百度开源了一个持续的 NLP 框架 ERNIE 2.0，使用多任务学习增量式构建预训练任务。
在对比测中，ERNIE 2.0 模型在英语任务上几乎全面优于 BERT 和 XLNet，在 7 个 GLUE 任务上取得了最好结果；中文任务上，ERNIE 2.0 模型在 9 个任务上全面优于 BERT。
在 3 月，百度发布了 ERNIE 1.0，这是一款基于 PaddlePaddle 的预训练模型。据百度称，ERNIE 1.0 在所有中文语言理解任务中都优于 BERT。
来源：hub.packtpub.com
技术
Google 通过 AdvGen 算法训练 NMT 模型
有望大幅提高机器翻译的准确度
Google 在 2019 年计算机语言学协会（ACL） 上提出，利用 Adversarial Generation（AdvGen） 算法训练神经机器翻译（Neural Machine Translation，简称为 NMT）模型，可以有效提高模型稳定性，改善因输入、替换同义词等微小变化，干扰完整句子语义的问题。
该发现将大幅提高机器翻译的准确度，促进神经机器翻译模型在更多场景中的落地。
来源：ai.googleblog.com
BCH 发现通过 AI 分析瞳孔扩张和心率
有助于早期自闭症的诊断
波士顿儿童医院（Boston Children’s Hospital）神经科学家研究发现，借助 AI 算法测量瞳孔扩张情况或心率波动情况，可以更早地诊断出自闭症、Rett 综合征（一种影响儿童精神运动发育的疾病）或其他具有自闭症行为特征的神经发育障碍疾病。
该方法将自闭症检测提前到新生儿阶段，对自闭症婴儿的早期行为干预和语言治疗具有重要意义。
来源：techxplore.com
新奇
AI 可把关啤酒质量，为啤酒厂减少气泡溢出损失
成立于 2013 年的啤酒厂 Sugar Creek Brewing ，为美国北卡罗来纳州及其他地区生产比利时风味啤酒。近期，该公司将人工智能和物联网技术整合到啤酒酿造过程中，从而有效提高了啤酒的酿造水平和质量。
通过与 IBM 合作，他们利用摄像头拍下啤酒出瓶时的照片，将图片与装瓶操作过程中收集的其他数据——填充时间，温度，pH，重力，压力，碳化和水平等参数相结合，上传到 IBM 云，由算法进行解释。
根据酿酒师提供的一些的特定标准，算法在海量数据中寻找关键特征点。这些数据可以为新流程提供信息或改进现有流程，解决了灌装啤酒的起泡问题，每月为酿酒厂节省了 1 万美元。
来源：ibm.com
英国科学家研发基于人工智能的软件，可检测假笑
英国布拉德福德大学的科学家们已经开发出据称可以检测假笑的软件。该软件能够评估微笑的人的视频，准确判断他们的笑容是否真实。
研究人员开始使用两个预先存在的数据集 ，其中一个（称为 MUG）由真实和自发地微笑的人的视频组成，而另一个（称为 CK +）包含人们假笑的视频。
基于人工智能的算法测量他们的嘴，脸颊和眼睛在微笑时移动的顺序和程度。研究表明，真正微笑的人，其眼睛周围的肌肉移动至少比假笑者多 10％。
该研究在最近发表于《 Advanced Engineering Informatics 》期刊。
来源：sciencedaily.com
—— 完 ——
扫描二维码，加入讨论群
获得优质数据集
回复「进群」自动入群
更多精彩内容（点击图片阅读）
