AI一周热闻：北大建立人工智能新校区；英国首例机器人心脏手术致死
AI前线导读：
- 北大建立人工智能新校区
- 英国首例机器人心脏手术致死，主刀医生未经过足够训练
- 搜狗联合新华社发布AI合成主播
- 腾讯无人车在硅谷组建团队
- 谷歌发布大型机器学习数据集Open Images V4
- 当飞机自动驾驶仪出故障会发生什么？
- 曼彻斯特启用SpiNNaker脉冲神经元超级计算机
- 腾讯创建AiDroid，可发现安卓系统恶意软件
- 机器人伦理调查，无人车如何解决“电车难题”？
北大建立人工智能新校区
据新华社等媒体报道，北大将在昌平区建立人工智能新校区，以人工智能为特色，以面向未来的应用型学科和新型工科为主要发展方向。
新校区规划用地面积68.35公顷，分别位于十三陵镇和马池口镇。
北京大学党委书记邱水平表示，要把昌平校区的建设发展摆在新时代北京大学发展的重要战略位置，作为北京大学未来发展的重大机遇和重要平台，融合发展新兴产业，吸引海内外顶尖人才。
英国首例机器人心脏手术致死，主刀医生未经过足够训练
据《每日邮报》报道，英国首例机器人心脏手术以失败告终，接受手术的病人已宣告死亡，主刀医生\tSukumaran Nair被医院解雇。
调查显示，主刀医生在手术之前并未受到足够的机器人操作训练，且机器人在手术过程中机器人控制台传输信号声音非常小，且质量不佳，导致医生之间沟通交流不顺。机器人在手术过程中甚至打到了手术室的一位助理人员的手臂，操作的病人心脏的缝合位置和方式都不对，必须拆除缝线，重新缝合。另外，患者的主动脉膈膜受损，术中出血溅到了手术机器人的摄像头上，这使得主刀医生Nair已经看不清病人心脏创口缝合的具体情况。
在转换成人工手术后一周，病人因心脏衰弱死亡。
搜狗联合新华社发布AI合成主播
在近日举行的第五届世界互联网大会上，新华社联合搜狗发布了全球首个合成新闻主播——“AI合成主播”。
其背后是由搜狗的“分身”技术来驱动，简单来说，这套系统可以凭借少量真人主播的音频和面部数据，模拟出一个外型、声音都跟其相像，并且会根据新闻内容即时调整嘴唇动作和表情的“分身”。
目前，“AI合成主播”已经在新华社正式上岗，并被运用到进博会、世界互联网大会等重要新闻事件，以及突发、科技、社会、文化等各领域的新闻报道。
据搜狗介绍，主播只是“分身”技术的应用场景之一，未来计划将这套方案运用到教师、医生、客服等更多的领域。
腾讯无人车在硅谷组建团队
最近，腾讯在LinkedIn上发布的一则招聘广告，透露了其无人车团队在硅谷的计划。腾讯在硅谷放出了9类工程岗位，包括运动规划、传感器融合、汽车智能和机器学习等核心研发岗，地点在斯坦福大学附近的帕罗奥图的Bryant街。
2017年11月，腾讯自动计时计划首次曝光，当时由MIG的腾讯地图事业部腾讯自动驾驶实验室负责，地点主要在北京和深圳，规模50人左右。腾讯进行组织架构调整后，无人车团队与众多AI业务一起，隶属CSIG，从腾讯地图事业部下的实验室，升级成了腾讯自动驾驶业务中心，最新规模已达200人。
####谷歌发布大型机器学习数据集Open Images V4
Google最新发布了一个巨型数据集Open Images Dataset V4，为边界框、视觉关系和图像级别图像注释了20000个不同的概念。这个巨型图像数据集从Flickr中收集Creative Commons Attribution许可共享的照片。
Open Images Dataset V4包含920万张带有大量注释的图像。注释包括边界框、视觉关系注释以及近3000个不同概念的3000万个图像级标签，注释规模前所未有。此外，他们还使用了自动标记的方法，训练人类标注师用“快速点击”（fast clicking）的方法更有效地标注图像。
Open Images V4的20000个类名本身是Google的内部数据集JFT的所有名称的子集，包含“超过3亿张图像”。
重要性：近年来，新的大型数据集的发布与新的AI算法出现突破，效率和功能提高之间似乎存在着一定的联系。Open Images V4的大规模和密集标签可以促进AI的发展。
获取数据： Open ImagesV4
（https://storage.googleapis.com/openimages/web/index.html）。
Open Images Dataset V4
（https://arxiv.org/abs/1811.00982）。
当飞机自动驾驶仪出故障会发生什么？
最近，英国一份关于飞机自动飞行器故障的事件报告告诉了我们当故障发生时应该怎么做。
报告全文：“从贝尔法斯特城市机场起飞后，当飞机升至1350英尺高度时，飞机的自动驾驶仪启动。随后，飞机在继续爬升时突然向下俯冲，迅速下降，激活了“不要下沉”和“拉起”TAWS（EGPWS）警告。指挥官断开自动驾驶仪并从928英尺的高度恢复爬升。自动驾驶仪启动时，错误的自动驾驶“高度”模式激活，导致飞机下降到目标高度0英尺。此次事故之后，运营商采取了多项安全措施，包括改变模拟器训练，修改滑行检查单等。”
了解更多：AAIB调查DHC-8-402 Dash 8，G-ECOE（英国政府，航空事故调查处 https://www.gov.uk/aaib-reports/aaib-investigation-to-dhc-8-402-dash-8-g-ecoe）。
曼彻斯特首次启用SpiNNaker脉冲神经元超级计算机
曼彻斯特大学启动了SpiNNaker，这是一款采用网络架构设计的百万级处理器超级计算机，可以更好地模拟大脑中的生物神经元，尤其是部署脉冲网络时效果更佳。据曼彻斯特大学称，SpiNNaker“模仿大脑的大规模并行通信架构，同时向数千个不同的目标发送数十亿的信息”。
大脑级规模的模型： SpiNNaker的最终目标是一次性模拟10亿个神经元。10亿个神经元约占普通人脑中神经元总数的1％。初期，SpiNNaker可以模拟大约一百万个“具有复杂结构和内部动力学”的神经元。但SpiNNaker board也可以按比例缩小并用于其他目的，例如开发机器人技术。“一个小的SpiNNaker board可以模拟成千上万的脉冲神经元网络，实时、低能耗地处理传感输入并产生动作输出。”
重要性： 许多研究人员确信，如果我们能够找到正确的算法，脉冲网络可能是比现在的神经网络更好的AI方法，因为脉冲网络传播比传统网络更加模糊和复杂的信息。
阅读更多：百万级处理器“人脑”超级计算机首次启用（https://www.manchester.ac.uk/discover/news/human-brain-supercomputer-with-1million-processors-switched-on-for-first-time/）。
SpiNNaker主页（曼彻斯特大学高级处理器技术研究组 http://apt.cs.manchester.ac.uk/projects/SpiNNaker/）。
腾讯创建AiDroid，可发现安卓系统恶意软件
西弗吉尼亚大学和腾讯的研究人员使用深度神经网络创建了AiDroid系统，可以发现Android上的恶意软件。随后，AiDroid“被整合到腾讯移动安全产品中，为全球数百万用户提供服务。
AiDroid的工作原理如下：首先，研究人员从用户智能手机中的Android应用程序运行时执行中提取API调用序列，通过异构信息网络（HIN）模拟不同移动应用程序、手机、应用程序等之间的关系，之后学习HIN中所有不同实体的低维表示，并使用这些特征作为DNN模型的输入。随后，DNN模型学习对典型实体和关系进行分类。如此，系统就可以学习并发现错误的实体或关系，通常来说这就是恶意软件。
该研究依赖大量数据访问，使用腾讯安全实验室的大规模真实样本集，其中包含190696个训练应用程序（83784个良性和106912个恶意程序）。
结果表明，该系统的样品嵌入的效果比其他系统，如DeepWalk、LINE和metapath2vec更好，且经过HINembedding训练的性能显著高于其他系统。此外，该系统还能更准确地预测恶意应用程序。
重要性： 机器学习方法将增强许多现有的网络安全技术。AiDroid就是一个例子，这说明，像腾讯这样的大型平台运营商可以创建大规模数据生成系统（如基础AiDroid应用程序），并使用数据进行研究。那么问题来了，如果这些数据具有如此巨大的价值，为什么它们不向用户付费呢？
阅读更多：AiDroid：异构信息网络与深度神经网络结合进行实时Android恶意软件检测（https://arxiv.org/abs/1811.01027）。
机器人伦理调查，无人车如何解决“电车难题”？
一项调查要求受访者回答一系列关于无人车道德困境的“电车难题”，如当无人车必须在危及1名行人和危及2名乘客之间做出选择，你会怎么办？针对200多个国家的数百万名受访者的调查结果显示，他们更愿意拯救年轻人而不是老人的生命，更愿意挽救人类胜过动物，以及以少数人的性命换取多数人的生存。
重要性：虽然无人车的道德困境不太可能是我们“委托”AI系统做出的最重要的决定，但这些都是重要的问题，我们应该找到可扩展到更广泛范围的解决方案。我不认为我们应该让人类的普遍伦理观映射到机器，或者成为一种将人类价值观扩展到人工智能系统的方式。同样地，那些违背大众价值观的解决方案也可能会引起公众的强烈反对。
阅读更多：机器的道德实验（https://www.nature.com/articles/s41586-018-0637-6）。
作者 Jack Clark 有话对 AI 前线读者说：我们对中国的无人机研究非常感兴趣，如果你想要在我们的周报里看到更多有趣的内容，请发送邮件至：[email protected]。
原文链接：https://jack-clark.net/2018/11/12/import-ai-120-the-winograd-test-for-commonsense-reasoning-is-not-as-hard-as-we-thought-tencent-learns-to-spot-malware-with-aidroid-dataand-what-a-million-people-think-about-the-trolley-problem/