《评人工智能如何走向新阶段》后记（再续17）
由AI科技大本营下载自视觉中国
258.2月15日阿里巴巴达摩院研发AI诊断技术
阿里达摩院联合阿里云研发一套全新的AI诊断技术，可在20秒内对新冠肺炎疑似病例CT影像做出分析判断，识别准确率达96%。
有了AI加持，通过NLP自然语言处理回顾性数据，使用CNN卷积神经网络训练CT影像的识别网络，AI可以快速鉴别和判读新冠肺炎影像。
259.大力打造物联网IoT、人工智能物联网AIoT、工业物联网IIoT
260.美媒称：近年来大量华人学者返回威胁美国在人工智能的领先地位
美国埃黙里大学曾以研究资金来历不明原因，解聘李晓江教授的研究团队，并要求该团队4名博士后华人研究助理，在30天内离开华盛顿。
麻省理工学院响应白宫放弃招收华裔学生。
美国一些企业裁员华人员工，限制华人进入关键技术岗位，对中国一些企业实行断供（EAR）。
在抗击新冠肺炎疫病期间，美国和澳大利亚过激反应，早早就禁止牛国沙土学生入境。
在抗击新冠肺炎疫病期间，美国和澳大利亚过激反应，早早就禁止中国留学生入境。
………
美国这样的无理行为无疑让很多华人惶恐不安和心痛，因此更多的华人选择回国工作和深造。
261.开发并集成分布式人工智能的工业物联网传感器
德国Bitmotec公司开发并集成分布式AI的物联网传感器技术，将复杂的传感器技术与工业4.0、工业物联网（IIoT）、机器学习（ML）相结合，转变成高度模块化，促使现有的传统工业体系向智能化工业体系在改造、升级、发展中发挥作用。
262.自然语言处理的新突破
NLP→NLU自然语言处理（NLP，属感知）即语义网络（感知）→大规模语义网络（IBMWatson：支持认知智能）或自然语言处理（NLP，感知）→自然语言理解（NLU，认知）→大规模语义理解网络（Facebook：认知）。
263.深度学习是纯粹基于数拆的方法，属于归纳的范畴，并不具有可解释性，只能停留在感知阶段未能到达认知。
知谱图谱/大规模语义网络是基于知识（或知识和数据）的方法，属于理解的范畴，具有可解释性，可突破感知进入认知阶段。
数据获得（包括结构化、半结构化、非结构化数据）→基于表结构的数据库→（数据驱动）→基于人工神经网络ANN的深度学习算法→完成感知环境内、应用场景中、不可理解和不可解释的计算任务。
知识获得（由图像、视频、数据构成知识表示：节点/实体、边/实体间关系）→基于图结构的知识库→（知识驱动）→基于类脑图神经网络或递归神经网络RNN的知识图谱（与大规模语义理解网络融合）算法→完成认知环境内、应用场景中、可理解可解释的计算任务。
另一种方案：也可将纯粹数据驱动表结构数据库中的数据，通过数据驱动传送（与知识驱动并行传送）到知识图谱/大规模语义网络中。
如何理解诸如含糊不清、共同引用和常识性推理等复杂问题？如果构建常识数据库一时有困难，可采用IBM Watson的做法，建立具人概念（embodiment），理论研究者与现场工作人员广泛接触、取得共识、统一行动，以弥补常识的缺失！
264.2019新冠肺炎疫情爆发，正确佩戴口罩出门是为了防止疫情扩散，但在面对高密度人流中，基层排查人员感到人手不足，以及接触疑似患者的风险，百度飞桨采用开源AI技术，于2月13日宣布开发口罩人脸检测及分类模型，可在公共场合检测大量人脸时，把戴口罩和未戴者的人脸标注出来快速识别，经过测试和应用实践，口罩人脸检测部分准确率达98%，口罩人脸分类部分准确率达96.5%，在性能上达业界领先水平。
265.BERT和GPT一2分别昰谷歌于2018年、OpenAI于2019年发布的预训练通用语言模型，具有数十亿参数。有关企业在互联网上几乎所有文本都采用这些模型来训练，以提高其自然语言处理任务的技术水平，在训练后的自然语言生成模型可在多种应用程序中实现自动转化。
微软得益于硬件和软件的突破，2月11日发布了参数量巨大的语言模型（Turing一NLG），该模型有170亿参数量，为此前最大的语言模型英伟达（NⅤⅠAID）的“威震天（Megatron）”的两倍，是OpenAI模型GP7一2的10多倍。
业界共识是：任何超过13亿参数的训练模型，单靠一个GPU（即使是一个有32GB内存的GPU）是不可能训练出来的，因此必须在多个GPU之间并行训练模型或将模型分解成多个部分。
266.澳大利亚弗林德斯大学一个医药研发团队，采用人工智能算法（估计为深度学习/机器学习算法），他们称为医学发现的智能算法SAM，帮助研发/设计流感疫苗/新药物（该药物是含刺激人体免疫系统的化合物）。
研究人员首先在大量化合物（其中一些已知可增强人体的免疫反应，另一些则不能）的数据集上训练SAM，研究人员开发了一个计算机程序以生成数万亿未经测试的新化合称，SAM通过训练在这些新化合物中，选择可能对人体免疫系统有积极作用的化合物。
他们合成了包括这些挑出来的化合物的原型疫苗，并在人血细胞上进行测试，发现SAM在挑选增强免疫系统做新化合物方面极为有效。
267.人工智能从感知智能向认知智能演进！
2020年1月2日，阿里巴巴发布《达摩院2020十大科技趋势》，把“感知智能向认知智能演进”排在“十大趋势”之首，并决定开展重点研发，期望获得关键突破。
他们认为，人工智能迄今已经在“听、说、看”等感知智能领域达到或超越人类水准，但从感知智能到认知智能（人工智能2.0）尚待关键突破，或者说对于未来几十年人类社会走进智能社会有所期待！
他们谈到“认知智能可以帮助机器跨越模态理解数据，学习到最接近人脑认知的一般表达，获得类似于人脑的多模感知能力，有望带来颠覆性的产业价值。认知智能的出现使得AI系统主动了解事物发展的背后规律和因果关系，而不再只是简单的统计拟合，从而进一步推动实现下一代具有认知能力的AI系统”。为此人工智能需要在两个方面取得进展，一个是算力和协同上，一个是从认知心理学、脑科学以及人类社会的发展历史中汲取更多的灵感，并结合跨领域知识图谱、因果推理、持续学习等研究领域的发展进行突破。
阿里并强调：”认知智能将结合人脑推理过程，进一步解决复杂的阅读理解问题和小样本的知识图谱推理问题，同结构化的推理过程和非结构化的语义理解，以及多模态训练问题。
268.深度学习的人工智能是否已经走到了尽头？
深度学习的钥匙是否丢在了黑暗角落？
深度学习的人工智能还是大有作为！
采用深度学习人工智能的方法找到了一种全新抗生素，可杀死超级耐药的细菌。
近几天在知名杂志《Cell（细胞）》上刊登了麻省理工学院的一篇研究论文，科学家们通过一种深度学习模型，对2300多种含有抗生素药物或具有广泛生物活性的分子结构进行训练，研发出一种全新的抗生素，能有效杀死一种对已知所有抗生素都耐药的超级细菌。
自青霉素诞生以来，抗生素已成为现代医学基石之一，然而随着抗生素被滥用后，越来越多的细菌对抗生素产生了耐药性。麻省理工学院的科学家摒弃传统开发抗生素的方式（其结局往往十分惨淡），而采用一种机器学习/深度学习的模型，在自动学习各种不同药物分子结构的基础上，开发并训练出这种模型能识别并有效杀死所有耐药的超级细菌的新型抗生素！
269.利用“存内计算电路”训练（人工智能）机器学习中的神经网络，显著提升计算速度（在时间复杂度方面优于量子计算）
米兰理工大学的一个AI研发团队撰写的“利用存内计算电路训练一个两层的神经网络”的论文，最近在《ScienceAdvances》上发表，作者们利用基于阻变存储器阵列的存内计算技术，实现了一步训练机器学习的算法。
清华大学博士后孙仲参加了米兰理工大学的一个AI研发团队，他是这篇论文的第一作者。
该团队于2019年在《PNAS》上发表的一篇论文中提出了一个不同于传统的“存内计算电路”的概念，其实现一步解线性方程组在时间复杂度方面优于量子计算。
对机器学习/深度学习的神经网络进行训练是提升其算力/性能必不可少的步骤；而提升性能的训练效果与采用的训练方法有关。
270.据吴恩达团队谈，2019年全球自动驾驶的发展出现了瓶颈，在美国的一次讨论中百度提出了“中国方案”：在路侧配置激光雷达/传感器。中国式自动驾驶如今正在长沙等地试验中。通过模拟生成激光雷达数据，将用来提供给无人车感知模块训练深度学习模型。自动驾驶能否成功，一定程度上取决于模型的训练效率和投资成本。
271.权威医学杂志《柳叶刀》发表社论：“研发人工智能应对新冠肺炎病毒”，“保护医护人员与遏制病毒传播”。
《柳叶刀》载文谈到：从SAAS到C0ⅤID-19流行17年间，一个强有力的新工具（即人工智能）诞生了。人工智能可能有助于将这种病毒的传播控制在合理范围内；它能够预测病毒下一处爆发点，对未来病毒跨境传播为边境检查提供有益建议。
文中推荐机器学习模型，采集大量数据来训练其中的神经网络，使人类认识并理解COⅤID-19爆发与传播的新途径；人工智能算法还有能力对新冠肺炎病毒实行快速检测，并帮助医生快速诊断。
世卫组织发文赞扬中国速度，并号台在应对COⅤID-19时，研发并采用人工智能技术。
更多推荐
《评人工智能如何走向新阶段》后记
《评人工智能如何走向新阶段》后记（再续1）
《评人工智能如何走向新阶段》后记（再续2）
《评人工智能如何走向新阶段》后记（再续3）
《评人工智能如何走向新阶段》后记（再续4）
《评人工智能如何走向新阶段》后记（再续5）
《评人工智能如何走向新阶段》后记（再续6）
《评人工智能如何走向新阶段》后记（再续7）
《评人工智能如何走向新阶段》后记（再续8）
《评人工智能如何走向新阶段》后记（再续9）
《评人工智能如何走向新阶段》后记（再续10）
《评人工智能如何走向新阶段》后记（再续11）
《评人工智能如何走向新阶段》后记（再续12）
《评人工智能如何走向新阶段》后记（再续13）
《评人工智能如何走向新阶段》后记（再续14）
《评人工智能如何走向新阶段》后记（再续15）
《评人工智能如何走向新阶段》后记（再续16）