针对《评人工智能如何走向新阶段》一文，继续发布国内外的跟贴留言477-486条如下：

477，国产自动驾驶操作系统首获国际认证。

华为自动驾驶操作系统（含虚拟化机制）己获Safety领域最高等级功能安全认证（ISO26262ASILD）。

这也是我国首个获得ASILD认证的操作系统内核。

自动驾驶领域已经不再是传统汽车厂商专属，全球各大科技公司纷纷入局，作为国内知名科技巨头华为也已早早布局并取得不错成绩。

 

478，不用摘口罩就能人脸识别。

华米公司研究一款支持人脸识别的AmazfitAeri智能防护口罩。

这款口罩除满足国际标准的过滤效果外，Aeri还不与手机人脸解锁功能冲突。

这款口罩由透明防雾材料制成，有利于帮助相关系统捕捉面部特征进行人脸识别。

Aeri口罩还适配不同附件，如眼罩和风扇（使用者做运动时可通过风扇使呼吸流畅）。

 

479，谈谈CPU/GPU/TPU/NPU

CPU、GPU、TPU、NPU的共同点都是处理器，TPU、NPU主要用于人工智能领域，GPU也在向人工智能领域转移。

CPU——中央处理器（CentralProcessingUnit），计算机的核心器件（芯片），由计算单元、控制单元和存储单元组成，CPU精于控制和复杂运算。

GPU——图形处理器（GraphicsProcessingUnit），也是计算机的核心器件（芯片），由计算单元、控制单元和存储单元组成，GPU精于重复运算。目前基本上用GPU来进行深度学习算法训练和部署人脸识别系统。

TPU——张量处理单元（TensorProcessingUnit），隨着人工智能发展，深度学习框架TensorFlow的发布，TPU是针对TensorFlow的专用定制芯片（当然GPU也可与之适配），但TPU与同期的CPU、GPU比，性能提升15-30倍，效率提升30-80倍。

NPU——神经网络处理器（Neural networkprofessing unit），这是模拟人类神经元和突触，通过突触权重实现存储和计算一体化，NPU用于基于类脑神经网络的人工智能领域，大大提高运行效率。

 

480，可解释的机器学习/深度学习模型。

众所周知，机器学习/深度学习本质上是一项暗箱技术，其训练过程是不可解释的，这是深度学习算法与类脑算法的主要区别。但科学的发展，破解了这把锁，使监督的机器学习/深度学习模型可解释成为可能。

 

481，华为开源Disout算法PK谷歌闭源Dropout算法。

华为诺亚实验室开源Disout算法，直接对标谷歌申请专利的Dropout算法（华为新算法超过了Dropout，如在ImageNet上训练的ResNet一50可达到78.76%的准确率，而Dropout系列方法仅为76.8%）谷歌在申请专利时，将Dropout定义为“解决神经网络过拟合的系统和方法。”华为的Disout是一种通过研究特征图扰动来增强深度神经网络的泛化能力的方法。

 

482，配备人工智能的智能手环判断房颤。

近日北大医院与华米科技共同完成一项临床研究，引起了全球学界关注，美国知名心脏病学期刊《HeartRhythm（心律学）》在线发表了这项研究论文：“一种配备人工智能算法的新型智能手环用于发现心房纤颤”，研究显示，通过华米科技智能手环的ECG和PPG功能判断房颤的准确度分别可达94.76%和93.27%。

该研究使用一款由华米科技研发的智能手环（Amazfit末动健康手环1S），该手环具备光电容积脉搏波（PPG）和心电图（ECG）两种功能，并配以专为筛查心律失常而设计、训练的人工智能算法RealBeatsTM。研究人员共选拔401位受试者，经严格对照设计，以同一时间12导联心电图作为标准，测试了在静态条件下手环通过PPG、ECG功能判断房颤的准确性。最终发现，单独观察PPG算法时，其敏感性为88.00%，特异性为96.41%，准确度为93.27%；单独观察ECG算法时，敏感性为87.33%，特异性为99.21%，准确度为94.76%。这一结果充分证明该手环PPG、ECG功能检测房颤的准确性。

 

483，深度学习中对抗攻击与防御。

近来研究者发现，深度学习模型存在易受对抗样本攻击的安全隐患，对抗攻击在自动驾驶等场景中也能成功实现，这就表明在现实世界中对深度学习算法的攻击技术不但存在而且影响到它的安全可靠性和鲁棒性。这个问题引起了AI研究者们的关注。他们开展了机器学习/深度学习的对抗攻击与防御的研究，推出了一批最前沿的研究成果（包括理论基础、经典算法以及实际部署、应用前沿）。

他们开发了一批用于对抗样本生成的攻击算法，如FGSM、L—BFGS、PGD、C&W等，还开发了一批可以攻击深度神经网络的样本，如CaffeNet，GoogleNet，ⅤGG，ResNet等。

 

484，华为HMS生态服务取代谷歌GMS。

华为P40旗舰手机搭载Linux操作系统和HMS生态服务。

去年华为推出P35旗舰手机，搭载旧款安卓操作系统，当时担心华为手机的欧洲市场将因执行美国“断供”而受制于谷歌的GMS生态服务。

安卓操作系统是开源的，也可称Linux操作系统，而GMS是闭源的，专属谷歌私有。华为手机可搭载自主开发、改造的安卓系统（或Linux系统），其薄弱环节在生态。华为新款智能手机要占领市场（特别是海外市场）最关键的是要把生态服务的备胎搞出来！

去年四季华为P35手机海外销售就受GMS断供影响，从今年一季度华为手机海外出货量来看，因无法使用GMS服务的影响，其出货量同比下滑36%（由2019年同期3202万部降至如今的2048万部）。因此如何迅速寻找并解决GMS的备胎，就成为华为消费者（特别是海外消费者）密切关注的问题，也是如今华为亟待解决的问题。

从目前情况来看，华为推出的备胎HMS生态服务可谓进步神速，如今已获得全球140万志愿开发者的青睐（注册开发者暴涨150%），HMS将服务于全球170多个国家和地区，月活跃用户数高达4亿。

今年3月，华为发布P40系列旗舰手机新品。华为P40系列手机将舍弃谷歌的GMS生态服务和Play应用商店，转而搭载自家的HMS生态服务和APPGallery应用商店。

 

485，宇树科技在国际消费电子展（CES）上展示。

结合AI技术的四足机器狗。

不久前，我们从电视上看到新加坡政府从美国购置一款“四足机器狗”，面对新冠肺炎在新加坡蔓延之势，该款机器狗在新加坡公国内廵逻。

中国宇树科技在今年美国举办的国际消费电子展（CES）上（2020.1.7-10）展出高性能四足机器狗，名叫“莱卡（狗）”，这是宇树科技首次展示的一款他自称“结合AI技术的机器狗”（款名A1）。A1机器狗体积小（宽300mm、长620mm）、重量轻（含电池约26磅），可以以惊人速度行走（行走速度2米/秒或11公里/小时），电池续航时间2小时；A1机器狗关节十分灵活，动力强劲，可以进行各种跳跃、翻转运动，每只脚上都安装感应器，接收状态信息，并发送到电动机，从而提高运动效率；A1机器狗可承载多达5公斤重量，有可能成为传送机器人，该产品还搭配智能手机，可实现实时视频传输，还具有许多潜在的个人和公共用途。美国波士顿动力开发各种仿生机器狗，包括著名的四足机器狗“Spot”，用于美国医疗领域，协助医护人员对冠状病毒患者进行运程治疗、病毒检测等，还可延伸一些新应用（如快递、远程维护等）。据业内专家谈：宇树科技机器狗满满的科技未来感，力压波士顿动力的Spot。

 

486，谷歌的中国工程师团队提出颠覆性的自动驾驶行为预测算法模型。

在复杂的交通场景中，自动驾驶面对周围的车辆和行人，如果能在其行进中在未来5秒内提高行为预测，必将加速自动驾驶的发展。

行为预测的难点在于周围行人、车辆的不确定性和各种规则之外的行为，难以进行确定性预测。其难点尤其在遇到盲点与遮挡时，更是如此。

对于无人车，周围的环境大致分两类：一是地图特征，其中包括车道线、斑马线、红绿灯、速度标示、停车指示牌等固有道路要素，二是无人车周围的物体运动轨跡。

传统的自动驾驶行为预测做法的缺点昰：①将物体渲染到图片上，从时空看这是一个缺乏效率的方式，②采用卷积神经网络，这在自动驾驶行为预测方面存在局限性，因为它不适合应对长距离的道路信息。谷歌的一个中国工程师团队，在Waymo协助下，提出了一个全新自动驾驶行为预测模型ⅤectorNet。

他们提出了一种抽象化认识周围环境信息的做法：用向量（Ⅴector）来简化地表达地图信息和移动物体，这一做法抛弃了传统的用图片渲染的方式，达到了降低数据量、计算量的效果，即ⅤectorNet模型的做法，无需将环境信息渲染成图片，而表达成抽象、简化的向量形式（模型计算速度比卷积神经快一个数量级）。在向量化的基础上，该模型在所有向量之间添加了语义关系，让自动驾驶车辆不仅能看到环境信息，更能进一步理解环境中不同要素之间的关系。在自动驾驶的语境下，对要素之间的关系的认识可以帮助进行行为预测。所以ⅤectorNet在实际应用中具备很强实用性，可提升自动驾驶行为测试精准度。经Waymo实测，该模型技术提高了行为预测的精准度，比现有方法提升了近20%，而在占用内存和计算量上则减少了约8成。

目前该论文已被计算机视觉领域三大国际顶级会议之一的CVPR接收。