【AI每日播报】伊隆·马斯克成立Neuralink、何凯明Mask R-CNN论文解读

---

资讯

---

伊隆·马斯克成立Neuralink：用植入电极增强人脑计算能力

伊隆·马斯克又成立了一家新的合资公司 Neuralink。由于 Wall Street Journal 的今日报道，Neuralink 得以揭开其神秘面纱。

此前一段时间，业界已有传闻马斯克在加紧开发脑机接口技术，从而保证人类与飞速发展的人工智能齐步前进。Neuralink 的核心技术正是上年马斯克在 Code Conference 大会上谈及的「神经丝网」（neural lace）；它通过外科手术与大脑相连接，并允许用户通过现有的输入方式（键盘、鼠标、触控板等）与计算机进行交互，且这种连接不受带宽限制。

自马斯克在推特上发布了相关信息之后，「神经丝网」技术取得了重大进展，届时已有传闻说他将成立专注于这一项目的新公司。果不其然，现在 Neuralink 来了。

AI赌神四月来华对抗龙之队，德扑人机再战要点全披露

55天前，一个人工智能(AI)在匹兹堡河流赌场，击败四位顶级人类德州扑克玩家，在20天的时间里累积赢得176.6万美元。

AI赌神，一战成名。

如今这个人工智能Libratus不单有了中文名“冷扑大师”，而且还将应创新工场CEO、创新工场人工智能工程院院长李开复的邀请，于4月6日-10日来到中国，进行一场“冷扑大师 vs 中国龙之队”的德州扑克人机大战表演赛。

届时，冷扑大师的创造者：卡内基梅隆大学Tuomas Sandholm教授和他的博士生Noam Brown，也将来到比赛现场亲自督战。

蒋涛：AI风口只有2%的人能成为赢家

在2016 Techcrunch论坛上，李开复曾经说过：“当人工智能识别人脸，超过人的时候，保安的工作至少一部分就没有了；当人工智能能够听懂语音的时候，客服和打电话卖东西人的工作就没有了；当人工智能能够更聪明的炒股的时候，很多人的工作就没有了。”

今年是人工智能发展的第61个年头，所有的投资机构都在谈论和布局该领域，但人工智能将在哪些产业爆发？传统企业又该如何挖掘第一桶金？要知道，每个风口都只有2%的人能够成为赢家。

Uber无人车发生车祸，交警表示责任不在无人车

本周六，据公司和亚利桑那州 Tempe 警方表示，配备初期技术的 Uber 无人驾驶汽车在美国亚利桑那 Tempe 发生了撞车事故：Uber 所有的一辆自动驾驶沃尔沃 SUV 被撞翻侧倒在路面。不过，事故并未造成严重伤亡。

事故发生后，Uber 公司暂停了亚利桑那州的自动驾驶汽车测试，直至事故调查结束。

由 Fresco 新闻提供的现场图片表明，Uber 的沃尔沃 SUV 在与汽车撞击之后发生了侧翻。公司一位发言人证实了这次事故以及照片的真实性。Uber 在邮件中说，发生撞击时，两名安全驾驶人员坐在汽车前座，后座是空的，车辆处于自动驾驶模式。

Tempe 警察局发言人 Josie Montenegro 说，事故发生的原因是后面的汽车司机在转弯时「没能让路（fail to yield）」Uber 无人驾驶汽车，导致两车相撞，后者侧翻在地。

Tempe 警方告诉彭博社，Uber 对这起事故并不负责任，也无人员损伤。警方表示，是另一辆汽车没有让路才引发自动驾驶车辆侧翻。但是，方向盘后有人，无法确定相撞时是否有人在控制车辆。

吴恩达夫人呛声Google：我不仅仅是某人的老婆

3月25日夜，吴恩达夫人Carol Reiley转发了一个推特，并且附上“‘100’表示百分百同意。原推文是媒体人Julia Sklar发的一段呛声抱怨，大意是：@Google，你能干好点不。Carol Reiley可不仅是某人的老婆。能不能把她的搜索结果描述改为：著名机器人学家&drive.ai联合创始人兼总裁？

Reiley转发的这条推特似乎说明，这位同样在人工智能领域有很深造诣的女性，并不满足于被丈夫的光环所笼罩，更想以独立的姿态示人。

218篇论文成就谷歌“AI奇迹之年”

2016年，谷歌在人工智能领域表现最为突出，发表重量级论文最多，《Nature》、《PNAS》、《JAMA》都是世界上最顶级的科学期刊。在过去一年里， Google的论文都发表在了这三大顶级期刊上。而苹果公司也因此首次打破了保密原则，旨在人工智能领域的竞争中保持优势。

Google论文数量激增的背后是Google对人工智能领域，特别是“深度学习”日益增长的投资。深度学习是一门很强大的技术，它已经广泛地运用于很多领域，如图像分类、机器翻译、语音识别、语言合成等。

根据Google向《麻省理工科技评论》提供的数据表明：仅在2016年，Google就发表了218篇期刊或会议论文，这数据几乎是两年前的两倍。

再见，Hadoop时代，深度学习迎来寒武纪大爆发

自2007年Hadoop开源以来，Hadoop及其相关技术就成为了数据科学的深层驱动力。但是，我们都知道，虽然 Hadoop/MapReduce留下了自己的印记，但它已经不再是前沿技术了。 Apache Spark已经抢了Hadoop的风头，说Spark是去年的热门新闻也不为过。

终于，在今年的Strata+Hadoop 大会上，O’Reilly 宣布从此以后会议改名为 Strata Data Conference。所以，Hadoop 的时代，再见了。

---

学术

---

Facebook 何凯明发大招：Mask R-CNN 狙击目标实例分割

自从将卷积神经网络引入了目标检测领域后，从rcnn到fast-rcnn，然后到end-to-end的faster-rcnn,除了yolo一枝独秀外，基本垄断了整个目标检测领域；而何凯明的resnet基本成了整个图像分类算法的巅峰。这一次，他们强强联手准备狙击实例分割（instance segmentation）了。

什么是instance segmentation：简单讲，一群人在图片里面，我希望把每个人都给我分割出来。分类只能做到识别这个图片是人；目标检测只能检测到这个图片里有人，把人的地方框出来，对每一个人这个个体不一样是没有判断的，统一认为是人；而图像分割主要是将人和背景分割出来，而实例分割就是要把每个人清晰的分割出来。

用深度学习（CNN RNN Attention）解决大规模文本分类问题

文本分类问题算是自然语言处理领域中一个非常经典的问题了，相关研究最早可以追溯到上世纪50年代，当时是通过专家规则（Pattern）进行分类，甚至在80年代初一度发展到利用知识工程建立专家系统，这样做的好处是短平快的解决top问题，但显然天花板非常低，不仅费时费力，覆盖的范围和准确率都非常有限。

后来伴随着统计学习方法的发展，特别是90年代后互联网在线文本数量增长和机器学习学科的兴起，逐渐形成了一套解决大规模文本分类问题的经典玩法，这个阶段的主要套路是人工特征工程+浅层分类模型。

本文以淘宝一个典型的商品为例，具体解释了传统的文本分类方法以及利用深度学习的文本分类方法。并附上作者十条实战经验以及作者团队的相关内推信息。

Facebook 田渊栋详解：深度学习如何进行游戏推理？

田渊栋，Facebook 人工智能研究院研究员，Facebook 围棋 AI 程序 DarkForest 首席工程师及第一作者，卡耐基梅隆大学机器人研究所博士，曾担任 Google无人驾驶团队软件工程师，并获得国际计算机视觉大会（ICCV）马尔奖荣誉提名。

研究者可能以前会觉得游戏只是消遣的工具，但随着人工智能的发展以及它在游戏上的一些应用，大家也开始意识到，游戏现在已经演变为一种AI研究的工具，游戏可以作为一个平台，作为一个虚拟环境，用于测试人工智能的一些技术。

文中，田渊栋结合近来的热点事件，例如CMU的Poker Player战胜了世界上最强的扑克高手一事，以及其自身工作上的项目经历，介绍深度学习在游戏领域的进展。

---