AI一周热闻：GitHub免费开放无限私有库；苹果市值蒸发超450亿美元；小米入股TCL...
- \n
- \n
CES 2019：英伟达发布RTX 2060和RTX 2080移动版
\n\n - \n
小米入股TCL，增强供应链话语权
\n\n - \n
苹果市值蒸发价值超过Facebook，全球市值第一不保
\n\n - \n
GitHub开放无限私有仓库免费使用
\n\n - \n
英特尔和Facebook等发布计算机视觉系统测试新基准
\n\n - \n
旷视创建高性能的“姿态估计”网络MSPN
\n\n - \n
让深度学习更安全：谷歌发布TensorFlow Privacy
\n\n - \n
微软研究院发布杂货店项目数据集，帮助视障人士购物
\n\n
CES 2019：英伟达发布RTX 2060和RTX 2080移动版
\n
\n在近日举行的CES展会上，英伟达发布了游戏相关产品，包括RTX 20系的两款新品RTX 2060与RTX 2080移动版。
其中，RTX 2060售价349美元，将于本月15日起正式上市。
\n据黄仁勋表示，RTX 2060在运行时下流行游戏时比上一代显卡 GTX 1060 快 60%，而且游戏体验能够媲美 GeForce GTX 1070 Ti，能在 60 帧/秒的速率下运行支持光线追踪的“战地 V。”
\n此外，RTX 2060配备了6GB GDDR6 显存和 240 个 Tensor Core，可提供每秒 52 万亿次浮点运算的深度学习能力，同时支持并发执行浮点运算和整数运算、自适应着色技术以及新的统一显存架构可以将缓存容量增加一倍。
\n对于RTX 2080移动版，黄仁勋则表示：RTX 2080移动版可以让笔记本电脑的性能提升至PS4 Pro的两倍，它比桌面版的GTX 1080更快，同时还可以实现深度学习超级采样（DLSS），做到在不影响性能的情况下提高分辨率。
\n1月29日之后，联想、惠普、宏碁、华硕、戴尔、神州等全球各大主流笔记本电脑OEM将陆续向市面推出超40款搭载GeForce RTX显卡的笔记本电脑。
\n小米入股TCL，增强供应链话语权
\n \n1月6日，TCL集团发布公告宣布小米集团战略入股TCL。据公告显示，2019年1月4日，小米集团通过深交所在二级市场购入65,168,803股 TCL 股权，占公司总股本的0.48%。
\n2018年12月29日，TCL集团与小米签订了战略合作协议，称将开展在智能硬件与电子信息核心高端基础器件一体化的联合研发等。
\n2018年，大家电业务成为小米的新增长点。此次入股TCL，小米将加强其在供应链的话语权。
\n苹果市值蒸发价值超过Facebook，全球市值第一不保
\n \n1月3日，苹果以重挫9.96%报收142.19美元，创2017年4月21日以来收盘新低，市值单日缩水近750亿美元，降至6747.5亿美元。自2018年10月3日苹果股价触及每股233.47美元的52周高点以来，苹果股价已下跌约39%，市值从高点蒸发超过4500亿美元，其蒸发的市值比Facebook的市值还高。
\n苹果表示，这主要是因为iPhone在大中华区销量低迷所致。但芝加哥投资公司Ariel Investments国际股票业务部门首席投资官Rupal Bhansali 表示：“中国经济确实出现了全面放缓，但苹果的疲软更多是由该公司的具体因素造成的。指责宏观经济疲软和贸易担忧是在混淆视听。”
\nBhansali认为消费者已经看不到苹果新产品的价值，比如iPhone XS和MAX，它们比iPhoneX更贵，而iPhoneX本身就令人失望。她还将苹果销售疲软归因于华为的竞争，后者刚刚度过了一个强劲增长的2018年。
\nGQG Partners的负责人Rajiv Jain认为，苹果令人失望的业绩预报是由于其自身的问题，包括缺乏产品创新，以及与中国竞争对手的差异。
\nGitHub开放无限私有仓库免费使用
\n1月8日，GitHub 官方博客发布两款产品，可以让开发人员免费访问 GitHub。这两项产品分别是：无限制的免费私有存储库，以及更简单、统一的企业级产品。
\nGitHub Free: 包含无限制的私人存储库。有了 GitHub Free，开发人员可以将 GitHub 用于私有项目，每个存储库最多可以有三个协作者。许多开发人员希望使用私人仓库申请工作，做一些 side project，或者在公开发布之前先私下尝试一些东西。从今天开始，这些场景在 GitHub 上可以免费实现（未来可能有更多场景）。 公共存储库仍然是免费的，并包括无限合作者。
\n因为三个合作者的数量限制，GitHub 的这项产品可能适用于一个小项目（例如，在黑客马拉松中竞争的一个小团队），但它并不是特别适合实际的商业用途。
\nGitHub Enterprise：将 Enterprise Cloud（以前称为 GitHub Business Cloud）和 Enterprise Server（以前称为 GitHub Enterprise）结合起来。 有些团队希望灵活地在云或自托管配置中使用 GitHub，现在他们只用一项服务的价格就可以使用两项服务了。通过 GitHub Connect（https://blog.github.com/2018-10-16-future-of-software/#business）， 这些产品可以安全地链接，提供混合选项，因此开发人员可以在私有仓库和公共仓库这两种环境中无缝切换。
\n此外，需要专业编码和协作功能的开发人员和团队还可以继续使用 GitHub Pro（前身为 GitHub Developer）和 GitHub Team。各产品的定价如下：
\n
\n
英特尔和Facebook等发布计算机视觉系统测试新基准
\n现行的测试基准可靠吗？无论是监督学习还是强化学习算法。对此，许多研究人员持怀疑态度。现在，普渡大学、芝加哥洛约拉大学、阿贡国家实验室、英特尔和Facebook的研究人员已经尝试为计算机视觉应用创建一个可靠的、基于真实世界的测试基准。研究人员使用140个可公开访问的摄像头网络，在24小时内收集500万张图像，然后在这些图像集中测试被广泛应用的“YOLO”目标探测器。
\n数据：研究人员通过提取CAM2的信息来生成该项目的数据，CAM2连续分析很多CAMeras项目，由普渡大学的研究人员建立和维护。
\nYOLO性能在夜间会降低，导致系统在检测时发生各种错误，如在不同光线下统计车辆的数据会发生变化。
\n大集群：研究人员使用两个超级计算集群来进行图像分类：一个集群使用Intel Skylake CPU和Knights Landing Xeon Phi core组合，另一个集群使用CPU和NVIDIA双K80 GPU组合。研究人员使用它们进行数据并行处理，但没有分析在不同硬件集群上的不同运行时间。
\n标签：研究人员估计标记所有500万张图像需要大约600天，标记完子集（13,440）图像后在YOLO上测试该图像集。
\n重要性：因为人工智能工业化能够生成关于系统性能的可靠数据，这对人们充分信任并采用该技术至关重要；这样的测试展示了如何为测试系统创建新的、大规模的健壮数据集，并指出我们需要开发更有效的算法，让系统具有足够强大的实际部署能力。
\n阅读更多：可变环境光照条件下的网络摄像机图像的大规模目标检测（https://arxiv.org/abs/1812.11901）
\n数据集（CAM2站点）：https://www.cam2project.net/
旷视创建高性能的“姿态估计”网络MSPN
\n \n中国人脸识别创业公司旷视、上海交通大学、北京航空航天大学和北京邮电大学通过部署“多阶段姿态估计网络”（MSPN），提高了监控AI技术的性能。
\n姿态估计是一种通用的计算机视觉技术，让人们从图像和/或视频片段中找出人物的线框骨架，已被广泛用于CGI和游戏等领域。
\n工作原理：MSPN：研究人员对MSPN进行了三个调整：调整主分类模块，以防止信息在处理过程中缩小图像时丢失；通过采用粗略到精细的监督策略来改进姿势本地化，以及在训练期间在网络上共享更多功能。
\n结果：与以前的所有方法相比，MSPN获得最优性能，并且具有很大的优势。他们使用的benchmark包括：AE、G-RMI、CPN、Mask R-CNN和CMU Pose。MSPN在COCO测试集上获得了最高分，其中使用纯COCO测试开发数据的MSPN版本比一些用额外数据增强自身的系统得分更高。
\n重要性：AI在不断地提高自动监控系统的功能。值得记住的是，对于很多AI研究领域，任何一个领域的进展（例如，监督分类架构改进，如残余网络）都可能在其他更多应用领域（如监控）中产生连锁反应。
\n阅读更多：重新思考用于人体姿态估计的多阶段网络（https://arxiv.org/abs/1901.00148）。
\n让深度学习更安全：谷歌发布TensorFlow Privacy
\n谷歌发布了TensorFlow Privacy，这是一个免费的Python库，可以让人们训练具有差异化隐私的TensorFlow模型。差分隐私是一种通过让开发人员设置与应用于正在处理的用户数据的噪声量相关的各种权衡，以保护用户隐私的方式训练机器学习系统的技术。
\n其工作原理如下：如果有足够多的用户，你可以为单个用户数据添加一些噪声对其进行匿名化，并继续从模糊数据组合池中的整体模式中提取有意义的信号——如果你有足够的数据。苹果、亚马逊、谷歌、微软等公司就是这样做的。
\nApple +差异隐私：Apple是首批公开表示已开始使用差分隐私的大型消费者技术公司之一，于2016年宣布正在使用该技术，在不影响隐私的情况下训练大规模机器学习模型。
\n重要性：随着人工智能产业化，提出更好地保护用户隐私的AI训练方法可以加快AI技术的采用，并将缓解与大规模人工智能系统部署相关的各种政策挑战。由于TensorFlow已经被广泛使用，因此通过添加专用库来实施经过充分测试的差分隐私系统将有助于更多开发人员尝试使用这项技术，扩大技术传播范围。
\n阅读更多：TensorFlow Privacy GitHub：https://github.com/tensorflow/privacy
\n差分隐私概述：https://www.apple.com/privacy/docs/Differential_Privacy_Overview.pdf
微软研究院发布杂货店项目数据集，帮助视障人士购物
\n瑞典皇家理工学院和微软研究院的研究人员创建并发布了一个常见杂货店物品的数据集，帮助AI研究人员训练更好的计算机视觉系统。该数据集标签具有分层结构，使用板粗和细粒度标签标记大量目标对象。
\n数据集组成：研究人员使用1600万像素的Android智能手机相机拍摄了18个杂货店中的水果和蔬菜、冷藏乳制品/果汁的图像，共计5125张。该数据集包含81种细粒度产品（研究人员称之为类别），每种产品都附有以下信息：“网站上某项目的标志性图像以及产品描述，包括原产国、物品的重量和营养价值。
\n数据集baseline：研究人员在数据集上运行一些基准测试，使用CNN架构AlexNet、VGG16和DenseNet-169进行特征提取，然后将这些特征向量用于使用VAE进行数据集实体特征表示的系统中，这可以提高分类的准确性。
\n重要性：研究人员认为，这样的系统可用于训练帮助视障人士购物的视觉辅助系统，但限于带有条形码的杂货。这项技术同样适用于建设全自动化结账系统商店，如亚马逊Go的全自动结账系统。
\n获取数据：Grocery Store 数据集 GitHub 地址： https://github.com/marcusklasson/GroceryStoreDataset
\n具有视觉和语义标签的分层杂货店图像数据集（https://arxiv.org/abs/1901.00711）
\n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]。
\n参考链接：
\nhttps://jack-clark.net/2019/01/07/import-ai-128-better-pose-estimation-through-ai-amazon-alexa-gets-smarter-by-tapping-insights-from-alexa-prize-and-differential-privacy-gets-easier-to-implement-in-tensorflow/