中国量子计算原型机 "九章" 问世 | AI日报

为 AI 内行人定制资讯，

帮你一篇尽览 AI 行业要闻。

田渊栋团队&UC伯克利新作：从第一性原理出发，多智能体协作该如何建模

这是田渊栋团队在多智能体强化学习上的一篇新的工作，是Facebook AI Research和UC Berkeley合作的，由BAIR Open Research Commons支持，代码已开源。本文主要想解决的问题是，如何更好地在复杂环境下同时训练多个智能体相互协作，并且让它们在未重新训练的情况下，自动适应环境和其它智能体的变化。

在多智能体星际争霸（StarCraft II Multi-agent Challenge, SMAC）的环境下，研究人员提出的方法（CollaQ）达到了比较好的效果，比之前的SoTA胜率要高了40%。如果增加、减少、或是替换智能体，不训练或是微调的情况下，协作仍然可以继续进行，并且比之前的SoTA胜率高30%。

• 论文链接：
  https://arxiv.org/abs/2010.08531

• GitHub链接：
  https://github.com/facebookresearch/CollaQ

重大里程碑：潘建伟团队实现“量子计算优越性”！原型机“九章”诞生，比最快的超级计算机快一百万亿倍

中国科学技术大学潘建伟、陆朝阳等组成的研究团队，在Science刊发研究成果《使用光子的量子计算优势》（Quantum computational advantage using photons），该研究也得到了 Nature、NewScientist、Physics World 等媒体的报道。

陆朝阳表示“该研究的大主题已经研究 20 年左右，具体从 2013 年开始。本次研究共有二十位左右研究人员参与，四位第一作者都是 90后。而谷歌的同类研究则有一百位左右研究人员参与。”

英特尔宣布类脑计算和神经形态芯片Loihi最新进展

Intel Labs Day 2020上，英特尔实验室发布了多项最新成果，包括硅光、量子、隐私计算等领域，以及新的机器编程研究工具ControlFlag（利用AI检测代码bug）。

英特尔神经形态计算实验室主任Mike Davies分享了英特尔神经形态研究社区（INRC）的最新进展。这个组织自2018年成立以来发展迅速，现已拥有100多名成员。英特尔今天宣布增加联想、罗技、梅赛德斯-奔驰和Prophesee，以探索神经形态计算在业务中的价值。

最新的进展包括：

• 语音命令识别：与GPU相比，Loihi不仅达到类似精度，而且能效提高了1000倍，响应速度提高了200毫秒。梅赛德斯-奔驰正在通过INRC探索如何将这些结果应用于现实世界的用例，例如向车辆添加新的语音交互命令。

• 手势识别：通过处理神经形态相机的输入，Loihi只需几次曝光就可以学习新手势。这可以应用于各种用例，例如与家庭中的智能产品进行交互或在公共场所中进行非接触式显示。

• 图像检索：Loihi能够在百万图像数据库中搜索特征向量的能力比CPU快24倍，能耗为30分之一。

• 优化和搜索：Loihi可以比传统CPU效率高出1000倍，速度快100倍，可以解决优化和搜索问题。

• 机器人技术：Loihi可以成功地学习许多OpenAI Gym任务，其精度与深度参与者网络相当，与移动GPU解决方案相比，其能耗降低了140倍。

UTAustin&快手提出Once-for-All对抗学习算法实现运行时可调节模型鲁棒性

对抗学习算法被广泛用于提升深度网络的鲁棒性，然而却以牺牲模型准确度为代价。部署在终端的同一个神经网络在不同情境下可能有不同的鲁棒性与准确率需求。

本文提出的One-for-all Adversarial Training (OAT) 算法得到的模型可以在运行时根据用户需求自由调节鲁棒性与准确率。相比于针对不同鲁棒性要求而单独训练的一系列模型，用OAT得到的一个单独可调节模型的鲁棒性与准确率均相当甚至更好。

点击此处进入社区查看原文