AI 人工智能 Archives - Page 3 of 3

未來的小提琴手可能會接受人工智能「培訓」

據媒體New Atlas報導，如果你正在努力訓練希望成為一名音樂會小提琴手，你不希望你的技巧僅僅是「足夠好」。新的計算機系統可能很快就能夠提供幫助，因為它使用人工智能（AI）來識別用戶的運弓技巧，甚至可能告訴他們如何提高他們的表現。該系統由西班牙龐培法布拉大學的科學家創建，使用手勢識別Myo臂章訓練系統，以追蹤專業小提琴手的右臂動作，因為其使用了Détaché、Martelé、Spiccato、Ricochet、Sautillé、Staccato和Bariolage等弓法。此外演奏的音頻將同時被錄制。然後，基於機器學習的算法將手臂運動與相應的音頻進行比較，確定在每種弓法中哪些運動產生哪些聲音。當系統隨後負責識別小提琴手正在使用的弓法時，其准確率超過94％。現在研究人員希望，一旦進一步發展，該技術可用於為學生提供實時反饋，向他們展示他們的持琴姿勢與專業人員有何不同。該研究由David Dalmazzo和RafaelRamírez領導，在最近發表在《Frontiers in Psychology》雜誌上的一篇論文中有所描述。來源：cnBeta

我什麼時候會死？人工智能將預測慢性病患者死亡時間

3月29日消息，據媒體報導，研究顯示，人工智能或許能預測慢性病患者的死亡時間。科學家和醫生們利用50萬名患者數據研發了一款人工智能工具，能夠預測哪些患者早亡的風險較高。患者的家族病史、攝入鹽量、用藥情況、使用防曬霜情況等各方面因素都被考慮在內。研究人員稱，該人工智能系統在測試中的預測結果「非常精確」，可靠度約比現有的機器學習系統所做估測高10%。該研究由英國諾丁漢大學開展，流行病學與數據科學助理教授Stephen Weng博士領導了本次研究。「在對抗嚴重疾病的抗爭中，預防性醫療的優先級正變得越來越高。」Dr Weng表示。「我們已經歷時多年時間，努力改進用計算機評估一般人群健康風險的計算機技術的准確性。大多數研究應用都專注於單一疾病領域，但預測由多種疾病引發的死亡概率極為復雜，特別是在考慮各種可能造成影響的環境與個體因素的情況下。我們開發了一種獨特且全面的方法，通過機器學習技術預測某個人早亡的概率，這是在該領域取得的一大進步。」該人工智能算法由502648名40至69歲之間的患者數據生成，他們曾在2006年至2010年之間參與過英國生物銀行研究，並一直被追蹤研究至2016年。算法共考慮了60種健康預測因素，包括受試者的體質指數（BIM）、血壓、維生素或營養補充劑服用情況等。受試者的水果、蔬菜、肉類、奶酪、穀物、魚類和酒精攝入情況也被考慮在內。「我們將預測結果與英國國家統計署的死亡記錄、英國癌症注冊記錄等數據庫的死亡數據進行了比對。」隨後，他們又將該算法與兩項標準的機器學習技術進行了比較。結果顯示，這套新模型的准確率比現存技術高了10.1%，「我們發現機器學習算法預測死亡的准確率比由人類專家開發的標準預測模型高得多。」 Weng博士指出。該研究作者、諾丁漢大學醫學與健康科學學院基層醫療主任Joe Kai教授補充道：「人們對利用人工智能或機器學習技術預測健康結果有強烈的興趣。在有些情況下，這種技術也許很有幫助，有時則不然。就眼下這種情況來說，我們證明了通過仔細調整，這些算法可以有效改進預測效果，這些技術對健康領域的很多研究者來說可能還很新鮮、難以理解。我們相信，只要以透明清晰的方法報告這些方法，將有助於這一醫療領域獲得科學驗證、實現進一步發展。」諾丁漢大學此前開展的一項研究提出，有四種人工智能算法預測心髒病的准確度遠高於目前心髒病治療指導方針中使用的技術。科學家們預言，人工智能將在定製化醫療的發展中扮演關鍵角色。但他們也補充道，為證實機器學習在其他種群中的有效性、以及將人工智能更好地融合到日常醫療之中，還需要開展進一步研究。（葉子）來源：cnBeta

印度數據工廠驅動全球 AI 發展

在中國，推進 AI 發展的一些最關鍵工作是在與北京和深圳相距十萬八千里進行的。雖然人工智能機器是超快的學習者，擅長處理復雜的運算，但它們缺乏就連 5 歲的孩子都具備的認知能力。人工智能需要被教導。數據工廠應運而生，它們開始在遠離大城市的地區涌現，通常是在相對偏遠的地區，勞動力和辦公空間都很便宜。那麼其它國家呢？印度成為一個熱門的世界數據工廠。在一個叫 Kumaramputhur 的小村莊，大約 200 名工人在從事數據分類的工作，大部分人的年齡在 20 到 25 歲。外包公司在偏遠地方建立了類似的工廠去從事數據分類，數以千計的人類在幫助訓練最先進的 AI。來源：cnBeta

[圖]調查：黑人比白人更容易和自動駕駛汽車發生事故

固然存在諸多優勢，但是自動駕駛技術也引發了很多擔憂。除了擔心他們的安全級別，如何處理復雜的城市交通環境，在發生交通事故後劃分責任，是否會讓現有的交通變得更糟糕等等之外，我們還需要擔心他們對種族的傷害。根據佐治亞理工學院的一項新研究，黑種人可能會比白種人更容易受到自動駕駛汽車的傷害，這是因為自動駕駛車輛可以更好的檢測出膚色較淺的行人。該研究的作者首先提出了這樣一個非常簡單的問題：目前應用於自動駕駛汽車上最先進的目標檢測模型對不同膚色的人群檢測精準度如何？為了找到答案，他們查閱了包含行人的大型圖像數據集。然後使用菲氏量表(Fitzpatrick Scale，一種將人類膚色從淺到深分類的系統)對測試人群進行了分割。研究人員儘量控制了反應時間等諸多變量，但結果還是發現相比較淺色皮膚組，深色皮膚組的平均檢測精準度降低了5個百分點。該研究的作者之一Jamie Morgenstern表示：「我們工作的主要任務就是的共享統一架構的視覺系統應該精準度上非常接近。」不過這項研究結果尚未經過同行評審。在論文中並沒有對被自動駕駛汽車使用的任何實際物體探測模型進行測試，也沒有利用自動駕駛汽車製造商實際使用的任何訓練數據集。論文只是測試了學術研究人員使用的幾種公開數據集的模型。不過研究人員只能獲得這些公開數據集，因為出於利益方面的問題這些公司並不會貢獻它們的數據。來源：cnBeta

耶魯大學測試人類和AI一起工作結果令人意外

《大西洋月刊》撰文指出，人工智能正在直接或間接地影響諸如愛情、友誼、合作以及教學等人類基本社會能力。當人工智能更全面地滲入人類生活時，我們可能還需要一種新的社會契約，一種與機器而不是與他人相處的契約。幾十年來關於機器人如何改變我們生活，一直是科幻小說的慣常話題。20世紀40年代，當人類和人工智能之間的廣泛互動還遙不可及之時，科幻小說作家艾薩克·阿西莫夫（Isaac Asimov）為了防止機器人傷害人類，就提出了著名的機器人三定律。由於清楚機器人可以通過直接互動影響人類，機器人三定律的第一點就是機器人不能傷害人類，也不能在人類受到傷害時袖手旁觀。想想經典科幻小說中的那些描述:比如在《星球大戰》中，C-3PO和R2-D2與叛軍聯盟合作挫敗帝國;或者《2001太空漫遊》中的HAL 9000和《機械姬》中的艾娃密謀殺害表面上的主人。但是這些想象並沒有集中在人工智能更廣泛也更重要的潛在社會影響上：人工智能可以影響我們人類之間的互動方式。當然，激進的創新此前已經一再改變了人類共同生活的方式。大約在5000到10000年前，城市的出現意味着遊牧生活的減少和人口密度的增加。無論是人類個體還是集體，都對這種新的生活方式進行了適應。比如說我們可能已經進化出對可能由這些密集新環境造成感染的抵抗力。最近，包括印刷、電話和互聯網在內的技術發明徹底改變了我們存儲和交流信息的方式。然而，盡管這些創新具有重大影響，但它們並沒有改變人類社交屬性的基本行為：這是我們經過數十萬年進化而來的基本社會能力，其中包括愛情、友誼、合作和教學。在世界各地，這些人類行為的基本因素在世界各地保持着驚人的一致性，無論是在城市或者農村，無論人類社會中是否使用現代技術均是如此。但在人類社會中間加上人工智能可能更具破壞性。特別是當機器被設計成和我們一樣，並深深地滲入我們的生活時，它們可能會改變我們的愛情方式、交友方式或者人性。這一切不僅僅發生在我們與機器的直接互動中，而且發生在我們與他人的互動中。耶魯大學實驗室里做的一些實驗就是如此。在其中一個實驗中，研究人員引導一小群人與人形機器人一起在虛擬世界中鋪設鐵軌。每個實驗組由三個人和一個藍白相間的小機器人組成，他們圍坐在一張方桌旁，通過平板電腦完成任務。這個機器人被設定為偶爾會犯錯誤，並且會承認錯誤:「對不起，伙計們，這一輪我犯了錯誤。」「我知道這可能難以置信，但機器人也會犯錯。」結果證明，這個會作懺悔的笨拙機器人通過改善人類之間的溝通交流，幫助這些小組表現得更好。他們變得更放鬆，更健談，安慰那些容易犯錯的小組成員。與機器人只做平淡陳述的對照相比，有懺悔機器人的實驗組成員之間合作得更好。在另一項虛擬實驗中，研究人員將4000名受試者分成20人左右的小組，並在小組內為每個人分配「朋友」；彼此之間的朋友關系形成了一個社交網絡。然後，這些小組被分配了一項任務:每個人必須從三種顏色中選擇一種，但是每個人所選擇的顏色不能與被分配朋友所選色相同。在受試者不知情的情況下，研究人員為一些小組分配了一些被設定為偶爾會出錯的機器人。實驗顯示，與這些機器人直接相關的人變得更加靈活，並且會避免陷入一個只適用於特定個人，但不適用於整個團隊的解決方案。更重要的是，由此產生的靈活性會在整個小組中傳播開來，甚至會影響到沒有直接與機器進行交互的人。因此，分配有容易出錯的智能程序的實驗組始終優於那些沒有出錯智能程序的實驗組，在表明，機器人有助於人類相互幫助。這兩項研究都表明，在所謂的「混合系統」中，也就是人與機器進行社交互動的系統中，合適的人工智能可以改善人與人之間的關系。其他研究結果也證實了這一點。例如人們在網上對他人發出謾罵，後政治學家凱文·芒格(Kevin Munger)指示特定種類的機器人進行干預。他指出，在某些情況下，機器人只是提醒謾罵者他們的目標是一個感情可能會受到傷害的人時，就能使謾罵者在一個多月的時間內不再攻擊他人。但是在我們的社會環境中加入人工智能也會使我們的行為不再那麼有效率和道德。在另一個實驗中，研究人員給了幾千名受試者錢，讓他們在多個回合的網絡遊戲中使用。在每一輪測試中，受試者被告知他們可以保留自己的錢，也可以將部分或全部錢捐給鄰居。如果他們捐了錢，研究人員也會捐同樣的錢給他們的鄰居。在遊戲初期，三分之二的人表現得無私。畢竟，他們意識到在第一輪對鄰居慷慨可能會促使鄰居在下一輪對他們慷慨，從而建立一種互惠准則。然而，從自私和短期的角度來看，最好的結果是保留自己的錢，並從鄰居那里得到錢。在這個實驗中，研人員發現在整個受試群體中加入一些假裝人類玩家的自私機器人，就可以促使整個群體做出同樣的自私行為。最終，參與實驗的人彼此完全停止了合作。這些機器人就這樣把一群慷慨的人變成了自私之徒。合作是我們人類的一個重要特徵，是社會生活必不可少的。信任和慷慨是區分成功和失敗群體的關鍵。如果每個人都為了幫助群體而努力，那麼都應該從中受益。然而，當這種行為失效時，公共利益的概念就消失了，每個人都會受到損害。人工智能可能會有效降低我們合作的能力，這一事實非常令人擔憂。我們已經遇到過現實世界中人工智能如何破壞真實世界人際關系的許多例子，而人工智能對社會產生簡單影響這一事實每天都在我們身邊上演。父母們看着自己的孩子對着Alexa或Siri等數字助理發出粗魯的命令，開始擔心這種粗魯會滲入孩子對待他人的方式，或者擔心孩子與人工智能機器的關系會干擾甚至搶占人際關系。麻省理工學院技術與社會專家雪莉·特克爾(Sherry Turkle)不久前指出，那些在人工智能環境中長大的孩子，可能不會有「同理心」。隨着數字助理變得無處不在，我們更習慣於和它們進行交談，仿佛它們是有知覺的;朱迪思?舒列維茲(Judith Shulevitz)去年在相關文章中描述了我們中的一些人是如何開始把它們當作知己，甚至是朋友和治療師。舒列維茲說，她自己向Google數字助理坦白了一些不會告訴丈夫的事情。如果我們能更自如地與電子設備親密交談，我們的婚姻和友情會發生什麼樣的變化呢?由於商業上的需要，設計師和程序員通常會設計出讓我們感覺更好的設備，但這可能無助於我們進行自我反思。隨着人工智能不斷滲透進我們的生活，我們必須面對這樣一種可能性：人工智能會抑制我們的情感，抑制我們與他人的深層聯系，讓我們彼此之間的關系變得不那麼互惠，或者說更膚淺更自戀。所有這些都可能以一種意想不到的方式改變人類社會。我們是否希望機器影響孩子們善良的天性？我們是否希望機器會影響成年人的性生活? 英國德蒙特福特大學(De Montfort University)人類學家凱瑟琳·理查森(Kathleen Richardson)就對後一個問題很擔心。作為反對性愛機器人運動的主要人物，她警告說，性愛機器人會使人類失去人性，並可能導致用戶遠離真正的親密關系。我們甚至可能會從把機器人當作滿足性慾的工具，發展到以這種方式對待他人。其他觀察家則認為機器人可以從根本上改善人類之間的性行為。早在我們大多數人遇到如此親密的人工智能難題之前，我們還會應對更多日常挑戰。畢竟自動駕駛汽車的時代已經來臨，這些車輛承諾將大大減少困擾人類駕駛員的疲勞和分心等問題，從而防止事故的發生。但是它們還會對人產生什麼影響呢?駕駛是一種非常現代的社會互動方式，需要高度合作和社會協調。有人擔心，自動駕駛汽車剝奪了人們行使這些能力的機會，可能會導致這種社交能力的萎縮。這些車輛不僅將通過編程來接管駕駛職責，從而取代人類做出判斷的權力，同時還將影響與它們沒有直接接觸的人類。例如，自動駕駛汽車以穩定不變的速度行駛一段時間後，駕駛員的專注度可能就會下降，反而增加了其接管駕駛時發生事故的可能性。或者，經驗可能會證實，與完全符合交通法規的自動駕駛汽車並排行駛，實際上會提高人類駕駛員的表現。不管怎樣，如果我們不對這些社會溢出效應進行優先考慮，就不能不顧後果地推出新的人工智能形式。人類必須像為自動駕駛汽車技術開發硬件和軟件那樣，運用同樣的努力和聰明才智來管理人工智能對汽車外部產生的潛在漣漪效應。畢竟要求車後安裝剎車燈，不僅是為了車內人員的利益，而且主要是為了車後的其他人。 1985年，在艾薩克·阿西莫夫(Isaac Asimov)提出他的機器人定律大約40年後，他又在自己的清單上增加了一條:機器人永遠不應該做任何可能傷害人類的事情。但他在如何評估這種危害方面遇到了困難。「人是一個具體的物體，」他後來寫道。「對一個人的傷害是可以估計和判斷的。但人性是一種抽象。」特別關注社會溢出效應會有所幫助。其他領域的溢出效應導致了規則、法律和監督的要求。無論是污染水源的公司還是在辦公樓里呼出二手煙的個人，一旦一些人的行為開始影響其他人，社會可能會介入。由於人工智能對人與人之間互動的影響是如此強烈而深遠，而且發展迅速而廣泛，在大規模部署之前必須系統地研究可能會出現什麼樣的效應，並討論如何為了共同的人類利益來進行調節。已經有一群不同的研究人員和實踐者，比如說計算機科學家、工程師、動物學家和社會科學家等等聚集在一起開發「機器行為」領域，希望將人類對人工智能的理解建立在更堅實的理論和技術基礎之上。在這個領域里，機器人不僅僅是人類製造的物品，而是一種新型的社會行為體。一切迫在眉睫。在不遠的將來，人工智能賦能的機器可能會通過編程或自主學習展現出與人類相比似乎奇怪的智能和行為形式。我們需要迅速將僅僅怪異的行為與真正威脅我們的行為區分開來。人工智能最值得我們關注的是那些會真正影響人類社會生活核心的方面，因為這些核心特徵使我們的物種在幾千年的時間里得以生存延續。啟蒙哲學家托馬斯?霍布斯(Thomas Hobbes)認為，人類需要一種集體協議，以防止我們變得雜亂無章。他錯了。早在人類組建政府之前，進化就為人類裝備了一套社會能力，使我們能夠和平共處。在前人工智能時代，祖先遺傳給我們的愛情、友誼、合作和教學能力繼續幫助我們共同生活。不幸的是，人類沒有時間進化出與機器人相媲美的先天能力。因此，我們必須採取措施，確保他們能夠與我們生活在一起，不受破壞。當人工智能更全面地滲入人類生活時，我們可能還需要一種新的社會契約，一種與機器而不是與他人相處的契約。（選自/The Atlantic 翻譯/網易智能參與/晗冰編輯/定西）來源：cnBeta

科學家訓練AI來識別肺癌其准確性與病理學家相匹敵

隨着人工智能繼續滲透到我們生活的方方面面，我們現在開始看到計算機系統診斷各種疾病的能力取得了一些重大進展。科學家最關注的領域之一是癌症診斷，我們已經看到機器學習算法能夠識別乳腺癌等癌症。現在，來自達特茅斯學院諾里斯科頓癌症中心的研究人員宣佈開發一種深層神經網絡，可以識別組織載玻片上的肺癌，其准確性與人類病理學家相匹敵。「我們的研究表明，機器學習可以在具有挑戰性的圖像分類任務中實現高性能，並有可能成為肺癌管理的資產，」該研究的第一作者Saeed Hassanpour 在一份聲明中表示。「我們系統的臨床實施將能夠幫助病理學家准確分類肺癌亞型，這對於預後和治療至關重要。」該研究發表在《科學報告》上，專注於一種稱為腺癌的常見肺癌。該團隊在幻燈片圖像中對數百個癌症示例進行了AI培訓，然後針對143個單獨的幻燈片圖像測試了算法，以瞭解網絡在真實場景中的准確程度。將這些結果與人類病理學家的判斷進行了比較，並且AI總體上非常準確，證明至少與人類專家一樣在識別載玻片中的癌症方面同樣熟練。研究人員提出，如果他們的系統可以在現實世界的測試中得到驗證，那麼這可能被證明是需要快速診斷的醫生和其他醫療專業人員的寶貴工具。來源：cnBeta

有人用AI將朱茵演的「黃蓉」換成楊冪的臉

以假亂真的圖片PS已經落伍，隨着AI的發展，如今連視頻都不能信了，給視頻中的人物換個臉，分分鍾搞定。 B站一位叫「換臉哥」的UP主，就發佈了多部給影視劇角色換臉的視頻，被換臉的有《冰與火之歌》里的龍媽，《泰坦尼克號》里的rose，《喜劇之王》里的柳飄飄，《古墓奇兵》里的勞拉等等，而替換而成的，都是楊冪。近日，該UP主又讓楊冪「客串」了一把94版《射鵰英雄傳》里的黃蓉（朱茵扮演），不但顏值在線，表情也更加豐富生動了。網友看後表示： -這個視頻做的厲害了，我還在納悶楊冪什麼時候演過黃蓉呢，原來如此 -再發展發展，未來的明星是不是只需要出售自己的肖像權就可以完成一部電視電影的製作。原版原版來源：cnBeta

AI可閱讀病歷、推薦臨床診斷准確度超過年輕醫生

今日最新上線的《自然》子刊《Nature Medicine》上，發表了一項激動人心的成果：利用機器學習和自然語言處理等人工智能（AI）技術，廣州市婦女兒童醫療中心的夏慧敏教授和加州大學聖地亞哥分校（UCSD）張康教授領銜的一支研究團隊，合作帶來一款全新的AI診斷工具。這項工具和人類醫生一樣，當填寫完患者口述和醫生體查文本型病歷之後，工具可直接閱讀醫療病歷，自動分析患者病情，智能給出推薦診斷。這是該團隊在《細胞》雜誌封面發表有關AI圖像診斷的論文後，不到一年時間里，在AI技術實施應用於醫療方面取得的另一個重要里程碑。它標志AI模擬人類醫生進行疾病診斷時代的到來。近年來，AI在基於醫學圖像的診斷上一次次超越人類。在放射學、病理學、眼科學、皮膚病學等影像數據的識別和篩查上，以機器學習為基礎的診斷工具表現搶眼。不過，這些應用對於迅猛發展的AI技術來說，還只是小試身手。真正的考驗，在於AI能否像人類一樣，讀懂疾病信息，而不是僅僅分析圖片。在這項研究中，科學家們成功實現了這一目標，挖掘出了AI在輔助醫生診斷上的巨大潛力。而他們所關注的，是對多種兒科疾病的准確診斷。對兒科疾病的診斷是醫療中的一大痛點。一方面，兒童的抵抗力較弱，容易罹患多種疾病。另一方面，一些兒科疾病威脅程度較大，需要盡快得到治療。能夠快速、准確地對兒科疾病進行診斷，不但可以減少患者們的等待時間，還可以讓那些情況危急的兒童及時得到醫療診治。 ▲本研究團隊的負責人夏慧敏教授（左）與張康教授（右）（圖片來源：兩位學者所任職科研院所官網）為瞭解決這一痛點，研究人員們首先訓練AI理解海量電子病歷中的臨床特徵數據，這包括了醫生輸入的大量文本報告。光是這一步，難度就比分析影像數據要大多了！電子病歷中，包括個人史、體格檢查、實驗室檢驗結果、用藥和手術等許多方面，維度遠遠高於圖像。而且，電子病歷數據中往往存在一些系統差錯，以及有意或無意的輸入錯誤，都會給數據分析帶來噪音。因此，怎麼從電子病歷中挖掘數據，用機器學習方法來進行准確的模式識別，這是一個挑戰。為此，研究人員整合醫學知識和數據建模，提出了一個數據挖掘框架，以深度學習技術為基礎，開發了一套自然語言處理系統。 ▲AI診斷框架的設計流程圖（圖片來源：參考資料）深度學習是機器學習的一個類別，使用多層神經網絡進行推理，需要大量的訓練數據來實現高精度。而這項研究的大量數據來自近60萬名患兒、超過130萬門診人次的電子病歷，讓機器學習的技術提高有了極大保障。尤其值得一提的是，針對電子病歷中醫生記錄的診斷文本，研究人員建立了一套自然語言處理模型進行信息提取。在這一階段，兩個研究機構的醫生和科學家通力合作，由高級主治醫師和信息學研究人員組成的專家團隊手動給電子病歷上的6000多張圖表進行註釋，對模型進行訓練和檢驗。高質量的數據輸入成為這套系統的關鍵優勢。有了良好的訓練為基礎，接下來，研究團隊採用邏輯回歸分類器的機器學習方式，建立了一套AI分診系統。這套分類系統模擬人類醫生問診的框架，把電子病歷中提取到的臨床特徵按人體各大系統來逐級劃分。具體來看，這套系統首先會按呼吸系統疾病、胃腸道疾病、全身性疾病等幾大系統分，然後在每一類下面做細分。舉例來說，在最常見的呼吸系統疾病中，這個系統會先按上呼吸道和下呼吸道進行區分，再按喉炎、氣管炎、支氣管炎、肺炎進行細分。經過檢驗，在每一層級，由AI做出的初級診斷在精確度上都接近檢查醫師做出的初級診斷。例如在患兒群體中最常見的急性上呼吸道感染，模型對病例的診斷達到95%的准確率。對於一些凶險的、有可能威脅生命的疾病（例如急性哮喘發作、細菌性腦膜炎等），算法也同樣表現出了強大的診斷性能。這在臨床應用中有非常重要的意義，因為有了AI快速分診的輔助，就可以讓醫療服務的有限資源用於最需要幫助的患者。 ▲AI診斷系統的分診層級（圖片來源：參考資料）最後，要真正檢驗AI的實力，當然要讓AI來和富有經驗的人類醫生比試一番了。研究人員拿出近12000份兒科患者的病歷記錄，並把20位「參賽」兒科醫生按年資和臨床經驗高低分成5組，看看AI的成績和哪一組醫生接近。結果顯示，AI模型的平均得分高於兩組低年資醫生，接近三組高年資醫生。從這個結果來看，AI模型或許可以為年輕醫生做診治判斷時助他們一臂之力了。「我們的工作藉助AI復制優質兒科醫療智力資源，增加優質兒科醫療資源供給，通過輔助賦能，提升兒科醫療行業效率和體驗，並有望通過遠程醫療和互聯網醫療形成更大范圍的示範推廣，從而為基層兒科醫生和年輕兒科醫生提供輔助診療服務，為患兒家長提供智能自診服務和權威的第二診療意見，避免誤診、漏診造成的醫療風險。」夏慧敏教授說。「我們的工作為不久的將來提供一種准確快速廉價的兒科AI醫生系統打下了堅實的基礎。」張康教授補充說。我們再次祝賀夏慧敏教授和張康教授的研究團隊，也期待人工智能的實施可以在不久的未來為廣大患者提供准確高效的診斷，徹底改變看病難看病貴的現象。來源：cnBeta

IBM發佈DiF人臉識別訓練數據庫 100萬張人臉圖希望讓AI戰勝技術偏見

IBM發佈了一套包括100萬張多元化的人類臉部圖像的（Diversity in Faces）數據合集，希望能夠幫助開發者們訓練基於人工智能和神經網絡的臉部識別系統，提高AI在臉部識別方面的多樣性和准確性，戰勝面對年齡、性別和種族膚色差異的人臉識別時存在的技術偏見問題。此前研究人員發現人臉識別分析軟件依據其識別對象的年齡、性別和種族膚色的差異，結果會反饋出不同的准確性表現，存在一定的技術偏見。整套IBM數據庫採集自Flickr共享CC協議的1億多張人臉影像和視頻中，數據庫圖像均有註釋着顱面測量數據（頭部高度、鼻樑高度、前額高度、臉部比例）年齡、性別、姿勢、清晰度等等。目前這套數據庫已經於今日向開發者社區開放。數據庫訪問來源：cnBeta

100層挑戰：Unity推出AI智能體遊戲挑戰項目Obstacle Tower Challenge

遊戲引擎開發商Unity開發了一款專為挑戰AI玩家（Ai Agent，智能體/艾真體）設計的遊戲《Obstacle Tower》。《Obstacle Tower》與其說是一款電子遊戲，這款軟件更像是專為挑戰AI玩家遊戲能力開發的測試環境，旨在加速AI人工智能研究和開發進程。 Obstacle Tower將通過測試挑戰智能體的視覺、控制、路線規劃和整體遊戲能力，該遊戲要求智能體迅速在遊戲里面的塔樓里完成大量謎題，盡快通過各種障礙，達到更高的層數。被測試的智能體們要想完成100層的挑戰，非常困難，而且一層比一層挑戰難度更高，每一層將測試智能體的路線規劃、行動能力和計算機視覺技巧等等，各有偏重。 Unity還推出了一項名為Obstacle Tower Challenge的競賽，各個AI智能體的開發者/團隊不准用人類參與遊戲，智能體們可以互相競賽，挑戰哪個團隊的智能體能夠最早通過100層，獎金包括1萬美金和其它機器學習方面的獎勵。 Obstacle Tower Challenge競賽將於2月11日開始，目前已開放挑戰申請。來源：cnBeta

SNK暗示將使用神經網絡AI製作《侍魂》電腦對手

雖然下一部《侍魂》並沒有公佈太多新消息，但今天SNK透露了一條有趣的消息，或許這款武士主題格鬥遊戲即將進行革命性的飛躍。今天SNK宣佈將會參與3月30日在大阪的遊戲創作者大會2019（Game Creators Conference 2019)，他們參會的演講標題為：「神經網絡AI向格鬥遊戲的編入」。主講人是SNK研發部的Nigo Nobuaki。下面就是這次演講的概要：「在一款格鬥遊戲中，我們實現了一個通過神經網絡學習並復制一個角色行為招數的系統。你可以你可以再現一個真人玩家在特定戰況下使用的行為操作。我們引入了TensorFlow連接，用於在高速運行下測試機器學習算法，該模型已應用於一款虛幻引擎4打造的遊戲，我將在大會上進行演示和講解。最後，我將講述在產品中運用機器學習的難點，以及我認為需要首先考慮的要點。」這篇聲明里雖然沒有提到《侍魂》，但是配圖卻實用的是《侍魂》，所以如果不出意外的話，下一款《侍魂》很可能會使用機器學習和神經網絡AI技術製作電腦對手。 DeepMind前階段剛剛虐翻人類《星際爭霸2》玩家，如果在一款格鬥遊戲中餵養神經網絡型AI，人類玩家是不是要沒有活路了?歡迎大家留言討論。來源：cnBeta

開年翻車事件：訓練神經網絡出bug AI刪庫跑路

授權 AI 刪除 app 中的 bug，結果 AI 將整個庫都給刪了，這件聽起來很荒謬的事情，真實在美國「大眾點評」Yelp 上發生了。Yelp 是美國著名商戶點評網站，創立於 2004 年，囊括各地餐館、購物中心、酒店、旅遊等領域的商戶，用戶可以在 Yelp 網站中給商戶打分，提交評論，交流購物體驗等，由前貝寶（Paypal）工程師傑里米·斯托普爾曼 (Jeremy Stoppelman) 和羅素·西蒙斯（Russel Simmons）共同創建。近日， Yelp 在 app 上的一則更新說明把大家給樂壞了：「我們要向那些在本週使用 app 時遇到問題的用戶們道歉。我們訓練了一個神經網絡來消除 app 中的 bug，沒想到它把所有的東西都消除了。我們現在只好進行數據恢復。目前暫時達成...

$$7I_$~IIGSZJAK@D`6X{NLF.png$

面部識別和人工智能可用於識別罕見的遺傳疾病

據媒體The Verge報導，在不久的將來，面部識別掃瞄或可以成為標準體檢的一部分。研究人員已經展示了算法如何幫助識別與遺傳性疾病相關的面部特徵，從而加速臨床診斷。在本月發表在《自然·醫學》雜誌雜誌上的一項研究中，美國公司FDNA發佈了軟件DeepGestalt的新測試。就像常規的面部識別軟件一樣，該公司通過分析面部數據集來訓練他們的算法。FDNA使用其開發的名為Face2Gene的智能手機應用程序收集了超過17,000張圖像，涵蓋200種不同的綜合症。在兩項測試中，DeepGestalt被用於尋找特定疾病：德朗熱綜合征（Cornelia de Lange syndrome）和天使人綜合症(Angelman syndrome)。這兩者都是影響智力發展和活動的復雜綜合征。它們還具有明顯的面部特徵，如在德朗熱綜合征患者的弓形眉毛，以及天使人綜合症患者異常白皙的皮膚和頭發。當負責區分患有一種或多種綜合症的患者的照片時，隨機綜合症，DeepGestalt的准確率超過90％，擊敗專家臨床醫生，他們在類似的測試中准確率約為70％。當在顯示具有92種不同綜合征的個體的502幅圖像上進行測試時，DeepGestalt在超過90％的時間內在10種可能的診斷中猜測了目標條件。在一項更具挑戰性的實驗中，該算法顯示了具有努南綜合症(Noonan syndrome）的個體的圖像，並要求確定五種特定基因突變中的哪一種可能導致它。這里的軟件准確度略低，命中率為64％，但它仍然比你猜測的20％的速度要好得多。然而，專家說認為這些算法測試不是識別罕見遺傳疾病的可以被寄予厚望的新科技。在發現特定基因突變的案例中，西奈山伊坎醫學院教授和努南綜合症專家Bruce Gelb博士告訴Stat News，基因檢測的確切答案會更有用。「這對我來說是不可思議的，人們不會發送小組測試並找出它實際上是哪一個，」Gelb表示，然而他說算法「令人印象深刻」。Gelb還指出，DeepGestalt是在相當年幼的兒童的有限數據集上開發和測試的，並且可能難以識別面部特徵變得不那麼明顯的老年人。FDNA工具的第三方研究也提出了種族偏見：算法識別白色人種面孔比黑色人種面孔更有效。 FDNA似乎意識到了這些缺點，該公司的研究將DeepGestalt的潛力稱為「參考工具」 - 與其他人工智能軟件一樣，它可以幫助而不是取代人類診斷。牛津大學該領域的專家ChristofferNellåker回應了這一判斷，告訴New Scientist：「這里的真正價值在於，對於這些超級罕見疾病中的一些，診斷過程可能需要很多年對於某些疾病，它將大大縮短診斷時間。對於其他人來說，它可能會增加一種找到其他患有這種疾病的人的手段，從而有助於尋找新的治療方法。」來源：cnBeta

馬斯克：不妨讓AI機器人成為第一個火星居民

雖然距離將人類安全地送上火星，還有很長一段路要走，但不少宇航機構已經提出了積極的想法，比如 SpaceX 領導人伊隆·馬斯克。他在回答某位 Twitter 網友的提問時表示：隨着人工智能（AI）和機器人技術的不斷進步，火星的第一個「居民」可能不是人類，而是一台機器，這並非完全不可能。雙方的交流的很是簡潔，在被問及「第一個火星居民是 AI 而不是人類」的可能性時，馬斯克回答稱有 30% 的幾率。雖然沒有解釋具體的原因，但這位「最強大腦」的回答，顯然還是挺讓網友們信服的。第二個問題是「星際飛船在 2020 年繞軌運行」的可能性，馬斯克的答復是「60%」。且如果有新架構採用，幾率還會大幅上升。至於首個「火星居民」的樣式，有可能是自給自足的漫遊機器人，靜態的着陸器，能夠在沒有接收到指令的情況下自行觀察的設備等。不過就算具備了 AGI（人工通用智能）或 ASI（人工超級智能）的機器人，它們的樣子也不見得像是真人。目前，載人火星任務仍處於假設階段。以 SpaceX 為代表的公司、還有世界各地的科學機構，都在致力於發明能讓人類探索突破月球的新技術。這個可以期待的未來，或許就在十幾年、或幾十年之後。屆時採用怎樣的真人+AI機器人配比，將會是一件相當有趣的事情。來源：cnBeta

民間高手使用AI神經網絡增強老遊戲畫質效果拔群

國外論壇Resetera的用戶正在試着使用AI神經網絡來增強老遊戲中的畫質。如今，他們已經利用人工智能對部分遊戲的截圖進行了強化，效果十分驚艷。這種做法的最終結果可能會給一些老遊戲提供細節更加完備的新材質包。在《上古卷軸3：晨風》和《毀滅戰士》中都有類似的Mod，這也更加堅定了玩家用AI神經網絡給更多遊戲制作新材質包的決心。論壇會員分享了部分遊戲的截圖，其中包括《猴島》、《銀河戰士》、《神秘島》、《鐵血十字軍》、《最終幻想7》和《毀滅戰士》。而其中最精美的截圖來自於《生化危機2》和《生化危機3》。當然，CAPCOM如今正在制作《生化危機2》的重制版，但遊戲模式已經有了很大變化，如果能以更優異的畫質去游玩原版的話，想必也是一個不錯的選擇。以下是部分截圖。其實這些用戶就是將小一點的截圖放大，並使用AI賦予其更高的分辨率。他們需要獲取小截圖中的所有細節，然後由AI進行處理。看看這幅《半條命》與AI重制版的對比圖，相當驚艷。以下還有一批對比圖，原版圖，在上，AI神經網絡重制版圖在下。但並不是所有遊戲都適合用這種方式進行增強，《大金剛國度》經過處理之後就有些慘不忍睹，《最終幻想9》也是一樣。來源：cnBeta

初音終極昇華版名古屋工大開發最新AI虛擬歌唱系統極度逼近人聲

不論是初音未來也好，還是洛天依也好，雖然歌曲很動聽，這些虛擬歌唱系統最大缺陷就是聲音總是擺脫不了「電子合成音」感，而近日名古屋工業大學宣佈研發成功最新AI虛擬歌唱系統宣稱極度逼近人聲，你或許根本無法分辨這是「做」出來的聲音！ ·名古屋工業大學開發的最新AI虛擬歌唱系統將JOYSOUND以及CeVIO Creative Studio等最新技術融合在一起，喜歡音樂卻不喜歡動嘴的玩家只需要經過2小時的聲音數據收集就可以利用該系統模擬制作與你的聲音高度類似的虛擬歌了。 ·目前該系統對應中日英語言，而且官方放出了最新演示，感覺根本聽不出來像初音以及洛天依那種電子感，熟練運用該技術打造你自己聲音的虛擬偶像不再是夢！感興趣的大家可以關注下了。官方試聽站：https://www.techno-speech.com/news-20181214a 來源：cnBeta

Screen_Shot_2018-01-12_at_11.17.51_AM.0.0.png.jpg

泰勒·斯威夫特在演唱會利用面部識別技術追蹤跟蹤者

據媒體報導，今年5月，泰勒·斯威夫特在美國加州Rose Bowl舉行了一場采用了面部識別監控系統的演唱會。那么這個系統的目標是誰呢？--斯威夫特的跟蹤者。據瞭解，這套面部識別系統被安裝在了一個展示其排練集錦的展廳里，它會秘密記錄下觀看者的面部表情。一位演唱會安全專家告訴媒體，參觀者在觀看的時候就會立即被掃瞄。之後這些數據會被傳輸到田納西州納什維爾的一個「指揮中心」，然後將其跟斯威夫特已知的跟蹤者數據庫進行比對。此前還沒有哪位美國藝人因在演唱會上使用人臉識別技術而被曝光。然而這樣的做法並不違法，因為演唱會本身就是一場私人活動，因此活動組織者幾乎可以對這場活動的參與者進行任何形式的監控。斯威夫特的安保措施可能會被認為是極端，但這絕對不是人們第一次在這種活動下使用面部識別技術來對付不受歡迎的參與者。另外美國的大規模面部識別技術正在不斷進步。例如Ticketmaster計畫用部署在座椅上的面部識別掃瞄來取代檢票環節並進一步發展該技術。來源：cnBeta

迪斯尼音樂廳獲得AI改造以慶祝過去夢想未來

迪斯尼音樂廳（WDCH）位於洛杉磯，是洛杉磯愛樂樂團的故鄉。該建築由建築師Frank Gehry設計，充滿了曲面外觀，看起來像迪士尼卡通片。愛樂樂團將於明年秋天慶祝成立100週年，為慶祝這一週年紀念日，一位名為Refik Anadol的藝術家與Google的藝術家和機器情報計畫合作。這次合作的目的是向過去致敬，並夢想未來可能為愛樂樂團帶來什么。 Refik和Google工程師利用機器學習來瀏覽45TB的數據，這些數據由WDCH過去表演的錄音和愛樂樂團檔案中的歷史照片組成。機器學習算法能夠在音頻和圖像中尋找模式，並創建藝術家稱之為「夢想」的敘事，然後將這些夢想投射到音樂廳外牆上。為了研究18,000小時的錄音，研究人員Parag K. Metal創建了一個音頻瀏覽器工具，該工具經歷了巨大的音樂檔案，並根據256種不同的屬性（如音高，音色，振幅，速度，音調和鍵）對其進行分類。該工具允許Refik和聲音設計師選擇算法創建的特定記憶，然後創建一個獨特的音軌來與他們一起使用。結果是一個名為WDCH Dreams的裝置，一個12分鐘的投影，上個月在洛杉磯市中心進行了8天首播，從下午7點30分開始直到晚上11:30每隔30分鐘播放一次。到2019年10月，WDCH的參觀者可以在大廳內的Ira Gershwin畫廊的互動展覽中仔細閱讀愛樂樂團的檔案。來源：cnBeta

1 23Page 3 of 3

Tag: AI 人工智能