【AI TOP 10】今年最值得关注的三项大脑技术;首条自动驾驶测试道将落地亦庄
【AI TOP 10】今年最值得关注的三项大脑技术;首条自动驾驶测试道将落地亦庄;中工厂用机器人生产弹药
新智元 AI Top 10【新智元导读】近日,美国《科学美国人》刊发文章,对2018年大脑技术的发展做了预测,认为将会出现脑控技术、神经颗粒和微型大脑。而日产也正计划用脑波控制无人驾驶汽车。同样,首条自动驾驶测试道将落地亦庄、福布斯预测苹果将收购特斯拉等也值得关注。
新智元 “每日AI ·TOP 10” 是新智元推出的一档快读栏目,精选汇集每日国内外最重大产业新闻,第一时间为读者送上新鲜资讯,敬请关注。
神经系统科学家马克·舍维莱说,Facebook正在全力以赴推进“无声讲话”计划,他本人就是这一计划的负责人。舍维莱在麻省理工学院传媒实验室的一次会议上说,人们不喜欢在他人面前大声说出他们想要打什么字。但是,未来直接让大脑打字并非科幻小说。
美国高级研究项目局投资6500万美元的神经工厂项目旨在开发一种可以与进行数字交流的脑部植入物。第一步是发现神经细胞的电子化学信号。为了做到这一点,布朗大学的科学家们正在开发盐粒大小的“神经颗粒”,以检测神经元放电并促进神经元放电。
科学家正在通过人类干细胞制造三维类器官。这种类器官生长出功能性神经元、不同的大脑皮层,以及其他模仿正常尺寸大脑的构造。研究人员已经启动这一进程,并将在几周制造出类大脑器官,可以预计,2018年会带来比以往更加现实可行的类器官。
港媒称,据一位资深科学家说,机器人可以使中国的和炮弹生产能力在不到十年的时间内提高两倍。这位科学家参与了一个利用人工智能提高弹药厂生产能力的项目。
据《南华早报》网站1月1日报道,中国科学院沈阳自动化研究所研究员、中国的“高端武器系统智能制造”项目首席科学家徐志刚12月27日告诉《南华早报》,中国大约四分之一的弹药厂已经用“智能机器”取代工人,或者开始这样做。他说,这些有着人造的“手和眼”的机器人可以组装不同类型的致命爆炸物,其中包括炮弹、和火箭。他们还可以生产更尖端的弹药,例如制导,这些配有电脑芯片和传感器,可以进行精确打击。
该负责人表示,为了推广自动驾驶技术,本市将对道设施进行,让“车协同”。道的会与自动驾驶车辆“握手”,比如信号、标志、标线等的,以便于自动驾驶车辆识别。目前,第一条自动驾驶测试专用道落地亦庄,主要研究自动驾驶的“车协同”模式,另外一种“高精度地图”模式正在研究中。
苹果和特斯拉都以用户体验(UX),创新以及/发展各自的粉丝为重点。而且,两家公司的结合将会在自动驾驶竞争中形成一个竞争壁垒,再无对手。至于Elon Musk,他将为苹果弥补SteveJobs离去而失去的魅力,视野和驱动力(以及怪癖)。
黑莓公司介入无人驾驶汽车市场的努力又向前迈出了一步,该公司和百度签署了协议将合作开发自动驾驶软件。百度将把黑莓QNX车载操作系统和自家的阿波罗自动驾驶平台。此外百度还将把黑莓更为成熟的车载娱乐软件整合进阿波罗。
日产正在开发新汽车技术,它可以读取驾驶者的“思想”,简单来讲就是用脑扫描技术增强高性能汽车的响应能力,让无人驾驶体验变得更轻松。新技术名叫“B2V”(Brain-to-Vehicle,大脑到汽车),由日产智能出行(Nissan Intelligent Mobility)实验室负责开发。
根据科大讯飞与南沙双方的发展蓝图,科大讯飞将建设广州南沙·科大讯飞人工智能医学影像诊断中心、华南理工大学·科大讯飞脑机协同混合智能技术及应用联合实验室以及华南师范大学·科大讯飞行业大数据应用融合创新联合实验室,同时宣布将智能语音国家人工智能平台、认知智能国家重点实验室两大平台落户南沙。
同一天,中国科学院软件研究所与广州南沙开发区管委会共建的“广州智能软件产业研究院”揭牌仪式在南沙举行。双方将通过共建智能软件产业研究院,打造智能软件关键共性技术服务平台及产业孵化平台。
据华夏芯介绍,“北极星”采用台积电 28nm 工艺制程,将于 2018 年上半年量产。在高效满足诸如智能辅助驾驶、智能安防、机器人、计算机视觉、车载和商用雷达探测、语音识别等嵌入式人工智能应用的同时,还能延伸到工业 4.0、现场控制、边缘计算、智能硬件、智慧家居等在内的多个其他领域,是一款市场适应性极强的异构计算和人工智能平台型芯片。
中国的零售店正在迎来无人化的浪潮。随着手机支付的普及,没有店员的便利店相继开业。其普及的背景是,实体零售店受到电商挤压,正面临顾客减少的困境。实体店因房租和人工费上涨,盈利日趋严峻。既节省空间又能降低人工费的无人店受到关注,其优点包括顾客在收银台前的排队压力减轻,同时运营商还不会收到假币。
据调查公司中商产业研究院预测,2017年中国的无人零售店的市场规模为100亿元,但预计5年后(2022年)将扩大至9500亿元。
1、要让机器人完成特定的任务,就需要针对专门的任务进行编程。它们可以通过反复试错,学会抓握物体。但这个过程相对缓慢。一条比较可行的捷径是,在虚拟、模拟世界中训练机器人,再把它辛苦学到的知识下载到实体机器人中。不过,这种办法受制于“现实差距”——也就是说,模拟系统中学到的技能,并不总是适用于现实世界中的操作。
2、AI软件是有局限性的。国际象棋、将棋、围棋都很复杂,但是规则相对简单,每走一步对弈双方都能看到。快速穷举未来“局面”这事,计算机最在行了。但在现实生活中,大多数局面和问题都不会如此结构分明。
3、在近期的NIPS(神经信息处理系统进展大会)机器学习会议上,讨论的主线之一就是如何让AI技术保持在安全且合乎的范围之内。研究人员发现,由于我们的世界跟完美相距甚远,机器学习系统在接受已有数据的训练时,会沾上不或不可取的行为,比如以刻板印象对待男女两性。有人正在研发特定手段,用于审核AI系统的内部运作,确保它们在金融与医疗领域运作时,能够作出的决策。
素材来源:新智元、日报、人民网603000股吧)、新浪财经、凤凰网科技、南方日报、品觉、参考消息、集微网等