-
賈揚清正式宣佈加盟阿里巴巴
-
僅售 99 美元！英偉達發佈最小迷你AI計算機 Jetson Nano
-
阿里達摩院開發AI“二哈”對付騷擾電話
-
Uber獲軟銀10億美元投資，自動駕駛部門估值達100億美元
-
Facebook開源服務27億人的AI硬件“三套件”
-
周志華獲IEEE 2019 年唯一 Edward J.McCluskey 技術成就獎
-
機器人團隊協作，用一根繩子攀爬懸崖
-
Facebook爲AI芯片構建標準容器
-
艾倫人工智能研究所：去偏誤算法並沒有想象中有用
賈揚清正式宣佈加盟阿里巴巴
今天，阿里巴巴達摩院官方賬號正式宣佈Caffe之父、前Facebook AI架構總監賈揚清加入阿里，擔任技術副總裁崗位，領導大數據計算平臺的研發工作。賈揚清的個人領英顯示其已於3月份加入阿里巴巴，至今將近一個月。
賈揚清以深度學習框架Caffe作者的身份聞名。清華本碩畢業後，在加州大學伯克利分校取得計算機科學博士學位，先後工作於新加坡國立大學、NEC美國實驗室、谷歌大腦，2016年加入Facebook擔任研究科學家，任Facebook AI架構總監，負責前沿AI平臺開發及人工智能研究。
賈揚清之前曾這樣評價阿里達摩院：
我在阿里有很多志同道合的朋友，比如說同在伯克利讀博的Xiaofeng Ren（以前亞馬遜的首席研究員），當年一起在清華摸爬滾打的蓋坤（阿里的技術大牛靖世）等等。
白駒過隙，現在更多的本土公司開始加入人才培養和科研的第一線，這對於AI的發展是振奮人心的好事。（倒退幾年，如果我還在讀研究生的話，又多了一個實習的好去處呢。）
僅售 99 美元！英偉達發佈最小迷你AI計算機 Jetson Nano
3 月 17 日，在GTC 2019上，英偉達CEO黃仁勳發佈了今年的新產品，其中最引人注意點當屬人工智能計算機Jetson Nano。這款設備可以創建數百萬個智能系統，支持高分辨率傳感器，可以並行處理多個傳感器，並可在每個傳感器流上運行多個現代神經網絡。它還支持許多流行的 AI 框架，使開發人員可以輕鬆地將他們喜歡的模型和框架集成到產品中。
Jetson Nano 的主要參數包括：
-
GPU：基於 128 核 NVIDIA Maxwell? 架構的 GPU
-
CPU：四核 ARM?A57
-
視頻：4K @ 30 fps（H.264 / H.265）/ 4K @ 60 fps（H.264 / H.265）編碼和解碼
-
相機：MIPI CSI-2 DPHY 通道，12x（模塊）和 1x（開發人員套件）
-
內存：4 GB 64 位 LPDDR4; 25.6 千兆字節 / 秒
-
連接：千兆以太網
-
操作系統支持：適用於 Tegra? 的 Linux
-
模塊尺寸：70mm x 45mm
-
開發者套件尺寸：100mm x 80mm
售價方面，Jetson Nano 有兩個版本：面向開發人員、製造商和發燒友的 99 美元開發套件以及面向希望創建大衆市場邊緣系統的 129 美元版本。
此外，黃仁勳在會上還發布了圖像處理芯片 CUDA-X AI，旨在加速數據科學工作負載，使數據更有用。之後，黃仁勳發佈 OMNIVERSE，一個用於多工具工作流程的開放式交互式 3D 設計協作平臺。此外，爲了滿足數據中心和雲圖形應用不斷增長的需求，英偉達發佈 RTX SERVER POD和 RTX 服務器。同時，會上還發布了爲開發人員提供 Isaac 應用程序的工具包NVIDIA Isaac SDK，以及Level 2+ 的自動駕駛解決方案 NVIDIA DRIVE AP2X。
阿里達摩院開發AI“二哈”對付騷擾電話
3.15晚會曝光了可以一年呼出40億次的機器人之後數小時，阿里巴巴達摩院開發的防騷擾電話AI“二哈”一炮而紅。阿里稱應該把機器人的問題交給機器人對付，當用戶在手機上開通了這項服務後，在接到騷擾來電時，用戶可以直接轉接給機器人接聽，可達到以假亂真的效果。
阿里巴巴AI實驗室語音助手首席科學家、阿里AI北京研發中心負責人，前微軟亞洲研究院首席研究員聶再清表示，開發“二哈”是因爲其對各種騷擾電話不勝其煩。這項服務背後主要是智能聊天技術，通過深度強化學習來學習對話策略，理解用戶請求，同時用強大的知識圖譜製作聊天的知識點，通過跟用戶對話，把知識圖譜裏的知識灌輸給用戶，同時也引導用戶反饋。
在放出“二哈”工作的演示視頻後，該技術便獲得了不少專家的肯定。其後，阿里還在支付寶小程序和天貓精靈App推出開放體驗。
Uber獲軟銀10億美元投資，自動駕駛部門估值達100億美元
據外媒報道，Uber自動駕駛部門即將獲得來自軟銀願景基金的投資，據悉，雙方的談判已經進入了最後階段。
如果順利獲得 10 億美元融資，Uber 自動駕駛部門的估值可達 50-100 億美元。
對於該消息，Uber 和軟銀發言人均未給出迴應。
此前，Uber自動駕駛汽車每個月的開銷高達 2000 萬美金，而且還發生了事故致人死亡，甚至有傳聞稱 Uber 曾有意徹底放棄自動駕駛。Uber獲得資金可幫助其自動駕駛部門迎來一輪跨越式發展。
Facebook開源服務27億人的AI硬件“三套件”
在3月15日的開放計算項目全球峯會上，Facebook發佈並開源了3款AI硬件，分別是面向訓練的Zion、面向推理的Kings Canyon及面向視頻轉碼的Mount Shasta。
其中，Zion專爲處理包括CNN、LSTM和SparseNN在內的神經網絡架構的“頻譜”而量身定製，包括三個部分：擁有8個NUMA CPU插槽的服務器；配備了8加速器芯片組，以及一個廠商中立（vendor-agnostic ）的OCP加速器模塊（OAM）。
Kings Canyon專爲推理任務而設計，共分四個部分：Kings Canyon推理M.2模塊；Twin Lakes單插槽服務器；Glacier Point v2載卡；以及Facebook的Yosemite v2機箱。同時，Facebook還表示正在與Esperanto、Habana、英特爾、Marvell和高通公司合作，開發能夠同時支持INT8和高精度FP16工作負載的ASIC芯片。
Mount Shasta是專爲視頻轉碼而開發的ASIC，由Facebook與Broadcom、Verisilicon合作開發。在Facebook的數據中心內，它將被安裝在帶有集成散熱器的M.2模塊上，位於可容納多個M.2模塊的Glacier Point v2（GPv2）載板中。
Facebook表示，平均而言，預計這些芯片的效率會比目前的服務器“高出許多倍”。它的目標是在10W功率範圍內，以60fps速度輸入流編碼效率至少比4K高出一倍。
周志華獲IEEE 2019 年唯一 Edward J.McCluskey 技術成就獎
3月16日，IEEE 計算機學會宣佈 2019 年 Edward J. McCluskey 技術成就獎花落南京大學計算機與人工智能教授周志華，以表彰他“對機器學習和數據挖掘的貢獻”。值得注意的是，周志華教授是今年唯一的獲獎者。
周志華是南京大學人工智能學院院長、南京大學計算機科學與技術系主任，同時還是CCF會士、常務理事、人工智能與模式識別專委主任、ACM / AAAS / AAAI / IEEE / IAPR Fellow，歐洲科學院外籍院士。此外，他還是大家熟悉的“西瓜書”《機器學習》的作者，並擔任京東人工智能研究院學術委員會委員，任京東研究院南京分院總顧問。他的研究領域包括周志華教授的研究方向包括人工智能、機器學習、數據挖掘等。
Edward J. McCluskey 技術成就獎起源於 1985 年，爲了獎勵在過去 10-15 年間爲計算機信息科學和工程領域做出突出創新貢獻的人。獎項的名字來自學會第一任主席 Edward McCluskey，至今有 84 名獲獎者，此前，聯想CTO芮勇、喬治亞理工大學教授Ling Liu、前金山軟件CEO張宏江、2017年圖靈獎得主David Patterson等都是這一獎項得主。
機器人團隊協作，用一根繩子攀爬懸崖
日本東京大學的研究人員創建了一支雙機器人團隊，通過一根繩子，機器人可以完成繪製周圍環境並穿越高低起伏地形等任務，這使得空中無人駕駛飛行器可以輔助地面車輛。
無人機使用英偉達 Jetson TX2芯片進行板載本地化、映射和導航。這架無人機配備了攝像頭、飛行時間傳感器和用於高度測量的激光傳感器。地面車輛使用UP Core處理器“基於商用Caterpillar平臺”。地面機器人運行機器人操作系統的副本，機載無人機使用該副本連接到機器人操作系統。
智能機器人用一根“笨笨”的繩索攀爬：機器人這樣完成協作：無人機飛到UGV上方並繪製地形圖，將數據傳送到地面機器人，以識別周圍環境。當機器人檢測到障礙物時，UAV將繫繩（末端有一個抓鉤）纏繞在一個高大的物體上，UGV從固定好的繩子向上爬。
真實測試：研究人員在一個小規模的真實環境中進行測試，結果表明這套方法很奏效，但還是存在一些問題：“由於缺乏傳感器，我們沒有[繫繩]張力控制機制，繫繩需要從一開始就延長，結果，UGV經常被繩子纏住。”
重要性：將來，我們可以想象到各種不同類型的機器人相互協作模式，發揮各自的專長作爲一個整體協作，1+1將大於2。但這個實驗表明我們還處於早期階段，還需要解決一些問題。
閱讀更多：無人機/ UGV自主合作：無人機通過連接繫繩協助UGV攀登懸崖 https://arxiv.org/abs/1903.04898
Facebook爲AI芯片構建標準容器
目前，許多人工智能組織正在考慮建立數據中心，這些數據中心由許多不同類型的服務器組成，運行CPU、GPU、AI定製芯片等不同類型的處理器。Facebook希望將用於容納AI加速器芯片的機箱類型標準化，並提供了 Open Compute Project（OCP）開源硬件原理圖和規範——一個超大規模數據中心運營的服務器設備類型標準化方案。Open Compute Project（OCP）是Facebook在2011年4月發起的一個數據中心開放架構技術發展組織，目前成員包括Intel、Red Hat、Facebook、Mozilla、Rackspace、NTT Data、百度、高盛以及Google等。
Facebook提出的OCP加速器模塊支持12V和48V輸入，並且可以爲模塊中的芯片提供高達350W（12V）或高達700W（48V）的TDP（熱設計功率）。這是一個有用的特性，因爲許多新的加速器芯片都需要大量的電力（任何消耗450W以上TDP服務器都需要用液體冷卻）。它可以支持每個機箱內的單個或多個ASIC，每個系統最多支持八個加速器。
設計：你可以在Open Compute Project（OCP）更詳細地瞭解OCP加速器模塊 https://www.opencompute.org/wiki/Server/OAM。
重要性：隨着人工智能進入工業化階段，我們將在AI設備所需的基礎設施上投入更多資金。標準化AI加速器模塊的需求將變大，而這種需求可能來自於亞洲的低成本原始設計製造商（ODM），它們會需要這種標準化產品。
閱讀更多：Facebook共享加速器模塊（https://code.fb.com/data-center-engineering/accelerator-modules/）。
艾倫人工智能研究所：去偏誤算法並沒有想象中有用
艾倫人工智能研究所的研究人員進行了一項分析，該分析對用於debias模型的一些算法的有效性提出質疑。他們寫道：“我們認爲目前的去偏誤方法主要是隱藏偏見，而不是消除它”。
研究人員用兩種不同的方法比較embeddings：Hard-Debiased（Bolukbasi等）和GN-GloVe（Zhao等），兩者都經過修改，以減少訓練模型中明顯的性別偏見。他們試圖分析這些方法中偏誤和去偏誤版本之間的差異，主要是通過分析兩個版本的embeddings之間的不同空間關係。他們發現，這些去除方法主要是把問題轉移到模型的其他部分，因此，儘管它們可能會修復一些偏誤，但其他偏誤仍然存在。
去偏誤失敗的三個因素：
- 具有強烈的預先性別偏見的詞語很容易聚集在一起
- 因爲社會刻板印象導致隱含性別的詞語（例如接待員、髮型師、船長）仍然容易與其他性別相同的隱性詞彙分到一組
- 具有根深蒂固的預先偏見的詞，其隱含性別很容易基於單一向量進行預測
重要性：作者認爲，“雖然這些去除偏誤的方法在消除性別方向方面效果很好，但是去除方法基本上是表層化的。刻板印象和從語料庫中學到的偏見在嵌入空間中根深蒂固。“
此類研究表明，處理偏見問題將比人們預期的要困難，並強調了人工智能在偏見上有多大程度來自現實世界的數據，而這些系統正在接受包含此類偏見的訓練。
閱讀更多：給豬塗口紅（西方諺語：把醜陋的事物變美好而做的無用功）：去偏誤方法掩蓋了Word嵌入中的系統性別偏見，但不能根除（https://arxiv.org/abs/1903.03862）。
作者 Jack Clark 有話對 AI 前線讀者說：我們對中國的無人機研究非常感興趣，如果你想要在我們的週報裏看到更多有趣的內容，請發送郵件至：jack@jack-clark.net。
