AI一周热闻：微软收购GitHub；谷歌放弃续签Maven计划；英伟达发布首款机器人AI芯片Jetson Xavier

Posted 2021-04-30 AI前线

作者 | Jack Clark

编译 | Debra

编辑 | Vincent

AI 前线导读：

- 微软确认收购 GitHub

- 小米发布会发布 7 款新品

- 英伟达发布首款为机器人设计的 AI 芯片 Jetson Xavier

- 伯克利向机器人植入触摸传感器

- 伯克利开源迄今最大自动驾驶视频集 BDD100K

- 美军事部门举办合成视频 / 图像竞赛对抗 Fake 技术

- 用变分自动编码器预测公用事业网络攻击

- 谷歌放弃续签 Project Maven，计划发布军事和情报合作原则

- 英国公众反对大部分公共生活中的人工智能决策

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

微软确认收购 GitHub

北京时间 6 月 4 日晚，微软官方正式宣布以 75 亿美元的价格正式收购 GitHub，这是微软首席执行官 Satya Nadella 在两年前以 262 亿美元收购 LinkedIn 之后的第二次大手笔收购。

GitHub 上目前有 2800 万开发者，收购之后，GitHub 将会由 Xamarin 的创始人 Nat Friedman 领导，而 Nat 在微软是向云计算和 AI 部门总裁 Scott Guthrie 汇报。GitHub 公司 CEO 兼联合创始人 Chris Wanstrath 将成为微软公司的技术研究员，且同样向 Scott 报告。

微软一向被骂封闭，其收购开源平台 GitHub 的做法，或许就是他们要摆脱过往污名的行动之一。微软在 Satya Nadella 的带领之下，非但不再纠缠于 Windows Mobile 平台，反倒积极地在 android 和 ios 上推出自家的产品，而且也有主动开源和开放代码。

整个收购过程预计在今年年底完成。微软在获得 GitHub 之后，表示会借此加速在平台上的企业向应用，并承诺会保持 GitHub 独立运营和其开放平台的特色。

小米发布会发布 7 款新品

5 月 31 日，小米在上市前夕举办了年度旗舰发布会。会上，CEO 雷军共发布了 7 款新品，包括号称全球首款双频 GPS，超精准定位的小米 8，价格 2699 元起；MIUI 10 为 AI 加持的全面屏系统。

小米 8 透明探索版是小米 8 周年代表作，全球首款压感屏幕指纹，基于 3D 结构光技术的“Face ID”。

此外，小米还发布了配备高通骁龙 710 的小米 8 SE，75" 小米电视 4，与 Oculus 联合打造的小米 VR 一体机，以及 169 元的小米手环 3。

正值 618 和小米上市前夕，这场发布会无疑会给今年小米的电商大促添一把火，更会为小米估值带来不少色彩，小米这算盘打得可是响当当。

英伟达发布首款为机器人设计的 AI 芯片 Jetson Xavier

Computex 2018 期间，Nvidia 创始人兼 CEO 黄仁勋（Jensen Huang）宣布正式推出首款专为机器人设计的 AI 芯片——Jetson Xavier。据黄仁勋介绍，Jetson Xavier 是 Nvidia 单独做过的最长的一个处理器项目，由超过 8000 人用五年时间打造而成。

Jetson Xavier 拥有超过 90 亿个晶体管，每秒可执行 30 万亿次操作，处理能力与配备 1 万美元 GPU 的工作站大致相同，但功率仅为 30 瓦，比现有的 Jetson TX2 平台快 20 倍。其六个不同的处理器 Valta Tensor Core GPU、八核 ARM64 CPU、双 NVDLA 深度学习加速器、图像处理器、视觉处理器和视频处理器能够同时、且实时地处理数十种算法，以用于传感器处理、测距、定位和绘图、视觉和感知以及路径规划，让机器人能够从实现传感器获取输入、定位、感知环境、识别并预测附近物体运动、推理并执行安全合理动作。

伯克利向机器人植入触摸传感器

加利福尼亚大学伯克利分校的研究人员将 GelSight 触摸传感器植入到标准的 7-DoF Rethink Robotics“Sawyer”机器人上，这个机器人带有 Weiss WSG-50 平行夹具，以探索触摸器会不会提高抓握物体的性能 - 这对于商业机器人来说是一项关键技能。

技术：研究人员构建了四个子网络，这些子网络通过特定的数据输入（摄像机图像，两个 GelSight 图像来模拟接触之前和之后的纹理感知以及处理 3D 运动，以及一个平面内旋转和力量变化的动作网络）。他们将这些网络连接成一个更大的网络，并用目标数据集训练结果模型。研究人员使用先前训练过在 ImageNet 上对对象进行分类的模型，对网络的图像组件进行预训练，产生了一个可以适应新表面、学习可解释的政策，并且可以学会在处理对象时应用特定条件（如轻轻抓住物体）的模型。

结果：经测试，研究人员发现用视觉和动作作为输入的准确率为 73.03％，而触觉输入和动作训练准确率为 79.34％，而触觉、视觉和动作训练准确率为为 80.28％。

与大多数需要将深度学习组件应用于真实世界的系统一样，此任务包含一些从一开始就看起来不明显的困难，例如：“因为机器人只在手指与物体接触时间歇性地接收到触觉输入，由于每次重新抓取都会干扰物体的位置和姿势，因此每次交互都会改变场景。

阅读更多：More Than a Feeling: Learning to Grasp and Regrasp using Vision and Touch.（https://arxiv.org/abs/1805.11085）。

伯克利开源迄今最大自动驾驶视频集 BDD100K

加利福尼亚大学伯克利分校和 Nexar 的研究人员发布了自动驾驶视频数据集 BDD100K。BDD100K 包含约 120,000,000 幅图像，分布在约 100,000 个视频中。据称，这是迄今为止规模最大、最多样化的自动驾驶开源视频数据集，涵盖了不同的天气条件，包括晴天，阴天和雨天，以及白天和夜晚等不同时段的数据，数量巨大且被标注的汽车、任务、自行车、道路等目标物体，以及全帧实例分割的约 10,000 幅图像的子集，规模远大于多伦多大学（KITTI）、百度（ApolloScape）、Mapillary 等公布的数据集。

该数据集来源于伯克利主导的自主驾驶汽车研究项目——DeepDrive，包括本田、丰田和福特等都是该项目合作伙伴。

意义：多模式数据集的兴起：该数据集的广度和数百万个标签，以及精心的设计将可能使包括自动驾驶在内的人工智能领域研究人员和用户受益。预计未来，这些多模式数据集将更多地用于评估其他系统的迁移学习，例如，通过在丰富的模拟世界中训练自动驾驶模型，然后将其应用于真实世界的数据，如 BDD100K。

阅读更多：BDD100K：一个大型多样化驾驶视频数据库（伯克利 AI 研究博客 http://bair.berkeley.edu/blog/2018/05/30/bdd/）。

美军事部门举办合成视频 / 图像竞赛对抗 Fake 技术

Fake 技术带来的影响至今还让人们不寒而栗，考虑到 Fake 技术失控将对社会造成的恶劣影响，美国国防部高级研究计划局（Defense Advanced Research Projects Agency，DARPA）将在今年夏季举办一场虚假合成图像竞赛，以推动对抗虚假图像和视频的扩散。

（https://www.technologyreview.com/s/611146/the-us-military-is-funding-an-effort-to-catch-deepfakes-and-other-ai-trickery/）

用变分自动编码器预测公用事业网络攻击

水利基础设施公司 Xylem Inc 的研究人员测试使用基于变分自动编码器（VAE）的系统检测针对公用事业系统的攻击。这项研究突出了现代人工智能方法的一个既是缺点又是优势的特点：其在大型高维空间的曲线拟合中表现出色。在该项目中，研究人员使用 VAE 对过去的观测值进行训练，这些观测值代表市政供水网络中的 43 个变量。随后，他们观察该模型如何对系统中可能表明网络攻击的不可预见变化作出反应：该模型比基于规则的系统效果更好，VAE 得出了重建概率的常数对数（LRP），当底层系统脱离常态时该算法会发生变化。

该模型的优势在于完全依赖于原始形式的传感器读取数据，无需预处理、系统知识或领域专业知识即可运行，并且可应用于各行各业的 ICS。但它也有缺点，即需要一定条件才能运行，如需要大量系统观测数据，并只对罕见但有计划的操作（例如激活紧急增压泵）有敏感度。这凸显了现代人工智能技术强大的曲线拟合能力的弱点之一（Judea Pearl 认为曲线拟合几乎是所有这些系统都能够做到的），这就是说，他们缺乏对环境变化的敏感度，以及区分善恶行为的常识。

意义：尽管这样的技术非常粗糙，但其在训练基本机器学习系统数据发现异常方面很有价值。可以想象，将来基础的预测模型将会部署到每个小镇的数据流中，给人类监控者提供额外的信号。

阅读更多：使用具有变分推理的深度生成模型检测网络攻击（https://arxiv.org/abs/1805.12511）。

谷歌放弃续签 Project Maven，计划发布军事和情报合作原则

谷歌周五在内部宣布，其将放弃延长与美国军方的无人机监视平台 Project Maven 合同。谷歌还表示正在起草关于如何处理军事和情报合同的道德原则。

为什么重要：人工智能的军事用途仍然是行业和社会面临的最具争议的问题之一。科技巨头将在制定行业标准方面发挥作用。鉴于人工智能是一种把威力强大的“双刃剑”，未来 AI 在军事应用可能会在道德批判中首当其冲。

阅读更多：一份五角大楼合同如何让 Google 深陷身份危机（https://www.nytimes.com/2018/05/30/technology/google-project-maven-pentagon.html）。

英国公众反对大部分公共生活中的人工智能决策

RSA 和 DeepMind 启动了一个项目，旨在让人们更多地参与到 AI 对现实生活影响的行动中来。该项目的第一份报告是关于英国公众对自动化决策系统的态度调查。

缺乏认知度：除了在线广告（48％熟悉）之外，绝大多数受访者没有意识到在哪些关键领域使用了自动化决策。只有 9％的人知道在刑事司法系统，14％的人知道在移民中，以及 15％的人知道在工作场所应用了自动决策。

反对人工智能决策：大多数受访者反对在社会大部分地区使用这些方法。在工作场所（60％反对 vs11％支持）和刑事司法（60％反对 vs12％支持）中使用人工智能决策遭到了最强烈的反对。

公众想要的是什么：虽然 29％的人表示他们绝不会支持 AI 决策，但有些调调解方式还是有希望被人接受的：

• 36％：有权要求解释 AI 决策。

• 33％：对监控系不当的公司进行处罚。

• 24％：一套指导这些系统使用的共同原则。

为什么重要：报告指出，如果这些问题得不到解决，公众对这项技术的强烈反对就不会消失。RSA 提出的通过审议程序和“公民陪审团”进行公众参与的提案，如果成功的话，可以为其他国家提供一种模式。

阅读更多：公众对 AI 的参与（https://www.thersa.org/globalassets/pdfs/reports/rsa_artificial-intelligence---real-public-engagement.pdf）。

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：[e-mail]。

原文链接：

https://jack-clark.net/ 

AI前线

紧跟前沿的AI技术社群

如果你希望看到更多类似优质报道，记得点个赞再走！

┏(＾0＾)┛明天见！