AI 一週熱聞：近百名華人入選 IEEE Fellow；何愷明等證明 ImageNet 預訓練非必要
AI 前線導讀：
- 地平線將完成 10 億美元融資，估值或達 40 億美元
- 2019 IEEE Fellow 名單釋出，華人學者佔比三分之一
- 何愷明等證明 ImageNet 預訓練並非必要
- 無人機著陸，神經網路比 PD 控制器更在行
- AI 研究組織 MIRI 宣佈研究結果預設不公開
- 三星手寫機器人擊敗深度學習機器人，獲《星際爭霸：母巢之戰》冠軍
- Facebook 開源 StarCraft AI 開發平臺 TorchCraftAI
- 馬里蘭大學釋出偽裝資料集 DFW
地平線將完成 10 億美元融資，估值或達 40 億美元
據外媒報道，中國人工智慧晶片設計商地平線機器人近日將以 30 億至 40 億美元的估值獲得最多 10 億美元 B 輪融資。這將成為中國人工智慧晶片領域年度最大的一筆融資。據瞭解，此次融資的投資方包括一家和英特爾規模相當的晶片公司，以及一家知名汽車廠商。
地平線成立於 2015 年 7 月，總部位於北京，創始人是前百度深度學習研究院負責人餘凱。BPU（BrainProcessing Unit） 是地平線機器人自主設計研發的高效人工智慧處理器架構 IP，支援 ARM/GPU/FPGA/ASIC 實現，專注於自動駕駛、人臉影象辨識等專用領域。
2017 年 12 月，地平線在北京召開了一場釋出會，釋出了號稱中國首款、全球領先的嵌入式人工智慧視覺晶片 BPU：面向智慧攝像頭的“Sunrise”旭日處理器和麵向智慧駕駛的“Journey”征程處理器，並在會上公佈了三個智慧解決方案，分別面向智慧駕駛、智慧城市以及智慧商業。
2019 IEEE Fellow 名單釋出，華人學者佔比三分之一
近日， IEEE Fellow 2019 入選名單對外曝光。根據曝光檔案，295 名全球學者入選 IEEE Fellow，其中華人群體佔比約 1/3，包含 36 名中國大陸學者，入選名單人員有浙江大學校長吳朝暉、同濟大學校長陳杰、北京理工大學副校長龍騰等教授，中國科學院院士陳星弼、清華大學魏少軍、CMU 教授及 Petuum 創始人邢波、京東 AI 研究院常務副院長何曉冬、京東 AI 研究院副院長梅濤、出門問問 AI Lab 負責人黃美玉、阿里巴巴 VP 周靖人等。
何愷明等證明 ImageNet 預訓練不是必要的
FAIR（Facebook AI Research）的三位研究員何愷明、RBG 和 Piotr Dollár 發表論文——Rethinking ImageNet Pre-training，證明了不是所有情況下都需要對模型進行預訓練。
該論文表示，他們從隨機初始狀態開始訓練神經網路，然後用 COCO 資料集目標檢測和例項分割任務進行了測試。結果，絲毫不遜於經過 ImageNet 預訓練的對手，甚至能在沒有預訓練、不借助外部資料的情況下，和 COCO 2017 冠軍結果相當。
實驗表明，如果資料和計算力足夠多，那麼 ImageNet 預訓練只能加快收斂而不提升準確率；如果資料太少，則有必要使用預訓練模型，ImageNet 預訓練對計算機視覺社群的發展來說是一項重要的輔助任務。
論文地址： ofollow,noindex">https://arxiv.org/pdf/1811.08883.pdf
無人機著陸，神經網路比 PD 控制器更在行
CalTech、東北大學和加州大學歐文分校的研究人員證明，相較比例微分（Proportional derivative，PD）控制器，神經網路學習可以更精準地讓四軸無人機著陸。
研究人員稱這種系統為 Neural Lander，其設計目的在於實現更精準、更穩定地著陸四軸無人機。該系統直接從耦合非定常空氣動力學和車輛動力學的地面效應中學習，並評估 Neural Lander 在起飛、著陸和近地機動過程中對四軸飛行器的軌跡跟蹤。與具有預先識別系統的 PD 控制器相比，Neural-Lander 能夠更準確地降落四軸飛行器，將 z 方向的誤差從 0.13m 減小到零，並將 1 D 著陸的平均 x 和 y 漂移分別減少 90％和 34％。同時，在 3D 著陸中，Neural Lander 可以將 z 誤差從 0.12m 減小到零。經驗表明，DNN 可以很好地泛化到訓練領域之外的測試中。
此係統不僅展示了人工智慧系統在各種任務中的廣泛應用前景，而且還表明研究人員開始考慮將這些可學習的模組與產品相結合。有趣的是，這項研究的贊助商之一是國防承包商雷聲（這指明瞭大型國防承包商看中的未來發展方向之一。）
閱讀更多： Neural Lander：使用學習動力學進行穩定的無人機著陸控制 。
AI 研究組織 MIRI 宣佈研究結果預設不再公開
MIRI 人工智慧研究組的執行董事 Nate Soares 表示，該組織“最近決定將其大部分研究‘預設不公開’，未來，除非特殊情況，MIRI 的研究成果將在內部保留，不對外公開。”
MIRI 稱這樣做的原因是要專注於研究本身，減少曝光的壓力，從而加速研究進展。
這可能是一種危險的訊號，MIRI 承認這種做法存在一些潛在風險，並指出可能導致人才招聘和評估更難進行，獲得有用的反饋意見變得更加困難，獲得資金的難度加大，以及社會成本和後勤開銷加大等後果。
MIRI 從 2017 年的加密貨幣繁榮浪潮中受益，從因為以太坊大賺特賺的人那裡獲得了數百萬美元的捐款，並於此後獲得更多資金，用於支援更長期的規劃。
三星手寫機器人擊敗深度學習機器人，獲《星際爭霸：母巢之戰》冠軍
三星 SDS AI 和資料分析團隊（SAIDA）用基於手寫規則的機器人贏得了年度《星際爭霸：母巢之戰》錦標賽冠軍，擊敗了其他團隊的機器人，包括 Facebook、斯坦福大學和 Locutus。這場勝利意義重大，原因有二：1）該機器人與一年前相比效能大幅提升；2）來自 Facebook（CherryPi）的機器人與手寫的 SAIDA 機器人並沒有很大差距。
“SAIDA 團隊的成員告訴我，他們認為，不到一年時間，專業的星際爭霸玩家將被打敗，”競賽協辦單位 Dave Churchill 在 Facebook 上寫道。“我覺得他們的觀點太誇張了，但是他們卻相當確定這一點。”
閱讀更多： AIIDE 星際爭霸比賽結果 。
Facebook 開源 StarCraft AI 開發平臺 TorchCraftAI
Facebook 開源 StarCraft AI 開發平臺 TorchCraftAI，該平臺開發了 CherryPi。TorchCraftAI 包括“用於構建星際爭霸代理的模組化框架，（這些模組可以被其他模板攻擊，並被其他模組或由 ML / RL 訓練的模型替換”）以及教程、CherryPi 和對 TCP 通訊的支援。
馬里蘭大學釋出偽裝資料集 DFW
印度國際資訊學院、IBM 沃特森研究中心和馬里蘭大學的研究人員建立了一個大型資料集，Disguised Faces in the Wild (DFW)，稱這些資料集可用於訓練人工智慧系統識別那些把自己偽裝成別人的人。
DFW 資料集包含 1,000 個不同人類實驗者的 11,157 張圖片。每個實驗者與其本人照片，自己偽裝的照片，和模仿者的照片配對。DFW 被預分成“簡單”、“中等”和“較難”三個子集，基於三種 benchmark 演算法正確識別右臉的成功率進行劃分。
這項研究的意義在於展示了深度學習演算法發現偽裝行為的潛力，但我希望在具有更多真實世界特徵的更大資料集上看到對演算法效能的分析，例如閉路攝像機捕捉的成千上萬的人在不同光照條件下的偽裝識別能力。此論文進一步證明了深度學習可以擴大和自動化監控的方式。
閱讀更多： Disguised Faces in the Wild 。
獲取資料： DFW 資料專案網站
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裡看到更多有趣的內容，請傳送郵件至：jack@jack-clark.net。
參考連結：