整理 | 王艺
资讯
Facebook 站内全部采用神经网络机器翻译，非正式用语是其技术难点
当地时间 8 月 3 日，Facebook 正式完成其网站内容翻译机制迁移。从「基于短语的统计机器翻译方法」跨越到使用 CNN 和 RNN 的翻译方法。成功部署后，Facebook 网站翻译准确率跃升 10 个百分点。
谷歌和微软已先后于 2016 年 9 月和 11 月完成其神经网络机器翻译部署。Facebook 稍晚一些，耗时近一年，于昨天发布。项目负责人之一 Necip Fazil Ayan 表示：「和那些标准场景下的机器翻译相比，我们的困难在于 Facebook 网站上有很多口语化表达。」
iPhone 8 或支持刷脸支付
将于今年 9 月发售的 iPhone 8 已经开始量产，两项 AI 相关的新功能先后曝光，分别是将人脸识别功能用于 Apple Pay 支付，以及能够自动识别场景并主动调参的智能摄像头。
据国外媒体 MacRumors 报道，有 iOS 工程师在 com.apple.passbook.payment 串内发现 pearl.field-detect 以及 pearl.pre-arm 作为支付验证数据。「pearl」指向 Pearl ID，是 iPhone 8 人脸识别功能的代码指代名称。这一发现将支付与人脸识别联系在一起。该媒体还表示，在 iPhone 8 发布时，苹果的人脸识别功能或许会被正式命名为 Face ID。
但也有声音指出，由于人脸识别的安全性还不能达到支付场景的要求，因此 Face ID 不能完全取代 Touch ID。比如，此前发售的三星 Galaxy S8 搭载的人脸识别系统能够轻易地被恶意照片愚弄。或许有了三星的前车之鉴，苹果会将 Face ID 作为 Touch ID 之外的一个选择供用户使用。
在智能摄像头方面，据外媒 9To5Mac 报道，iPhone 8 的双摄像头能够识别以下场景并作出对应的参数优化：婴儿、明亮的舞台、文件、烟花、树木等。加之苹果图片库中的物体识别与搜索功能，苹果手机对于机器学习的需求日益增加。在未来，iPhone 可能会搭载专用的神经网络芯片来处理机器学习相关任务。
11 万英镑资助 Moorfields 眼科医院研究，DeepMind 深耕 AI 医疗应用场景
DeepMind 正在资助由 NHS 信托基金经营的眼科医院 Moorfield，探索将 AI 用于识别医生可能忽略的早期眼疾症状。自去年 7 月与医院签订协议以来，DeepMind 已经拿出 11 万英镑资助这家医院的相关研究。Moorfields 正将 DeepMind 算法应用到一百万张匿名光学相干断层扫描（OCT）成像中，以确定算法是否真的可以识别老年黄斑变性早期症状以及糖尿病引起的失明。医院在落实合作研究项目过程中所产生的成本和费用也都由 DeepMind 支付。
DeepMind 联合创始人 Mustafa Suleyman 表示，资助不应该被理解为向医院购买医疗数据，「我们只是想让系统学会怎样分辨病症，这和训练系统分辨花草树木、桌子椅子是一回事。系统学到的只是一些特有的像素集群与某些结果是否有关而已。」每周，Moorfield 医院的医生们需要分析逾 3,000 张眼部扫描影片，该项目也希望能大大缩短病人从检查到领取结果的等待时间，也为医生节省更多的时间和精力。
目前，DeepMind 还与另外四所 NHS 体系下的医疗机构展开合作，它们分别是 Barnet、Chase Farm、The Royal Free 以及 Musgrove Park 医院。
腾讯优图医疗 AI：让癌症筛查更精准
8 月 3 日，在 2017「互联网+」数字经济中国行广东峰会上，腾讯正式发布了 AI 医学影像产品「觅影」，并与医院建立联合实验室。以肺癌识别为例，基于国际领先的肺癌识别算法，优图医疗 AI 的辨识度已达 80% 以上，对于良性肺结核的识别率达 84% 以上。据悉，普通医生的判断准确率一般为 60% - 70%。目前优图医疗 AI 能够超越普通医生的平均诊断水平，并与优秀医生水平对齐。8 月，腾讯优图实验室也将与多家三甲医院合作，让技术真正落地。在此之前，腾讯优图已经在寻亲、安防等领域均成功落地，可有效帮助走失人员寻回和疑犯追捕。
应用
用 Emoji 训练的 AI 可识别讽刺言论，准确率胜过人类
近日，一款 MIT 人工智能系统已经学会如何分辨 Twitter 上的讽刺信息，而且比大部分人类判断得更准确。系统的开发者、MIT 媒体实验室联合主席 Iyad Rahwan 表示，「网络上，无法用肢体语言以及面部表情来表达自己的情绪，因此，人们通过 emoji 进行表达。在这个识别讽刺语言的项目中，让系统学习某些语言与 emoji 之间关系并对系统进行预处理，能够帮助系统更准确地识别刻薄信息。」目前，研究人员已将经过 emoji 训练过的神经网络独立出来，命名为 DeepMoji 并开源。
为了训练 DeepMoji，团队搜集了 550 亿条 Twitter 记录，并选取其中 12 亿条带有 66 个常用 emoji 的记录作为训练数据。结果表明，经过 emoji 训练的系统对讽刺话语的识别率能够达到 82%，而人类平均水平为 76%。这一理解能力有助于 AI 打击种族主义、虐待以及性骚扰。
Alexa 新添两个小伙伴：一个保险机器人、一个智能盐罐子
通过调用 Alexa 语音接口，一些第三方应用拥有了 Alexa 大脑以及声音，美国汽车联合服务协会（USAA，一家金融服务公司） 的问答机器人便是其中之一。 USAA 于当地时间本周三上线了一款虚拟语音助手，使用 Alexa 接口并且能够连接至亚马逊网上商店。目前，已经注册至 USAA Labs 的会员已经能够使用这个机器人进行问答对话。例如查询账户信息、余额、花销及账单等。
如果说问答机器人已不再是新鲜事，那么，这个「不怎么正经」的智能盐罐子可能会让你眼前一亮。它叫 SMALT，能够通过你的手机以及亚马逊 Echo 音箱进行操控。如果你想要使用它的基本功能——撒盐，只需在手机上输入想要的克数（或者通过 Echo 进行语音操控），SMALT 就能像漏斗一样将同等质量的盐落入底部小托盘中。然后，你就可以取出托盘将盐洒在食物上。之所以说这个盐罐子「不正经」，是因为它配置了蓝牙音箱以及氛围灯，创始团队想要尽可能多地释放你餐桌的空间。该产品计划售价 199 美元，已在 Indiegogo 上开放众筹。截止发稿时，已有 53 位勇敢者对其表示了支持，众筹早鸟价 99 美元。
观点
十年后的汽车：识别用户生物特征，自主决策更贴心
随着汽车制造商们，比如特斯拉、丰田、沃尔沃等集中精力研发可自主与环境交互的汽车，知名评论人、发明家、设计师 Ari Teman 也开始分析预测未来。
他认为，将来，乘客上车之前就已开始与汽车交互。例如，当你接近车辆时，它能感知到你，并向你靠近。它知道所要靠近的目标是马路对面的你，而不是距离你一米远的其他人。上车之后，车辆能够识别你的基本信息以及身体体征，随时跟踪体征信息。比如，你在某次转弯时心跳变快，它会猜想是因为害怕还是这个街区曾经带给你不好的回忆。如果是前者，车辆会自动调整驾驶速度；如果是后者，今后车辆会选择其他路线。如果车辆感知到你的疲惫，它会调暗灯光；发现你在颤抖，它会开足暖气。
今年拉斯维加斯 CES 展上，一些装置解决了未来人车交互的第一步——车内人物识别。比如，德国汽车配件供应商马牌展示了生物识别解锁系统。车辆使用者可以通过指纹解锁车辆，人脸识别系统能够识别乘客，方便汽车根据不同乘客情况，针对性地调整环境设置。汽车电气厂商 GENTEX（镜泰）展示了可安装在车载后视镜上的虹膜扫描装置，它可以识别司机及乘客身份，准确率高达 99.9%。Frost & Sullivan 的一份调查报告显示，到 2025 年，1/3 的新车将搭载生物识别感应器。未来十年，人类将见证生物技术逐渐融入人车互动中。
中美 AI 角逐，中方优势不容忽视
美国咨询公司高德纳调查总监 Anthony Mullen 在评论中国政府颁发的人工智能发展规划时表示：「这是一个很实际的目标，现在人工智能竞赛是中美两国之间的较量。」Mullen 表示，中国具备在人工智能领域领先的所有优势：政府的资金支持、大量的人口、活跃的科研氛围、以及非常适合技术革新的社会环境。
以微软推出的聊天机器人小冰为例。小冰目前是拥有 4000 万用户的「网红」，一些用户每天晚上会和小冰聊天，小冰甚至出了一本诗集。然而在美国，Tay 仅上线几天就被迫下线，因为 Twitter 用户把 Tay 变成了一个种族主义者。
在学术研究方面，据白宫于 2016 年 10 月发布的一份报告显示，中国在深度学习领域发布的论文数量已超美国；近几年，中国 AI 相关专利申请数量几乎翻了一番。不过，美国安全研究中心智库成员 Paul Scharre 对这一数字并不认同：「论文数量确实是一个度量方式，但却是最差的度量方式，因为丝毫没有考虑论文质量。当下最好的研究成果依然来自于 Google Brain、OpenAI、以及 DeepMind。」
虽然如此，中国对待新兴科技的拥抱态度不容否认。玛隆科技 CTO Matt Scott 表示：「在这里，如果使用一年前的技术，你已经被淘汰。中国 IT 圈子，或者至少就我的团队而言，非常敢于尝试新技术，敢于面对新技术带来的未知风险。」
图说
亚马逊成为音箱霸主的秘诀——坚持投资，从不收购
2015年，智能家居创业的热潮达到顶峰。这一年，共有 111 笔智能家居相关的投融资案例，总额高达 5 亿美金。
CB Insights 对 2012 年以来最活跃的智能家居投资者进行了统计。上图显示，自 2012 年起，亚马逊 Alexa 共投资了 9 家智能家居厂商。在智能家居最热的 2015 年，亚马逊共向 Alexa 基金注资 1 亿美元用于投资。Alexa 基金是一家专为打造 Alexa 语音服务生态体系而设立的基金，主要投资目标为语音技术以及 IoT 设备。虽然投资维度看似较窄，但投资企业涵盖了智能家居方方面面，例如家居安全（Ring, Scout Alarm），节能（ecobee），健康（Luma Home），以及厨房家居设备（PetNet, The Orange Chef）等。
有一个事实非常有趣，亚马逊只投资智能家居企业，从不收购。这与其竞争对手，包括微软、谷歌、三星、苹果等公司所采取的策略非常不同，这些公司非常热衷于收购智能家居公司，比如谷歌仅在 2014 年就收购了三家智能家居公司（Nest Labs, Dropcam, Revolv），但其投资的智能家居公司从 2012 年算起，仅有四家（Nest Labs, The Orange Chef, Juicero, Luma Home）。
