文章库 PRO通讯会员 SOTA！模型

AI每日精选

AI每日精选10条

AI每日精选10条

大公司新闻

马斯克：特斯拉全自动驾驶功能今年初步可用，明年不用司机监督据外媒报道，特斯拉 CEO 伊隆·马斯克已经澄清了特斯拉实现「完全自动驾驶」功能的时间表，他认为这种功能可能会在今年年底之前可初步使用，在明年不用司机监督。

丰田计划在 2020 年东京夏季奥运会期间提供机器人出租车服务丰田汽车公司表示，将使用「SAE Level-4」自动驾驶汽车在东京市中心进行有限制的打车试行计划。（SAE 代表汽车工程师协会，第 4 级是指该自动驾驶汽车可以在一组特定条件下（例如天气或地理环境）执行所有驾驶任务。）日本法律要求安全驾驶者始终时刻准备好进行干预，并在必要时采取控制措施。丰田汽车表示汽车中还将有一名技术人员分析系统和车辆性能并与安全驾驶员进行沟通。该计划旨在与 2020 年东京奥运会相吻合，并借此机会展示其用于电动汽车的固态电池。丰田还将为奥运会提供「3,700 种出行产品和/或车辆」，其中 90％将被「电动化」。这可能意味着电池动力，氢动力甚至是天然气动力混合动力车。在 3700 辆汽车中，有 850 辆将由电池供电，而 500 辆将由燃料电池供电。（theVerge）

美团打车：在南京基本实现合规经营，人脸识别24小时全覆盖 10 月 25 日，美团打车公布安全整改进展。美团打车表示，目前南京已实现基本合规，每月可办理约 300 至 500 个网约车驾驶员从业资格证，订单合规承托比提高至 90%，并连续半年一直稳定在 90% 左右。在上海全力推动驾驶员从业资格证办理。此外，美团打车透露，已实现人脸识别 24 小时全天覆盖，成立专项工作组打击「代刷脸」「人脸作弊器」等各种非法外挂软件及背后「黑产」。

行业动态

工信部：研究修订《智能网联汽车道路测试管理规范（试行）》在 2019 世界智能网联汽车大会期间，工信部装备工业司联合公安部交通管理局、交通运输部科技司共同组织召开了智能网联汽车测试区交流研讨会。下一步，工信部将会同公安部、交通运输部，推动相关各方切实落实共享互认倡议，加快测试评价技术标准制修订，研究修订《智能网联汽车道路测试管理规范（试行）》，不断优化完善测试验证和应用示范环境，加快促进智能网联汽车产品化进程和产业健康发展。（财联社）

库卡机器人与梅卡曼德机器人举行战略合作签约仪式 10 月 25 日消息，库卡机器人与梅卡曼德机器人举行战略合作签约仪式。未来，双方将利用各自在渠道、技术等方面的优势资源度合作，推动物流等传统行业自动化模式的创新。库卡机器人成立于 1898 年，其为汽车制造业、物流及传统工业等领域量身定制多样化的自动化解决方案，提供一站式的服务：从单个组件直至全自动设备。梅卡曼德机器人由清华海归团队于 2016 年 10 月创办，致力于将智能赋予工业机器人。

深圳国家新一代人工智能创新发展试验区建设启动 10 月 25 日消息，昨日，在 2019「第二届中国（广东）人工智能发展高峰论坛」大会上，科技部和深圳市政府共同启动深圳国家新一代人工智能创新发展试验区建设。深圳将重点围绕建设人工智能城市大脑、人工智能核心关键技术研发等四项重点任务，推进两大工程，加快人工智能产业发展，打造福田、南山、罗湖等「九大产业集聚区」。

投融资

Incode 获 1000 万美元 A 轮融资可通过 AI 验证身份美国旧金山的初创公司 Incode 开发了一种全渠道生物识别平台，该公司今天宣布已从未公开的投资者那里筹集了 1000 万美元的种子资金。创始人兼首席执行官里卡多·安珀（Ricardo Amper）表示，新筹集的资金将使 Incode 加速其工具的开发和全球推广。该公司开发的一些工具已被大型银行，金融机构，政府和零售商使用。他说，「我们构建 Incode Omni 的原因是为了帮助公司为下一代消费者提供无摩擦，安全且方便的体验。」三年前，Incode 推出了一款移动应用程序，该程序可以自动识别并与程序中的所有用户共享照片，从而构建了一个包括世界各地的人在内的已标注的数据集。Omni 包含一套软件开发套件，这些套件与一系列基于云的本地环境以及网络浏览器和操作系统（包括 iOS 和 Android）兼容。这些套件包含 LiveBeam，LiveBeam 利用机器学习，灯光建模和 100 多种计算摄影调整功能，旨在检测潜在的欺诈和检查是否有篡改痕迹。(VentureBeat)

研究与技术

谷歌新论文：使用统一的文本到文本转换器探索迁移学习的局限性近日，来自谷歌的研究人员发布了一篇名为「使用统一的文本到文本转换器探索迁移学习的局限性」的新论文。以下是该研究的完整摘要分享：转移学习是一种在自然语言处理（NLP）中强大的技术，在这种模型中，模型首先要针对数据丰富的任务进行预训练，然后再针对下游任务进行微调。转移学习的有效性引起了方法，方法和实践的多样性。在本研究中，研究人员通过引入一个统一的框架来探索 NLP 的转移学习技术的前景，该框架将每种语言问题都转换为文本到文本格式。研究团队系统研究比较了数十种语言理解任务中的预训练目标，体系结构，未标记的数据集，传输方法和其他因素。通过将他们从规模探索中得到的洞察与规模以及新的「巨大的干净爬行的语料库」相结合，研究团队对在许多涵盖了摘要，问题回答，文本分类等内容的基准上获得了最先进的结果。为了促进 NLP 迁移学习的未来工作，研究团队还发布了数据集，预训练的模型和代码。GitHub 传送门：bit.ly/31OSHiN

Facebook 人工智能实验室新博客：通过压缩搜索结果来改善长形式的问题回答近日，Facebook 人工智能实验室更新了一篇名为「通过压缩搜索结果来改善长形式的问题回答」的博客，介绍了一种可通过使长格式问题回答（QA）系统更有效地搜索相关文本来提高其性能的新方法。该方法基于该团队自然语言处理任务 long-form QA 基础之上。在该任务中，模型必须使用前 100 个网络搜索结果来回答自然语言的问题，例如「爱因斯坦为什么出名？」。尽管答案通常会出现在这些结果中，序列到序列（seq2seq）模型在分析如此大量的数据时会遇到困难，这需要处理数十万个单词。通过将文本压缩为知识图并引入更细粒度的注意力机制，FB 的新技术允许模型使用整个网络搜索结果来解释相关信息。

CVPR 2019 论文分享 | 使用条件 GAN 进行蒙版引导的人像编辑来自中国科学技术大学以及微软研究院的研究团队于今年五月发表的一篇名为「使用条件 GAN 进行蒙版引导的人像编辑」的研究近日在社交媒体引发了关注。以下是该论文的完整摘要分享：肖像编辑是照片处理中的热门主题。生成对抗网络（GAN）促进了逼真的面部的生成，并允许进行更多的面部编辑。在本文中，研究人员讨论了现有技术中的三个问题：多样性，质量和肖像合成和编辑的可控制性。为了解决这些问题，研究团队提出了一种新颖的端到端学习框架，该框架利用由提供的面罩引导的条件 GAN 生成人脸。该框架分别学习每个面部组件（例如嘴，头发，眼睛）的特征嵌入，从而有助于更好地进行图像翻译和局部面部编辑的对应关系。有了遮罩，该网络可用于许多应用程序，例如由遮罩驱动的脸部合成，脸部 Swap +（包括交换中的头发）以及本地操作。除此之外，作为数据增强的一种选择，它还可以提高面部分析的性能。该论文已被今年 CVPR 大会收录。GitHub传送门：bit.ly/2W9WPZr

登录后评论

暂无评论

暂无评论~

文章库 PRO通讯会员 SOTA！模型