谷歌大脑新研究：机械手可 180 度盘保定健身球【智能快讯】

By 超神经

AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。

HyperAI 超神经精心整理了 AI 行业的近期资讯，快来一起围观吧！

企业

谷歌大脑发布新研究

机械手可旋转保健球

谷歌大脑在 Arxiv.org 上发布了一篇论文，使用深度动力学模型和 AI技术，仅需很少的训练数据，就可让机械手完成精细的动作，比如旋转保健球。

他们的研究中，一项困难的任务是将两个保定球绕着手掌旋转，而且不掉落，模型仅使用了 100,000 个（训练 2.7 小时）数据点的数据，就完成了这一任务。

团队将一种称为「不确定」的 AI 模型，与最先进的轨迹优化结合起来，使用强化学习训练机器手，最终达到了这一效果。

机械手成功地将两个球旋转了 90 度和 180 度，而且在相机捕获的两个小时的真实数据中，并没有发现球被掉落。

来源：venturebeat.com

谷歌发布自然语言处理新模型

在多项测试中名列榜首

上周，谷歌 AI 和芝加哥丰田科技机构宣布，他们新的 ALBERT 模型，在自然语言阅读理解测试中获得了多项第一，包括 SQuAD 2.0、GLUE、RACE 等测试中，分数都高于人类。

ALBERT 是基于 Transformer 的 BERT 的一个版本，据称，它使用了参数减少技术，来降低内存消耗并提高 BERT 的训练速度。

新的方法，在阅读文本并提供答案方面，有着显著的性能提升，可以显著改善搜索引擎等功能。

来源：medium.com

学界

MIT 林肯实验室新型 AI 超算

在世界大学中排名第一

近日，MIT 林肯实验室超级计算中心（LLSC）的新型 TX-GAIA（绿色 AI 加速器）计算系统，被评为世界所有大学中功能最强大的人工智能超级计算机。

该系统由 Hewlett Packard Enterprise 构建，将传统的高性能计算硬件（将近 900 个 Intel处理器）与针对 AI 应用进行优化的硬件（900个Nvidia图形处理单元（GPU）加速器）相结合，在物理模拟和数据分析中扮演了重要的角色。

来源：news.mit.edu

麦吉尔大学开发 FoodTracker

可利用 AI 技术检测食品营养成分

近日，加拿大麦吉尔大学的一个研究小组开发了一款移动 App —— FoodTracker，可快速有效地识别食物，并提供每餐食物的营养成分信息。

该款 App 非常易于使用，无需手动输入数据，仅基于手机摄像头的图像，即可实现自动食品监测和营养分析，用户只需将手机相机对准装有饭菜的盘子，即可迅速了解自己摄入的食品。

FoodTracker 实时检测模式（左）

和来自本地图库的营养分析（右）

来源：techxplore.com

技术

Facebook 通过神经网络追踪手部动作

Facebook Reality Labs 联合 Oculus开发出了一个应用于 VR 的手部动作追踪系统，这种虚拟世界中的新交互方式可以极大提高 AR / VR 体验。

该系统作为目前唯一一款完全铰接的 VR 手部动作追踪系统，不使用主动深度感应技术或任何其他设备（例如功能手套），仅依赖单色相机即可实现动作追踪。

官方宣布将在 Oculus Quest（一款无线头戴VR设备，现已开放购买）的软件更新中增加该项技术。

来源：ai.facebook.com

机器学习可全面预测

阿尔茨海默症的进展

近日科学家通过追踪 1909 名轻度认知障碍或阿尔茨海默症患者的临床症状，发现通过机器学习可全面预测阿尔茨海默症的进展。

科学家取了 44 个临床变量，分别追踪其在 18 个月内数据的变化，并以此作为数据集，训练预测疾病进展的模型。该模型可准确反映随着时间进展，每个变量的平均值、标准偏差和相关性，在临床上具有重大意义。

来源：nature.com

新奇

药物研究人员用 AI 预测视力丧失

Genetech（基因泰克）和医药研发生厂商 Roche（罗氏）的研究人员，开发了一种深度学习模型，该模型可以预测，哪些患有与糖尿病相关的视力问题的患者更容易失明。

为了训练该模型，研究人员使用了糖尿病性视网膜病患者眼内的彩色照片。他们使用深度卷积神经网络（DCNN）评估图像，并产生目标结果预测。

该团队刚刚在《自然数字医学》上发表了一篇新论文，「深度学习算法可预测个别患者的糖尿病性视网膜病进展。」

来源：techrepublic.com

MIT 学生通过算法实现滑音效果

在音乐中，「滑音」是一个已经使用了数百年的术语，指的是将音符以一个音高滑动到较低或较高音高的音符中的效果。但是，只有音高可以连续变化的乐器（例如人声，弦乐器和长号）才能发挥效果。

现在，一名麻省理工学院的学生发明了一种新颖的算法，该算法可以在任意两个音频信号之间实时产生滑音效果。

在实验中，该算法无缝地融合了各种音频片段，例如将钢琴音符滑入人声，将一首歌曲融合成另一首。作者描述算法的论文，在最近的国际数字音频效果国际会议上获得了「最佳学生论文」奖。

来源：news.mit.edu

—— 完 ——

扫描二维码，加入 AI 讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」自动入群

更多精彩内容（点击图片阅读）