AI一周热闻：美国五大科技股集体暴跌；索尼将ImageNet训练缩短至4分钟-InfoQ

低代码到底是不是行业毒瘤？一线大厂怎么做的？戳此了解>>> 了解详情 



 写点什么

AI 导读前线导读：

-美国五大科技股集体大跌，市值蒸发超过万亿美元

-美国最严技术出口管制发布，封锁算法芯片量子计算技术

-谷歌发布夜景拍照 AI 算法

-伯克利研究人员采用模块化 RL 系统玩《星际争霸 II》

-为保证人工智能更安全，了解一下蠕虫和果蝇

-索尼 ImageNet 训练取得突破，224 秒内训练 ResNet-50

-DeepMind 健康业务“献身”谷歌

-美国国家安全委员会成立，前谷歌主席等入席顾问团

更多干货内容请关注微信公众号“AI 前线”（ID：ai-front）

美国五大科技股集体大跌，市值蒸发超过万亿美元

11 月 19 日，美国五大科技股集体进入熊市，苹果(185.86, -7.67, -3.96%)大跌 3.96%，亚马逊(1512.29, -81.12,-5.09%)重挫 5.09%，谷歌(1020, -41.49, -3.91%)母公司 Alphabet 大跌 3.82%，微软(104.62, -3.67,-3.39%)大跌 3.39%，而 Facebook(131.55, -7.98, -5.72%)的 5.72%跌幅还创下 2017 年 2 月以来最低，此外，Netflix(270.6, -15.61, -5.45%)也下跌 5.45%。

据统计，五家公司总市值蒸发已超过万亿美元，相当于墨西哥、印尼两国 2017 年的 GDP。

这 5 家公司面临各自的问题。苹果的问题是新手机销量，2018 第三季度的财报显示，其在营收和利润均创纪录的同时，业绩也低于预期，新手机销量惨淡；Facebook 的问题是内部管理，被曝操纵 2016 年大选，泄露用户隐私数据，以及最近的“黑公关”事件；亚马逊则遇到了业绩问题，第三季度财报不及预期，并下调了第四季度的营收预期至 665 亿美元—725 亿美元区间，意味着其传统电商零售业务增长动能堪忧；谷歌母公司 Alphabet 股价虽然也跌了 20%，但他们更多的是受大环境影响，比如，谷歌一方面受到欧盟的处罚，另一方面，美元的强势也对其庞大的海外业务产生负面影响。

美国最严技术出口管制发布，封锁算法芯片量子计算技术

近日，美国商务部工业安全局出台了一份针对关键技术和相关产品的出口管制框架，据了解，该框架是对美国军民两用和较为不敏感的军品出口进行监管，目的是甄别涉及国家安全和高技术的出口。

该框架相关文件指出：

框架是根据 2018 年美国国会通过的《出口管制改革法案（Export Control Reform Act）》颁布的，工业和安全局通过该法案控制出口军民两用和较不敏感的军用物品，包括商业控制清单（CCL）上记录的内容。
由于对技术出口的控制是保护敏感美国技术的关键组成部分，CCL 上列出了许多敏感技术，这些技术通常与美国所属多边出口管制制度所保持的清单一致。然而，某些技术可能尚未列入 CCL 或受多边控制，因为它们是新兴技术。因此，尚未对其国家安全影响进行评估。

所以这一框架的目的是确认 CCL 上的新兴技术是否应该受到出口管制，一旦确认，法案就会授权商务部对该技术的出口、再出口或 (国内) 转让建立管制，包括临时管制。在确定适当的出口管制水平时，商务部必须考虑这项技术的潜在最终用途和最终用户，以及限制出口的国家。

美国商务部目前试图确定的“新兴技术”名单包括生物技术，人工智能（AI）和机器学习、技术，位置，导航和定时（PNT）技术，微处理器技术，数据分析技术，量子信息和传感技术，机器人等。

谷歌发布夜景拍照 AI 算法

近日，谷歌发布了最新夜视（Night Sight）功能 AI 算法，大大提高夜晚拍摄照片的色泽和清晰度。目前，Pixal 3 手机用户仅用单摄就可以使用这项夜视功能。

Pixal 3 手机通过 HDR+降低散粒噪点和读取噪点的影响，改善昏暗光线下的信噪比，使用光流法（optical flow）测量最近的场景运动，并选择最小化模糊的曝光时间解决运动模糊等问题。另外，谷歌开发了一种基于学习的自动白平衡（AWB）算法，该算法经过训练以区分白平衡准确或偏移的图像，解决低光照条件下的白平衡不准问题。

伯克利研究人员用模块化 RL 系统玩《星际争霸 II》

加州大学伯克利分校的研究人员展示了如何利用自我对弈让 AI 代理学会玩实时战略游戏《星际争霸 II》。研究人员写道：“我们提出了一种灵活的模块化架构，可以在多个独立模块之间分担决策责任，包括工人管理、构建顺序、策略、微观管理和侦察”。

此系统可以轻松击败游戏中的简单和中等难度 AI 系统，但是面对更加困难模式的内置机器人时会非常吃力。本文中的最佳 AI 系统使用了学习策略和学习构建顺序，在与游戏内置的“Elite”难度 AI 代理进行对战时胜算约为 30％。

迁移学习：研究人员还尝试通过在训练地图中测试各种学习模块的性能。代理的表现水平平均下降 7.5%。

接下来，该团队将会在更深的神经网络、多军团战术、研究升级和学习微观管理政策等方面做更多改进，希望缩小模块化代理与专业人类玩家之间的差距。

本文中概述的方法表明，当代强化学习技术应用于《星际争霸 II》时易于处理，研究人员使用复杂的模块化系统表明简单系统也可以获得高性能，标志着算法的进步。

阅读更多：《星际争霸 II》的模块化架构与深度强化学习（https://arxiv.org/abs/1811.03555）。

为保证人工智能更安全，了解一下蠕虫和果蝇

埃默里大学、西北大学和 AI 创业公司 Vicarious AI 的研究人员提议将全球的生物学和人工智能开发结合在一起，以创建更安全、更强大的系统。他们在讨论文件中提出的想法是，研究人员可以通过基于现实世界的生物模拟平台，更好地研究 AI 面临的安全挑战，并使用神经心理学和比较神经解剖学来指导研究。

精致复杂的昆虫：该论文中的一些数字表明，即使最简单的生物也可以让人印象深刻，特别是与 AI 系统相比时。“线虫只有 302 个神经元，具有简单的学习和记忆行为。果蝇（Drosophila melanogaster）尽管只有 10 ^ 5 个神经元，并且没有相当于大脑皮层的结构，但它却拥有复杂的空间导航能力，可与最好的自动驾驶汽车相媲美，且耗电量极小。”（相比之下，棕色大鼠有大约 10 ^ 8 个神经元，而人类有大约 10 ^ 10 个神经元）。

人类价值观，它们来自哪里？ 研究人员从生物学中获得的灵感，源于他们认为生物学可能对人类的道德价值观产生重大影响——也许人类的价值观与大脑中存在的内部奖励系统相关联，因此，了解价值观与生物背景之间的联系和不相关，可能有助于研究人员设计更安全的人工智能系统。

重要性：也许，这会促使研究人员思考如何克服创建强大的 AI 系统将面临的更艰难的长期挑战。目前，大多数 AI 组织会评估代理，但未来，我们是否可以尝试更多的有机系统？该论文写道，“了解如何将现有人工智能高度简化模型的安全框架迁移到真实环境中具有高度复杂性的神经网络真实生物体，将是一项重大任务”。

阅读更多：综合生物模拟、神经心理学和人工智能安全（https://arxiv.org/abs/1811.03493）。

索尼 ImageNet 训练取得突破，224 秒内训练 ResNet-50

在军事圈子里有一个叫做 OODA 循环的概念（观察 Observe，定位 Orient，决定 Decide，行动 Act）。任何有效的军事组织的目标都是比竞争对手更快地执行 OODA 循环，因为更快的 OODA 循环意味着拥有更强的处理数据和采取适当行动的能力。

对于 AI 开发组织来说，一个可能让他们更快地执行 OODA 循环的关键因素，就是研究人员在大规模数据集上验证想法的速度。

索尼的新研究宣布，索尼系统可以在 224 秒内（约 4 分钟）通过 ImageNet 训练 ResNet-50，精确度达 75％。2015 年，这项任务耗时 29 小时，2017 年年中需要 1 小时。

这项成果归功于两种 AI 产业化研究人员应该都非常熟悉的技术——大批量的数据（这基本上意味着深度学习系统进行每一步所需的数据数量巨大），以及一个聪明的 2D-Torus All-reduce 接口（一个加速数据训练，合理消耗可用 GPU 容量的系统）。

另一方面，索尼使用大规模 GPU 也逃不过收益递减规律。研究人员指出，他们能够在 2720 个 GPU 上实现 66.67％的最大 GPU 利用率，但一旦超过 3264 个 GPU，利用效率就会降低到 52.47％。

这样的度量标准可以帮助我们对人工智能的发展有更好的了解，以及思考应该如何操作，以最大化利用大规模计算。

阅读更多：在 224 秒内训练 ImageNet / ResNet-50（https://arxiv.org/abs/1811.05233）。

精确的大型 Minibatch SGD：在 1 小时内训练 ImageNet（https://arxiv.org/abs/1706.02677）。

图像识别深度残差学习（https://arxiv.org/abs/1512.03385）。

DeepMind 健康业务“献身”谷歌

人工智能医疗业务先驱 DeepMind Health 正式并入 DeepMind 母公司 Google。此举引起了隐私权倡导者的担忧，他们担心这会让谷歌能够访问 160 万英国国家医疗服务体系（NHS）内患者的数据。DeepMind 先前因使用患者的数据遭到英国监管机构的谴责，后成立了一个独立的道德委员会，并承诺数据“永远不会与 Google 帐户或服务相关联”或用于商业目的。随着 DeepMind Health 并入谷歌，人们担心此承诺和其他许诺将会遭受威胁。

DeepMind Health 领导人 Dominic King 随后发布一系列推文，希望消除这些担忧。

阅读更多内容：DeepMind Health 加入谷歌（https://deepmind.com/blog/scaling-streams-google/）。

为什么 DeepMind Health 并入谷歌会吓坏隐私专家（https://www.wired.co.uk/article/google-deepmind-nhs-health-data）。

阅读更多：Dominic King 发推（https://twitter.com/Dominic1King/status/1062755561727578113）。