AI 一周热闻：GAN 之父 Ian Goodfellow 离开谷歌加盟苹果；谷歌火速解散人工智能道德委员会

• GAN 之父 Ian Goodfellow 离开谷歌加盟苹果

• NeurIPS 2019 修改论文提交要求，强调复现性

• 谷歌火速解散人工智能道德委员会

• 谷歌大脑新神技：AI 预测源代码

• 中国成功完成首例 AI+5G 心脏手术

• 英特尔一口气发布了三款处理器、两款存储、一款以太网适配器

• 富士通实验室完成 ImageNet 训练只需 75 秒

• 法国 INRIA 通过更高效的环境让强化学习研究更便宜

• Facebook 开源智能机器人平台 Habitat，以每秒数千帧的速度运行 3D 模拟器

• 亚马逊股东阻止与政府签订人脸识别合同

GAN 之父 Ian Goodfellow 离开谷歌加盟苹果

近日，机器学习研究员 Ian Goodfellow 已离开谷歌，加盟苹果。他开发了生成对抗网络（GAN），被称为“GAN 之父”。

苹果的深度学习训练期：在过去的几年里，苹果一直在努力招揽更多知名专家参与其 AI 项目。2016 年，苹果聘请了卡内基梅隆大学研究员 Russ Salakhutdinov 指导其人工智能研究工作，他曾师从多伦多杰弗里·辛顿（Geoffrey Hinton）。Russ 帮助苹果建立了更多的传统学术机器学习团队，苹果公司还通过苹果机器学习期刊（Apple Machine Learning Journal）详细地介绍了苹果内部一些秘密组织所做的研究。最近，苹果还聘请了谷歌的 John Giannandrea 帮助领导其人工智能战略。我希望，Ian 可以推动苹果公司对其研究的各个方面更加开放，很期待接下来将会发生的事。

重要性：Ian 的两个研究兴趣——GAN 和对抗性样本（对导致神经网络错误分类的数据结构进行操作）在 AI 策略中扮演重要角色，我想知道苹果是否可以通过积极主动的工作和政策倡导来探索这一点（使事情变得更安全、更好）。

阅读更多：谷歌顶级A.I.专家加入苹果

NeurIPS 2019 修改论文提交要求，强调复现性

神经信息处理系统会议组织委员会（NeurIPS，前身为 NIPS）对 AI 会议的论文提交做了两处修改：“强制性复现性检查表”，以及“新的代码提交政策正式声明“。这一政策将在广发的 AI 生态领域产生连锁效应。

复现性检查表：向 NeurIPS 提交论文的人员将需要填写由研究员 Joelle Pineau 创建的可复现性检查表。“复现性表的答案将提供给审稿人和地区主席，他们可以使用这些信息来帮助他们评估提交论文的清晰度和潜在影响”。

代码提交：如果涉及与新算法相关或修改现有算法的实验，希望提交者可以（目前并不强制）提交代码及其论文。“很明显，这要求我们更加谨慎，因为我们知道社区的”舒适区“在哪里，”组织者写道。

不可执行：提交给 NeurIPS 的代码不需要是可执行的——这有助于工作成果取决于专有代码（例如，插入大规模的专有训练系统，如大型技术公司所使用的代码） ，或依赖专有数据集的研究人员。

重要性：复现性触及到当前人工智能研究的很多焦虑，这些焦虑与学术研究人员和企业实验室之间的资源差异有关。围绕可复现性采取更多措施可能有助于缩小这一差距，使企业研究人员能够执行诸如发布代码之类的事情，而无需担心泄漏有关内部专有基础架构的信息。

阅读更多：征集论文

在此处查看代码提交政策

谷歌火速解散人工智能道德委员会

谷歌新的人工智能道德委员会在推出一周后就被解散了。

哪儿出错了：约 2500 名谷歌员工签署了一份请愿书，要求将保守派传统基金会主席 Kay Coles James 从理事会中撤职。当初任命她是为了给小组带来“思想的多样性”，但员工指出她具有反变性、反同性恋和反移民立场。员工对无人机公司 CEO Dyan Gibbens 的任命也感到愤怒。第三个被任命的 Alessandro Acquisti 也辞去了全部职务，称这不是一个围绕人工智能道德问题的论坛。

进展：在一份声明中，谷歌表示这件事将会“重新讨论”，并“将通过不同的方式获取有关这些话题的外部意见。”

重要性：这对谷歌来说是一个令人尴尬的结果，谷歌的员工再次展示了他们强制公司变革的能力。除了任命问题之外，他们还有理由对理事会作为一种监督机制持怀疑态度——该团体在接下来的 12 个月里只会见面四次，而且很难想象这个团体是否有能力，在这个时候，需要更加了解谷歌的行动是否能提供有意义的监督。

了解更多：谷歌取消人工智能道德委员会以回应抗议。

谷歌大脑新神技：AI 预测源代码

最近，谷歌大脑团队有了新突破，发布了一个可以根据已经编辑好的代码预测源代码的 AI。据论文解析，这个 AI 会根据代码变化与其所处状态的关系来理解，准确地对代码序列进行建模需要学习旧代码的表示方法，这让模型可以概括一种模式，并对未来要编写的代码内容进行预测。

近年来，构建源代码的生成模型成为一个十分受重视的任务，此前的生成模型一般根据生成代码的静态快照(static snapshot)来构建，而谷歌的研究人员将源代码视为一个动态对象(dynamic object)，并处理软件开发人员对源代码文件进行编辑的建模问题，所以这种方法既能捕获有关意图的所需信息，又能对序列的长度进行扩展，克服了编辑序列建模任务中开发良好的表示这一重大挑战。

实验结果表明，谷歌团队开发了具有很强泛化能力的编辑序列模型，并证明该方案对大规模源代码编辑数据的适用性。

论文地址：

https://arxiv.org/pdf/1904.02818.pdf

中国成功完成首例 AI+5G 心脏手术

4 月 3 日，在 AI 和 5G 的帮助下，广东省人民医院与广东高州市人民医院共同成功完成了第一次远程指导下的心脏病手术。

此次手术由高州市人民医院医生主刀进行心脏手术，广东省人民医院专家通过观看 5G 传输高清图像进行远程指导。

在术前阶段，广东省人民医院特聘顾问史弋宇教授带领的团队参与手术的 AI 技术部分，使用到了自主研发的全自动 AI 去噪以及建模软件，可在 2 分钟内一键建模，并自动生成 3D 打印机可识别的 3D 数字心脏模型（STL 格式），直接用来打印出实体 1:1 心脏模型。

史弋宇是圣母大学计算机系终身副教授，博士生导师，并兼任电子系终身副教授，曾用“贪心算法”成功寻回被劫匪抢劫的汽车。

英特尔一口气发布了三款处理器、两款存储、一款以太网适配器

4 月 3 日，在北京与旧金山，英特尔同时推出一系列以数据为中心产品组合，包括第二代英特尔至强可扩展处理器、英特尔傲腾数据中心内存和存储解决方案、软件以及平台技术等产品。

不同于以往一次只发几款新品的发布会，今天发布的英特尔以数据为中心的产品组合，包括超过 50 款基于工作负载优化的处理器，以及几十个款与客户深度合作的定制处理器。

本次发布会有三款重磅处理器产品发布，分别是：

• 56 核、12 内存通道的英特尔至强铂金 9200 可拓展处理器，芯片代号为：Cascade Lake-AP，AP 是 Advanced Performance（增加性能）的缩写。据了解，至强 9200 系列处理器共有 4 款：

• 入门级的 Xeon Platinum 9221，其采用了 32 核 / 64 线程的设计，默频 2.1GHz、拥有 71.5MB 缓存、热设计功耗（TDP）达到了 250W；

• 中端的 Xeon Platinum 9242 采用了 48 核 / 96 线程的设计，拥有 71.5MB 高速缓存，默频 2.3GHz、热设计功耗（TDP）350W ；

• 同为中端的 Xeon Platinum 9222（Xeon Platinum 9222）与 9221 基本一致，差别主要体现在时钟频率上（2.3GHz vs 2.1GHz）；

• 最顶级的 Xeon Platinum 9282，采用了 56 核 / 112 线程的设计，默频 2.6GHz、拥有 77MB 高速缓存，热设计功耗（TDP）更是高达 400W

• 10nm 制程的 Agile 现场可编程门阵列 (FPGA)

• 为边缘计算打造的至强 D-1600 处理器

最后，英特尔发布的是一款以太网传输产品：搭载应用程序设备队列 (ADQ) 技术的英特尔以太网 800 适配器系列。

富士通实验室完成 ImageNet 训练只需 75 秒

日本富士通实验室的研究人员进一步缩短了训练大规模监督学习 AI 模型所需的时间，使用他们的方法，经过 74.7 秒的训练后，在 ImageNet 数据集上训练残差网络达到约 75％的准确度。这是自 2017 年（一小时）之后的一个重大飞跃，相对于 2018 年末的表现（约 4 分钟）这个结果令人印象深刻。

他们是如何做到的：研究人员通过亚马逊开发的 MXNet 深度学习框架，在 2,048 台 Tesla V100 GPU 上训练他们的系统。他们使用了 81,920 个小批量数据，并且还经过了分层自适应缩放（LARS）和“预热”期，以提高学习效率。

重要性：在分布式基础设施上训练大型模型是现代人工智能研究的一个关键组成部分，ImageNet 训练时间缩短的速度惊人——我认为这是人工智能产业化的象征，人们尝试创造在大量计算机上有效训练模型的系统方法。这种趋势最终将导致依赖于大规模实验的研究速度加快，并且可以开启新的研究途径。

阅读更多：加速SGD：74.7秒内在ImageNet上进行ResNet-50训练。

法国 INRIA 通过更高效的环境让强化学习研究更便宜

来自法国 INRIA 的一组研究人员开发了一系列需要“复杂推理和探索”的任务，这些任务可以在 ViZDoom 模拟器中以每秒 10,000 次环境交互的速度运行。该项目的目标是让人们在不花费大量计算的情况下更容易进行强化学习研究。

扩展 ViZDoom：ViZDoom 是古老的第一人称射击游戏 Doom 的实现。然而，它有一个缺点，即只有八种不同的场景来训练代理。为进行拓展，研究人员开发了四种新的场景，旨在“测试导航、推理和记忆”，其变体可以在程序上生成。

空间推理极其困难：“我们提出的基准测试套件的实验表明，当前最先进的模型和算法仍然很难学习复杂的任务，不同位置的不同对象，其外观和关系任务本身需要从奖励中学习“。

阅读更多：低成本的深度强化学习：不需要超级计算机的3D控制和推理。

Facebook 开源智能机器人平台 Habitat，以每秒数千帧的速度运行 3D 模拟器

来自 Facebook、佐治亚理工学院、西蒙弗雷泽大学、英特尔实验室和伯克利的团队发布了人工智能研究平台 Habitat 及其堆栈，旨在帮助训练代理在各种领域进行导航和交互任务，比如斯坦福大学的’Gibson’系统，Matterport 3D 等 3D 环境模拟器，SUNCG 等全合成数据集。

主要工程：Habitat 模拟器可以支持“每个模拟器线程以每秒数千帧的速度运行 3D 模拟器，比以前的模拟器快了几个数量级，适用于真实的室内环境。速度很重要，因为运行模拟器的速度越快，在每个计算时间步长可以收集的经验就越多，更快的模拟器=训练代理更便宜、快捷。

PPO 优于手工编码的 SLAM 方法：研究人员在测试中发现，经过强化学习训练，Habitat 可以开发基于近端政策优化（PPO）的策略，其性能优于一个“SLAM”系统，其实现需要一个包括用于本地化、映射和规划的经典机器人导航管道手工编码“。

重要性：环境有助于人工智能研究的进步，最近使用大量计算资源训练大型简单模型的趋势突出了对高性能环境的需求。Habitat 似乎是大规模研究的坚实平台，Facebook 计划为其添加新功能，例如模拟器中基于物理的交互以及同时支持多个代理。期待它的后续发展。

阅读更多：Habitat人工智能研究平台

亚马逊股东阻止与政府签订人脸识别合同

美国证券交易委员会已经裁定亚马逊股东有权对两项停止向执法部门销售人脸识别技术的提案进行投票。由激进股东提出的议案将在公司年度股东大会上审议。有人要求亚马逊停止向政府出售他们的 Rekognition 技术，除非公司董事会认为它不会对人权和公民权利构成风险。还有人要求董事会针对该技术对隐私和公民自由的影响进行独立审查。虽然这些动议不太可能通过，但这对公司施加了进一步的压力，以解决这些长期存在的问题。

阅读更多：美国证券交易委员会裁定，亚马逊必须让股东对政府Rekognition禁令进行投票

[亚马逊股东成功阻止带有种族偏见的监控技术销售](uhttps://www.openmic.org/news/2019/4/4/a-win-for-shareholders-amazon

作者 Jack Clark 有话对 AI 前线读者说：我们对中国的无人机研究非常感兴趣，如果你想要在我们的周报里看到更多有趣的内容，请发送邮件至：jack@jack-clark.net。

参考链接：

https://jack-clark.net/2019/04/08/import-ai-141-ais-play-doom-at-thousands-of-frames-per-second-neurips-wants-reproducible-research-and-google-createsscraps-ai-ethics-council/