华为确认将向员工发放 20 亿元奖金；AI 比医生更能准确预测人的生死；推特发布首个反 Deepfake 策略草案| AI 一周资讯

资讯

想不用真车打造自动驾驶汽车？试试亚马逊 DeepRacer 机器人

深度学习将如何改变机器人体验、导航以及人们与世界互动的方式？大多数 AI 研究员认为这项技术将在多领域显著提高机器人的性能。我们要怎么评估未来将发生什么？最好的方法之一就是在真实世界测试 DL 技术。这也是为什么人们在看到亚马逊发布的DeepRacer机器人汽车细节时会瞠目结舌，兴奋不已。DeepRacer 是一款 1:18 比例的微型汽车，开发者能够利用它开发强大的自动驾驶人智能算法。

那么，DeepRacer 到底是什么？DeepRacer 是一款 1：18 比例的机器人汽车，旨在演示开发人员如何使用亚马逊网络服务去构建能完成智能操作的机器人。亚马逊也举行了一场 DeepRacer 赛车联赛，将开发员集结到赛事中，看谁能开发出最智能的自动赛车系统。

亚马逊在研究报告中提到，可以使用当前的人工智能算法来训练 DeepRacer 完成轨道赛程。公司演示了如何通过PPO训练一个系统来完成赛程，并提供了一份研究报告，报告中阐明了研发人员要怎样增加数据和 tweak 来获得更好的性能。

亚马逊称设计该款汽车的意义是用最低成本完成实验。很多研究人员都会告诉你，“在模拟中做实验”和“在现实中做实验”有很大不同。因此，以最小成本在现实中完成实验能让研究员了解哪些方法足以应对现实中瞬息万变的状况。

人工智能比医生更能准确预测人的生死

人工智能的发展日新月异并在人们生活中扮演着越来越重要的角色。甚至，研究人员往往无法跟上技术发展的步伐，也无法准确地理解算法是如何工作的。

Brandon Fornwalt 和他在宾夕法尼亚州 Geisinger 医疗服务供应商的小组成员们获取了一些心电图的历史数据，并将一年之内死亡的患者数据进行了分组。他们用人工智能技术分析了近 40 万人的 177 万份心电图结果，从而让 AI 具备预测哪些人明年死亡率更高的能力。ECG 是一种通过电压随时间变化的曲线图来检查病人的心律和电活动的简单测试。这些原始数据以及病人的年龄和性别被用来训练人工智能。

研究人员用一种叫做曲线下面积（AUC）的测量方法来评估算法执行任务的效果。测试结果从 0 到 1 进行评分，1 表示预测准确率 100%，0.5 表示无法区分出存活超过一年和死于一年之内的患者。

测试最终得分为 0.85，这表明人工智能是可以预测出正确结果的。当我们把最终结果与经验丰富的医生的预测结果相比时，人工智能的表现尤为惊艳。Fornwalt 称，目前医生使用 AUC 测量方法最终得分为 0.65~0.8 之间。

尽管这项研究可能会带来一些新的发现，并能在一定程度上提升医生预测的成功率，但是目前始终还弄不清楚这到底是什么原理。因此，一些医生还在犹豫是否要使用他们不能完全理解的算法。

华为确认将向员工发放 20 亿元奖金

11 月 11 日，有消息称，华为将给员工发放两份特别奖金：第一，人人一个月阳光普照工资，11 月发放；第二，对参与国产组件切换的人员发放 20 亿元奖金。据悉，该奖是为了感谢员工自华为今年 5 月被制裁以来的努力和奋斗。华为方面向记者确认将要发放奖金，但并未透露具体分配方案。对方表示，参与国产组件切换的人员应该以研发和供应链员工为主。此外，有华为员工透露，除了半年考核 C/D 的，全员这个月多发一个月工资。

推特发布首个反 Deepfake 策略草案

11 月 19 日，推特正式发布了首个反 Deepfake 策略草案。该公司表示，如果 Deepfake 内容威胁到某人的人身安全或可能造成严重伤害，他们会将该内容从推特上删除。目前，推特还在为这项草案征集公众意见。

10 月份的一份调查报告显示，目前的 Deepfake 视频 96% 仍为色情内容，会对广大女性造成极大的困扰。此外，美国等国家的政客也担心 Deepfake 会被用于抹黑政客、干预大选，所以一直非常警惕，并敦促各大科技巨头出台相应措施。

作为响应，推特公布了一版关于打击 Deepfake 策略草案的细节。这家社交媒体表示，当发现有人上传试图引导大众或者混淆视听的 Deepfake 文件时，他们会做出以下处理：

· 在涉及 Deepfake 视频、图像等文件的公开推文旁边，进行相应提醒；

· 在用户试图「分享」或「点赞」Deepfake 文件的推文之前，进行警告性提示；

· 添加一个链接（指向新闻报道或者推特 Moment），以便人们可以参考更多来源来判断这条确实是 Deepfake 文件。

推特表示，如果一个 Deepfake 内容威胁到某个人的人身安全或可能造成严重伤害，他们会考虑将该内容删除。

微软全球执行副总裁沈向洋离职

2019 年 11 月 13 日（美国太平洋标准时间）即 2019 年 11 月 14 日（北京时间），微软CEO萨提亚·纳德拉宣布，经过 23 载的耕耘，沈向洋博士决定离开微软。随后，沈向洋发表致员工的道别信，称离开微软是一生中最艰难的决定。目前双方均未透露沈向洋离职后的新去向。

沈向洋于 1996 年加入微软，2013 年成为微软执行副总裁，主管微软技术与研发部门，并主要负责推动公司中长期总体技术战略、策略以及前瞻性研究与开发工作。他负责管理全球领先的计算机科学研究机构微软研究院，及其与微软全体工程师团队的整合。同时还负责微软可信计算部门和技术策略部门的管理工作。沈向洋离职后，微软首席技术官 Kevin Scott 将接替沈向洋的职务。

谷歌否认滥用个人健康数据来打造 AI

11 月 13 日，对于谷歌公司和美国第二大医疗系统阿森松医疗集团 (Ascension) 所达成的一项云计算协议，美国监管部门已经启动了调查，原因是这项协议能够使得谷歌积累数百万美国人的详细医疗信息。谷歌和阿森松正在把这些数据迁移到云端，可能会为医生和病人带来重大改变。这些数据包括姓名、生日等个人身份信息，实验室测试数据，医生诊断，药物和住院历史，一些账单记录以及其他临床资料。

据外媒报道，搜索巨头谷歌对引发政界人士批评它的新闻报道进行了反击。谷歌的医疗和云计算高管说，公司没有滥用来自美国最大医疗服务提供商之一阿森松的医疗数据。

蔚来：破产清算是谣言，已向公安机关刑事报案

11 月 14 日，蔚来回应了自媒体“轼界车侦探”的文章《蔚来正与多家律所洽谈破产清算》，称文章内容纯属造谣，误导公众，严重干扰了蔚来的正常经营，严重损害了蔚来的商业信誉。蔚来表示，这一行为涉嫌触犯《中华人民共和国刑法》的相关规定，并已就这项涉嫌犯罪行为向公安机关报案。

13 日晚间，“轼界车侦探”主持人刘越发布微博称，经律师建议，撤除相关报道。蔚来还透露，此前“轼界车侦探”对蔚来进行多次造谣，蔚来已于 2019 年 9 月 5 日在法院提起诉讼，目前案件正处于审理程序。蔚来称，自 2019 年 10 月 8 日起，刘越多次在网络上公开诉讼细节，捏造信息，试图干扰案件的调查审理工作。

AutoX 成深圳首家通过自动驾驶功能测试企业

11 月 13 日，深圳政府向 AutoX 颁发正式路测牌照，AutoX 成为了第一家通过深圳自动驾驶功能测试的企业。

取得这张牌照前，需要通过深圳市智能网联汽车道路测试联席工作小组 (深圳市交通局、深圳市工信局、深圳市交警局、深圳市发改委) 评审，并在深圳发改委的坪山封闭测试场中通过自动驾驶功能测试。

2016 年，自动驾驶公司 AutoX 在硅谷成立，此前主要在美国发展。今年 1 月，AutoX 在深圳南山区成立中国研发总部，并在南山区开启闹市区大规模自动驾驶路测。

AutoX 创始人肖健雄说：“我们非常高兴获得首个深圳市智能网联测试认证，并拿到正式路测牌照。”他还表示 AutoX 会在出行、物流两方面同时发力，推动自动驾驶规模化商业应用。

在此之前的 9 月 19 日，AutoX 还刚刚获得广州的首批自动驾驶路测牌照。

声音

阿里 CTO 张建锋：明年双 11 将大规模使用含光 AI 芯片

11 月 11 日晚，阿里巴巴集团 CTO、阿里云智能总裁张建锋宣布，明年双 11 将大规模应用平头哥自研的含光 AI 芯片。目前，AI 技术已经应用在天双 11 的各个场景，掌握 11 种语言的客服小蜜在全球 100 多个国家和地区承担了大部分客服咨询，AI 指挥的仓储机器人将发货能力提升了 60%。

未来，更多的 AI 应用将会跑在阿里自家的芯片上。今年云栖大会上，阿里巴巴发布了其第一颗自研芯片含光 800。这款芯片创下两项世界纪录：推理性能 78563IPS，能效比 500IPS/W，是目前全球最强 AI 推理芯片。目前，含光 800 应用在城市大脑、拍立淘等业务上，基于它的 AI 云服务也已上线。在过去一年间，阿里巴巴将线下数据中心的上万个应用、数以十万计的服务器、数百万容器向公共云平台迁移，核心系统已 100%上云。今年的订单创建峰值 54.4 万笔/秒，是 2009 年第一次双 11 的 1360 倍。

张建锋说：“今年双 11 已经有超过 10 亿笔物流单，这其中的每一笔订单、每一次交易、每一笔支付、每一个包裹都不能出错，这是非常大的技术挑战。”新纪录背后是阿里自研的飞天云操作系统。张建锋说，云计算让所有客户都能具备与阿里巴巴同等的计算能力。

腾讯云王龙：AI 规模化落地进入“深水区”，需要跨过两道门槛

在腾讯云主办的首届 Techo 开发者大会现场，腾讯云副总裁王龙表示，AI 规模化落地已经进入“深水区”。对于 AI 相关的开发者来说，能否克服构建 AI 模型和应用 AI 能力的两大挑战，是 AI 能否规模化落地的关键。

首先，深度学习的模型训练在算法、算力和数据等方面有着较高的门槛。获取合法合规的高质量数据，合理并高效的利用算力，结合实际场景来构建和训练模型，这三步中的任意一个失误都会带来高昂的代价。

其次，将 AI 能力集成到软件应用或者解决方案中，也常常遇到双重困难的叠加。一方面各行业信息化程度不一，开发者要面对的企业 IT 系统、管理软件和业务流程及其复杂，导致应用和集成本身的难度就较高；另一方面 AI 模型的训练、测试、部署、监控、运维、更新等环节，与传统软件流程存在一定的差别，有时还需要与多种智能设备集成，这使得包含 AI 能力的应用开发，面临的不确定性和风险更高，成本也更难以控制。

王龙表示，腾讯云搭建的智能钛（TI One）机器学习平台和云智天枢人工智能中台（TI Matrix）的目标，就是要针对性的解决上述两大难题。

AI 开源工具

Kaolin

Kaolin 是一个旨在加快 3D 深度学习研究的 PyTorch 库。Kaolin 为深度学习系统提供了可微 3D 模型的高效实现。Kaolin 具有加载和预处理几个常用的 3D 数据集和操作网格、点云、符号距离函数和 Voxel Grids 的功能，Kaolin 省去了程序员编写无用的样板代码的麻烦。

https://github.com/NVIDIAGameWorks/kaolin

T5 Text-to-Text Transfer Transformer

T5 是谷歌研发的一款文本到文本转换框架，基于Transformer。该框架在多个benchmarks上的总结、问题回答、文本归类任务表现突出。开发团队已经在 GitHub 上开源了 T5 相关数据集、预训练模型以及所有代码。T5 为文本到文本任务的模型训练和微调提供了非常实用的模块，开发者可以将它用于未来的模型开发工作中。

https://github.com/google-research/text-to-text-transfer-transformer