AI 一周热闻：百度回应“搜索引擎百度已死”；特斯拉裁员 3000 人；任正非坦承 AI 可能是泡沫

• 百度回应《搜索引擎百度已死》：百家号内容全站占比小于 10%

• 清华成立知识智能研究中心，发布四大知识平台

• 谷歌发布 TensorFlow Lite 预览版，推理速度提升 4 到 6 倍

• 任正非：人工智能可能是泡沫，但别怕泡沫破裂

• 特斯拉裁员 3000 人，为削减员工成本支出

• Facebook 提出“自动供给式”聊天机器人设想

• 无人机测绘分析建筑内部并建模成为现实

• 神经架构搜索+迁移学习，让 AI 设计更高效

• Facebook 投入 750 万美元资助欧洲人工智能伦理研究中心

• 民权团体发表联名信抗议微软、亚马逊、谷歌向政府出售人脸识别技术

百度回应《搜索引擎百度已死》：百家号内容全站占比小于 10%

昨天，一篇名为《搜索引擎百度已死》的文章刷屏，引发广泛传播。文章提到，Baidu.com 已经不是你寻找中文互联网内容的地方，百度搜索首页搜索结果基本上有一半以上会指向百度自家产品，尤其频繁出现的是“百家号”，且百家号文章的质量堪忧。

1 月 23 日，周二美股收盘，百度报收于 160.39 美元，较前一交易日大跌 6.4%，市值约 559 亿美元。

对此，有人认为百度股价下跌与昨天刷屏的文章有关，文章作者方可成做出回应，称百度股价下跌与文章无直接关系，而是中概股今天股价集体下降，以及花旗发布投资研究报告，将百度目标股价从 262 美元调低至 205 美元，继续维持其股票“买入”评级等多种因素导致。

今天上午，百度也对这篇文章做出回应：百家号全站内容占比小于 10%，百家号可以做得更好，感谢关注。

清华成立知识智能研究中心，发布四大知识平台

2019 年 1 月 21 日，清华大学宣布成立人工智能研究院知识智能研究中心（以下简称知识中心），并发布了清华大学知识计算开放平台。

知识中心是清华大学人工智能研究院设立的首个研究中心。中心将致力于知识智能相关基础理论研究和应用基础研究，建设融通语言知识、常识知识、世界知识的大规模知识图谱及典型行业知识库。

清华大学还发布了知识计算开放平台：http://ai.tsinghua.edu.cn/kirc/

四大平台内容涵盖语言知识、常识知识、世界知识和科技知识库，包括：

（1）基于语言和常识知识库《知网》所研制的 OpenHowNet；

网址：https://hownet.thunlp.org/

OpenHowNet 源自在中文世界有巨大影响力的语言知识库——知网（HowNet）。

（2）中英文跨语言百科知识图谱 XLORE；

网址：https://xlore.org/

XLORE 是融合中、英、法维基百科和百度百科，对百科知识进行结构化和跨语言链接构建的多语言知识图谱， 是中英文知识规模较平衡的大规模多语言知识图谱。

（3）科技知识挖掘平台 AMiner；

网址：https://aminer.cn/

AMiner 旨在为研究人员社交网络提供全面的搜索和数据挖掘服务。

（4）THUAITR

THUAITR 是以 AMiner 全球科技情报大数据完觉服务平台为基础，采用人工智能自动生成技术，汇集而成的科技领域洞察报告。

《清华大学人工智能技术系列报告》（THUAITR）：https://reports.aminer.cn/

谷歌发布 TensorFlow Lite 预览版，推理速度提升 4 到 6 倍

TensorFlow 团队近日在博客上发布了 TensorFlow Lite 开发者预览版，据介绍，新的版本可以让模型推理速度提升至原来的 4~6 倍。

随着 TensorFlow Lite GPU 后端开发者预览版的发布，你将能够利用移动 GPU 来选择模型训练 (如下所示)，对于不支持的部分，将自动使用 CPU 进行推理。在未来的几个月里， TensorFlow 团队将继续增加额外的操作系统，并改善 GPU 整体的后端产品。

新的后端利用了：

• OpenGL ES 3.1 在 Android 设备上计算着色器

• iOS 设备上的金属计算着色器

TensorFlow 团队发布了新的 GPU 后端的预编译二进制预览版，并计划在 2019 年晚些时候发布一个完整的开源版本，包含其从开发者的经验中收集的反馈。

目前 TensorFlow Lite 仍使用 CPU 浮点推断进行人脸轮廓检测 (非人脸识别)，未来会利用新的 GPU 后端，可以将 Pixel 3 和三星 S9 的推理速度提升 4~6 倍。

任正非：人工智能可能是泡沫，但别怕泡沫破裂

1 月 17 日，华为创始人任正非在深圳华为总部接受多家国内媒体采访。采访中，任正非回应了多个话题，包括网络安全、基础科学、人工智能等。

以下为任正非回应精选：

1. 谈近期困难：这些困难对我们会有影响，但影响不会很大，不会出现重大问题。

2. 谈“自主创新”：我从来不支持“自主创新”这个词，我认为，科学技术是人类共同财富，我们一定要踏在前人的肩膀上前进，这样才能缩短我们进入世界领先的进程。

3. 谈 5G：能够把 5G 基站和最先进的微波技术结合起来成为一个基站的，世界上只有一家公司能做到，就是华为。我们在技术上的突破，也为我们的市场创造了更多机会，带来更多生存支点。所以，我们没有像外界想像中的那么担忧。

4. 谈网络安全：我们现在要重构软件架构体系，朝着“网络架构极简、网络交易模式极简、网络极安全、隐私保护遵从 GDPR”这四个目标的要求。

5. 谈人工智能：人工智能有可能是泡沫。但别害怕这个泡沫破灭，那些失败的专家工程师，我们招聘，为什么？我们需要改变我们的生产结构，改变我们在全世界的服务结构，我们需要这些人。为什么我要失败的人呢？失败的人就是理想太大，平台太小。但是我的平台很大，能够容纳你跳舞。如果我们不是采用人工智能的方法提升生产效率，我们公司就不可能实现低成本，不可能获得高利润，也不可能加大对未来的战略投入。

6. 谈女儿孟晚舟事件：作为孟晚舟的父亲，首先感谢中国政府维护孟晚舟作为中国公民的权益，为她提供了领事保护。我也感谢社会各界人士对孟晚舟所表达的支持、关心和关注。

特斯拉裁员 3000 人，为削减员工成本支出

1 月 18 日，特斯拉 CEO 埃隆·马斯克发出内部信，宣布公司将裁员 7%，只保留最关键的临时工和承包商。这意味着大约有 3150 人失业。

对于此次的裁员计划，马斯克表示，作出此次裁员决定之前，特斯拉已经在采取各种成本削减措施，希望提高利润率和扩大盈利能力。他在内部信中表示：“特斯拉需要在未来几个月裁员的同时，提高 Model 3 的产量，并在工程制造方面做出许多改进。”

裁员计划宣布当日，美股开盘特斯拉股价急挫超过 7%，盘中跌幅一度接近 10%。

但也有分析师对特斯拉的裁员并不感到意外。投资银行杰富瑞分析师 Philippe Houchois 认为，减少员工成本支出是降低 Model 3 售价的原因之一。

Facebook 提出“自动供给式”聊天机器人设想

如果聊天机器人可以自动理解用户交互背后的含义，并调整行为让用户更满意会怎样呢？这就是 Facebook 最近进行的研究，并提出“自动供给式”聊天机器人的设想，让对话 agent 具备从对话中提取新的样本并用于此后部署的能力。

工作原理-预训练：Facebook 的聊天机器人接受了两项任务的训练：对话（DIALOGUE），机器人预测对话中接下来会说什么（用以自我校准）；满意度（SATISFACTION），评估用户对谈话的满意度。这两项任务的数据来自人与人之间的对话。DIALOGUE 数据集来自’PERSONACHAT’数据集，包括两个人尝试相互了解对方的短对话（6-8 轮）。

工作原理-在自然环境下的更新：一旦部署，聊天机器人就会以两种方式从与人的交互中学习：如果机器人非常自信地预测其回应将让用户满意，那么它将从中提取一个新的结构化对话示例。如果机器人认为人类对机器人与其最近的交互不满意，那么机器人会生成一个请求反馈的问题，并且此会话交换用于生成反馈示例，机器人存储并从中学习。Facebook 写道：“我们的方法基于反馈并不是随机的这一事实：无论是逐字回复，回复描述还是可能回复的列表”。

结果：Facebook 表示，通过使用聊天机器人在与人类交互时生成的数据可以进一步提高聊天机器人的性能。此外，无论系统中的数据示例数量是多少，使用此数据都显示性能上有了显著提高。这表明在自然环境下收集的一些数据可以提高大多数场景下机器人的性能。“即使使用了 131k 示例的整个 PERSONACHAT 数据集（比大多数对话任务可用的数据集大得多），添加部署示例仍然能够让准确性提高 1.6 分，”他们写道。

重要性：设计出能够在部署后自动收集自己的数据的 AI 系统就像是我们今天已经拥有的系统和完全自主连续学习的系统之间的中间地带。聊天机器人性能提升会带来更大的经济效益。

阅读更多：部署后从对话中自动学习：自己动手，聊天机器人！（https://arxiv.org/abs/1901.05415）。

无人机测绘分析建筑内部并建模成为现实

瑞典吕勒奥理工大学最近进行了一项研究，使用微型无人机自动检测大型机器和建筑，如风力发电机。该研究使用多架微型无人机定位技术，相互配合以检测目标，并使用规划算法检测目标结构并收集数据构建线下 3D 模型。

硬件：来自 Ascending Technologies，名为“NEO hexacopter”的机械振荡分析（Machinery Vibration Analysis）平台。

软件：：协作覆盖路径规划器（C-CPP）算法“能够通过水平平面切片来识别基础设施的解构并为每个基础分配特定区域，从而生成基础设施全覆盖的路径，而无需任何形状简化。该算法 在 MATLAB 中实现，为每个 agent 生成“偏航参考，以确保视野，指向结构表面”。

定位：为定位每架无人机，研究人员在建筑物周围安装了五个超宽带（UWB）锚，让无人机在绘制结构时可以获得可靠的局部坐标，类似超本地 GPS。

风力涡轮机检测：研究人员进行了自动检测和绘制大型风力涡轮机的测试，完成检查塔架及其叶片的两项任务。他们发现两架无人机能够协同工作，绘制目标的底座，但由于湍流扰动，摄像机成像模糊，无人机对涡轮机叶片进行测绘更具挑战性。此外，风力涡轮机顶部和叶片上缺少可辨别的纹理“导致 3D 重建失败”。 然而，无人机捕获的视觉数据质量很高，适合检查员审查，”他们写道。

计划：为了使此技术更成熟，研究人员表示，他们需要创建一个可以解释变化的线上规划算法，比如风。此外，他们需要为 MAV 控制创建一个更强大的系统，因为他们注意到轨迹跟踪目前“对现有的天气条件非常敏感”。

重要性：无人机在近十多年的发展中自主性和可靠性不断提高，这样的研究表明，未来我们离利用无人机进行目标结构测绘又前进了一步。

阅读更多：使用无人机对大型基础设施进行自主视觉检查（ https://arxiv.org/abs/1901.05510）。

神经架构搜索+迁移学习，让 AI 设计更高效

华中科技大学、地平线机器人和中国科学院的研究人员的最新研究成果将让使用 AI 设计其他 AI 系统变得更加高效。这种方法称为 EAT-NAS（Elastic Architecture Transfer Neural Architecture Search，弹性架构传递神经架构搜索），可以在小型数据集（如 CIFAR-10 图像数据集）上运行神经架构搜索，然后将得到的学习架构迁移到更大的数据集并，运行神经元架构再次进行搜索。研究人员表示，这种方法的优势在于，此方法的计算效率高于从头开始对大型数据集进行神经架构搜索，以这种方式接受训练的网络获得了接近最先进技术性能的分数，同时计算效率更高。

EAT-NAS 的工作原理：该技术依赖于进化算法：在第一阶段，算法在一个小数据集上搜索表现最好的架构，然后对这些架构进行更多训练，并将其作为新模型的初始化种子，迁移到更大数据集上训练；然后，这些模型通过“后代架构生成器”运行，该生成器创建并搜索更多架构。当在较小数据集和较大数据集之间传递架构时，研究人员对输入架构均匀地添加了一些扰动，这个随机化过程将使模型对更大的数据集更加健壮。

结果：使用 EATNet 表现最佳的 Top5 架构在 ImageNet 数据集上的准确度在 73.8-91.7 之间，而来自谷歌的 NAS 驱动的网络 AmoebaNet 得分为 75.7-92.4。搜索过程需要用到 8 个 TITAN X GPUS，耗时 5 天。

重要性：神经架构搜索是让人们可以轻松地将新架构的设计成本迁移到计算机的技术，省掉人力和计算时间。随着这项技术的发展，我们可以期待越来越多的组织将开始在各种部署的 AI 应用程序上运行基于 NAS 的持续性方法，省去耗时耗力的人力劳动，不断地校准和调整 AI 系统的性能。这是人工智能产业化更广泛趋势的一部分——将 NAS 视为整个人工智能研究“工厂”中基本的工厂自动化。

阅读更多：EAT-NAS：用于加速大规模神经架构搜索的弹性架构迁移（https://arxiv.org/abs/1901.05884）。

Facebook 投入 750 万美元资助欧洲人工智能伦理研究中心

Facebook 已经投资 750 万美元建立了一个新的人工智能伦理研究所。Facebook 称，该中心“将有助于推动新技术伦理研究不断发展，并将探讨影响人工智能使用和 AI 产生影响的基本问题。”

该中心将由慕尼黑工业大学教授 Christoph Lutge 博士负责。“我们以证据为基础的研究将解决技术与人类价值观相关的问题，”他在一份声明中说到。“信任、隐私、公平和包容等核心等问题会涌现，例如当人们在互联网上留下数据痕迹或通过算法接收某些信息时。我们还将关心透明度和问责制，例如医疗方案，或当人与人工智能互动下人权决策的权利和自主权。

阅读更多：Facebook 和慕尼黑技术大学宣布成立新的独立人工智能伦理研究所（https://newsroom.fb.com/news/2019/01/tum-institute-for-ethics-in-ai/）。

民权团体发表联名信抗议微软、亚马逊、谷歌向政府出售人脸识别技术

85 个民权组织已向微软、亚马逊和谷歌发出联名信，要求他们停止向美国政府出售人脸识别服务。在过去一年中，这些公司对此问题的回应不一。微软和谷歌都对该技术采取谨慎态度：谷歌承诺在解决滥用问题之前不会出售该技术; 微软已就法律保障提出具体建议。亚马逊采取了更积极的态度，继续寻求和政府合作，最近一次是同联邦调查局和国防部合作。这封联名信要求所有公司在其现有承诺之外采取更多行动，全部退出与政府的合作。

阅读更多：全国联盟敦促企业禁止向政府提供人脸监控技术（https://www.aclu.org/news/pressure-mounts-amazon-microsoft-and-google-against-selling-facial-recognition-government）。

作者 Jack Clark 有话对读者说：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/2019/01/21/import-ai-130-pushing-neural-architecture-search-further-with-transfer-learning-facebook-funds-european-center-on-ai-ethics-and-analysis-shows-bert-is-more-powerful-than-people-might-think/