蘋果曝光首份AI論文，揭開滴滴人工智慧調度系統真面目

雷鋒網按：過去一周，是「中國人工智慧元年」的最後一周。這周里，蘋果揭開其首份AI論文的面紗；美國啟動全球首個深度學習加持的「癌症先進計算解決方案的聯合設計」；IBM在高性能計算上繼續發力，提出數據中心計算（DCS ）模型；2016年是三星飽受煎熬的一年，來年它將押注Galaxy S8，發力移動AI助手；滴滴研究院副院長葉傑平，為我們揭開滴滴AI調度系統的真面目。

12月27日，蘋果的首份AI論文曝光，名為《通過對抗訓練從模擬的和無監督的圖像中學習》（Learning from Simulated and Unsupervised Images through Adversarial Training），這份論文於12月22日提交給了arXiv.org。

蘋果這篇圖像識別領域的論文，提出了一個所謂「模擬+無監督學習」（simulated + unsupervised learning），使用了如今最炙手可熱的深度學習「對抗訓練」。

但是蘋果這份論文里提到的模型，與GANs還是有些微不同的。他們想要解決的問題就是：提升合成圖像的質量。他們對GANs稍加修改，提出了「SimGAN」訓練方法，其中的「Sim」指的就是單詞「模擬器」。論文摘要里提到：

「我們的模擬+無監督學習方法，使用的對抗網路跟GANs很類似。但是，輸入值是合成圖像，而不是隨機向量。」

蘋果的SimGAN其實包括三部分：模擬器（Simulator）和精製器（Refiner），然後再加上一個判別器（Discriminator）。模擬器合成圖像，再用精製器優化，最後餵給判別器訓練。

有學術圈內人士對這篇論文的「含金量」表示懷疑，然而蘋果這份論文「試水」的意義其實遠大於論文本身的意義。Forbes評論道：這篇AI論文，是蘋果標誌性的一步。

數十年來，研究者都在用高效能運算（ HPC ）來提升系統的速度和規模，現在，IBM 的新模型——數據中心計算（DCS ）將提供更快速高效的運算架構。

DCS 提供了專註於協同定位運算和數據的計算架構，目的是減少數據遷移，從而使用戶能夠以前所未有的速度將複雜的分析程序應用於千兆位元組（PB ） 數據。IBM 認為， DCS 模式將使科研人員和機構能夠在計算機的幫助下加快新材料的發現，設計和測試過程。

在Note 7爆炸事件之後，三星將所有的賭注都壓在了Galaxy S8上。雷鋒網(公眾號：雷鋒網)曾經報道，2016年10月份的時候，三星收購了一家致力於打造開放式人工智慧助理平台的初創公司——Viv Labs，開始在人工智慧領域發力，而成果最終將在下代旗艦Galaxy S8上展現出來。

三星迫切希望吸引大家對Galaxy S8 AI助手的關注，但是它到底是怎樣工作的呢？雖然目前還沒有具體的信息，但是從一些已經泄露的細節中可以窺探一二。來自三星移動部門的消息稱，基於Viv的語音助手（據稱名為Bixby）將會出現在S8的所有內置應用中（包括三星自家應用）。比如，你可以讓它在相冊應用中展示有海灘的圖片。雖然Google Photos和iOS都有類似的功能，這或許算不上什麼重大進步，但是要記住，Bixby可能會取代現在的S Voice，對三星來說，重要的是用戶不再需要打開另一個智能助手。

不過對於三星來說，最大的問題是谷歌將會對Bixby作出怎樣的反映。畢竟，谷歌正在大力推進自己的AI助手。

近日，美國啟動了全球首個「癌症先進計算解決方案的聯合設計」（ Joint Design of Advanced Computing Solutions for Cancer ，簡稱 JDACS4C）項目，旨在藉助深度學習技術加快抗癌研究。該項目也是為了實現「登月計劃」的十大任務之一——建立癌症數據共享系統。

負責人之一的 Rick Stevens 透露，在明年第二季度，JDACS4C 的首批成果將會面世。

之所以被稱為「聯合設計」，是因為 JDACS4C 項目共分為 3 個試點，內容涵蓋了從分子學到人口學的研究，都有深度學習加持。JDACS4C 項目目前已經獲得了美國能源部的資助，合作方還包括 Intel、IBM 和英偉達等。

這三大試點項目分別是：

RAS 分子項目。該項目希望通過開發出新的計算方法，支持當前已經在進行的 RAS 分子研究，最終希望增強研究者對癌症中 RAS 基因及其相關信號通道的理解，在 RAS 蛋白膜信號複合體中發現新的治療對象。

臨床治療前的篩查。這一項目以試驗性的生物數據為基礎，針對「機器學習、大規模數據和預測模型」進行重點開發。通過建立反饋循環，讓試驗模型對計算模型的設計進行指揮，而這些模型或許就能對準癌症中的新目標，幫助醫生找到新的治療方式。

人口模型。該項目希望開發出可擴展性框架，對全世界癌症患者的病情記錄進行有效的歸納和分類，總結。根據人們的生活方式、所處環境、癌症種類、醫療體系等要素，從大量癌症病人的病曆數據中自動分析，以獲得最佳的治療方案。這種引擎將對醫療健康的多個方面影響巨大，包括數據的分發，以及對成本的控制等等。

騰訊大數據峰會暨 KDD China 技術峰會中，滴滴研究院副院長、密歇根大學終身教授葉傑平博士非常全面地解密了機器學習在滴滴中的大規模應用，其中包括：出行目的地預測、路徑規劃、拼車最優匹配、訂單分配、估價、運力調度、評分系統等。雷鋒網根據現場演講整理成文，並由葉傑平博士與滴滴 CTO 張博親自審文。詳情可見：http://www.leiphone.com/news/201612/jKMwo56PIXS0f4Ea.html