過去 24 小時的 10 件重要事——AI Daily

整理 | 邱陸陸

資訊

微軟發布針對人工智慧的系統 Brainwave

微軟推出了一套專用於機器學習模型的系統 Brainwave，使開發者能夠高效、低延遲地將機器學習模型部署在 FPGA 上，獲得比 CPU 或 GPU 更高的性能。

在加州 Cupertino 舉行的 Hot Chips 大會上，微軟的研究人員展示了一個運行在英特爾 Stratix 10 FPGA 上的 GRU 模型（一種循環神經網路，屬於序列模型）。並在不需要批運算的條件下實現了每秒 39.5 萬億次運算。無需批運算意味著硬體可以對請求進行實時處理，讓機器學習系統能夠真正實現「實時性」。

微軟研究院的高級工程師 Doug Burger 解釋道，「我們將其稱為『實時人工智慧』，因為無論是視頻流、對話、還是異常檢測，所有需要交互的人工智慧，你都希望它能夠實時進行。」

微軟的數據中心所使用的 FPGA 已經有相當一部分使用了 Brainwave，以提高微軟服務支持人工智慧的速度。同時，公司也計劃通過 Azure 向第三方用戶提供 Brainwave。

IOActive 曝光優傲、軟銀、優必選機器人重大安全漏洞

21 日，我們報道了 116 位機器人及 AI 領域專家聯名致信聯合國呼籲禁止機器人武器的開發和使用，對機器人武器採取嚴格監管措施。然而不以「殺人」為目的的機器人就安全了嗎？西雅圖的網路安全公司 IOActive 22 日公布了一份報告，稱在一款工業機器人和兩家公司的四款家用機器人上發現了重大安全漏洞。

這些機器人分別是美國優傲機器人公司（Universal Robots）的工業機器人、日本軟銀的商用機器人 Pepper 和 NAO、中國優必選的 Alpha1 和 Alpha2。

IOActive 在報告中寫到，這些安全漏洞導致機器人能夠被黑客劫持，讓機器人變成監視設備，暴露用戶的信息，甚至能被攻擊者遠程操作，危害用戶的人身及財產安全。

例如，優傲機器人公司的工業機器人以其能夠與人類肩並肩工作而不是被限制在特定區域著稱，然而 IOActive 能夠遠程破解機器人的控制軟體，並將關鍵的安全功能禁用，這會導致機器人可以被用於傷害周圍的人。「這些工業機器人非常大而有力，即使在低速運行時，它們運動時的力量也足夠造成顱骨骨折。」研究人員說。

而在家用機器人上，研究人員發現網路攻擊者可以用 Pepper 和 NAO 錄製音頻和視頻並秘密傳輸到外部伺服器，優必選的 Alpha 系列在存儲和傳輸數據前沒有對敏感信息進行加密。這些漏洞都為網路犯罪提供了潛在途徑。而雖然家用機器人的物理攻擊能力沒有工業機器人那麼大，但根據 IOActive 發布的一個視頻，一個 NAO 機器人忽然開始發出猙獰的笑聲並使用螺絲刀反覆刺穿一個西紅柿：我們很難想像家中的嬰兒或寵物如何應對這種攻擊。

公司稱其在今年 1 月已就發現的漏洞聯繫了所有的廠家，然而很遺憾，幾乎沒有公司進行了對應的修復，3 月，公司公布了漏洞內容，但是未公布具體侵入的技術，以給廠家修復缺陷的時間，昨天，IOActive 公布了這些入侵的技術細節。

高通收購荷蘭人工智慧研究公司 Scyfer

高通在晶元領域的競爭對手英偉達、英特爾等都在人工智慧領域進行了大量部署，高通也不甘其後。近日，公司宣布收購荷蘭人工智慧研究公司 Scyfer，以提升公司在機器學習方面的專業知識。

成立於 2013 年的 Scyfer 是荷蘭阿姆斯特丹大學的附屬機構，大學的 Max Welling 教授是公司的創始人之一。Scyfer 有著在製造、醫療、金融等多個行業搭建人工智慧系統的經驗。收購後，Scyfer 將繼續在荷蘭運營，Max Welling 教授將兼任教職與高通研究員。

此前，高通就曾與阿姆斯特丹大學組建聯合實驗室，研究移動設備的機器學習技術，例如基於智能手機攝像頭的計算機視覺技術。這次收購後，高通的技術執行副總裁 Matt Grob 發表聲明稱，「我們從十年前就開始了機器學習的基礎研究，我們現有的產品也支持眾多計算機視覺及自然語言分析用例，我們正致力於研究更廣泛的課題，例如將人工智慧用於無線連接、電源管理和攝影等。」

多家知名風投注資人工智慧初創公司 Databricks

美國知名風險投資公司 Andreessen Horowitx、New Enterprise Associates 和 Battery Ventures 周二宣布向人工智慧初創公司 Databricks 注資 1.47 億美元。這距離上一次公司獲得 6 千萬美元投資不過 6 個月，而公司的總融資額已達 2.47 億美元。

Databricks 由知名開源項目 Apache Spark 的 7 名創始團隊成員打造，其首席執行官 Ali Ghodsi 稱，「我們看到，只有 1% 的公司有能力成功使用人工智慧，99% 的公司沒有谷歌或者 Facbook 那樣的大型人工智慧專家團隊。」而他們就是 Databricks 的客戶。目前，Databricks 已經有超過 500 名客戶，其中一些每年會支付百萬美金級別的服務費用，使用 Databricks 的「統一分析平台」。客戶的商務分析師或數據科學家可以在 Databricks 的軟體內與工程師交流，從而獲取包括數據訪問、清理、分析等一系列的服務。

Halliburton 聯手微軟改造石油天然氣行業

微軟和 Halliburton 於當地時間 22 日宣布成立戰略聯盟，推動石油和天然氣行業的數字轉型。兩家公司的研究人員和工程師將從機器學習、增強現實、工業 IoT 等多個方面，利用 Azure 的基礎設施和計算能力為整個能源供給鏈提供整合解決方案。合作領域包括儲層特徵分析、建模、模擬，領域專用的混合現實可視化模型和高度可交互的應用程序，這些應用都將被用於推動油氣勘探與生產的數字化。

作為合作的第一步，Halliburton 將會將其在世界各地的設備聯通 Azure，使 IoT 設備能夠獲得油田的實時數據流，並且能夠用深度學習模型來優化鑽井與開採過程，以降低成本。

Halliburton 的高級副總裁 Nagaraj Srinivasan 表示 Halliburton 是勘探與開採（E&P）行業進行數字化轉型的領導者，「我們相信開放的基礎設施和以社區為核心的創新是推動行業變革的必要條件，我們很自豪能與微軟這樣的行業領導者合作，為全球各地的客戶提供量身定製的 E&P 數字化業務解決方案。」Nagaraj 說。

應用

人臉識別而不是「自拍識別」

三星的 Galaxy S8 已經推出了人臉識別解鎖功能，蘋果即將推出的 iPhone 8 也有大概率會搭載人臉識別技術。然而相機能夠分辨「真實的人臉」和「人臉的圖片」嗎？Galaxy S8 推出幾天後就有用戶展示了如何用自拍解鎖手機，證明了這種生物特徵的不安全性。

近日，一家名為 FaceTec 的初創公司開發了一種軟體，利用機器學習技術檢測攝像頭前的臉究竟是真人的臉還是照片。FaceTec 的認證過程要求用戶先將手機放在距離臉大概 30 厘米的地方，然後將手機拉近到 20 厘米的地方。軟體通過從兩個不同位置獲取的圖像重構一個人的面部三維模型，然後用機器學習分類器從包括皮膚紋理、光影變換、眼睛裡的手機屏幕反射等在內的 30 多個角度判斷人臉的真實性。

值得一提的是 FaceTec 使用的並不是如今大火的「深度學習」，而是傳統的機器學習分類方法，相比於深度學習方法，這種技術對計算能力的需求少，效率高，能非常容易地運行在手機上。

世界首張 AI 作曲與製作的專輯《I AM AI》即將發布

據稱，由音樂家與技術專家組成的音樂製作公司 Amper Music 將與流行歌手 Taryn Southern 聯手發布世界上首張 AI 作曲與製作的專輯《I AM AI》，專輯中的第一首歌《Break Free》在周一正式發布。

音樂的創作形式是，歌手給出歌曲的速度、關鍵旋律和樂器偏好，然後 AI 將據此生成所有的和聲、完成製作以及配器工作。

Amper 一直致力於創造一種免版稅、低成本的音樂製作方式，為預算緊張的小項目提供廣告和短視頻的音樂。

利用機器學習技術幫助救災工作

英特爾的工程師 Abu Bakr 聯手聯合國技術研究所正在進行衛星圖像識別技術的研究。團隊利用 Facebook 提供的 DeepMask 和 SharpMask 來對衛星圖像進行像素級別的解讀。

現在，聯合國的工作人員會通過手工標註難民營、避難所等地點來計算災民數量並進行相應的物資投放等工作。這項工作至今仍然依賴人工的原因是因為傳統的機器分類方法通常基於顏色或形狀。然而避難所的顏色通常很難與背景區分開來，在形狀上也五花八門毫無規律可言，致使傳統的圖像分割方法無法很好地用於這一問題。

因此，工程師評估了不同的機器學習演算法，最後選擇了 Facebook 的基於深度學習的圖像分割演算法，並針對災後救助工作的目標遴選數據、進行預處理與訓練模型，該技術將用於聯合國在地震等大型自然災害後的救災工作中。

觀點

在銷售與市場營銷領域，人工智慧將改變增長關鍵點

分析師 David Kosmayer 總結了人工智慧能夠做好銷售與市場營銷工作的原因，並給出了銷售和市場營銷 AI 的能力列表。

他認為，人工智慧制勝銷售與營銷領域的原因有三，一是它能以長期為目標制定進行銷售和營銷策略的規劃；二是它能夠百分百掌握銷售線索，從而充分發揮公司的收入潛力；三是人工智慧支持更多以客戶為中心的活動，能夠讓客戶感到自己的價值。這些優勢具體到執行層面，有以下應用：

銷售 AI

- 處理冗雜重複性任務。例如判別銷售線索的有效性，這部分任務現在佔用了銷售代表 80% 的時間，而更重要的完成銷售任務只佔用了 20%。

- 提供交叉銷售建議。一些銷售工具能夠在短時間內對大量數據進行分析，例如識別銷售模式、現有業務的關係和新的機會，這都能為銷售代表提供很多幫助。

- 發現潛在客戶。除了經驗與直覺，你還可以依賴人工智慧來發現潛在客戶可能需要或感興趣的產品。

市場營銷 AI

- AI 為「超個性化」實現鋪平道路。客戶忍受自動回復郵件的日子已經一去不復返，個性化的溝通成為了公司必備的選項，你需要提供高度定製化的信息，並基於客戶對這些信息的反饋進一步預測客戶的需求。

- AI 可以生成有品牌特色的內容來吸引客戶。雖然不會很快取代作家，但是 AI 已經可以進行有針對性的內容生成了，這樣的內容可以有效提升網站流量。

圖說

用於銀行業的機器學習解決方案

機器學習為銀行業最重大的挑戰提供了解決方案。

在用戶獲取方面，定製化的產品能夠提高用戶的參與度，而對機器學習的投資也是應對來自金融科技公司的競爭的辦法。

在合規方面，機器學習能夠幫助進行反欺詐、反洗錢調查並協助進行風險評估，同時，也可以通過自動化的壓力測試和行為分析來監測可疑的公司內部行為。

在經營效率方面，自動化的操作能夠通過降低人工錯誤率來節約成本，而自然語言分析等技術也可以幫助 HR 更精確地獲取所需人才。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！