對抗樣例升級，這次連人類也被騙了！
「今日芯聲」是讀芯術推出的一檔簡讀欄目，匯聚每日國內外最新最熱的AI應用資訊，敬請關注。
1.Goodfellow新研究：對抗樣例讓機器與人類雙雙上當
機器學習模型很容易受到對抗樣例的影響，一個圖片中的微小變化可能會讓模型將之認錯。
例子數不勝數。熊貓圖加上擾亂被判定為長臂猿，MIT研究讓谷歌AI將烏龜識別城步槍，香蕉圖上貼張貼紙就被識別成烤麵包機。
在此之前，對抗樣例只能讓計算機上當。可怕的是，在Ian Goodfellow等人的最新研究中，對抗樣例也能騙過人眼了。
在下面這張圖像中，左邊是原圖，右邊是生成的對抗樣例。
計算機和被測試人類均認為左圖為一隻貓，而右圖的對抗樣例看起來更像一隻狗。
論文地址：https://arxiv.org/abs/1802.08195
2.劇本自動生成電影：杜克大學提出AI視頻生成新方法
用寫好的劇本（文字）自動生成電影或許是很多劇作家的夢想，人工智慧技術最近讓這一夢想距離現實更近了一步。杜克大學 Yitong Li 等人提出了一種結合變分自編碼器（VAE）與生成對抗網路（GAN）的演算法，可為一小段文本生成相應短視頻，該研究已在 AAAI 2018 大會上進行了展示。
人工智慧在識別及標註圖片這一領域已經顯得駕輕就熟。所謂的「生成」演算法走了另一條路，用標籤（或者腦部掃描）來生產新的圖片。少部分的研究甚至可以用一幀電影畫面來預測之後一系列的畫面幀。但是把這些結合在一起，從文字創建一個圖片然後讓它動起來從而變成一個實際的電影，此前還從來沒人做到過。
研究員在十種場景中訓練了這個演算法，包括「在草地上打高爾夫球」，和「在海上玩風箏衝浪」，演算法在這個場景下表現的比較粗糙，呈現 VHS 錄像的顆粒感畫面。一種簡單的分類演算法可以在 6 種選項里猜對大約 50% 的幾率。（但總把風箏衝浪和航行弄混）。更多的，這個網路可以為荒唐的場景生產視頻，比如「在雪上航行」和「在游泳池上打高爾夫」。
現在，演算法完成的視頻只有 32 幀大約1 秒大小像郵票一樣，64×64 像素的尺寸。更大的解析度會降低正確率，杜克大學的計算機科學家 Yitong Li 表示，他也是這篇文章的第一作者。因為人們經常在圖像里被扭曲，他希望在未來使用人體骨骼模型來提高動作的效果。
論文：Video Generation from Text
論文鏈接：http://www.aaai.org/GuideBook2018/16152-72279-GB.pdf
3.加州無人車路測歷史性變革！遠程遙控，真正無人
為了推動無人車路測，加州今日正式出台決定：2018年4月起，遠程遙控的無人駕駛汽車可以在加州道路進行測試。
無人車路測真正迎來「無人」的歷史性變革。
在之前加州路測的所有無人車，都需要配備「司機」、「安全員」等人類角色，需要在車內時刻監管車輛狀態，並能在緊急情況發生時對車輛進行有效接管。
但是現在不用了。
加州車輛管理局（DMV）的這個最新規定，意味著只要證明具備遠程遙控能力，車內有人沒人都OK。
核心是能不能對測試無人車實現有效控制，而不是有沒有人類乘坐其中。
4.神奇！谷歌AI可以通過掃描人的眼睛來預測心臟病
谷歌的野心似乎還在繼續擴大，該公司在機器學習的助攻之下，正將目光瞄準了心血管疾病。
在《自然》子刊《生物醫學工程》雜誌發表的一篇論文中，這家搜索巨頭的生命科學子公司Verily詳細地描述了一種通過掃描眼球後內壁來預測心臟病風險的方法。
當你用顯微鏡和照相機拍照時，你眼睛裡被稱為「眼底」的那一部分，可以讓醫生了解病人的年齡、血壓、膽固醇水平，以及他們是否吸煙——而且，醫生還能知道病人是否會有患心臟疾病的可能。通過使用近30萬名患者的數據進行訓練，Verily的機器學習系統能夠觀察到兩位候選人的視網膜圖像，其中一位在接下來的5年里患上了心血管疾病，而另一位則沒有，該系統的預測準確率達70%。該準確率不亞於目前正投入臨床使用並需要血液檢測的方法。
留言 點贊 發個朋友圈
我們一起探討AI落地的最後一公里
素材來源：搜狐科技、機器之心、量子位、網易科技等
如需轉載，請後台留言，遵守轉載規範
TAG:讀芯術 |