酷应用

一周看 AI | TensorFlow1.2.0版发布，美国2.58亿启动E级超算研发

百家作者：AI100 2017-06-18 14:04:07

hello，大家好，我是依然熬周末为大家写总结的小ai妹。我们来简单回顾下这周有哪些热门事件。

TensorFlow1.2.0版发布，新增14大新功能，热不热？

让人工智能学会谈判，Facebook开源端到端强化学习模型，热不热？

但是，但是，小ai妹觉得都比不上周末干、燥、热的天气......

这样的天气真是太热情了，有点让人招架不住，但也想出去玩儿啊，这个时候陪你出去的人，都是真爱...

可是没有真爱...那就在家凉快吧！！啤酒西瓜+小ai的一周总结~~~

业界

➤人工智能：Facebook打击恐怖主义的新武器

“目前，我们正使用AI等先进技术打击与ISIS、基地组织及其相关的恐怖主义内容。在适当的时候，我们希望能将其范围扩大到其他恐怖组织。”Facebook两位发言人表示，“当有人试图上传恐怖照片或视频时，我们的系统会将其与ISIS的宣传视频或者在Facebook上出现的其它极端图片和视频自动匹配，一旦匹配符合，就会立刻删除这些内容。”

➤中国5G投入超1800亿美元！助推人工智能布局，引爆AR、VR

国企通讯5G研究员石晓波认为：“我们目前使用的4G网络，端到端时延的极限是50毫秒左右，还很难实现远程实时控制，但如果在5G时代，端到端的时延只需要1毫秒，足以满足智能交通乃至无人驾驶的要求。”

➤美国2.58亿启动E级超算研发，英伟达英特尔IBM等6家公司参与

美国能源部（DoE）及与其合作的 6 家硬件供应商将得到近 5 亿美元的资金，致力于研究、开发和部署 E 级（百亿亿次）计算项目。Exascale Computing Project（E 级计算计划）及日前宣布的扩展项目 PathForward 促成了这一最新进展。在为期 3 年的合约期间，英特尔、英伟达、Cray、IBM、AMD 和惠普这6家公司将获得 2.58 亿美元作为研发经费。

➤机器换人潮：前5月工业机器人产量增长50.4%

今年前五月，中国工业机器人产量同比增长了50.4%。

近年来，中国机器人产量一直保持着高速增长。去年9万台的销量已接近全球市场份额的1/3，中国已连续四年成为全球最大的工业机器人市场。有数据预测，到2018年，中国工业机器人市场规模将达到15万台。中国的机器人密度远低于世界平均水平，随着人口红利逐渐消失和产业转型升级，目前长三角、珠三角等地正在推动机器换人，这为中国机器人产业带来了前所未有的巨大机遇。

➤137亿美元买下全食超市，亚马逊又增一处AI练兵场

据外媒消息称亚马逊以137亿美元现金收购全美最大天然食品和有机食品零售商全食超市，是其史上金额最大的一笔交易。

当行业关注这一大手笔收购时，有媒体指出亚马逊此举可以充分利用物流运输过程中、销售环节中产生的大量数据，进而为自己在AI领域增加一处新的练兵场。

➤为保自动驾驶不落后丰田称考虑兼并或收购科技公司

据国外媒体报道，丰田汽车社长丰田章男周三表示，公司考虑通过并购来获取新的汽车技术，包括自动驾驶技术等。丰田章男在公司年度股东大会上表示，作为全球第二大汽车生产商，丰田在关注和重视自动驾驶汽车与电动汽车方面，比竞争对手慢了较长时间，因此丰田在这些领域扩展时就要更为努力。丰田章男称，汽车行业正在发生重大变革，那些我们或许认为还遥不可及的问题和想法，却可能在明天就会影响到我们。

➤通用汽车批量生产雪佛兰Bolts全电动无人驾驶汽车

通用汽车刚刚宣布，在密西根猎户座装配厂完成了130台雪佛兰Bolts全电动无人驾驶汽车的生产。雪佛兰Bolts全电动无人驾驶汽车配备了通用汽车公司自主研发的新版本自动驾驶技术，这项技术源自于该公司于2016年初收购的旧金山自主车辆创业公司Cruise Automation。

这些车辆将在旧金山、亚利桑那州斯科茨代尔和底特律街道上行驶。据报道，通用汽车计划在2018年提供数千量雪佛兰Bolts全电动无人驾驶汽车，而莱夫特公司正在加紧部署无人驾驶乘坐共享系统，计划在2020年或2021年初具规模。

➤麦肯锡报告：2016年人工智能投资超300亿美元，正进入最后突破阶段

人工智能投资正在快速增长，其中谷歌和百度等数字巨头是主导者。从全球范围看，估计 2016 年科技巨头在人工智能上投入了 200 亿到 300 亿美元，其中 90% 花在了研发和部署上，另外 10% 则花在了人工智能并购上。VC 和 PE 融资、拨款和种子轮投资也在快速增长，尽管基数很小，但已经增长到了总共 60 亿到 90 亿美元。机器学习作为一项赋能技术，已经在内部投资和外部投资中都占据了最大的份额。

➤微软开发玩《吃豆人》的人工智能：分数达999990

加拿大深度学习创业公司Maluuba于2017年1月被微软收购。该公司的团队采用了一种“分解式”的技术，使AI系统可以玩Atari 2600版本的这款游戏，并取得了999990的完美分数。

Maluuba利用了强化学习技术，即对于特定问题，AI将获得正面或负面反馈，从而应对不可预测性。强化学习被认为可以帮助系统自主做出决策。这与受监督学习不同，即系统获得正面和负面案例数据，从而建立经验基础。

➤上海街头惊现Moby人工智能便利店：有轮子自己会跑

发明Moby的瑞典新创公司Wheelys（合肥大学也参与了研发）认为，这就是便利店未来的形态，借助可移动性与低廉的建造和运营费用，Moby可以更好的为缺少便利店的郊区提供服务。

消费者下载官方应用后，拿手机就能打开便利店的店门。随后一位类全息图像的AI助手会恭迎你的到来。购买也相当方便，只需扫一扫所需商品或者将它们放在智能篮子中就行。如果未来自动驾驶汽车能得到普及，这家便利店可能会直接开到你家门口送货。当然，该公司也在测试通过无人机递送小型货物。

➤百度地图赋能交通生态建设，人工智能技术成最大助推器

百度地图是国内提供地理信息服务的龙头产品，在全球范围内拥有超过1.4亿POI，基于海量定位数据，百度地图开放平台已经为超过110万开发者提供服务，开发者市场占有率超过75%。依靠百度自身的数据、用户上传数据及地图多年积累下来的全景、街景等数据，百度地图拥有了数字升维所需的基础资源，结合人工智能等技术条件，使地图更立体、更趋近于真实世界，从而让百度地图进化成为符合现代人需求的智能出行决策平台。

➤苹果CEO松口：正研制无人驾驶“自动系统”

美国彭博新闻社13日发表对库克的这一采访。这是库克迄今对苹果无人驾驶“秘密计划”的最详细披露。

库克说：“我们正聚集自动系统。显然，自动系统的目标之一是无人驾驶汽车。还有其他目标。”他说，苹果把自动系统视作全部“人工智能项目之母”，“自动化令我们难以置信地兴奋，但我们将拭目以待它会给我们带来什么”。

➤超越谷歌百度在日本发布人工智能键盘

百度日本针对广受欢迎的日语键盘应用程序Simeji正式推出了语音识别功能。采取人工智能支持的语音识别，第三方键盘“输出”口令，并自动添加标点符号，这项技术完全超越了谷歌等竞争对手。

➤美国或对中企投资人工智能等领域做出限制

据路透社报道，美国几位现任和离任官员表示，美国似乎准备强化对中国企业投资硅谷的监管，以更好地保护那些对美国国家安全至关重要的敏感技术。

尤其值得关注是，中国企业对人工能和机器学习领域的兴趣越来越大，近年来吸引了越来越多来自中国的资金。美国政府担心的是，美国开发的尖端技术可能被中国用来加强军事能力，甚至可能帮助其在一些战略性行业取得领先地位。

➤华夏基金与微软在人工智能投资领域达成战略合作

日前，华夏基金与微软亚洲研究院达成战略合作，宣布双方将就人工智能在金融服务领域的应用展开战略合作研究。

智能投资是此次双方合作研究的契机和重点，研究方向包括通过模式识别预测市场走势、基于深度学习挖掘影响市场的重要因素、基于机器学习方法论进行行业轮动的研究、基于大数据构建金融图谱、基于社交网络与应用软件等使用数据，识别并深度了解客户等。除了目前双方在智能投资等领域的研究合作，未来可以共同探索的领域也非常广阔。

➤传腾讯副总裁黄海跳槽百度旗下所属公司，百度：传闻不实

据自媒体爆料腾讯副总裁黄海将成为腾讯OMG（网络媒体事业部）大变局过程中首位离职的高管，并即将加入百度旗下创业公司，跟随百度集团总裁、COO陆奇一起开始做智能汽车项目。但百度向媒体表示此传闻不实。

➤外媒称谷歌和苹果正合作，未来谷歌助手可完全替换Siri？

据外媒Androidguys独家消息源报道，苹果和谷歌可能正在进行更深入的合作，为iOS版谷歌助手（Google Assistant）开放更深入的系统集成。据报道，目前iOS版谷歌应用仍然是作为第三方应用，而不能像Siri一样作为系统语音助手，权限和体验均十分有限。而未来通过这项合作，用户可以在iOS系统中切换使用Siri或者谷歌助手，谷歌助手或将有系统级集成。

➤马斯克：威胁人类的是深度人工智能，而不是自动化

此前，有Twitter用户开玩笑地将来自BI关于特斯拉无人驾驶汽车的消息发送给马斯克，并要求他确认，“无需人工的自动化技术”不会导致“机器人末日”。马斯克在Twitter上重申了他此前的观点，即会给人类带来“末日”风险的并非自动化技术，而是深度人工智能。

➤考恩公司AI研究报告：八成IT公司转做AI，三年后市场规模4000亿美金！

①数字化市场或市场自动化、Salesforce 自动化（CRM）和数据分析将成为人工智能最为成熟的三大应用领域。

②81% 的 IT 公司正在或者计划投资人工智能：

③各种市场预测有所差异，但爆发式增长趋势不变：IDC 预测认知系统和人工智能市场（包括硬件和服务）将会从 2016 年的 80 亿美元增长到 2020 年的 470 亿美元，复合年增长率（CAGR）达到了 55%。

④AI 初创公司财务交易数量六年增长十倍：从 2011 年的 67 增长到 2016 年的 698

⑤人工智能将应用于病患数据处理：到 2025 年，基于算法的交易、图像识别和病人数据处理也将成为主要的人工智能应用领域。

⑥机器学习将带来更多利润：机器学习到目前为止增长了 35 亿美元（来自 400 多家公司），远远超过了自然语言处理的增长。

⑦企业将会大规模采用智能应用栈：在企业应用中加入机器学习算法以便为企业的整体价值链提供预测洞见将成为一种常态。

⑧AI 初创公司数量爆发式增长：目前有 2200 多家人工智能初创公司，其中有超过 50% 的初创公司是在最近两年成立的

⑨人工智能将占领主流市场：埃森哲预测人工智能市场将会有指数级的增长，到 2020 年将会达到 4000 亿规模。

技术前沿

➤TensorFlow1.2.0版发布，14大新功能，增加Intel MKL集成

TensorFlow 日前发布了最新版 1.2.0，公布了14大最新功能，比如Windows上支持Python3.6，时空域去卷积（spatio temporal deconvolution.）增加了tf.layers.conv3d_transpose层，等等。另外该版本还包括bug修复以及其他方面。

➤DeepMind开发新型神经网络，增强AI对现实世界的理解和推理

最近 DeepMind 公司开发的新型神经网络使计算机能够了解不同对象之间的相互关联性，将有可能成为促使人工智能了解外界世界的里程碑。

➤MIT新突破：Nature Photonics揭秘新型光学深度神经网络系统

尽管科学家和研究者一直在探索新型的计算形式，但目前电子计算仍然是绝对的主流。随着以深度学习为代表的人工智能技术的兴起，人们也开始关注如何开发出能更有效、更高速地执行神经网络运算的计算硬件。近日，麻省理工学院（MIT）的研究者在 Nature Photonics 上发表的一篇论文《Deep learning with coherent nanophotonic circuits》提出了一种使用光子技术实现神经网络的方法，而且他们还已经对这一概念进行了实验验证。MIT 官网对这一研究进行了报道解读，机器之心对这篇文章以及原论文的摘要进行了编译介绍。

➤NVIDIA研发可不依赖GPS的视觉导航系统

GPU制造商Nvidia的研究人员目前正在致力于研发依靠视觉识别和计算机学习的导航系统，以确保无人机在树林中不会迷失。Nvidia的研究人员不是从头开始构建无人机，而是选择使用现成的无人机。该导航系统采用Nvidia研发的Jetson TX1机器学习模块，它是从两台摄像机获得视觉数据。

目前这套导航系统仍处于实验阶段，最初的目的是满足在森林小径当中的救援任务需求，例如寻找受伤的徒步旅行者等等。但是，该团队认为低空无人机可以将其范围扩大到任何没用GPS信号或者GPS信号不稳定的地方，包括拥挤的城市景观或检查仓库中的库存。该系统甚至可以适应于在水下搜索损坏的电缆。

➤OpenAI和DeepMind的新算法让未来的人工智能更安全

OpenAI和DeepMind的研究人员希望利用一种能从人工反馈中学习的新算法，使人工智能更安全。

论文的共同作者、OpenAI研究员达里奥·阿莫德伊（Dario Amodei）表示，减少对人工智能系统的监督是未来可能专注的一个研究领域。他表示：“从广义上说，半监督学习技术在这里可能会有帮助。另一种可能的选择是提供信息密集的反馈形式，例如语言，或者让人工指向屏幕的特定部分，以代表良好行为。信息更密集的反馈或许将帮助人工减少与算法沟通的时间。”

➤机器翻译新突破：谷歌实现完全基于attention的翻译架构

近两年来，机器翻译的突破让人目不暇接，从去年谷歌的颠覆性突破开始到一个月前 Facebook 的全新 CNN 翻译技术，人工智能的巴别塔正越建越高。近日，谷歌再次宣布又在机器翻译上更进了一步，实现了完全基于 attention 的 Transformer 机器翻译网络架构，并且还在 WMT 2014 的多种语言对的翻译任务上超越了之前 Facebook 的成绩，实现了新的最佳水平。

➤Poseidon：高效的分布式深度学习通信架构

近日，卡耐基梅隆大学和 Petuum 推出了新一代高效的分布式深度学习通信架构 Poseidon。Poseidon 是一个易于使用，并能放大 DL 程序在 GPU 集群性能的通信架构。已存的 DL 程序不需要更改代码就能通过 Poseidon 在多个机器上自动最优地实现并行化，加速效果和机器数量呈线性增长关系。

➤中科院开源图形化机器学习系统Easy ML

最近，中科院计算所发布了 BDA 大数据分析平台，并开源了全部 API 和一项 Easy Machine Learning 技术。Easy Machine Learning 系统通过交互式图形化界面让机器学习应用开发变得简单快捷，系统集成了数据处理、模型训练、性能评估、结果复用、任务克隆、ETL 等多种功能，此外系统中还提供了丰富的应用案例，可供开发者们下载使用。

➤腾讯Angel 1.0正式版发布：基于Java与Scala的机器学习高性能计算平台

Angel是一个基于参数服务器理念开发的高性能分布式机器学习平台，它基于腾讯内部的海量数据进行了反复的调优，并具有广泛的适用性和稳定性，模型维度越高，优势越明显。 Angel 由腾讯和北京大学联合开发，兼顾了工业界的高可用性和学术界的创新性。

Angel的核心设计理念围绕模型。它将高维度的大模型合理切分到多个参数服务器节点，并通过高效的模型更新接口和运算函数，以及灵活的同步协议，轻松实现各种高效的机器学习算法。Angel基于 Java 和 Scala 开发，能在社区的 Yarn 上直接调度运行，并基于 PS Service ，支持 Spark on Angel ，未来将会支持图计算和深度学习框架集成。

➤让人工智能学会谈判，Facebook开源端到端强化学习模型

目前，已有的聊天机器人（chatbot）能够完成简短的对话、简单的任务，比如预定餐馆。但建立能够与人类进行有意义对话的机器仍是巨大的挑战，因为这需要 bot 结合知识与对对话的理解，然后生成新的句子帮助它达到目标。而Facebook 人工智能研究所（FAIR）的研究人员公开了一个具有谈判新能力的对话智能体（dialog agents），并开源了其代码。

➤谷歌机器翻译破世界纪录，仅用Attention模型，无需CNN和RNN

谷歌在机器翻译上的一项最新研究：仅使用注意力机制构建模型，不需要CNN和RNN。作者称，在机器翻译上这一模型效果超越了当下所有公开发表的机器翻译模型，在BLUE上取得创纪录的成绩。训练速度和效率上： 8 颗 P100 GPU 上3.5 天完成训练。该研究可以看成是对Facebook此前机器翻译突破的回应：不久前，Facebook发布了基于卷积神经网络的方法，取得了当时最高准确度，并且速度是谷歌基于循环神经网络(RNN)系统的9倍。

➤谷歌开源TensorFlow Object Detection API物体识别系统

在谷歌，研究人员开发了最高水平的计算机视觉机器学习系统，不仅可以用于谷歌自身的产品和服务，还可以推广至整个研究社区。创造能够在同一张图片里定位和识别多种物体的机器学习模型一直是业内的核心挑战之一，谷歌宣称自己已投入大量时间训练和实验此类系统。

➤通过流量识别加密视频内容：以色列学者提出神经网络攻击模型

深度学习在数据特征识别上的能力强大，目前已成为计算机视觉、图像处理、语音识别、自然语言处理等领域的流行方法。最近，研究人员又尝试将深度学习应用到了网络攻击中。利用视频流量分析，以色列特拉维夫大学和康奈尔大学的研究者们开发的新算法只需在电脑或手机浏览器中加入几行 JavaScript 代码，就能在这台设备连接到 Wi-Fi 后通过流量数据识别出用户观看的视频内容，而识别准确率接近 100%。

➤超越蒙特卡洛树搜索：北大提出深度交替网络和长期评估围棋模型

和 AlphaGo 等目前领先的围棋程序不同，北京大学 Wang Jinzhuo、王文敏、王荣刚、高文等人提出的新方法没有使用蒙特卡洛树搜索，而是使用了由深度交替网络（DANN）和长期评估（LTE）组成的系统。而且研究者还通过实验表明该系统的棋力也强于目前大多数基于蒙特卡洛树搜索的方法。

➤谷歌开源高效的移动端视觉识别模型：MobileNet

近日谷歌发布了 MobileNet 网络架构，它是一系列在 TensorFlow 上高效、小尺寸的移动优先型视觉模型，其旨在充分利用移动设备和嵌入式应用的有限的资源，有效地最大化模型的准确性。MobileNet 是小型、低延迟、低功耗的参数化模型，它可以满足有限资源下的各种应用案例。它们可以像其他流行的大规模模型（如 Inception）一样用于分类、检测、嵌入和分割任务等。

投融资

➤猛犸反欺诈获DMC领投5000 万 A+轮融资，深耕人工智能反欺诈

本轮领投方DCM 中国联合创始人林欣禾表示：“Cybersecurity 在国际上是一个巨大的市场，产生了很多大型的玩家。与国际市场相比，中国黑产更加猖獗，对于业务安全，我们能够清晰地看到强劲的市场需求。特别是在金融领域，创新型业务、移动业务占比持续增加，客群下沉，风险敞口扩大，而市场中现有的业务安全解决方案大多仍然在使用规则加黑名单的方式，很难有效的管控快速变化的金融业务中所出现的各种新型欺诈。新问题需要新方法，因此我们很看好 Maxent 猛犸反欺诈所代表的通过人工智能的方式解决业务安全的挑战。”

➤基于人工智能进行视频分析，Conviva获4000万美元风险融资

Conviva称，他们每天要分析“来自全球25亿台设备，超过10亿分钟的视频”。Conviva的成功，要感谢近年来OTT（指通过互联网向用户提供各种应用服务）行业的兴盛。该公司表示，2016年视频观看总时长比上一年增加了80%，2017年这一增幅将超过150%。到2021年，OTT视频的市场规模预计超过600亿美元，随之所需的就是Conviva擅长的分析服务。

➤利用人工智能技术检测驾驶疲劳，径卫视觉获得愉悦资本A轮数千万融资

据悉，径卫视觉自2009年开始立项研究基于人脸识别技术的汽车主动安全项目，该公司利用图像识别技术，对司机疲劳驾驶，视线偏离路面，车道偏离，防碰撞等行为主动发出预警。通过结合人工智能的计算方法，实现对驾驶员在途驾驶行为的可视化以及可干预化。

➤人工智能创业孵化器 Element AI 完成业内最大规模 A轮融资 1.02亿美元

Element AI 为全球网络安全，金融科技，制造，物流和运输，机器人等领域的企业提供 AI 解决方案，让他们能够将 AI 与其专有权利和价值数据结合使用。Element AI 由两名连续创业者和“深度学习之父” Yoshua Bengio 联合创办于 2016年 10月。

➤用人工智能剪辑视频，“智影”获得数千万元A轮融资

慧川智能旗下主要产品智影，是一个能够将脚本文字快速转化为短视频的云平台。在用户输入一篇文章、一个链接或者一个关键词后，它将基于人工智能技术，自动搜索合适的图片及视频素材，并配以人工智能合成的语音，最后融合成一条短视频。

➤用深度学习为自动驾驶汽车提供仿真测试，Cognata融资500万美元

虽然有许多人都对Level 5级的完全自动驾驶充满期待，但客观来说，这还是一个很漫长的过程。其中一个的必经之路，就是自动驾驶车辆在公共道路上近乎海量里程的测试。

Cognata是一家坐标以色列的创业公司，他们正计划为自动驾驶车辆解决这个问题，并加速车辆测试的进程。据悉Cognata计划在虚拟环境中重建实际道路环境，开发者可以将它们的自动驾驶平台在环境中进行部署，而无需将软件装载到传统的汽车中。

➤Codota 用人工智能帮程序员写代码，获 200 万美元种子资金

以色列初创公司Codota想成为编程界继Github之后的下一个颠覆者，通过运用人工智能，Codota可以为编程者推荐代码语句从而提升编程效率。Codota近日获得了来自Ventures的200万美元种子投资。

➤语音助手平台Snips获1300万美元融资

一家名为Snips的巴黎创企近日宣布完成1300万美元融资，将推出一款全新的语音平台，在谷歌Home和亚马逊Alexa之外，给消费者提供更多选择。这一语音助手平台以人工智能技术为驱动，支持任何设计人员将其整合进自己的设备中。Snips会和客户合作，根据后者的需求对平台进行修改。与此同时，一款消费者版本也将上线，Raspberry Pi设备用户均可使用。

应用

➤安防或成为人工智能第一“着陆场”

“未来4到5年，安防将进入一个人工智能高速发展的时代。”国内安防企业宇视科技副总裁闫夏卿表示，安防行业2016年基本完成了场景智能的适配；2017年、2018年将进入以深度学习为基础的人工智能阶段；到2019年、2020年将全面进入到数字智能的阶段。最终，经过数字智能阶段后，安防行业的人工智能将全面的和全行业、全IT的大数据业务平台进行完善的对接，安防也进入智能时代。

➤人工智能时代，你以为自己做出的投资决定，其实都是被算法设计出来的

通过社交网站收集用户信息，刻画用户画像已不是什么新鲜事。但微软亚洲研究院构建了一个跨平台用户行为数据。所谓跨平台，是指每一个用户数据来源于不同的平台，比如微博上的文字、头像，豆瓣上的点评、分享位置信息，把它们合在一起，做单平台上做不了的研究。

微软研究院提出一个大五人格推算模型。该模型集成了不同来源的用户数据，比如用户发表的文字、图像、表情图等等，再用深入学习的方法进行分析，计算出用户的大五人格。

➤纽约时报使用谷歌的人工智能审核评论

《纽约时报》推出了一个新的人工智能评论审核功能，该功能使用了Perspective，这是一个由Jigsaw构建的人工智能应用程序编程接口，Jigsaw是谷歌公司的母公司阿尔法集团退出的智囊团。《纽约时报》表示，这个被简单地称为“Moderator”的、新的人工智能将允许该网站为更多文章开放评论。

➤当我们还以为客服就是呼叫中心，其实人工智能早已登上王座

人工智能 +智能客服是目前很热的赛道，电商巨头纷纷入局，阿里在2015年7月发布阿里小蜜1.0，定位于私人购物助理，京东自2012年12月成立JIMI智能客服团队，至今已承担超过50%的京东客服任务，网易自从推出考拉海淘和网易严选之后，自建网易七鱼解决客服压力，腾讯部署腾讯企点等。

➤英国石油公司使用人工智能技术寻找新能源

作为美国最大的独立石油生产商之一，先锋自然资源公司上月表示，该公司计划利用人工智能提高钻探油井的成功率。

先锋自然资源首席技术官在上个月表示，人工智能使得钻探更具可预测性。他说：“我们的目的是为了能真正用人工智能为我们钻探油井，而不是我们以350万美元这一创低成本记录的价格钻探了油井，然后剩下价值800万美元的人工智能残骸。我们正致力于缩小这一差距，预期钻一口油井的平均价格是450万美元左右。”

➤模拟原子组合发现新物质，人工智能在科研领域大有可为

人工智能已经开始在基础科学领域大施拳脚，其中的思路相信会给人工智能领域的创业者带来启发。目前利物浦大学的科学家正尝试用机器学习算法，模拟原子之间的无穷多的组合方式，从而发现新的物质，这让计算机在某种程度上扮演了造物主的角色。

在该研究中，通过向机器学习算法输入已知物质的构成数据，可以让计算机预测与之类似的新物质中原子可能的组合方式，这可以帮助科学家大大缩小寻找新物质的范围，从而提高发现新物质的效率，这也使科学家得以将精力集中在实验结果分析上，避免像过去那样陷于痛苦的实验阶段。

➤Driva.ai发布国内首个人工智能驾驶助手，要帮司机缓缓堵车时的心情

上周末，初创公司Driva.ai悄悄上线了公司的第一款产品智能驾驶助手应用Driva，Driva方面称这也是国内第一个人工智能驾驶助手应用。这款应用目前主打起步提醒和30秒视频录制。

Driva的主要功能包括：驻车时的起步提醒：在堵车或者等红灯时，Driva通过深度学习和计算机视觉技术能够准确定位到前车或者红灯。它会保持观测信号，并且在你能前进（绿灯亮起或者前车开走）时发出通知。拍摄途中风景：在Driva的拍摄模式中，用户可以记录下30秒前发生的事件（比如前方事故或者是有UFO飞过）。视觉强化：当你看不清楚前方路牌或者交通标识时，只需双击屏幕就能放大指定的区域。

➤AI 公司为银行开发深度学习工具打击 ACH 欺诈案

目前，ACH 欺诈案的数量还在继续增长。面对这类欺诈，消费者的权益是受到法律保护的，但对企业和组织来说，就没有那么多明确的法律条款了。为了解决这一现状，英国欺诈和风险管理公司 AI 研发了一项深度学习技术 SmartSuite，帮助银行直接对抗日益增长的 ACH 欺诈风险。

该技术主要利用 SmartScore独特的多模型功能，使用户可以创建针对某一特定诈骗类型的神经模型，以预防下一次 ACH 欺诈。并通过不断刷新可利用的数据，根据当前趋势获得最新和最准确的风险评估。

➤准确率达96%！AI 可以提早 18 个月诊断自闭症

医生一般在孩童2-3岁时才能对他们的社会行为、语言、动作及重复行为进行观测和评估，从而得出是否需要进行医学干预的结论；而目前的一个新研究表明，人工智能可以把这个时间提早到6个月。在《科学转化医学》杂志上发表的一项研究显示，医生们能够利用机器学习判断6个月大的婴儿是否会发展成自闭症谱系障碍，其准确率甚至超过96%。

➤海上“无人竞赛”悄然打响，无人驾驶技术已从陆地迈向海洋！

据悉，世界上最大的矿业集团必和必拓（BHP Billiton Ltd.）作为采矿行业的领导者，正在利用自动驾驶技术研发一种巨型的自动航行货轮，这种货轮将在完全无人管理的情况下将矿石、煤炭等各类矿产运抵遍布全球的目的地。

➤谷歌AI眼科医生上班，或将避免数亿人失明

据外媒报道，Google正准备做一个使用机器学习来扩大探索医疗健康的大型实验。如果成功，将帮助保护数百万患有糖尿病患者免于陷入失明等并发症。

去年，Google的研究人员宣称，他们已经在训练图像识别算法来检测与糖尿病相关的眼病。研发的软件用以检查患者视网膜照片，从而发现微小的动脉瘤，这是糖尿病视网膜病变(简称‘糖网病’)的早期阶段，及早治疗就会使得糖尿病患者降低失明的风险，目前，该技术正开始应用到印度的一些眼科医院。

好了，本周的总结回顾就到这里了，喜欢小ai妹的，别忘了戳个赞！

（以上内容来源于AI100、新浪科技、腾讯科技、机器之心、雷锋网、Xtecher、品途网、36氪、亿欧网、新智元、人工智能内参、猎云网、TechWeb评、钛媒体、新芽、ZD至顶网等等。）

招聘

AI100现招聘技术编辑、实习生，有意向请将简历投往：puge@ai100.ai

咨询请联系微信greta1314

课程结合实例介绍使用TensorFlow开发机器学习应用的详细方法和步骤，着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。所有案例均来自讲师团队工作中的亲身实践，所选案例均是深度学习的经典应用，非常具有代表性。

点击下方“阅读原文”查看更多内容。