电竞之家_品味电竞生活移动版

1、投资50亿的IBM医疗裁员70%

　　【新闻摘要】 近日，在IEEE Spectrum的特别报告《How IBM Watson Overpromised and Underdelivered on AI Health Care》一文中，细数了Watson医疗曾立下的目标和被泼的冷水，并对比了如今的发展现状。报告中透露，该部门被传出预计裁员50%至70%，且到目前为止，监管机构只批准了少数基于AI的工具用于真实医院和医生办公室：这些开创性产品主要聚集在图像诊断领域——通过计算机视觉技术分析图，如X射线和视网膜扫描图像进行诊断，却并没有与IBM有关的分析医学图像领域的产品获批落地。（阅读报道）
　　【小云评论】 IBM的“首败”至少可以向技术专家和医生们证明：试图创造出一位AI医生，这是一件极其困难的工作。针对AI在医疗领域的发展，今年图灵奖得主之一的Yoshua Bengio认为，在医学文本方面，AI系统无法消歧，也无法找到人类医生会注意到的细微线索。虽然AI不需要充分了解也可以帮助医疗，但确实还没有一个AI能与人类医生的理解和洞察力相匹配。但IBM Watson的失败并不意味着AI在医疗领域毫无未来，正如报告中所说：“在数字化时代里， IBM Watson 不是第一个象牙塔的守望者，也不会是最后一个丛林中的引路人。”

2、杜克大学用 AI 识别神经元仅需30分钟

　　【新闻摘要】 美国杜克大学的生物工程师最近发明了一种基于卷积神经网络 (CNN) 的自动化手段，在保证准确率的前提下，将专业人士需要十几小时的兴奋神经标识任务，缩短至几十分钟。这一全新的自动化手段被称为“STNeuroNet”的3D 卷积神经网络模型，借助该模型，在不考虑预处理和后加工过程的情况下，神经元识别速度可以达到一秒钟处理 27 帧视频，即使考虑了前后处理的时间，处理 10 段视频的效率也达到了约 17 帧每秒。与此同时，研究人员还发现在某一特定神经元区域训练的 STNeuroNet 模型，即使在另外一个有着完全不同神经元尺寸和密度的区域，同样可以实现兴奋神经元的标记，并且有较高准确度。（阅读报道）
　　【小云评论】神经细胞必须在活体的大脑环境中才能正常运转，因此只能通过双光子成像技术，利用光子的穿透性原理，在不损害细胞的情况下，对活体动物的脑内神经元进行实时扫描成像。但即使有了成熟的影像技术，对影片上的单个神经元进行标记仍是一项极具挑战的工作，处理一段 30 分钟的视频成像，一个专业分析师通常要不吃不喝地连续工作 4 至 24 个小时，STNeuroNet 模型的出现能够实现对兴奋神经元更有效地识别，神经学家们或许很快就能实现对脑部神经活动的动态实时分析，并为研究脑部神经与肢体行为之间的关系提供非常多的线索。

3、无监督学习：基于小数据集实现人工智能

　　【新闻摘要】 谷歌旗下人工智能公司DeepMind近日刊文指出，过去十年里，机器学习在语言处理、图像识别、自动驾驶等商业应用，甚至围棋、星际争霸和DOTA等游戏领域里都取得了空前进步。这些成功在很大程度上是通过监督学习和强化学习这两种学习模式中的一种，对神经网络进行训练来实现的。有科学家指出，真正的人工智能需要能够自我学习，把对一个领域的学习成果应用于另一个领域，就像儿童探索世界一样，因此，人工智能未来的发展将在很大程度上依靠“使用小数据集的无监督学习”来完成，从而避免人类成为人工智能发展的瓶颈。（阅读报道）
　　【小云评论】在绝大部分时间里，儿童都是在自我探索世界，通过好奇心、游戏和观察来理解周遭环境，这就是无监督学习。正如文章中所说，机器进行无监督学习的一个关键动力，来自于人类设计训练信号的一大缺陷：虽然传递给算法的数据具有非常丰富的内部结构（比如图像、视频和文本），但用于训练的目标和奖励通常比较稀少（比如“狗”的标签只适用于特定物种，或者只用1和0代表游戏的成功和失败）。这意味着，算法学到的大部分内容主要是对数据本身而非对任务的理解，“程序是为了学习而学习”，从而能创造出脱离人类限制边界的人工智能。

4、DOTA2比赛人工智能选手 2:0吊打世界冠军

　　【新闻摘要】 OpenAI Five近日在与DOTA 2 国际邀请赛冠军 OG 战队的对战中，以2:0的成绩赢得了比赛，这也是OpenAI Five连续第四次以2:0的成绩战胜高水平的人类DOTA 2战队。赛后，OG 队长 N0tail 在接受采访时表示，“AI 的表现超乎想象，它虽然在插眼（DOTA 2战术名词）等方面还有待进步，买活（DOTA 2战术名词）的时机也与人类常识相反，但它的技能释放十分精准，可能凌驾于所有人类玩家之上，而且有超强的执行力，能够保证随时将损失降到最低。或许跟它交战 50 场之后，我们能赢一场。”（阅读报道）
　　【小云评论】此次比赛名为“OpenAI Five Finals”，意味着这次公开对决将会是 OpenAI Five 在 DOTA 2 中的最后一次出场，在此之后OpenAI Five将会向全球所有的选手短暂开放挑战，从而进一步让玩家们体会AI游戏对手的强大能力。以此为起点，AI或许将会在商业游戏领域获得进一步的发展，毕竟在针对DOTA 2游戏的AI训练中，OpenAI Five并没有使用人类玩家的对战数据，其中80% 的时间自我对弈，20% 的时间和过去的版本对弈，训练中每天进行的游戏数量时长相当于人类玩家训练约 180 年。解放对人类玩家对战数据的需求，意味着未来商业游戏可以在上市时即可为玩家提供高水平对战和NPC（非玩家角色）服务。

5、加州大学让机器人学会使用即兴工具

(责任编辑：波少)