導(dǎo)讀

關(guān)鍵詞：

人工智能（Artificial Intelligence,AI）、機(jī)器學(xué)習(xí)（Machine Learning,ML）、強(qiáng)化學(xué)習(xí)（Reinforcement Learning,RL）、深度學(xué)習(xí)（Deep Learning,DL）、聯(lián)邦學(xué)習(xí)（Federated Learning）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）、自然語言處理（Natural Language Processing，NLP）、自動(dòng)機(jī)器學(xué)習(xí)(Auto ML)、生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Nets)

1.《蒙特祖瑪?shù)膹?fù)仇》

OpenAI在其中所展現(xiàn)出的“隨機(jī)網(wǎng)絡(luò)蒸餾（RND）”，技術(shù)激勵(lì)RL代理探索不可預(yù)測(cè)的狀態(tài)。

2.《星際爭(zhēng)霸2》

AlphaStar使用了多智能體訓(xùn)練算法，有效地創(chuàng)建了一個(gè)相互競(jìng)爭(zhēng)的智能體聯(lián)盟，共同探索巨大的戰(zhàn)略空間。最終的阿爾法星智能體是由納什平均產(chǎn)生的，它結(jié)合了個(gè)體智能體開發(fā)的最有效的策略組合。

3.《雷神之錘III競(jìng)技場(chǎng)奪旗》

通過使多個(gè)代理獨(dú)立學(xué)習(xí)并采取行動(dòng)來相互協(xié)作和競(jìng)爭(zhēng)，可以實(shí)現(xiàn)人員水平的績(jī)效。代理僅使用像素和游戲點(diǎn)作為輸入。

4.OpenAI5性能進(jìn)一步提高

OpenAI的Dota2的每個(gè)機(jī)器人都是一個(gè)單層，4,096個(gè)單元的LSTM，可讀取游戲狀態(tài)并通過自彈式RL進(jìn)行訓(xùn)練（相對(duì)于自身為80％，較舊版本為20％）。

5.計(jì)算方面的改進(jìn)是OpenAI5競(jìng)爭(zhēng)性能的當(dāng)關(guān)

1.游戲訓(xùn)練單個(gè)機(jī)器人來執(zhí)行許多復(fù)雜的任務(wù)

2.計(jì)算機(jī)視覺預(yù)測(cè)模擬和真實(shí)世界來學(xué)習(xí)靈活性

加州大學(xué)創(chuàng)建的7自由度手臂機(jī)器人。OpenAI的機(jī)械手，以驚人的敏捷度洗凈物理對(duì)象。

3.好奇心驅(qū)動(dòng)的探索

通過反復(fù)試驗(yàn)來學(xué)習(xí)任務(wù)。在探索（嘗試新的行為）與探索（重復(fù)有效的行為）之間取得平衡。

4.學(xué)習(xí)用于在線規(guī)劃的動(dòng)力學(xué)模型

從圖像中學(xué)習(xí)環(huán)境動(dòng)態(tài)模型，并通過快速預(yù)測(cè)多個(gè)時(shí)間步長(zhǎng)的收益，通過快速的在線計(jì)劃選擇行動(dòng)。與最新的A3C和D4PG算法相比，模擬環(huán)境之間的交互作用減少了50倍，并且計(jì)算時(shí)間相似。

5. 應(yīng)用RL來優(yōu)化大規(guī)模生產(chǎn)環(huán)境中的系統(tǒng)

1. 在非常大量的公開可用（即來自網(wǎng)絡(luò)的無標(biāo)簽文本）上進(jìn)行預(yù)訓(xùn)練的語言模型

2.研究人員開始制定GLUE（通用語言理解評(píng)估基準(zhǔn)）用于評(píng)估NLP系統(tǒng)在一系列跨邏輯，常識(shí)理解和詞匯語義的任務(wù)。

3.無bitexts的機(jī)器翻譯發(fā)展迅速

4.各大企業(yè)對(duì)用于實(shí)際產(chǎn)品的聯(lián)邦學(xué)習(xí)的研究興趣日益濃厚

5.越來越重視數(shù)據(jù)隱私并保護(hù)已部署的ML系統(tǒng)免受攻擊

1.診斷眼疾

專家級(jí)診斷和治療推薦建議是通過兩階段基于深度學(xué)習(xí)的分類網(wǎng)絡(luò)實(shí)現(xiàn)的。

2.使用心電圖檢測(cè)和分類心律不齊

使用針對(duì)患者的端到端深度學(xué)習(xí)，以原始格式處理動(dòng)態(tài)環(huán)境中的心電圖軌跡，以檢測(cè)心律。

3.從腦電波中解讀想法

與機(jī)器學(xué)習(xí)線性回歸方法相比，深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方法將人腦電波中語音的清晰度提高了65％。

4.恢復(fù)殘疾人的肢體控制

通過電刺激和神經(jīng)網(wǎng)絡(luò)解碼器對(duì)四肢癱瘓患者的前臂進(jìn)行長(zhǎng)期修復(fù)。

5.合成化學(xué)分子

將神經(jīng)網(wǎng)絡(luò)與蒙特卡洛樹搜索結(jié)合使用，通過訓(xùn)練1,240萬個(gè)反應(yīng)來解決逆合成。這種方法比最先進(jìn)的計(jì)算機(jī)輔助綜合計(jì)劃要快得多。

1.用于神經(jīng)網(wǎng)絡(luò)架構(gòu)和超參數(shù)的進(jìn)化算法

聯(lián)合優(yōu)化超參數(shù)，在最大程度降低復(fù)雜性和尺寸的同時(shí)，最大化網(wǎng)絡(luò)性能。

2.設(shè)計(jì)具有實(shí)際設(shè)備性能反饋的資源受限的網(wǎng)絡(luò)

Google展示了一種基于RL的多目標(biāo)方法（MnasNet），以找到具有低真實(shí)世界推理延遲的高精度CNN模型。Facebook提出了一種可區(qū)分的神經(jīng)體系結(jié)構(gòu)搜索（DNAS）框架，該框架使用基于梯度的方法在分層搜索空間上優(yōu)化CNN體系結(jié)構(gòu)。

1.從粒狀到GANgsta

較大的模型和大量的培訓(xùn)進(jìn)一步提高了使用GAN生成的圖像的質(zhì)量。

2.從面孔到全身合成

電影放映一次，然后通過將面部與口語單詞匹配（左），以不同的語言生成相同的視頻。下一步是從頭到腳生成整個(gè)身體，目前用于零售目的（右）。

1.從單個(gè)圖像學(xué)習(xí)對(duì)象的3D形狀

2.對(duì)過去25年中對(duì)16,625篇AI論文的分析顯示，出版物輸出的巨大增長(zhǎng)以ML和RL最受歡迎

1.谷歌在2018年首屆學(xué)術(shù)AI學(xué)術(shù)會(huì)議NeurIPS上繼續(xù)保持統(tǒng)治地位，并且在研究論文輸出量最高的組織中名列前茅。

2.在NeurIPS，ICML或ICLR發(fā)表論文的4,000位研究人員中，有88％是男性

3.大型科技公司高級(jí)工程師的薪酬接近1,000,000美元。另一方面，每小時(shí)$1.47的數(shù)據(jù)標(biāo)簽工作大幅增長(zhǎng)。

4.與復(fù)雜的電子供應(yīng)鏈（例如富士康）類似，用于AI應(yīng)用程序的“數(shù)據(jù)標(biāo)簽工廠”也有了大幅增長(zhǎng)。

5.神經(jīng)網(wǎng)絡(luò)的先驅(qū)者獲得了圖靈獎(jiǎng)，這是計(jì)算機(jī)科學(xué)領(lǐng)域的最高獎(jiǎng)項(xiàng)。

歐洲發(fā)表AI論文最多，但只有中國(guó)的平均被引用率在增長(zhǎng)。

1.只有19％的學(xué)術(shù)作者和16％的行業(yè)作者是女性.

2.44％的作者從美國(guó)獲得博士學(xué)位，從中國(guó)獲得11％，從美國(guó)獲得6％英國(guó)。

3.五個(gè)國(guó)家（美國(guó)，中國(guó)，英國(guó)，德國(guó)和加拿大）占作者總數(shù)的72％。

4.AI人才的流入和流出

加拿大，英國(guó)和瑞士是“平臺(tái)國(guó)家”，既吸引外國(guó)人才，又出口本地培訓(xùn)的人才。美國(guó)和中國(guó)的生態(tài)系統(tǒng)更加成熟-流入量和流出量都很低。

1.對(duì)AI主題的全球風(fēng)險(xiǎn)資本投資以每年超過$27B的速度增長(zhǎng)

2.大型科技公司繼續(xù)吞噬AI優(yōu)先初創(chuàng)公司

3.機(jī)器人流程自動(dòng)化:一夜之間的企業(yè)成功(15年的醞釀)

出生于歐洲的RPA市場(chǎng)領(lǐng)導(dǎo)者UiPath的客戶同比增長(zhǎng)4倍。

1.清潔和店內(nèi)操作

2.波士頓動(dòng)力公司機(jī)器人的進(jìn)步

3.大企業(yè)用機(jī)器人制造機(jī)器人

4.全棧初創(chuàng)企業(yè)進(jìn)入制造市場(chǎng)

5.應(yīng)用機(jī)器人支持的全渠道、自動(dòng)化執(zhí)行供應(yīng)鏈

6.亞馬遜推出了更多用于物流和分揀的倉(cāng)儲(chǔ)機(jī)器人

1.當(dāng)現(xiàn)場(chǎng)視音頻飛行員在加利福尼亞乃至世界各地成長(zhǎng)時(shí)，有幾名玩家撤退，導(dǎo)致錯(cuò)過了幾個(gè)發(fā)布日期以及其他玩家的沉默

2.Waymo在2018年行駛了超過100萬英里，是2.8倍的下一個(gè)最佳性能（GMCruise）和16倍的第3最佳性能（Apple）

3. 2018年，自動(dòng)駕駛汽車公司的行駛里程達(dá)到了人類行駛里程的0.00066％

通用/Cruise的問題包括每英里一次的“嚴(yán)重駕駛不適”，自動(dòng)駕駛路線比人類駕駛的同類路線要長(zhǎng)80%，以及在備受矚目的投資者測(cè)試中出現(xiàn)的故障。

1.AI專利家族的增長(zhǎng)速度超過了AI科學(xué)出版物。

2.計(jì)算機(jī)視覺是最受歡迎的專利領(lǐng)域。在計(jì)算機(jī)視覺中最受歡迎的領(lǐng)域是生物識(shí)別(與生物數(shù)據(jù)相關(guān)的應(yīng)用)。

3.大型科技公司通過云計(jì)算獲利，但未通過托管的AI服務(wù)獲利。通過托管的AI服務(wù)獲利還處于初期。

1.公平競(jìng)爭(zhēng)和雙重標(biāo)準(zhǔn)。

美國(guó)人不贊成以競(jìng)爭(zhēng)為目的的AI技術(shù)，但是一旦對(duì)手開始開發(fā)AI技術(shù)，這種情況就會(huì)改變。

2.治理

公眾不知道如何衡量AI的開發(fā)和部署的責(zé)任者和方式。

3.企業(yè)道德

64%的人認(rèn)為企業(yè)應(yīng)該設(shè)立一個(gè)AI審查委員會(huì)，定期討論企業(yè)的道德決策。

4.人口屬性的激勵(lì)

人口屬性對(duì)開發(fā)高級(jí)機(jī)器智能的支持差異很大。

1.“德國(guó)制造的AI”

計(jì)劃宣布到2025年投資30億歐元。、

2.芬蘭的“1%”AI計(jì)劃

芬蘭正在對(duì)其1%的人口進(jìn)行ML的基礎(chǔ)培訓(xùn)，力求在AI的實(shí)際應(yīng)用方面占據(jù)世界領(lǐng)先地位。

3.歐盟AI計(jì)劃

通過專注于“合乎道德的AI”及其“安全和高質(zhì)量產(chǎn)品”的聲譽(yù)，實(shí)現(xiàn)差異化。

4.美國(guó)新對(duì)策

將出口管制應(yīng)用于機(jī)器學(xué)習(xí)，包括“深度學(xué)習(xí)”、“強(qiáng)化學(xué)習(xí)”和“計(jì)算機(jī)視覺”。并暗示美國(guó)制裁名單上的組織成員（例如華為）不能擔(dān)任論文審閱者。

1.大規(guī)模監(jiān)測(cè)監(jiān)視技術(shù)日趨成熟

2.武器化自然語言處理導(dǎo)致的欺詐和計(jì)算式宣傳

3.深度偽造影響政治議程

4.旨在讓開發(fā)者限制軟件使用的AI許可證

5.機(jī)器算法中的性別偏見

6.AI的倫理道德問題

中國(guó)企業(yè)研發(fā)支出增長(zhǎng)迅速，但在市場(chǎng)份額方面存在明顯滯后。中國(guó)企業(yè)的研發(fā)支出同比增長(zhǎng)34%，但美國(guó)企業(yè)仍占全球科技支出的61%。中國(guó)的半導(dǎo)體貿(mào)易逆差正在(緩慢)擴(kuò)大.

在中國(guó)，機(jī)器人正在推動(dòng)自動(dòng)化倉(cāng)儲(chǔ)。京東的上海物流中心每天使用自動(dòng)化倉(cāng)庫(kù)機(jī)器人來組織、挑選和運(yùn)送20萬份訂單。工廠由4名工人照管。京東的倉(cāng)庫(kù)數(shù)量和表面積同比增長(zhǎng)了45%。

1. 中國(guó)企業(yè)擁有的專利最多，但2017年只有23%是“發(fā)明專利”

2.中國(guó)的雙重專利制度使其專利領(lǐng)先于其他國(guó)家。

中國(guó)的發(fā)明者讓他們的大部分專利在被授予5年后失效。91%的5年設(shè)計(jì)專利和61%的5年實(shí)用新型專利被放棄。相比之下，美國(guó)5年專利的維護(hù)費(fèi)占85.6%。

中國(guó)公布的ML研究報(bào)告數(shù)量已經(jīng)超過美國(guó)。艾倫研究所最近的一項(xiàng)分析顯示，中國(guó)在質(zhì)量方面的差距也在迅速縮小。

1.利用NLP研究的最新突破，涌現(xiàn)出一批新的創(chuàng)業(yè)公司在接下來的12個(gè)月內(nèi)共籌集了超過1億美元。

2.無人駕駛技術(shù)在很大程度上仍處于研發(fā)階段。

3.數(shù)據(jù)安全性和用戶隱私策略研究突破。

4.高等教育機(jī)構(gòu)建立專門建立的AI本科學(xué)位以填補(bǔ)人才空缺。

5.量子計(jì)算硬件方面取得重大突破。

6.對(duì)AI的治理將有初步實(shí)質(zhì)性進(jìn)展。