谷歌机器人+深度学习，学习效率是之前的2倍！

本周技术前沿又来啦！看看北美各大高校，还有各大科技公司又捣鼓出了什么高精尖的科技，它们又是如何应用的。

本期介绍的技术前沿领域进展主要围绕自动驾驶、5G、人工智能、机器人、医疗等多个领域展开。

赶紧来看！

北美高校

南加大：如何让自动驾驶车上路时更安全？

近日，南加州大学研究人员发表了一项新研究，该研究解决了自动驾驶汽车开发人员长期存在的问题 —— 如何测试系统的感知算法，验证汽车是否能正确“理解”它所“看到的”。

感知算法基于卷积神经网络，是由机器学习驱动的。众所周知，这些算法难以测试，因为我们并不完全了解算法是如何进行预测的。这可能会对诸如自动驾驶这种对安全要求特别高的系统造成破坏性后果。

南加州大学计算机教授Jyo Deshmukh（左），博士生 Anand Balakrishnanand（中，第一作者），Xin Qin（右，第二作者）

图片来自USC官网

该研究团队开发了一种新的数学逻辑，称为Timed Quality Temporal Logic，并用它来测试两种流行的机器学习工具 —— Squeeze Det和YOLO。他们使用的是驾驶视角的原始视频数据集。

根据该数学逻辑的实验结果，研究人员发现Squeeze Det和YOLO违反了视频中多个帧的“理智条件”，最常见的是机器学习系统未能检测到对象或对对象进行错误分类。

举例来说，“如果我们在视频某一帧中看到一辆汽车，我们希望在下一帧中的附近位置看到一辆汽车。这是我们希望感知算法在部署之前满足的几个“理智条件”之一。”

在某些实例中，该方法发现：当自行车的轮胎看起来像细垂直线时，系统未能从后面识别骑车人，而是判定其为行人；系统还会在实际没有阻碍物的情况下感知出存在对象，即“幻影对象”，这样会造成不必要的急刹车情况。这些错误判定都会造成极大安全隐患。

研究人员表示，这种测试方法可以提前捕捉自动系统中的问题，以提升自动驾驶汽车路测的安全性。未来，他们希望该方法可以用于自动驾驶汽车的实时安全监控。

纽约大学：5G时代的机器人安全和边缘计算

纽约大学无线电系的副教授Ludovic Righetti和他的团队，长期从事研究无人机、人型机器人和机械手的新颖控制和感知算法，并研究如何利用5G无线通信来提高机器人的自主性。

提升这种自主性需要不断增长的计算能力，因此，云计算机器人被认为是解决这一困难的方法，但是由于4G LTE或WiFi网络中的有限带宽和高延迟，机器人实时感知和行动自主性依然很难实现。

不过，根据纽约大学研究，5G无线通信提供了一个独特的机会，可以通过提供低延迟和高数据带宽的无线网络，创建真正无处不在的自主机器人。可以部署在任何地方，从家庭环境到仓库或建筑工地，甚至潜在的极端环境如核电站或灾难站点等。

未来，机器人可以采集大量数据，并将对于这些数据的计算有效保证的转移到网络边缘。这些技术将促进数据密集型多机器人学习并改善与人类操作员的交互。

感兴趣的小伙伴可以查看研究原文：

https://wireless.engineering.nyu.edu/robot-safety-edge-computing-for-robotics-over-5g-wireless/

康奈尔大学：确定责任归咎将帮助人工智能道德化

根据康奈尔大学工程学教授Joseph Halpern和计算机科学博士生Meir Friedenberg最新研究发现，集体事件中的责任归咎取决于人们是否可以相互协调以改变结果和成本。

在Halpern教授关于因果关系的基础工作的基础上，研究员们开发了一个数学模型来计算从零到一的规模的责任。

这项研究属于计算机科学、哲学和认知心理学的交叉点，可能用于指导人工智能代理人（如无人驾驶车辆）的行为，以帮助他们以“道德”的方式行事。

“我们想要提供一个框架，允许我们将这些法律和哲学概念应用于自治系统”，Friedenberg说， “如果我们要将自治系统有效地融入社会，我们认为这将是重要的。”他是”智能体设置中的责任归咎”的第一作者， 并在2019年2月的AAAI人工智能会议上发表相关研究。

对人工智能载体到底负不负法律责任感兴趣的小伙伴，可以点击硅谷洞察此前文章：

斯坦福开设AI法律课，人工智能能否成为法律主体？

斯坦福大学：为结核病开发新的血液检测方法

尽管结核病检测现已成为常规检查，但现有检测方法并不适用于每一个人。由于结核病通常发生于肺部，现有的检测方法需要患者咳出肺部的液体，而这给无法咳出肺部液体的人群，例如婴幼儿和艾滋病患者，带来了困难。斯坦福大学的研究团队正在研发一种新的检测方法来弥补这一空白。

斯坦福医学院副教授Niaz Banaei领导的团队和机械工程系教授Juan Santiago共同研发了一种用于搜索血液和尿液样本中的结核病迹象的设备，而该设备并不需要被试者咳出肺部液体。

和肺液相比，血液和尿液样含有少量的可以用于检测结核病病毒的DNA，并且更难被提取。对此，该团队发现，由于血浆和尿液中的DAN和其他分子具有不同的电荷。将其置放在电场中，DNA将以不同的速度移动，并以此可以提取出较纯的DNA.

另外，该设备只需要很少的电力就可以运行，这意味着它最终可以用于发生大多数新结核病例的发展中国家。

感兴趣的小伙伴，可点击以下链接：

https://news.stanford.edu/2019/03/29/simple-new-blood-test-tuberculosis/

海外高校

阿姆斯特丹自由大学：机器人也能生孩子了？！

阿姆斯特丹自由大学（Vrije Universiteit Amsterdam）的计算机科学家建立了一个简化的系统，展示未来机器人如何交换和组合他们的“遗传”信息。

他们的研究近日发表在《Nature Machine Intelligence》杂志上，其中涉及编程两个母机器人编码新的“后代”，发现由此产生的后代：包含父母代码的混合物以及一些似乎已经发生变异的模块了。

该项目的科学家之一David Howard认为，未来二十年左右，科学家们甚至可以批量生产廉价的机器人，这些机器人试图完成一项特定任务，然后将那些更成功的机器人“培育”成新一代的机器人，这些机器人将越来越擅长某项特别的技巧。

也就是说，这些科学家们所设计的人工智能和机器人，能通过将代码的一部分与其他机器人的代码相结合，分析他们自己的源代码并与他人“交配”。

嗯，机器人也能创造后代了，保证这真的不是愚人节新闻啊……

感兴趣的小伙伴可以点击：https://futurism.com/ai-powered-robots-reproduce-evolve

实验室

洛斯阿拉莫斯：自然灾害造成严重破坏后，新技术可提供快速可靠的停机评估

在发生重大自然灾害之后，很多人需要在没有电力的情况下生活数周或数月。这会影响个人健康安全、当地安全，并产生深远的经济影响。直到现在，使用网络建模中的精确细节估算灾难对电网的影响的技术还不存在。

最近，美国洛斯阿拉莫斯国家实验室的一组科学家和研究人员开发并部署了突破性技术，以测试对许多特定网络组件造成损害的影响。

（研究员Carleton Coffrin在检阅SCS提供的数据）

电力传输系统的严重应急解决方案（SCS-EPT）是唯一可靠地模拟对电网的影响的开源软件，它可以与复杂的自然灾害预测和组件脆弱性模型相结合，以计算在事件发生后（在派遣维修人员之前）可以提供的最大功率量，并确保电力可靠运行。

感兴趣的小伙伴可以点击以下链接：

https://www.lanl.gov/discover/news-stories-archive/2019/March/0326-natural-disaster-technology.php?source=newsroom

企业

谷歌机器人融合物理规则与深度学习算法，学习效率提高2倍

谷歌公司与普林斯顿大学、哥伦比亚大学和麻省理工学院的研究人员合作开发了一款叫做TossingBot的机器人，该机器人学习抓取物体，并将物体扔到指定的盒子里。该机器人可以学会快速的拾取物体，效率是之前系统的两倍；其可以拾取物体的范围，也是之前系统的两倍。

TossingBot的核心理念是：融合物理规则和深度学习，从而它可以很快地被训练，并且在新的场景中应用这些技能。

例如，在学习抛物体时，研究人员使用射弹弹道学来估计物体降落到目标位置所需的速度。然后，研究人员可以用神经网络来调整通过物理规则形成的预测，从而考虑进未知的变量，以及真实世界的各种变化。这种混合的方法被称为“剩余物理学”，它使训练后的TossingBot能够达到85％的投掷精度。

（图片来源 www. ai.googleblog.com）

TossingBot 的神经网络算法基于视觉信号（来自于RGB三通道彩色图像和Depth图像），来控制动态运动元（motion primitives）的参数。同时，TossingBot可以用位于其头顶的机器人追踪物体着地的轨迹，并通过自我监督学习来提升自己的能力。

Futurism等报道指出，谷歌机器人新任主管Vincent Vanhoucke，在谷歌前高管Andy Rubin被曝光性胁迫指控中离开后上任。Vincent曾经是帮助谷歌启动人工智能研究部门的负责人之一，因此，谷歌在机器人部门中着重于对人工智能软件的关注并不令人诧异。

丰田研究所：用低成本的方式预测电池寿命

近日，日本丰田研究所和斯坦福大学、麻省理工学院的科学家们发现，人工智能算法结合实验数据，可以准确预测锂离子电池的使用寿命。

该机器模型算法由研究人员结合几亿个电池充电和放电数据训练，可以根据电池的前5个充电/放电周期的数据，预测每个电池的寿命（将持续多少个放电周期），从而将电池分类，提供给不同的设备需求方。

（图片来源：www.news.stanford.edu）

目前标准的测试电池寿命的方法是对电池进行充电和放电，直到它们发生故障。由于电池寿命长，这个过程可能需要数月甚至数年，较为昂贵。这种结合机器学习的方法可以加速新电池设计的研究和开发，从而减少生产成本。

该研究由斯坦福大学的材料科学与工程系助理教授William Chueh和麻省理工学院化学工程教授Richard Braatz领导，研究成果于3月25日在Nature Energy杂志上发布。

感兴趣的小伙伴可以点击以下链接：

https://news.stanford.edu/2019/03/25/ai-accurately-predicts-useful-life-batteries/

一周的科技前沿就到这啦。看完今天的科技前沿，哪项技术进展你觉得最兴奋？欢迎留言告诉我们！想看到更多关于哪些技术的进展？也欢迎告诉我们！

转自硅谷洞察  作者  硅谷洞察  

本文由「华尔街俱乐部」推荐，敬请关注公众号: wallstreetclub

声明：本文仅代表作者个人观点，不构成投资意见，并不代表本平台立场。文中的论述和观点，敬请读者注意判断。

版权声明：「华尔街俱乐部」除发布原创市场投研报告外，亦致力于优秀财经文章的交流分享。部分文章、图片和资料来自网络，版权归原创。推送时未能及时与原作者取得联系。若涉及版权问题，敬请原作者添加WSCHELP微信联系删除。谢谢授权使用！

华尔街俱乐部凝聚华尔街投行的高端资源，为中国民营企业“走出去”提供全方位的顾问服务，包括企业赴美上市、战略投资、并购、私募路演和投资者关系等。在投资理念和技术方面提供华尔街投行专家实战培训，为您进入华尔街铺设成功之路。

本文 zblog模板 原创，转载保留链接！网址：http://fsxxzx.com/post/3982.html