Quantcast

复旦凶杀案:真相比想象更残酷!值得每个学霸及家长反思

大象一路上访,控诉中药砂仁

莫谈Z治?

深度解读 | 姜文《让子弹飞》

成都MC浴室最新照片和截图流出,最全事件梳理来了!

Facebook Twitter

分享到微信朋友圈

点击图标下载本文截图到手机
即可分享到朋友圈。如何使用?

除了自由微信/自由微博,您最希望看到的哪个平台的被删除>内容?

科学新闻早餐 (04.08周六)

2017-04-07 武理工智能交通 武理工智能交通



点击标题下武理工智能交通可快速关注

编辑:武汉理工大学智能交通系统研究中心

来源:科学网、交通部、教育部、科技部、国家自然科学基金委,中国交通新闻网,智能交通,啸谈阡陌,车云网,青塔网,搜狐网易科技,新浪科技,央视网


内容提要

科学网、科技网

  • “蛟龙号”有新发现:成功发现27处“黑烟囱”

  • 柯洁等顶尖棋手将与“阿尔法狗”在乌镇对决

  • 中科院为寒武纪芯片注资千万 支持国产智能芯片

微信论科教

  • 清华打破院系和专业壁垒,今年将按16大类招生!

  • 智能交通每周新闻精选

  • 特朗普会不会趁机向习大大诉这个苦?看看美国高速公路政府审批有多难!

  • 因为不够安全,我们就必须拒绝自动驾驶汽车上路吗?

  • 谷歌开辟机器学习新方法:“联合学习”协同无数智能手机训练模型

  • 用云端大脑优化算法,这只机械手正成为仓库拣货新霸主

网易科技等

  • 共享单车维修站坏车堆积如山 延绵数百米越修越多

  • 专家称2027年人工智能将像人的大脑一样运行

交通期刊最新论文

  • Transportation Research Part A-F、AAP,中国公路学报、交通运输工程学报、交通信息与安全

科学网、科技网

“蛟龙号”有新发现:成功发现27处“黑烟囱”

5日傍晚,“向阳红09”船搭载着“蛟龙号”载人潜水器及其全体科考队员停靠海南三亚凤凰岛码头,标志着中国大洋38航次第一航段即2017年“蛟龙号”试验性应用航次第一航段任务顺利结束。自2月6日青岛起航以来,历时59天,航行10274海里,本航段共计18家单位94人参航,“蛟龙号”累计安全下潜11次,圆满完成本航段科学考察任务。下图为“蛟龙号”在本航次第1次下潜中所观测到的深海生物。

本航段首席科学家韩喜球介绍,航段中,我国在国际上首次在西北印度洋卡尔斯伯格脊实施了载人深潜精细调查,再次验证了载人潜水器在深海复杂环境下独有的技术优势。在这一海域水深约2900~3600米的卧蚕1#、卧蚕2#、天休与大糦4个热液区,“蛟龙号”成功发现了27处海底热泉活动喷口所形成的高浓度矿物黑烟物质——“黑烟囱”和多金属硫化物丘及黑暗条件下的深海生态系统。同时,科考人员采集到了岩石、硫化物、含金属沉积物、底层水、热液流体等全套样品,开展了近底高分辨率测深侧扫作业,测量了温度、溶解氧等物理化学环境参数,获得大量高清摄像和照相资料,确定了海底热液活动的精确位置、特征与范围。

韩喜球表示,所获调查成果为深入开展热液区岩浆作用及其演化、沉积作用、构造作用、热液羽状流的结构、热液作用与演化、硫化物成矿作用、硫化物资源和微生物基因资源潜力、生物连通性及地理区系等方面的研究抢得了先机,为相关科学研究的认识水平的提高提供了重要基础。

此外,在本航段中我国第二批6名实习潜航员首轮独立主驾驶“蛟龙号”深海作业全部完成,实习潜水器副总指挥和实习水面支持系统副总指挥首次独立完成了潜水器布放回收和水下作业的全部指挥任务,标志着“蛟龙号”潜航员和技术保障人员能力实现突破,“蛟龙号”试验性应用向业务化运行迈出了坚实一步。

据了解,大洋38航次接下来将在南海、雅浦海沟和马里亚纳海沟开展第二、三航段的作业任务。“向阳红09”船在三亚进行人员轮换和物资补给后,将于4月9日赴中国南海执行第二航段调查任务。

柯洁等顶尖棋手将与“阿尔法狗”在乌镇对决

新华社北京4月7日电,记者7日从国家体育总局有关方面获悉,围棋人工智能程序“阿尔法狗”(直译阿尔法围棋)将于今年5月下旬在浙江乌镇与包括柯洁在内的中国顶尖棋手进行对决。

据悉,目前世界棋坛实力、人气最炙手可热的柯洁将与阿尔法狗进行三番棋对抗,这也极有可能是人类顶尖棋手与人工智能程序的终极对抗。

去年在韩国进行的“人机大战”中,由DeepMind团队研发的阿尔法狗出人意料地以4:1战胜了韩国著名棋手李世石九段。不过,很多围棋界人士认为,19岁的中国棋手柯洁更能代表目前人类棋手的最高水平。

今年年初,“网络棋手”Master在几个对弈网站对人类高手创下了60:0的战绩。随后,DeepMind团队证实,Master就是“阿尔法狗”。

4月10日,有关各方将就这次“人机大战”召开新闻发布会。

中科院为寒武纪芯片注资千万 支持国产智能芯片

新华社北京4月6日电,记者日前从中国科学院获悉,专门针对智能认知等应用并有望用于未来各种人工智能设备的专用芯片——寒武纪深度学习处理器从2017年起获得了中科院为期18个月共计1000万元的专项资金支持,用于项目研发及其产业化。

寒武纪是地球生命大爆发的年代,从那时起,地球进入了生命的新纪元。中国科学院计算技术研究所陈云霁、陈天石课题组把他们研制的深度学习处理器命名为“寒武纪”,是希望这世界上第一款模仿人类神经元和突触进行深度学习的处理器,能开启人工智能的新纪元。

据中国科学院计算技术研究所智能处理器研究中心介绍,这1000万元专项资金一方面用于人工智能芯片的基础性研究,探索下一代人工智能芯片的架构、算法以及在一些新型场景(如AR/VR)中的应用开发方法。陈云霁认为,这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础。

专项资金另一方面用于将目前的寒武纪芯片推广到各种智能云服务器、智能终端和智能机器人的市场中,力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位。

据介绍,寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升,具有较强的市场竞争优势,2016年被世界互联网大会评为全球十五项“世界互联网领先科技成果”之一。

陈云霁表示,现在“阿尔法狗”还需要数万瓦功耗、巨大体积的云服务器来进行智能处理。寒武纪的目标是要让1瓦以内功耗的摄像头、手机、甚至手表都能和“阿尔法狗”一样“聪明”。

“我们的优势集中在人脸识别、声音识别等人工智能方面。比如,摄像头、手机或个人电脑、高性能服务器嵌入‘寒武纪’IP核或芯片后,将极大提高处理速度。”陈云霁说。

微信论科教

清华打破院系和专业壁垒,今年将按16大类招生!

日前,清华大学召开大类培养领导小组会议,聘任大类培养首席教授并举办首次首席教授会议,这标志着今年清华大学大类招生工作正式启动。

据介绍,清华大学今年将推行“按大类进行人才培养管理”的方案,将在包括北京在内的全国各省市打破院系和专业壁垒,按16个大类招收、培养本科生,清华大学已成立“大类培养领导小组”,由校长邱勇担任组长。

据了解,清华所有纳入本科招生的专业将合并为16个大类,包括数理类,化生类,人文与社会类,机械、航空与动力类,环境、化工与新材料类,计算机类,经济、金融与管理类等。除了美术学院、新雅书院、法学院等少数几个学院独立成类外,其余大部分学院的专业都面临着合并、重组,比如化学生物类就涉及化学系、生命科学学院、药学院、生物医学工程系、化学工程系等多个院系。此外,有些院系的专业还划入了不同的大类,比如化工系的化学工程与工业生物工程,既出现在化生类,也出现在环境、化工与新材料类。同时,每一个大类设首席教授,这些首席教授都是国内外鼎鼎有名的专家学者。如中国科学院院士、凝聚态物理学家朱邦芬就担任了数理类的首席教授,中国工程院院士、著名大气污染防治专家贺克斌教授出任环境、化工与新材料类的首席教授,他们将直接参与本科生的培养。

邱勇强调,大类培养实施过程复杂,但衡量标准简单而明确,必须做到让学生的大一学习生活更加充实、高效、阳光,更有“获得感”;大幅提高学生的通识教育素养;更好地帮助学生找到最适合自己发展的专业;更有利于通识教育和专业教育的相互融合与促进。

据悉,清华将按照大类培养重构培养方案,专业上注重厚基础;学生学习上讲究自主性,学校人才培养上追求高质量。清华大学副校长、教务长杨斌介绍,大类培养既有综合改革的推动因素,也有广泛的国际背景。这一改革举措在强化大类通识教育的同时,对专业教育也提出了更高要求。大类招生培养管理改革中必须正确理解“专业确认”,做好院系层面的制度设计,对新生的价值引导显得尤为重要。

记者了解到,如今,按大类、宽口径招生已经为越来越多的高校所认可,包括浙江大学、复旦大学在内的不少985院校都在尝试推进。与此同时,世界多所知名高校也实行类似招生办法。(来源:新华网)

智能交通每周新闻精选

本周,最大的新闻莫过于党和政府划设“雄安新区”了,此闻一出,众生哗然,利益相关者都在算盘着能否从中分一杯羹。毋庸置疑的是,智能交通将会是未来雄安新区综合交通体系建设的主要内容之一。

今天的短话题是PPP。海康威视这两天爆了个新闻,5个亿中标乌鲁木齐高新区的社会综合治理视频防控系统,这个项目是2月份发布的预审结果,海康威视是第一谈判顺序人,招标金额是5.9亿。选在这个时间发布中标新闻,就好像在告诉大家,不是只有大华、宇视科技、科达做PPP,我海康威视也做PPP……

PPP是好是坏,只有当事人知道,在大趋势下,只有顺应这个趋势,君不见PPP从几个亿到几十个亿,运营期间动辄10年15年,玩的就是心跳,玩的就是实力。这周发布的湘潭智慧城市PPP项目应该是今年以来最大的PPP招投标项目,27个亿,智慧城市项目中动辄几个亿,PPP项目中最大的一块了。其次就是平安城市、治安防控,而且尤以新疆的项目居多,今年一季度就有9个过亿的智慧城市和平安城市项目,另外大华股份年初与莎车县政府签订38.65亿元新疆莎车县平安城市PPP项目,就安防监控和交通监控而言,这是一个“富得流油”的市场,安防大鳄们怎么可能轻易放过?

其次就是交通类的项目,PPP项目也有,但是和前两者相比,就显的寒酸多了,较少有过亿项目,有一个接近十亿的,贵州省高速公路机电网络升级项目,9.5亿,很明显面向通信运营商或者通信集成商。

现在是安防前几名的大华宇视科达都亮明了自己进军PPP的决心,只有海康威视未明确表态过,所以此次发布这个新闻,或许就有昭告天下之意,王者归来啦。

近日,全国无车承运人试点工作培训班在杭州市举行;部科技课题“交通运输物流信息交换基础网络与应用服务技术研发及应用”通过验收;清明假期间,部党组杨传堂书记和李小鹏部长分别到部交通运输综合应急指挥中心了解全国路网运行情况并做出工作要求;交通运输部发布了关于2016年度国家公路网技术状况监测情况的通报。阅读本文预计用时5分钟。

经过“公交都市”的创建,各地在城市交通设施建设的硬件方面取得了快速发展,但在行业治理体系和治理能力建设软实力方面,存在政府与市场边界不清、法规标准建设滞后、信息化治理手段不足、社会公众参与度低等突出问题,还存在行业服务质量不高,公交吸引力不强,比较优势未能充分发挥,行业可持续发展机制不健全等问题,这均提出了公共交通发展新要求。——刘小明

为避免重蹈“现代城市病”之覆辙,雄安新区应做好综合交通系统的顶层设计,建设绿色智慧交通系统。新一代智能公交系统、智能停车系统、智能交通管理系统、智能物流系统、智能共享单车系统等将会走进新区生活。——清华大学交通研究所所长陆化普

就政府而言,面对“智慧交通”网络体系的各种创新与变化,亟需建立与之相匹配的公共服务创新平台,通过政策支持、规范管理,尤其是“互联网+”思维与战略的引入,通过不同行业的平台力量,进行跨行业跨平台资源整合,最终进行整个产业链的培育。——北青报时评

跳不出固有的思维模式必将使路越走越窄,而互联网思维势必是我们车联网这个行业要推行的,也必将给我们带来前所未有的利益,未来颠覆这个产业的模式一定是互联网思维的结果。——中位科技于雷

3月29日,部科技课题“交通运输物流信息交换基础网络与应用服务技术研发及应用”通过验收。该课题是交通运输部首次组织实施的现代服务业领域综合性项目《区域物流资源共享服务平台研发和应用》核心组成部分,主要研究内容包括物流信息服务标准体系研究与制定及物流信息服务共享应用示范等五大部分。3月29日,青海省公安厅与省交通运输厅签订《信息资源共享框架协议》,双方将在车辆信息、交通违章记录、卡口监测、路况信息、城市公交信息等多个方面共享信息资源。自此,我省交通运输行业与公安行业两家主管单位将充分利用各自优势,构建政务共享、信息惠民、综合治理的信息资源共享机制,为进一步提升双方在行业监管、应急指挥、社会治理等方面的能力和水平打下坚实的基础。

4月1日,河南省交通运输厅发布了《2017年度河南省交通运输信息化重点工作任务及责任目标分解》,力争完成的11项重点建设任务包括:推进河南省治理货运车辆超限超载信息四级联网系统建设;加快河南省道路客运联网售票平台工程建设;推进河南省交通运输运行监测与协调指挥中心建设;年内完成郑州市城市公共交通智能化应用示范工程建设任务。4月1日,四川省交通运输科技创新暨信息化工作会议在成都召开。会议分别对2016年和2017年四川省交通运输科技和信息化工作分别进行了总结和部署。张琪副厅长要求:把握科技和信息化工作总体要求;强化科技创新支撑和引领作用;加快推进“互联网+交通运输”融合发展;;积极构建科技创新和信息化发展新机制。

4月2日、3日,部党组杨传堂书记和交通运输部部长李小鹏分别到部交通运输综合应急指挥中心了解全国路网运行情况。杨传堂书记要求,一要全力做好预警预判工作,进一步发挥综合应急指挥中心的作用;二是部路网中心、海上搜救中心、救捞局要根据各自业务把相关体系建设好,三家单位应协调联动,统一指挥;三是要进一步做好安全体系建设。

4月5日,交通运输部路网监测与应急处置中心官网发布了关于2016年度国家公路网技术状况监测情况的通报,通报显示,通过对全国普通国道和国家高速公路路况的随机抽查,对重点桥隧的抽查和巡查,对部分普通国道安全设施设置情况的评估,对部分危桥改造项目实施情况的督查,结果显示全国干线公路技术状况水平虽有升降,但总体良好,运行态势平稳。同时发布了2017年国家公路网技术状况监测实施方案。

4月5日起,重庆市启动高速公路超限超载货运车辆入口治理工作,禁止擅自超限超载历史违法行为未处理的货车驶入高速公路。目前,全市高速公路8个主线收费站入口安装了称重设备,并设置了违法超限车辆自动报警系统。违法行为未处理的超限超载货车进入高速公路入口时,系统将自动提示报警。

4月5日消息,江苏省公路局近日下发《江苏省普通公路信息化“十三五”发展规划》、《江苏省普通公路信息化“十三五”建设方案》,《规划》和《方案》指出,“十三五”期,全省公路部门将以“1346”为建设纲要,以“云、大、物、移”(云管端、大数据、物联网、移动互联技术)等新一代信息技术与公路行业的深度融合为核心,推进“智慧公路”建设,支撑和引领江苏公路基本实现现代化。

4月5日,北京千方科技发布公告称,近日接到其参股公司杭州交智科技有限公司的通知,获知其完成收购浙江宇视科技100%的股权。截至目前,交智科技注册资本为10,064.88万元人民币,千方科技持有交智科技3.2767%的股权。

4月6日,ofo小黄车联合交通部科学研究院对外发布《2017年第一季度中国主要城市骑行报告》。该报告以ofo出行大数据为参考,首次采用城市骑行指数作为评估指标,通过对单车使用水平、节能减排水平等六个方面进行综合评价,对北上广深等20座国内一二线城市的共享单车发展水平进行评估排名,北京位列骑行指数第一。4月6日,河南省交通运输厅组织召开了迎接交通运输部2017年度国家公路网技术状况监测工作布置会,对迎检工作进行安排部署。会议要求,认真准备迎接此次部路网监测工作,并及时总结迎检过程中好的经验做法和不足,以此次部路网监测为契机进一步促进提升河南省养护管理水平。

特朗普会不会趁机向习大大诉这个苦?看看美国高速公路政府审批有多难!

4月4月,加拿大媒体Global News发布了一段特朗普总统在建筑业和建筑公会座谈会上的视频,特朗普总统现场拉出一张7英尺高的大流程图,为大家现场图解了在美国审批高速公路需要的各种步骤。特朗普谈到,在美国修一条简单的高速路需要办理几百个许可证,花费10多年时间,最后还不一定通过。

在美国候任总统特朗普的施政框架中,5500亿美元的基础设施建设是其中的核心,他一直宣称要重塑一套可靠高效的美国基础设施,“我们将重建我们的基础设施,而且建成的道路、桥梁、机场、中转系统和港口要让全世界嫉妒,提高所有美国人的生活质量”,他曾这么表示。

想法很美好,现实很残酷。去年底,美国《华盛顿邮报》就给特朗普泼了盆冷水。该报根据各种政府来源的数据,制作了关于美国基础设施的六张地图,包括电网、桥梁、管道、铁路、机场、港口和内陆水道。

美国道路与交通建设商协会(American Road & Transportation Builders Association)2016年的一项研究发现,美国60万座桥梁中有近10%存在结构性缺陷。每个州都独自对桥梁进行检查,以确定桥梁是否存在不足,(包括那些跨越河流和小溪的桥梁那些跨越高速公路的桥)。这导致一个独特的问题——需要创造一套州与州之间一致的标准。

爱荷华州拥有最高数量的“有结构缺陷”的桥梁,当地超过20%(超过5000座)的桥被划入这一类,据国家桥梁库存数据库,这意味着桥梁“有一个或多个结构缺陷需要注意”;内布拉斯加州的问题是老桥太多,当地每5座桥中就有一座是20世纪30年代初建造的;特拉华州的桥梁虽然现代化得多,但是该州75%“有结构缺陷”的桥梁是在过去50年内建造的。

然而视频中,特朗普总统现场拉出一张7英尺高的大流程图,为大家现场图解了在美国审批高速公路需要的各种步骤。特朗普表示,在美国修一条普通的高速路需要通过17个机构,办理成千上百个许可证,整个过程可能要耗费10到20年时间。当经过重重关卡,千辛万苦终于走过了所有的申请程序后,还可能被投票否决。

据了解,特朗普在会上强调取消基建审批监管条例,呼吁砍掉图表上90%的审批。他尚未透露哪些监管将会被取消,但重申不会资助拖延时间、90天以内不能开工的项目。

因为不够安全,我们就必须拒绝自动驾驶汽车上路吗?

当提及自动驾驶汽车,汽车行业本身在追问,政府的规则制定者和安全倡导者们都在纠结一个基础的问题:究竟如何才是足够安全?这有点像是一场发生在汽车制造商和新科技的研发方式之间的争斗。

例如特斯拉,他们认为自己已经准备好上路了,并逐步增加产品中的自动驾驶技术的应用。而尝试新技术,前期必然可能会增加事故的伤亡率。然而特斯拉CEO埃隆穆斯克认为,如果仅仅是为了避免舆论压力或者害怕被卷进官司中而放弃使用这些可以增进驾驶安全的新技术,这在道义上是不对的。

然而,另一家公司Waymo(前身是谷歌的自动驾驶项目)坚持着更为保守的策略。Waymo认为自动驾驶汽车在确保其完全不需要人类介入前,不应该在市场上公开销售。

其他正在积极研发自动驾驶汽车的公司,对待这项新技术的态度则介于这两者之间。

他们正尝试回答这个自动驾驶技术发展亟需解决的基础问题:是否可以使用人类驾驶员作为试验对象?当自动驾驶系统失效了,人类驾驶员如何应对?是否要延迟这个并不完美的系统的市场投放?按照平均数据来说,自动驾驶比人类驾驶员更加安全。但是由于没有进行足够多的测试,无法判断这项技术应用可能会增加还是减少道路事故造成的伤亡人数。

丰田研究院CEO Gill Pratt表示,美国2015年发生了近3.5万起交通死亡事故,如果自动驾驶汽车和人类驾驶员造成同样多的伤亡事故,社会是不可接受的。“尽管我们的社会可以容忍人类自己犯错,但是总是期望机器比我们自己更可靠些”。

去年5月发生的一起由于特斯拉Model S用户使用Autopilot而导致的致命事故,为汽车行业和法规制定者敲响了警钟。不过美国国家高速公路安全委员会(NHTSA)对这场事故的调查认为并没有发现什么安全缺陷。

这是第一场由于特斯拉Autopilot系统“失职”导致的人身伤亡事故。但特斯拉辩解称“在明晃晃的天空背景下,不论是人类还是机器都很难分辨出前方对向车道上的白色卡车挂车”。特斯拉的Autopilot和其他类似的系统(梅赛德斯-奔驰,宝马和沃尔沃等车型搭载的驾驶辅助系统),被认为是自动驾驶的早期阶段。如果驾驶者不能正确认识到车辆的能力限制,这些谨慎适度的自动驾驶探索也有可能带来安全风险。

低阶的自动驾驶系统在紧急情况发生时,需要驾驶员能够接管车辆。像特斯拉、日产、奥迪等汽车制造商,都将人类驾驶员作为他们备用的安全系统。他们的逻辑是:如果在危急的时候人类可以可靠地接管车辆,就可以尽早逐步地应用这项技术而不必等到它完全成熟。

《消费者报告》认为:汽车制造商在应用这些系统的时候传递了混淆的信息,让消费者以为自己可以忽视警告将双手离开方向盘。人类驾驶员不应该作为被测试的小白鼠,车企需要在阐明系统的能力和极限上做更多的工作。

正如《消费者报告》的汽车测试总监Jake Fisher所说,“当你不再直接负责驾驶车辆的时候是很容易分心的。在汽车自己控制油门和转向的时候,假设驾驶员可以在接到警告信息的时候,能马上做出反应并及时接管车辆是不合理的”。《消费者报告》表示支持各种推动消费者需求和兴趣的新科技,但是安全总是应该作为第一考量的因素。

Waymo旨在制造一台没有踏板和方向盘的自动驾驶汽车,而不再把人类驾驶员当作后备支持。可以期待他们的车辆是足够安全的,至少在传感器故障的时候不会来个吓人的急刹车。但缺点是将这项技术做到完美,进而上市销售,尚需时日。

NHTSA(美国高速公路安全委员会)对于规范该领域创新的方式是尽量不挡道,但是汽车制造商们纷纷表示他们希望联邦政府能出台一些基础性的监管法规,这样每个州就不会继续发布相应独立的法律。于是该委员会在去年9月发布了15项自愿的安全测试,供希望在市场投放自动驾驶汽车的公司参考。例如,在何种情况下汽车可以采取自动驾驶,如何被测试以及怎样才是在技术设计上安全可靠。

目前来说,整个汽车行业对于这条规则的反馈是积极的。交通部长Elaine Chao在听证会上暗示了新的行政机构的态度,她认为政府的角色是对于安全和高效科技的催化剂,而不是一种阻挠。

此外,关于需要做多少测试也有一些不同的声音。卡耐基梅隆大学的电气与计算机工程副教授Philip Koopman认为 ,这项技术有如此多不确定性,所以需要验证接近十亿英里的驾驶测试数据来确保它的安全性,而且这些测试需要在同时有人类驾驶和自动驾驶汽车的繁忙道路上进行。Koopman同时表示他担心汽车行业正严重低估了在人工智能汽车上塑造安全性的难度。“有可能某些公司会将这些技术直接投放市场并孤注一掷,若是这个情况真的发生,会非常糟糕”。

谷歌开辟机器学习新方法:“联合学习”协同无数智能手机训练模型

在人工智能领域,谷歌总是带给人以惊喜。从机器学习的方法诞生至今,如何处理海量的数据一直遵循着一个标准的做法,那就是安排一台大型的服务器或建立一个数据中心来进行的统一的处理。而作为整个行业内的先行者,谷歌自然也毫不例外的建立起了最为强大、安全的云基础设施来处理数据。

 但改变总在进行,谷歌丝毫不满足于之前所取得的成就,又从用户的角度着眼,进行了全新的探索。近日,谷歌宣布了一种新的方法:联合学习,就此用户的手机等移动设备也可以参与到数据模型的训练中来了。

 联合学习使手机能够协同学习一项公开的预测模型,同时保留设备上的所有训练数据,这意味着在机器学习的过程中,计算能力与数据云存储的需求就此脱钩。同时,这也不同于以往的如运动视觉API和智能回复等使用本地模型进行训练的方法,训练效果也得到明显提升。 

 它的工作原理是这样的:您的手机等移动设备下载最新的模型,通过从手机上的数据学习来不断改进完善模型,然后将之归纳总结为一个小的更新。在该模型被加密发送至云端之后,其会与其他用户所做出的更新进行平均化处理,最后在越来越多的人的共同“雕琢”下,整个模型会更加趋于完善。在这一过程中,所有训练用的数据都不会被泄露出去,所以用户的隐私和安全将会得到保障。

联合学习流程:(A)设备本地学习(B)众多用户的更新被聚合(C)完成对模型的一轮更新,之后重复该过程

联合学习在确保以更低的延迟和更少的功耗训练更智能的模型的同时,也提升了个人隐私保护。而且这种方法还有另外一个直接的好处:除了提供对开放式模型的更新之外,还可以根据您使用手机的方式为用户提供快速的个性化体验。

谷歌团队目前正在Android系统上使用Google键盘上的 Gboard功能来测试联合学习方法。例如,当Gboard显示一条查询建议时,你的手机会将上下文信息以及你是否点击了这条建议存储在本地。而这个Gboard的查询建议模型会在联合学习过程中不断地迭代改进,使结果越来越“精准”——反映出用户的想法。

为了让联合学习成为可能,工程师们必须克服很多算法及技术上的难题。在传统的机器学习系统中, 类似于随机梯度下降(stochastic gradient descent)的算法需要在云端的各个服务器中摄取大量的数据输入,这些高度迭代的算法需要 低延迟,高流速的训练数据作 撑。但是在联合学习的设定中, 这些训练数据被分布在几百万台各式设备中进行运算。另外,这些设备普遍具有高延迟,低流速 的特性并且只对训练数据有效。 

这些带宽及延迟 的限制催生了我们的联合学习算法,和传统的联合SGD算法相比较,我们的算法可以将原有的通讯需求减少到十分之一到百分之一。最主要的创新点是充分利用移动设备中的冗余计算能力去计算那些高价值的更新而不是简单的微分计算。

正因为它可以用较少的迭代循环来生成高质量的模型,训练过程需要的通讯大大减少 。同样基于上传速度大大快于下载速度的原因,我们提出了一个新的算法通过随机循环及量化压缩更新从而实现减少上传损耗。 虽然这些算法主要集中在训练深度神经网络上,我们同样设计了解决高维零矩阵模型的算法,比如解决评分预测的问题。 

在几百万台不同步的运行Gboard( 歌针对iOS设备开发的虚拟键盘)手机上运行这种算法需要一套尖端的科技装备。每台手机上都有一个微缩版的TensorFlow系统。精确的规划使得训练计算只会发生在设备空闲、充电中并且有免费Wi-Fi连接的时候,所以这对用户使用手机没有任何影响。 

接下来系统需要进行通讯并通过一个安全,高效,可升级,容错率高的方式将模型升级进行整合。只有通过这种结构,联合学习才有可能实现。 

联合学习不需要把用户数据储存到云端,但我们不会在这止步。我们已经开发出一套运用加密算法的安全整合协议,只有服务器收到成千上百用户的信息之后才会进行解码,个人的信息是不会被涉及的。 

这是全世界第一 套兼顾神经网络实用性和现实世界连接限制的算法协议。我们设计了联合平均算法所以中央服务器只需要做平均的更新,这也使得模型的安全整合得以应用,并且协议通用性很强而且可以应用到很多别的问题的解决上。我们正在努力部署这种协议并且期望在不远的将来开始投入使用 。 

我们现在的工作其实也只是接触到了可能性的表层。联合学习并不能解决所有的机器学习问题( 如识别狗的品种),并且对于别的模型来说所需要的训练数据已经被储存在云端 ( 比如训练垃圾邮件分类所用到的邮件数据)。

所以谷歌将持续在基于云平台的机器学习领域中进行投入 ,但同时我们也会继续联合学习的研究以期用它来解决更多的问题。除了Gboard的领域外,我们同样希望基于你的实际键盘输入和对照片的分享删除来改进模型从而增强你的键盘输入法和照片排列顺序。 

联合学习需要机器学习研究员采用新的工具和思维模式:模型开发,训练以及无法基于新数据的算法评估(因为获取新数据有通讯限制)。我们相信基于用户能从联合学习中受益的现实,我们目前的努力是值得的,并且我们正在和机器学习研究者们进行广泛的沟通和交流。

用云端大脑优化算法,这只机械手正成为仓库拣货新霸主

在马萨诸塞州萨默维尔一个工业大厦内,一条直径10米的环形传送带正繁忙地运转着。而在输送带的边上,一只机械手全天无间断地从上面捡起各种杂物,有洗发水瓶、洋葱、剃须膏和罐头等。

这个场景看起来很奇怪,其实是工厂正在对一个自动拣货系统进行测试,将来可能用该系统替代目前仓库中那些基于手动拣货的重复性工作。这种自动拣货系统以机器人为平台,结合计算机视觉,可实现远程操作以及机器的云协同学习能力,在未来几年可能会颠覆整个仓储配送业。

这个机器人拣货平台称为“RightPick”,来自一个名为RightHand Robotics的创业公司。它的终端是一个混合型夹具,通过与机器学习算法相结合,从而实现更快更稳定地抓取各种物品。RightPick的应用被定位于不同行业的履行中心,涵盖制药、电子、食品和服装领域。

2017年初,DT君的美国同事Will Knight访问了RightHand Robotics,当时该公司的共同创始人Yaro Tenzer和Leif Jentorf向他展示了其开发的几个样机。除了前面的传送带系统,另一个系统还可以为客户提供打包化妆品的定制服务。RightHand Robotics的系统可以从放置在圆盘上的不同箱子中抓取客户所需物品,他们还展示了系统如何把物品从这个箱子移到另一个箱子,从而拿到某个特定物。

对人类来说,捡起同一个箱子里的不同物品并非难事,因为我们即使看不全某个东西,也能够轻松地判断它的外形和材质,毕竟,人类也积累了多年的抓取经验。但是,对机器人来说,这却是非常大的挑战,尤其当它需要抓一个全新的、陌生的物品时。正因如此,堆放着五花八门的货物的履行中心很难实现全自动拣货。即使是电商巨头亚马逊,也只实现了部分自动化。

RighHand的拣货系统所用的机器手由三个顺从型手指和一个位于中间的吸盘构成。这只手上还装有摄像头,用以判断如何抓取物品。该公司利用机器学习不断优化机器人的控制算法,并且将优化后的结果上传到云服务器,供其它机器人运行时参考。

另外,该公司的工程师们还可以通过登录系统,远程解决问题或者训练机器人抓取新物品。纵然很难测量这样一个系统的可靠性和速度或者评价它将抓取新奇物品的方法,但是,当它抓取那些普通用品时,其速度和人类的速度并无二致。

来自加州大学伯克利分校的Ken Goldberg教授是机器人视觉、机械臂和机器学习方面的专家。他说,让机器人在一个堆满杂物的箱子里翻找东西十分困难,所以RightPick机械手的表现十分优异,更不用说他们还能通过云端机器学习让机器人的算法随着时间推移不断优化。Goldberg教授认为,“这种方法是非常巧妙的”,并且夸赞RightHand公司的员工都“相当聪明”。

在4月初,RightHand获得了来自创业基金Playground Global的800万美元A轮投资。该投资公司总部位于硅谷的Palo Alto,其创始人Andy Rubin曾负责开发谷歌安卓手机操作系统,后来主导收购了多家专注于开发机器人技术的创业公司,从而成功进入机器人领域。

RightHand的两位创始人Tenzer和Jentoft都曾在哈佛的Biorobotics实验室学习,公司部分早期员工也都来自耶鲁大学和麻省理工学院的机器人实验室。

在过去的一年多时间里,为了证明其拣货系统的可靠性,RightHand一直与一些大型物流公司和零售商保持合作。正是其技术优势和商业运作成果引起了Playground Global的极大兴趣。

“这是一个很好的机会,这些以软件为核心技术的硬件产品将建立一个良性循环资金链,从而引起网络效应”,Playground Global的合伙人Mark Valdez说。

除亚马逊外,还有很多公司也在尝试开发能从杂物中拣出所需物品的机器人。加州伯克利的Goldberg教授说:“这正是机器人领域当下的研究前沿”。

网易科技等

共享单车维修站坏车堆积如山 延绵数百米越修越多

2017年4月7日,记者在朝阳区南十里居路看到,大量ofo“小黄车”被堆放在路西侧,约有两米高,300米长。车辆堆积如山,据了解,这些都是损坏了的共享单车,十几位工人师傅们在此处修理。

4月6日,拍客来到北京朝阳区的一个共享单车维修点,长约一公里,小黄车堆积如山。一位经常路过的市民表示,维修点单车越修越多,很多座位车轮被拆。

专家称2027年人工智能将像人的大脑一样运行

网易科技讯4月7日消息,波士顿深度学习公司Neurala首席执行官麦克斯?凡塞斯(Max Versace)在科技博客网站VentureBeat撰写文章称,2017年的人工智能(AI) 将像人类和动物的大脑一样运行,其能力将远超今天的人工智能,从而能为我们人类完成更复杂的任务。文章全文如下:

让我们暂停一秒钟,看看窗外的鸟、松鼠,甚至昆虫。这些生物体都在执行复杂的任务,包括感知食物和威胁,在树木周围巡查,以及跟踪或躲避其它动物。这些虫子和小动物可以轻松做到的事情,目前地球上没有任何一台机器人或无人机可以做到。

虽然“自然”的智慧是丰富多样的,但今天的人工智能仍然非常原始。目前,人工智能工具仍然还是“半成品”,它们的设计和构建(编程)主要针对一项特殊目标,并且相对比较简单。例如,管理着无人机、无人驾驶汽车和玩具的代码和传感器,在众多需要执行的任务中通常仅专注其中一项——导航、目标识别或语音识别等。

由于这些应用类似于生物有机体,人工智能需要一个“大脑”。目前人工智能的设计和构建,旨在实现某一狭窄、独立的功能。你可以称之为“烟道式”功能,其中每项功能在处理过程中是断开并独立的。这意味着人工智能可以击败人类的国际象棋冠军,但在面对全新场景时往往会崩溃。与人工智能的国际象棋手不同的是,人类的国际象棋冠军不仅可以高质量地完成比赛,而且还可以进行一些其它需要大量处理和判断过程的活动,比如站起来、开车、与他的孩子聊天、听音乐、画画等等。所以,当你将人工智能的能力与人类甚至是动物的大脑功能进行直接比较时,你可以发现我们在人工智能方面还有非常漫长的路要走。在科技时代,我们还处于“洞穴人”阶段。

我们今天拥有的人工智能与2027年的人工智能的主要区别是,后者将更像人类和动物的大脑一样运行,其能力将远超今天的人工智能。地球上的生命处理信息的过程不是“烟道式”的,而是利用了多种感官;我们人类能同时根据多个复杂因素做出决策,以帮助我们取得最佳成果。

以老鼠的大脑为例。即使是最小动物,其大脑已经进化到足以解决各种复杂的问题,例如寻找食物,避开捕食者,并与其它动物互动。老鼠的大脑仅约两克重,但能将导航功能与视觉、嗅觉和触觉(通过胡须)等功能整合起来,从而可以完成感知、规划、导航和避开障碍物等任务。在老鼠的大脑中,这些分开的功能最终能整合在一起,为面临的任务提供了一个“整体解决方案”。动物(以及人类)大脑的秘密在于,它们发现了一种在同样低功耗容器中共同运行这些技能的方法。

这种“共同运行”就是我们所说的“全脑”方式,而这种新模式就是人工智能前进的方向。“集成处理(Integrated processing)”将变得普遍,软件、人工智能和人类(动物)智慧之间的界限会变得模糊不清。正如人类或动物的大脑进行有效和自主运行时,依赖并整合了大脑多个区域,明天的人工智能将利用集成、深度的学习方法和边缘处理功能,来日益实现实时解决问题。

通过将多项人工智能内置于同一个容器或单个计算模块中,由于系统之间的协同作用,人工智能系统将获得更好、更快的性能。这将使人工智能可以完成抽象的推理过程,允许机器执行复杂、非直观的操作,从而使它们更接近我们人类。

例如,人工智能和软件之间的界线越来越模糊,将让运输更加容易和安全。今天的无人驾驶汽车采用“烟道式”处理方式,一次添加一个传感器或模块,然后将所有这些处理信息流整合起来,希望它们能发挥作用。而人类能协同整合多种战术规划——不仅仅是“看!前面有一个坑!” ——这包括:

(1)高层次导航:“我知道那里有建筑物; 我通常在这里右转。”

(2)远程避免碰撞:“那辆车很危险。我会保持距离。“

(3)高层次规划:“我最好走那条路,因为它可能会有更少的车辆。”

虽然传统的方法将导致难以整合的软件和硬件组件之间产生难以控制的冲突,但“全脑”人工智能方法利用拥有模拟突触的人造神经元,其处理信息的方式几乎像人类大脑一样。

另一个例子是我们与美国宇航局(NASA)的合作。当Neurala与美国航空航天局合作设计一种“老鼠大脑”, 在模拟的火星环境中引导火星漫游车(Mars Rover)时,我们遵循了这种“全脑”的方式,因为我们只能依赖少量的计算能力,只能提供一个解决方案——它不仅需要将所有这些功能整合在一个容器中,而且还要可以有效地执行。

即使今天的“管道式”人工智能,也正在让与我们交流的软件和机器变得更优秀,在我们生活的许多方面提高了生产力。而随着人工智能开始模仿人类和动物高级的大脑活动,它将成为一种越来越有用的工具,能够实时解决问题,并拥有人性化的决策能力。未来10年,这种能使微不足道的老鼠看起来像天才的集成处理方式,将是一种能为所有人带来好处的人工智能。

最新学术论文

1)TransportationResearch Part A: Policy and Practice

Volume 96,  (February  2017). 第1篇

Samuel Borges Barbosa, Marcelo Gitirana Gomes Ferreira, Elton Moura Nickel, Jorge Alcides Cruz, Fernando Antônio Forcellini, Jéssica Garcia, José Baltazar Salgueirinho Osório de Andrade Guerra, Multi-criteria analysis model to evaluate transport systems: An application in Florianópolis, Brazil[J]. Transportation Research Part A: Policy and Practice, 2017, 96: 1-13.


2)TransportationResearch Part B: Methodological

Volume 97,  (March  2017). 第5篇

Fan Wang, Xiaopo Zhuo, Baozhuang Niu, Jiayi He, Who canvasses for cargos? Incentive analysis and channel structure in a shipping supply chain[J]. Transportation Research Part B: Methodological, 2017, 97: 78-101.


3)TransportationResearch Part C: Emerging Technologies

Volume 75,  (February  2017). 第2篇

Meng Zhou, Donggen Wang, Qingquan Li, Yang Yue, Wei Tu, Rui Cao, Impacts of weather on public transport ridership: Results from mining data from different sources[J]. Transportation Research Part C: Emerging Technologies, 2017, 75: 17-29.


4)Transportation Research Part D: Transport and Environment

Volume 51, (March 2017). 第11篇 

Ya Wu, Li Zhang, Can the development of electric vehicles reduce the emission of air pollutants and greenhouse gases in developing countries? [J]. Transportation Research Part D: Transport and Environment, 2017, 51: 129-145.


5)Transportation Research Part E: Logistics and Transportation Review 

Volume 99, (March 2017). 第4篇

Saeed Asadi Bagloee, Majid Sarvi, Brian Wolshon, Vinayak Dixit, Identifying critical disruption scenarios and a global robustness index tailored to real life road networks[J]. Transportation Research Part E: Logistics and Transportation Review, 2017, 98: 60-81.


6)TransportationResearch Part F: Traffic Psychology and Behaviour

Volume 45, In Progress (February 2017). 第10篇

Xiaotian E, Jingyu Zhang, Holistic thinking and air traffic controllers' decision making in conflict resolution[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2017, 45: 110-121.


7) Accident Analysis& Prevention

Volume 99, In Progress (February 2017). 第11篇

Helen E. Clark, John A. Perrone, Robert B. Isler, Samuel G. Charlton, Fixating on the size-speed illusion of approaching railway trains: What we can learn from our eye movements[J]. Accident Analysis & Prevention, 2017, 99(A): 110-113.


8)《交通运输工程学报》Journal ofTraffic and Transportation Engineering

2016年06期. 第 15篇

郭爱英,徐美华,冉峰,等.基于CS-SD的车载环境下实时行人检测模型[J].交通运输工程学报,2016,16(06):132-139.

GUO Ai-ying,XU Mei-hua,RAN Feng,et al.Model of real-time pedestrian detection under vehicle environment based on CS-SD[J].Journal of Traffic and Transportation Engineering,2016,16(06):132-139. (in Chinese)


9)《中国公路学报》China Journal of Highway and Transport

2016年12期. 第20篇

袁勇, 禹海涛, 燕晓, 徐国平, 苏权科. 超长沉管隧道多点振动台试验模拟与分析[J]. 中国公路学报, 2016, 29(12): 157-165.      

YUAN Yong, YU Hai-tao, YAN Xiao, XU Guo-ping, SU Quan-ke. Multi-point Shaking Table Test Simulation and Analysis of a Super-long Immersed Tunnel[J]. China Journal of Highway and Transport, 2016, 29(12): 157-165. (in Chinese)


10)《交通信息与安全》Journal of Transport Information and Safety

2016年06期. 第5篇

邢小亮,崔降龙,李璨,陈雨人. 高速公路右侧硬路肩宽度对驾驶行为协调性影响研究[J]. 交通信息与安全, 2016, 34(6): 30-36.

XING Xiaoliang, CUI Xianglong, LI Can, CHEN Yuren. An Analysis on Effects of Right Shoulder Width of Highways on Coordination of Driving Behaviors[J]. Journal of Transport Information and Safety, 2016, 34(6): 30-36. (in Chinese)

武理工智能交通

长按 识别 关注


Views
Loading

文章有问题?点此查看未经处理的缓存