導(dǎo)讀

關(guān)鍵詞：

人工智能（Artificial Intelligence,AI）、機器學(xué)習(xí)（Machine Learning,ML）、強化學(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）、自動機器學(xué)習(xí)(Auto ML)、生成對抗網(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“隨機網(wǎng)絡(luò)蒸餾（RND）”，技術(shù)激勵RL代理探索不可預(yù)測的狀態(tài)。

2.《星際爭霸2》

AlphaStar使用了多智能體訓(xùn)練算法，有效地創(chuàng)建了一個相互競爭的智能體聯(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)合了個體智能體開發(fā)的最有效的策略組合。

3.《雷神之錘III競技場奪旗》

通過使多個代理獨立學(xué)習(xí)并采取行動來相互協(xié)作和競爭，可以實現(xiàn)人員水平的績效。代理僅使用像素和游戲點作為輸入。

4.OpenAI5性能進一步提高

OpenAI的Dota2的每個機器人都是一個單層，4,096個單元的LSTM，可讀取游戲狀態(tài)并通過自彈式RL進行訓(xùn)練（相對于自身為80％，較舊版本為20％）。

5.計算方面的改進是OpenAI5競爭性能的當(dāng)關(guān)

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

2.計算機視覺預(yù)測模擬和真實世界來學(xué)習(xí)靈活性

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

3.好奇心驅(qū)動的探索

通過反復(fù)試驗來學(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)劃的動力學(xué)模型

從圖像中學(xué)習(xí)環(huán)境動態(tài)模型，并通過快速預(yù)測多個時間步長的收益，通過快速的在線計劃選擇行動。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，并且計算時間相似。

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)的無標簽文本）上進行預(yù)訓(xùn)練的語言模型

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

3.無bitexts的機器翻譯發(fā)展迅速

4.各大企業(yè)對用于實際產(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)隱私并保護已部署的ML系統(tǒng)免受攻擊

1.診斷眼疾

專家級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)實現(xiàn)的。

2.使用心電圖檢測和分類心律不齊

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

3.從腦電波中解讀想法

與機器學(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)解碼器對四肢癱瘓患者的前臂進行長期修復(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1,240萬個反應(yīng)來解決逆合成。這種方法比最先進的計算機輔助綜合計劃要快得多。

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，最大化網(wǎng)絡(luò)性能。

2.設(shè)計具有實際設(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的多目標方法（MnasNet），以找到具有低真實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身體，目前用于零售目的（右）。

1.從單個圖像學(xué)習(xí)對象的3D形狀

2.對過去25年中對16,625篇AI論文的分析顯示，出版物輸出的巨大增長以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.大型科技公司高級工程師的薪酬接近1,000,000美元。另一方面，每小時$1.47的數(shù)據(jù)標簽工作大幅增長。

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)標簽工廠”也有了大幅增長。

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

歐洲發(fā)表AI論文最多，但只有中國的平均被引用率在增長。

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

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

3.五個國家（美國，中國，英國，德國和加拿大）占作者總數(shù)的72％。

4.AI人才的流入和流出

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

1.對AI主題的全球風(fēng)險資本投資以每年超過$27B的速度增長

2.大型科技公司繼續(xù)吞噬AI優(yōu)先初創(chuàng)公司

3.機器人流程自動化:一夜之間的企業(yè)成功(15年的醞釀)

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

1.清潔和店內(nèi)操作

2.波士頓動力公司機器人的進步

3.大企業(yè)用機器人制造機器人

4.全棧初創(chuàng)企業(yè)進入制造市場

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

6.亞馬遜推出了更多用于物流和分揀的倉儲機器人

1.當(dāng)現(xiàn)場視音頻飛行員在加利福尼亞乃至世界各地成長時，有幾名玩家撤退，導(dǎo)致錯過了幾個發(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倍的下一個最佳性能（GMCruise）和16倍的第3最佳性能（Apple）

3. 2018年，自動駕駛汽車公司的行駛里程達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“嚴重駕駛不適”，自動駕駛路線比人類駕駛的同類路線要長80%，以及在備受矚目的投資者測試中出現(xiàn)的故障。

1.AI專利家族的增長速度超過了AI科學(xué)出版物。

2.計算機視覺是最受歡迎的專利領(lǐng)域。在計算機視覺中最受歡迎的領(lǐng)域是生物識別(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.公平競爭和雙重標準。

美國人不贊成以競爭為目的的AI技術(shù)，但是一旦對手開始開發(fā)AI技術(shù)，這種情況就會改變。

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

4.人口屬性的激勵

人口屬性對開發(fā)高級機器智能的支持差異很大。

1.“德國制造的AI”

計劃宣布到2025年投資30億歐元。、

2.芬蘭的“1%”AI計劃

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

3.歐盟AI計劃

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，實現(xiàn)差異化。

4.美國新對策

將出口管制應(yīng)用于機器學(xué)習(xí)，包括“深度學(xué)習(xí)”、“強化學(xué)習(xí)”和“計算機視覺”。并暗示美國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.機器算法中的性別偏見

6.AI的倫理道德問題

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

在中國，機器人正在推動自動化倉儲。京東的上海物流中心每天使用自動化倉庫機器人來組織、挑選和運送20萬份訂單。工廠由4名工人照管。京東的倉庫數(shù)量和表面積同比增長了45%。

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

2.中國的雙重專利制度使其專利領(lǐng)先于其他國家。

中國的發(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)計專利和61%的5年實用新型專利被放棄。相比之下，美國5年專利的維護費占85.6%。

中國公布的ML研究報告數(shù)量已經(jīng)超過美國。艾倫研究所最近的一項分析顯示，中國在質(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.高等教育機構(gòu)建立專門建立的AI本科學(xué)位以填補人才空缺。

5.量子計算硬件方面取得重大突破。

6.對AI的治理將有初步實質(zhì)性進展。