尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
選文&評論 | 丁建峰 謝晟昆 李韓超
校對&編輯 | 李韓超
泡泡機器人推廣內容組編譯作品
Mapper推出首款用於自動駕駛汽車的機器地圖 On-Demand Maps
最近，Mapper推出了其首款產品：On-Demand Maps 。該產品為開發人員和自動駕駛汽車公司提供了機器可讀的地圖，Mapper採用的是眾包的模式，雇傭Uber或Lyft上的司機，使用他們自己的汽車，Mapper提供地圖設備，改造成本約350美元。用一種包裹著汽車後視鏡的設備，有四個機器視覺相機和傳感器，可以測量線性和角度運動。另一個在汽車車頂上，由兩個機器視覺錄影頭，運動傳感器和一個簡單的雷射雷達組成。司機使用該設備來映射密集的城市街道，因為雷射雷達擅長捕捉三維結構的幾何形狀。該公司聲稱其方法捕獲的精確度在5公分以內。那麼什麼是機器地圖呢？機器不會在乎漂亮的界面，夜間模式或者特別的字體。機器地圖只是對機器導航目的地必不可少的信息匯總。它包括汽車周圍世界的最新3D模型，以及在3D數據之上分層的語義信息層。Mapper是第一個機器地圖的端到端提供商，它通過收集地理數據，將數據轉換為高質量地圖，並通過訂閱服務大規模向開發商合作夥伴提供地圖。Mapper正在構建世界上最大最新的3D機器可讀基礎地圖庫，使客戶能夠決定他們需要映射哪些城市，以推動業務發展。Mapper的地圖以較高的精度來捕捉所有車道和交通系統的街景和位置的基礎幾何圖形。盡管這種眾包地圖的方法可以更快的構建出機器地圖數據庫，但是目前國內的政策並不允許這麼做。Mapper的商業化成功與否，都會對國內地圖繪制趨勢產生不小的影響。
無人駕駛汽車道德問題，我們需要的不僅僅是數據
無人駕駛汽車中的道德問題，一直以來是學界爭論的焦點。當致命的撞車事故不可避免，我們希望無人駕駛汽車如何決策？最近一篇名為「The Moral Machine experiment」的文章就針對這個問題做了詳盡的調研。來自233個國家的近4000萬人在網上填寫了調查問卷，問卷內容是在假設的無法避免的撞車事故中，你決定犧牲誰。這是經典的「小車困境」問題—在緊急情況下，如何考慮人們的優先順序。
一些直觀的發現：對於絕大多數參與者，人比動物的優先級高，年輕人高於年長的，多數人優於少數人。但調查也發現了一些令人不安的偏好：女性的優先級高於男性，高管優於無家可歸的人，肥胖的人也一樣。這個實驗在範圍和複雜性方面都前所未有，能幫助研究者們更好地了解世界各地的人們在這種困境中的偏好，但同時作者也告誡研究者不要將結果作為自動駕駛汽車的簡單指南。這份調查使用了涉及兩個特定結局的困境：要麼撞到嬰兒車，要麼側轉撞向老人。但實際的決定涉及很大的不確定性：你可能無法確定前面的是個小孩還是個子較小的成年人，撞車是否致死，在高速行駛下的轉向是否仍起作用。計算機可能會做出更好的預測，但這個世界本質上是「不確實的」，在某些情況下，要麼這個要麼那個的人性偏好只是告訴我們應該做什麼。像這樣的道德調查實驗無法衡量我們希望選這個的程度，比如選擇撞小孩的可能性是10%，撞老人是50%。從字面上看，無人駕駛汽車的每一個選擇都是在不確定的情況下做出的，這和人有很大的差距。
像這樣的研究本質上是有趣的，作者非常清楚地知道研究的目標和局限，在這些的基礎上，我們需要更多地思考如何在不確定性下權衡我們的道德決策，並認真對待共同決定人工智能的未來的任務。
本田與MIT等合作研究類人AI系統
現階段的人工智能系統像人類一樣可以自我學習的人工智能系統似乎仍然遙不可及，但已經開始得到了一些研究機構的關注。本田位於美國的研究所最近宣布與三所頂尖的學術機構-MIT，賓夕法尼亞大學和華盛頓大學合作，共同推動認知人工智能領域的發展。
本田稱這樣的系統為「好奇型機器(Curious Minded Machines)」。具體來說，MIT的計算機科學與人工智能實驗室(CSAIL)將集中研發能夠感知預測未來的系統-通過感知周圍環境，預測未來行動帶來的影響；賓夕法尼亞的工程部門將和華盛頓大學Paul G.Allen帶頭的團隊共同開發生物學和感知機器人模型，以在人類環境中安全地工作。「我們的最終目標是創造出能夠與周圍環境互動並不斷自我學習的新型機器人」本田研究所的首席科學家Soshi Iba說，「這種機器基於「好奇心機制」，對學習和知識產生興趣，通過了解人們的需求，並與周圍的環境和其他人互動，不斷完善改進自我，最終為解決複雜的社會問題提供服務」。
「好奇型機器」是本田早期的協作機器人領域的研究成果擴展而來。早在13年，本田就推出過基於Asimo的災難救助機器人，四年後，更推出了E2-DR，不僅能夠爬樓梯和梯子，還能對周圍環境監測從而避開障礙物。
盡管學界普遍認為由於缺乏通用的范式，認知機器人或許永遠無法觸及真正的類人AI，同時也有很長的路要走，但本田無疑開了一個良好的開端。
Google利用AI幫助殘障人士更好地使用藝術創作工具
美國有超過5600萬殘疾人，身體上的殘疾不僅給日常生活帶來了極大的不便，也限制了這些人使用互聯網服務。為了幫助殘障人士便捷地訪問互聯網，使用一些互聯網創作工具，Google與紐約大學宣布了一項名為Creatability的研究計劃，探索人工智能(AI)如何能夠幫助盲人，聾人和有身體殘疾的人們，為他們提供無障礙的互聯網服務，尤其是那些藝術創作人員。
所有的研究項目都可以在官網上訪問，同時Google也開源了代碼，以促進開發人員開發出更有價值的實驗性工具。得益於目前深度學習神經網路的強大學習能力，如PoseNet-一個基於Tensorflow的機器學習模型-用於實時準確的圖像和視頻人體姿態檢測。使用現成的網路錄影頭，你就可以用你的臉或鼻子敲出一個曲調，將數字和聲音轉化為草圖，讓手部殘疾的人也能進行音樂創作。Google表示，其與無障礙社區的創作者們合作建立了這個項目。包括聾人作曲家Jay Alan Zimmerman，盲人科學家和設計師Josh Miele，以及Open Up Music的創始人Barry Farrimond 和 Doug Bott，他們與年輕的殘疾音樂家們合作建立了這個包容性的管弦樂隊。
這不是第一次AI用來幫助建立無障礙的產品。例如Google的DeepMind部門正在研究利用AI為聾人用戶生成隱藏式字幕。 在2016年與牛津大學的研究人員進行的一項聯合研究中，科學家創建了一個明顯優於專業唇讀者的模型，在200個隨機選擇的剪輯中，單詞識別正確率為46.8％，遠高於專業唇語翻譯員的12.4％。
AI作畫拍出40W美金
在上周結束的佳士得畫與復制品拍賣會上一副AI創作的肖像畫拍出了43萬美金（300萬人民幣）的高價。這幅叫做Portait of Edmond Belamy的肖像畫是由一家巴黎的藝術品收藏公司Obvious通過AI算法和15000張十四到二十世紀的肖像畫的數據生成的。這幅畫在10月23-25日的佳士得的畫和復制品拍賣會上以43.25萬美元的價格成交，成交價接近起拍價的45倍。這也是第一幅在世界主要拍賣行里第一幅成交的AI畫作。Hugo Caselles-Dupré（Obvious公司的人工智能專家）解釋說這幅畫作是他們團隊通過GAN（生成對抗網路）算法製作出來的。在畫的簽名部分寫的是用來生成這幅畫用到的算法公式。AI作畫已經不是新聞，這次拍賣會還是賦予了AI的畫作一定的藝術和市場的價值。
第一款由AI設計的香水
IBM研究部和德之馨(Symrise 世界第三大香精香料公司）宣布在他們經過一年的秘密合作後製造出第一款由AI設計的香水。這個叫PhilyraAI工具通過學習德之馨的170萬個香料配方的數據集從中發現空白區域並且提出新的可能的配方。不僅如此它還會提出一些以前從來沒有想到過香料的搭配。
這次AI的介入可以認為是香水工業從19世紀末期開始使用芳香分子之後至今技術上的重大創新。發明新的香料配方通常被人為是一門藝術也是一個很漫長的過程，通常需要6個月到4年左右的時間。由於AI的加入，這一過程被大大的縮短。
IBM和德之馨目前受到巴西的一家大型化妝品日用公司 O Boticário 委托去為00後的目標客戶發明兩款香水配方。IBM和德之馨通過這款AI系統產生了數個配方，然後在通過調香師從中最終確定出兩款香水。通過一系列的用戶測試，O Boticário決定將於明年發售這兩款史上第一次由AI設計的香水。
一種因機器學習而誕生的LED熒光粉——硼酸鋇鈉
10 月 22 日，化學系教授 Jakoah Brgoch 及其實驗室成員在 Nature Communications 期刊上發表了一篇論文，這篇論文介紹了通過使用機器學習算法而誕生的一種LED熒光粉——硼酸鋇鈉。該項目強有力地證明了機器學習對開發高性能材料有很大價值，高性能材料領域通常由試錯和簡單的實證規則主導。機器學習算法可以告訴我們應該看哪里，並指導我們的合成實踐。該項目從 Pearson 的晶體結構數據庫（Crystal Structure Database）中列出 118287 種可能的無機熒光粉化合物開始；而機器學習算法將這一數字削減到 2000 多。過了 30 秒後，它又生成了一份只有 20 幾種可能材料的清單。該項目的研究人員表示表示如果沒有機器學習，這個過程要花費數周。由此證明了機器學習能極大地加速發現新材料的過程。這項研究是研究者們使用機器學習和計算發現變革性新材料的努力之一。
