“云游”进博｜毫米之间！智慧关节机器人现场演示关节置换2021-11-07 17:13 澎湃新闻记者 张呈君 陈斯斯 编辑 田瑞玥 实习生 卫梓茂 来源：澎湃新闻11月7日，在第四届进博会医疗展区，医疗科技公司史赛克在其展台举行了一场Mako智慧关节机器人展示会，工作人员只需操作主机，就可以将截骨手术精准控制在毫米之间。 责任编辑：张新燕 校对：栾梦11月7日，在第四届进博会医疗展区，医疗科技公司史赛克在其展台举行了一场Mako智慧关节机器人展示会，工作人员只需操作主机，就可以将截骨手术精准控制在毫米之间。

CLEANSE 机器人，用于地铁或商场等公共场所的消毒。这种在独立驱动轮上移动的自动机器人装置大大降低了公共交通中空气传播疾病的风险。

水下机器人领航员：圆梦深水大气田韩超是2007年加入中国海油工程的一名ROV（水下机器人）领航员。ROV在复杂的水下环境操作困难，通过不断研究，2016年他成为拿到ROV总监证书的国内第一人。

这是一款为Zetabank公司设计的自主机器人，旨在借助机器人让人类生活更安全、更健康。

面向消费的协作机器人：制茶拉花样样行2021-07-11 18:10 澎湃新闻记者 冯元晴 来源：澎湃新闻7月7日，上海，世界人工智能大会，节卡机器人发布了新款MiniCobo协作机器人，这是一款小型6轴机器人，操作界面简单直观，适合消费、服务、教育、新零售等领域。 责任编辑：是冬冬7月7日，上海，世界人工智能大会，节卡机器人发布了新款MiniCobo协作机器人，这是一款小型6轴机器人，操作界面简单直观，适合消费、服务、教育、新零售等领域。

送药上门 日本“送药机器人”试运行央视网消息：近日，日本神奈川县进行了“送药机器人”的运行试验。这款机器人可以自动行驶，最高行进速度为小时4公里，和人步行的速度相当。医生开好处方后，机器人可以将处方药送到附近的患者家中，若行驶途中出现紧急情况，机器人控制中心还可以进行远程操控。编辑：张紫曦

【解说】近年来，随着科技的发展，中国减震减灾能力不断提升，人工智能、超算等前沿科技被越来越多应用于防震减灾工作中。中国科学技术大学张捷教授团队与中国地震局合作，推出世界首个人工智能地震监测系统——“智能地动”监测系统，可1秒内精确估算地震震源机制参数。3月11日，在中国科学技术大学地球和空间科学学院，团队成员朱慧宇为记者揭秘“一秒钟”背后的科学。【同期】中国科学技术大学地球和空间科学学院张捷教授课题组成员、博士后朱慧宇“智能地动”是我国甚至世界上第一台人工智能的地震实时监测系统，它是应用人工智能技术，可以实时地、自动地去检测地震，发布地震的信息。我们这个“智能地动”系统可以在一秒钟之内获得的地震三要素时空墙以外，还可以获得震源机制，就是它破裂的断层、方向这些信息。【解说】据了解，“智能地动”是一套人工智能软件系统。传统监测系统多由人工参与，耗时长。与传统监测系统不同，它有深度学习能力，能够根据数据库中汇集的上百万个地震资料，结合地震学理论，快速处理正在发生的地震数据。不仅可推断断层的破裂方向、速度等，还可以帮助预测海啸、强余震的可能分布等。【同期】中国科学技术大学地球和空间科学学院张捷教授课题组成员、博士后朱慧宇我们这个系统是一个开放性的平台，我们现在就是在不断地优化这个结果，提高它的时效性和准确性。同时我们也希望这个系统是有更多的、多元的分析的信息，比如说加入到其他的一些成果，可以加入到我们系统，为我们这个地震的监测和灾情的评估，既有一个多方位的实时化的检测和分析。【解说】准确定位地震和推断破裂机制是地震监测的难点。目前世界各地地震监测台网在地震速报信息里只有发震时刻、震级、地点和深度，不包括震源机制参数，通常地震发生几分钟或更长的时间后才能报出。“智能地动”系统可以直接根据地震波形来记录、推断位置与深度。同时，借助强大记忆数据库，系统能在1秒内精准估算地震震源机制参数。【同期】中国科学技术大学地球和空间科学学院张捷教授课题组成员、博士后朱慧宇通常国际上在地震发生之后，大概3分钟到10分钟才会发布出来地震的破裂的震源机制的解。但是在3至10分钟之后，这个地震已经发生完成了，然后这个破坏造成已经实现了。而我们这个一秒钟就是可以在地震破裂性的信息尚未到达区域的时候，把信息发布出去，对这个防震减灾是有非常大的意义的。【解说】据朱慧宇介绍，“智能地动”系统已经在云南、四川两省的中国地震实验场进行试用。较2020年相比，虽然实时的地震预警信息反馈只提高了一秒钟，但对人民生命财产安全以及对灾情的预判具有至关重要的意义。【同期】中国科学技术大学地球和空间科学学院张捷教授课题组成员、博士后朱慧宇当地震发生后，如果我们能够提前三秒接收到地震预警信息，地震的人的伤亡程度会减少14%，当我们提前10秒能够接收到预警信息，能够将人员伤亡率减少到39%，所以每提高一秒对于人民生命财产的安全是至关重要的。刘鸿鹤 储玮玮 安徽合肥报道责任编辑：【吉翔】

央视网消息：全国人大代表刘希娅，是重庆市九龙坡区谢家湾小学校长。多年来，基础教育一直是刘希娅关注的重点。去年，受到疫情影响，中小学教辅软件得到广泛使用，但是刘希娅在调研走访过程中也发现了一些新问题，她将把调研成果带到今年的全国两会上。在刘希娅召集的一次例行家长代表座谈会上，这位家长坦言，他非常赞成孩子在假期使用一些互联网工具来帮助学习，但面对他发现的这个问题，即使他是一名互联网工作人员，也无能为力。人工智能手段如何与教育良性结合，这个话题，去年就引起了刘希娅的关注，今年两会前夕，她对此展开深入调研。经过充分的调研，刘希娅代表发现，不少基础教育方面的人工智能产品缺乏标准，并且在设计上存在缺陷。对此，刘希娅代表认为，教育监管部门应从中发挥更大的作用，而在走访重庆九龙坡区教委时，相关负责人坦言，目前对教育类人工智能产品的监管是个难点。针对发现的问题，刘希娅代表准备将自己的“关于基础教育阶段合理使用人工智能的建议”，带到今年的全国两会上。与此同时，刘希娅代表建议，在家长和老师层面，在使用人工智能产品的过程中，也应该帮助孩子增强自我辨别能力和自我约束能力。

全球会客厅：人工智能让生活变得更美好还是更烦恼央视新闻客户端 央视新闻客户端 2021年02月06日 09:10 A-A+扫一扫 手机阅读 我要分享 QQ空间 新浪微博 QQ 微信原标题：无人驾驶、刷脸付费、依靠可穿戴设备监测生命体征……许多以往只能在科幻电影里见到的场景，现在已成为人们日常生活中不可或缺的基本操作。随着社会迎来愈发前沿的科技变革，人们在享受技术红利的同时，或也感到由技术带来的改变会令人感到一丝不适。2月4日，中央广播电视总台中国国际电视台（CGTN）的“全球会客厅”网络直播节目中，以辩论的形式围绕人工智能（AI）的利弊进行探讨，并邀请到来自中国、美国、俄罗斯等地的年轻人与全球网友分享他们对这个热点话题的理解。△节目嘉宾王雲霖驯化人工智能，还是反被控制？北京大学本科生王雲霖认为，既然人工智能已成为生活中不可分割的一项，那就不必非要让时间倒流，硬让人们再重温此前不便捷的生活方式。在她看来，与人工智能一起生活是人类文明发展的必然结果，所以人们应当学会利用人工智能、找到与这类技术的相处之道，从而提高现有的工作效率和准确度。与这位中国学生的想法不同，来自美国的小型企业咨询顾问尼科（Nicholas C. Bonvini）认为，人工智能给社会带来了人员失业、隐私被侵犯等多种问题。此外，尼科提到，人工智能只向人们展示各自想看到的内容，这导致人们只能看到与自己认知相同的观点，仿佛自己被技术控制了一般，所见所闻、所思所想都受到了禁锢。开发人工智能，还是反被替代？王雲霖举例称，机器人可以做很多人类不愿做的事情，但这并不影响人们的创造力。她说，机器可以来完成程序性或枯燥的日常工作，如此一来，人类就可以利用有限的时间、精力来处理更复杂、更有意义的工作。△节目嘉宾尼科（Nicholas C. Bonvini）“人工智能有时比我们更加了解自己。”尼科在反驳的同时还表示，那些所谓具有创造性、更有意义的工作岗位，在未来很可能会被人工智能所取代。他解释道，原本是为替代人力而设计开发出来的一些机器或技术，随着不断训练而变得越来越智能，到头来，当时被认为无法被机器取代的岗位，也只能面临被取代的结果。△节目嘉宾卡佳（Ekaterina Kologrivaya）在“被取代”一事上，就读于北京大学的俄罗斯籍研究生卡佳（Ekaterina Kologrivaya）直接抛出“灵魂拷问”——你的人生目标是什么？卡佳认为，人们根本就不应该让人工智能取代那些看似小而简单的工作，因为哪怕是日常的简单任务，也都是生活中必不可少的一部分，这是任何技术或机器都无法取代的。卡佳说：“过程有时比结果更有意义。”人工智能是时代终结者，还是奔向自由的奠基石？来自美国的电影制片人吉姆（Jim Fields）表示：“当新技术出现时，人们往往会感到害怕。但人们可以与人工智能一起展开工作，来创造出更高质量的生活，就像开发这门技术时的初心那样。”他说，人工智能就像以往的发明一样，可以赋予人们更多的自由和创造空间。△节目嘉宾吉姆（Jim Fields）身着机器人道具服在现今社会，人工智能已被广泛应用于诸多领域。节目嘉宾们提到，新技术引发的每一次激辩，也恰恰代表着社会在一点点进步，人工智能不应在追求技术革新的过程中被带偏方向。（编辑 李响 田楚吟 金柳 洪洋 李德意 张荣轶 于秋缘）

【解说】新冠疫情肆虐全球，卫生检疫和医疗保健等话题热度居高不下。日前，香港城市大学工学院首次开放研究和实验室，展示最新的检测技术和创新医疗科技成果。【解说】疫情之下，食品安全、环境监测等领域备受关注。香港城市大学工学院材料科学及工程学系教授胡志文团队展示了项目“纳米材料于生物传感器的研究应用”，通过收集光线通过不同材料后的波长变化，对样本成分进行对比和分析。【同期】香港城市大学工学院博士生 许育铵假设这个是我们想要测试的样本，我们就用这个泵浸入这个样本当中，你可以见到，这里有一个光路的设计，是让这个光照到这个金上面，接着我们会有一部机器在这边，负责收集这些光线的变化，随时我们就可以在这里见到，不同波长的变化，它有和金反应的话，这条蓝色的线就会开始和红色的有些不同。【解说】当天，除展示前沿检测技术外，一个由三位城大学生组成的创业团队也展示了一款最新研发的“医疗过床机器人”，可支持行动不便的人士在不同平台间的自由转换，便利其日常行动和生活。【同期】香港城市大学工学院毕业生 张永康上学的途中，见到有一个轮椅使用者他想要上下的士，但是的士司机没有下来帮忙，所以最终他上不了，所以那时候我作为一个工程系的学生，我就在想市面上会不会有一种工具，可以将人，例如轮椅使用者从轮椅上面移过去第三个平台，例如沙发，例如床。【解说】开放日当天，该创业团队还现场演示了“医疗机器人”的操作方法。【同期】香港城市大学工学院毕业生 张永康大家见到，如果我要将这个人，从这架轮椅或者从这个机器上，搬上这一张假设是床，其实大家会见到，首先要解决的就是高低差的问题，所以我们第一步就要令这个座位要升高。你可以在过程中见到，其实我们原本在家里的话，就要有两个或者三个人来做这件事。其实有这部机器人就变成(一个人)，用机器人的操控技术令所有的电子零件一起运动。接着就是怎么样让他从这里到这里，现在我们就会把他转出来。【解说】据团队介绍，该机器人还配备有传感器和智能调平系统，可通过遥控器一键操作，大大解放了人力。该款设计即将在香港颐和园护老中心推行试验计划，以收集更多长者在日常生活中的使用数据，以便对产品进行优化。记者 范思忆 李越 香港报道责任编辑：【李雨昕】

“千针万确”！上海同济推出一款机器人，实现静脉穿刺零接触近日，据上海同济大学消息称，该校齐鹏老师领衔的科研团队研发了全自动静脉采血机器人，可以代替医护工作者与患者接触，希望能打通医院采血和注射自动化的“最后一公里”。

三星机器人管家来了，还会做家务

2017年7月,国务院正式印发《新一代人工智能发展规划》,确立新一代人工智能发展“三步走”战略目标,将人工智能发展上升至国家战略层面。作为人工智能产业规划重点区域之一,近年来,常熟始终将创新驱动摆在发展的核心位置,举全市之力壮大人工智能等新兴产业,在物流、巡检、安防、家用服务等智能机器人细分领域引进培育众多优秀企业,现已形成较为成熟的技术生态体系,为城市发展注入新的活力。为更好的充当“金牌店小二”、做好“五星服务员”,助力行业企业创新发展,2020年9月24日,在常熟市人民政府的大力支持下,由常熟高新技术产业开发区管理委员会、苏州保嘉容合智能科技有限公司、北京长风信息技术产业联盟(简称“长风联盟”)联合主办,保利资本参与协办的“2020人工智能峰会暨机器人产业高峰论坛”在江苏常熟圆满举办。峰会现场专家院士发声人工智能,远瞻辨析产业未来当前,我国人工智能产业已基本完成数字化、网络化建设,正向智能化、智慧化迈进。未来,人工智能产业的发展趋势如何?人工智能又将如何与应用场景深度融合?本次峰会,众多行业专家与院士齐聚发声,从不同维度分享他们对人工智能行业趋势与技术更迭的真知灼见。中国工程院院士樊邦奎表示,无人机AI将开启低空智联网新基建,通过智能网络重构人们生活。未来,伴随无人机智能化的研发和应用场景拓展,低空智联网将覆盖军事、公安、武警、海洋、林业和民用等众多市场领域,深化加强以人工智能技术为核心的城市智慧系统,拓展无人机智能产品在电力系统、大数据中心、地下综合管廊、轨道交通系统中的应用。世界可穿戴之父史蒂夫·曼恩,通过展示可穿戴计算技术的创新及应用,向在场嘉宾们诠释人工智能技术对推进社会进步的重要意义。他表示,60年前,人工智能开始出现在人类生活;20年前,超级计算机机器人创出佳绩;2016年,人工智能产业迎来井喷式发展;而今,人工智能广泛运用于各领域,正以前所未来的速度与力量不断前行,成为未来科学技术革命的重要驱动。南京航空航天大学校长助理、教育部长江学者特聘教授、国家百千万人才工程入选者吴启晖,则通过现场展示讲解大规模无人机集群智能自组网的建设与应用意义,这类组网实际就像是我国人工智能产业网络,看似简单,实际上是由无数关键技术所构成,各项智能环节间的协同是复杂且不易的。全球视野之下,美中两国是人工智能产业发展的领跑者,美国综合实力排名第一,日本、英国及加拿大等国也正不断快速变革前进。区别于美国的基础研究及产业深厚的培植能力,中国的人工智能产业更加注重实际领域的应用,创新活力更为明显。随着国内云计算、大数据和物联网等关键软硬件技术的快速发展,行业发展的重要窗口期已然来临,人工智能企业应积极构建行业上下游技术与数据,铸造坚实产业升级基础,加强企业间相互合作机制,实现共赢发展。聚势人工智能,构筑生态共同体人工智能服务机器人已然成为当下重要的产业风口,作为目前国内成立时间最长、最有影响力的ICT产业联盟,长风联盟深知人工智能服务机器人企业所面临的难点与痛点。本次峰会,长风联盟汇集平台多方资源,亦是希望为众多从业者搭建平台,加深企业与科研院所、资本、媒体、行业企业间的合作交流,建立良好的产业对话机制,推动企业加速前行。在人工智能落地应用方面,中科创达软件股份有限公司CTO邹鹏程认为,当前人工智能的发展已进入务实阶段,正在通过落地应用检验技术的实际价值。“融合智能”是未来的发展主题,业界科创人员应继续向应用场景落地、核心技术研发方面发力,通过加强彼此间的交流合作,将产业供给与市场需求紧密链接,打造从硬件供给、到技术应用、再到市场加速的智能产业生态体系。新松集团上海国际总部、中科新松总经理助理许小刚在接受采访时表示,人工智能领域市场仍需进一步挖掘及释放潜力,企业应注重自身创新发展,以科研推进落地,塑造可持续发展的商业模式。在产品核心技术层面,不能完全依赖国外技术引进,而应借助外循环之作用,寻机走出去,与国外企业竞争市场潜力。九号机器人机器人事业部总经理董纪冬则认为,“人与机器的不断协同,助力生活品质与生产效率的不断提升,既是人工智能机器人服务行业的大势所趋,也是全面提升企业科技竞争力的核心战略。以依托人工智能技术建立的智慧交通管理模式为例,该应用的落地,有效的推进了我国交通领域的规范化发展进程,提高了交通方面的管理效率。简而言之,在大数据及人工智能的广泛推广应用下,人们的生活将变得更加方便快捷。”当前,在国家政策利好和技术变革的双向驱动下,新时代呼吁着新使命,也昭示着我国人工智能服务机器人产业在产品创新、技术研发、场景落地等环节均实现了较大突破。然而,核心科技竞争力的打造不可能一蹴而就,新征程需要众多从业者们的不断探索,行业格局正在改变,产业门槛逐步提升,企业构筑竞争壁垒时间愈发紧迫。人与机器的不断协同,助力生活品质与生产效率的不断提升,既是人工智能机器人服务行业的大势所趋,也是全面提升企业科技竞争力的核心战略。“互联网+”的来临,

伴随着新一代人工智能技术跃升为产业升级战略性技术，AI与作为产业发展底座的安全之间的连接与融合，成为各行业关注的焦点。9月28日-29日，AIIA 2020人工智能开发者大会在北京召开，行业顶尖专家和前沿创新资源荟萃一堂，致力为人工智能的持续发展吸纳更多支撑动力。在9月29日举办的内容安全分论坛上，腾讯安全天御内容识别服务系统V5.0凭借其在内容识别服务方面的功能优势与模式创新，成功获得由中国人工智能产业发展联盟和中国信息通信研究院共同颁发的第二批内容识别服务系统评测认证。（腾讯安全天御内容识别系统V5.0获内容识别服务系统测试证书）本次评测工作由中国通信标准化协会网络数据与技术协同治理工作组与中国人工智能产业发展联盟网信技术委员会联合发起，经过报名筛选、本地与远程测试以及专家评审会等环节，最终验证出了6家通过功能性符合测试的厂商和6家通过单项性能专项测试的厂商，旨在为内容安全相关方选择产品与服务提供权威参考。会上，腾讯安全天御高级工程师蔡飞以在守护未成人内容安全领域的实践，详细解读腾讯安全天御内容识别服务系统的功能架构与实践成果，以期为AI在内容安全领域的创新实践提供场景化实践参考。AI跃升内容安全升级重要驱动力，腾讯安全天御打造全方位智能风控图文、视频、直播等互动内容以井喷之势渗透到大众日常的同时，也在一定程度上加深了各种涉黄、垃圾广告、诈骗等不良信息的流窜。传统基于人工或静态识别技术的内容过滤方式显然已无法应对“进化”黑产更为隐秘的威胁攻击。而近年来，新一代人工智能技术的应用拓展，打开了内容安全识别技术升级的新局面。“AI”跃升为各内容平台精进安全策略的重要驱动力和关键词。紧扣内容平台内容违规识别和合规审核等普遍痛点，腾讯安全天御结合20余年的安全攻防能力和在风控领域的实战经验，以AI算法为核心，以海量互联网数据为基础，集成打造一套适用于社交、社区、教育、直播、游戏等多场景的内容识别智能解决方案。借助“AI+规则”的双决策引擎，腾讯安全天御内容识别系统不仅能实现对音视图文等内容的多维度、全方位风险识别决策，还能借助自动化训练平台优化风险模型识别效果。以“机器+人工”的审核机制，为内容平台识别违规风险提供了准确率高达99%以上的全方位高效智能“攻略”，助力平台内容安全防护升级。（腾讯安全天御内容安全风控解决方案）通过与腾讯云和微信小程序的连接，腾讯安全天御内容风控系统已为超5万家开发者提供了内容安全服务，实现了90%的行业渗透率和超20倍的审核效率提升，业务健康程度达到99.89%。守住数万客户内容安全防线的同时，为不同规模企业减少了20%-80%成本损耗。就在近日，腾讯安全还与综合性内容平台-知乎共同发起了「社区净化」计划，通过违规信息治理、技术共享等手段，致力于让打击网络黑产的协作常态化。践行科技向善，用AI守护未成年人网络安全在互联网使用群体年轻化加快的大趋势下，针对近五成未成年网民曾遭遇过网络不良信息的现状和未成年网络内容监管政策的新要求，腾讯安全天御通过腾讯优图AI内容审核能力的引入，将原有内容风控能力延展至未成人网络内容安全防护场景中，并打造推出了首个专门面向未成年人的内容安全审核解决方案，助力净化未成年人网络环境。在此解决方案中，腾讯安全天御基于通用的涉黄、涉暴识别能力和目标检测的创新算法，新增了许多诸如布局儿童邪典ACG审核、不良广告与违规内容多角度、细粒检测等在内的能力设计。借助这一解决方案，各大企业内容平台一方面能通过对以未成年人为目标的色情低俗、隐私、暴力欺凌等内容的精准拦截，搭建夯实的未成人安全保护罩；另一方面，还能切断不良ACG、不良行为和不良信息的向未成年人传播的途径，充当未成人网络空间的过滤器。以AI技术为支撑，腾讯安全天御已联合腾讯优图，秉持科技向善的企业愿景，围绕此套解决方案，为1500+家平台提供内容安全服务，大大地提升了其内容审核效率与覆盖范畴。共计审核图片总量已突破1000亿+，累计拦截不良内容51263万。今年国家网络安全周期间，在腾讯安全优图、腾讯优图的能力支持下，腾讯还发起了“守护青苗行动”， 基于前沿视觉AI技术、安全大数据和黑灰产情报中台，助力企业建立完善长效的涉青少年网络内容治理机制，净化网络空间色情低俗、暴力欺凌等危害青少年身心健康的不良信息，守护未成年人上网安全。未来，伴随着更多网络内容形式与安全场景的涌现，腾讯安全天御将持续打造出更多场景定制化内容安全解决方案，为行业风控能力的精进和降本增效提供更优途径，助力打造健康清朗的网络环境。

签约仪式现场 供图 成都高新区党群工作部宣传处国际在线四川消息：9月29日，华为成都人工智能大数据中心签约仪式在成都高新区举行。这意味着华为人工智能大数据中心落户成都高新区。据了解，华为成都人工智能大数据中心将结合成都市的新基建以及智慧城市建设规划，发挥华为在5G、云、AI、计算等方面的技术优势，实现全场景智慧，提升城市治理能力，让企业和市民享受无所不在的智能、高效和贴心服务，提升居民生活幸福感和获得感，助力成渝地区双城经济圈数字经济的高质量发展。签约仪式上，成都高新区与华为签订投资合作协议。根据协议，人工智能大数据中心总投资约109亿元，包括“一中心三平台”。其中，“一中心”将建设成国家一体化大数据中心，打造成渝地区双城经济圈国家区域级节点，立足成都服务全球；“三平台”包括“城市智脑平台”“全球领先（E级）人工智能算力平台”“全球智能数据存储与机器视觉科研创新平台”。“城市智脑平台”面向城市治理需求，优先承载交通、安防、医疗、政府、应急、教育、环保及互联网等行业智慧城市业务；“全球领先（E级）人工智能算力平台”立足人工智能创新发展试验区的战略目标，将基于华为人工智能计算集群Atlas 900建成全球领先的E级算力人工智能平台，用于科研院所进行最前沿人工智能科技创新研究，并服务千行百业，提升成都企业人工智能技术研发应用能力；“全球智能数据存储与机器视觉科研创新平台”将发挥华为全球数据存储与机器视觉的产业和行业经验优势，结合在成都大数据管理和智能化科研创新经验，助力成都数字产业发展提速。华为相关负责人表示，人工智能大数据中心是华为技术有限公司在成都打通“成都研发”——“成都制造”——“成都生态”——“成都应用”全产业链的关键应用环节，将支撑华为公司自身研发体系并满足重点行业对算力和数据存储应用的需求。（文 甘艳文）

9月26日，医学影像人工智能应用研讨沙龙于浙江省丽水市人民医院成功召开，业界有关专家和丽水市各县（市、区）医院放射科主任等70余人参加，共同探讨如何构建医疗AI创新生态圈。据了解，近几年，丽水的智慧医疗事业获得了快速发展，全民健康信息平台、电子病历、云影像应用等在浙江处于领先水平。市卫生健康委副主任季长友表示，医学人工智能应用以“最多跑一次”改革为载体，有效提升整体医疗效率水平及医院发展，依靠科技创新和智能化技术有效均衡整体医疗资源，解决资源不足和不合理问题，提高医疗服务效率。为何丽水能在智慧医疗的探索道路上走在前列？会上，浙江省人民医院放射科主任龚向阳教授表示，在人工智能浪潮涌来之时，“人”的因素尤为重要，在面对技术革新的困难，丽水卫健委和各医院抢抓机遇，以开放的心态接纳新事物，以具有前瞻性的眼光看到整个智慧医疗的发展趋势，才能让“对的人在对的时间做出对的选择”。“在探索推进人工智能医学影像应用的过程中，地方区域其重视程度和投入支持越大，临床科研实践才会越来越成熟，成熟到一定的阶段将会转化为新的科研成果。”丽水市人民医院院长黄刚同样认为人们的重视程度是推进人工智能医疗发展落地的重要因素。黄刚表示，只有尽早跟上步伐，加快人工智能在医疗行业中的运用，才可能会在医院医生诊断的基础方面，在服务管理等方面走得更加前沿一些，医院有想法愿意尝试更前沿的智能医疗技术，更快更早地惠及到老百姓。据介绍，丽水市人民医院大力支持学科主任参与新技术的学习培训，动员科主任加入到最新成果的研发团队中去，用其敏锐超前的眼光吸收新的诊疗技术，增强对新兴诊疗技术的敏感性。随着新的技术尽早应用到医院临床诊疗、应用到学科研究中，学科的发展将更快，医疗服务提升水平将更高。浙江中医药大学附属省中医院放射科主任许茂盛教授也对智慧医疗的意义给予充分肯定。许茂盛认为，医学影像的人工智能化对于影像检查、影像图像起到一定的规范作用，有效辅助医生提高诊断速度及效率，对诊断的质量也有所提高。他说，包括以飞图影像为代表的云影像在内的智能化信息传输系统，从老百姓异地就诊、医生远程会诊，到数据云端存储管理、“市县乡村”四级影像会诊系统，都为医疗的每一环节提供了更多的便捷，从而有效缓解老百姓看病难、看病贵的问题，真正将智慧医疗落实到百姓的幸福感、获得感。（季辰欣）编辑：宋 越 一审：马 江二审：顾婷婷 三审：徐乐静

导语：即日起，微软中国与北京寓乐世界教育科技有限公司就微软人工智能证书：Azue AI Fudametals（AI-900认证考试） 达成合作微软&寓乐世界 微软人工智能证书国内首落地即日起，微软中国与北京寓乐世界教育科技有限公司就微软人工智能证书：Azure AI Fundamentals（AI-900认证考试） 达成合作，成为该项目在国内的首家全链条合作机构。微软在疫情过后推出“帮助全球2500万人通过学习数字技术实现成长与就业”项目，作为该项目在中国的落地合作伙伴，寓乐世界与微软的强强联合将帮助高校在校生及企业员工了解人工智能及产业最新发展，助力国内各行业企业员工适应疫情下的新经济形式，通过引进世界前沿的科技研究与应用成果，拓展思维模式，适应产业需求，进而助力国内各产业的数字化转型。学习、考证、求职全链条服务方案此次寓乐世界与微软共同发起的（人工智能认证计划）是市面上迄今为止较为全面的一项同时满足学生、员工及企业的人工技能普及型证书，这一计划的核心是通过微软的技术认证鼓励不断成长、刷新思维，助力企业员工与在校学生在「数字化求生时代」中脱颖而出。寓乐世界副总裁、神经猿学院负责人辛向晖老师表示，微软人工智能证书通过数据发现求职市场中的紧缺职位及对应技能，针对这些技能提供各种形态的学习资源，帮助人们掌握这些职位对应的数字化技能，并为获得技能的人提供低成本的认证。此次寓乐世界与微软的深度合作，将为国内考生的人工智能学习、考证、求职提供全链条服务方案：微软人工智能证书官方样图・证书授权：寓乐世界作为微软人工智能证书在国内的首家合作方，将首先针对证书授权展开合作。为更好地服务中国地区考生，寓乐世界将引进人工智能证书的中文版考试，并负责中文考试备考辅助教材和相关课程的编写，同时协助组织高等院校在校生进行考试报名、考前辅导等相关工作，旨在帮助考生节省学习成本、降低备考难度、提升认证效率与速度。・配套课程开发：首批开放的微软人工智能认证，包括微软Azure AI Fundamentals技术认证证书。Azure AI Fundamentals证书反映了证书持有者在机器学习、人工智能基础概念、云技术基础及Microsoft Azure 服务等多方面的掌握程度，该证书同时适用于有技术背景及非技术背景的学员。想要获得微软人工智能证书，需通过相应测试。例如，认证Azure AI Fundamentals证书需通过AI-900测试，该测试主要考察以下6大知识面：人工智能的任务种类及六大开发原则基于Azure的机器学习基本原理基于Azure的计算机视觉任务基于Azure的自然语言处理（NLP）基于Azure的对话式AI寓乐世界将以AI-900测试考察的6大知识面为核心，基于考试特征与重点知识点进行课程开发，为证书学习者提供贴近考试，且高效实用的备考课程。同时，寓乐世界会将微软的“Skilling”精神融入整套课程设计与教学过程中，不仅帮助学习生通过微软人工智能认证刷新自己的新科技技能，更能引导学习者进入终身学习、敏捷蜕变、不断创新的正向循环。・构建微软人工智能人才交流中心：辛向晖老师还提到，寓乐世界将与国内人工智能的头部企业进行AI工程师、数据科学家、程序员等相关岗位的人才交流与合作，旨在为证书持有者提供更多获取新工作的渠道，搭建证书持有者的求职和信息交流平台，并同时为高新技术企业输送大批量持有微软人工智能认证的高质量产业及技术人才，解决行业聘人难、用人难和就业难的问题。2025年，中国将出现6400万个新的科技类工作岗位微软通过领英的数据研究表明，2030年，全球将有8亿人需要学习新的工作技能，以应对可能的经济危机、经济形势变革与岗位需求的演变。而在中国，2025年将出现6400万个新的科技类工作岗位。寓乐世界与微软的此次合作，将世界范围内更先进的人工智能证书引进中国，并进行了本土化考试取证的服务落地，填补了国内在人工智能证书方面的权威空缺，使得国内的人工智能认证得以与国际标准接轨。寓乐世界将持续致力于为国内经济转型输出科技人才，为学生、为高校、为企业、为员工赋能，助力国家实现百行百业的数字化转型。神经猿学院介绍神经猿学院，由国内知名科创教育企业寓乐世界与加拿大多伦多大数据与科学学院联合创立。神经猿学院提供的解决方案专注于技能应用及学科实践，致力于通过云服务和在线工具的使用，提升数据科学与人工智能相关学科的教学科研工作的效率和效果，与院校和企业双向推进，有效解决高等教育（含高职高专）产业人才培养难题。（文章为作者独立观点，不代表艾瑞网立场）

人工智能作为引领科技革命的重要驱动力，已经越来越成为国家战略规划和行业瞩目的热点，开源开放更是成为全球人工智能发展的趋势之一。9月28——29日，以“开源 开发 开放”为主题的AIIA2020人工智能开发者大会在北京成功举行。大会依托我国科技创新中心建设的主阵地，通过聚合行业翘楚和权威声音，连接政经产学研的创新资源，推动人工智能产业为后疫情时代赋能百业注入强大力量。AIIA2020人工智能开发者大会现场此次大会由中关村科技园区管理委员会、中国人工智能产业发展联盟、北京市石景山区人民政府、中国信息通信研究院和首钢集团主办，中关村石景山园管理委员会、中关村数智人工智能产业联盟等机构承办。开幕式由中国信息通信研究院院长、中国人工智能产业发展联盟秘书长刘多主持。中国信息通信研究院院长、中国人工智能产业发展联盟秘书长刘多工业和信息化部科技司副司长朱秀梅在致辞中指出：“我国人工智能产业的发展趋势较好，初步形成了从基础支撑、核心技术到上层应用的完整产业链条。希望广大开发者们积极拓展思维，加强针对关键核心技术的攻关，不断夯实人工智能产业发展的核心能力。”工业和信息化部科技司副司长朱秀梅中关村管委会党组副书记、主任翟立新在致辞中指出：“中关村示范区将加大对底层关键核心技术和工具研发的支持、构建开源开放创新生态、推动人工智能技术的应用落地。”中关村科技园区管委会党组副书记、主任翟立新石景山区委副书记、区长李新在致辞中表示：“下一步石景山区将充分发挥中关村园区改革试验田的作用，紧紧围绕新基建、新场景、新消费、新开放、新服务，为首都建设人工智能产业创新发展引领区和创新应用先导区，提供良好的环境和坚实的保障。”北京市石景山区区委副书记、区长李新中国工程院院士、中国人工智能产业发展联盟常务副理事长郑南宁、国际电信联盟标准局副局长Reinhard Scholl也通过视频的形式为大会致辞。中国工程院院士、中国人工智能产业发展联盟常务副理事长郑南宁国际电信联盟标准局副局长Reinhard Scholl备受行业瞩目的中关村人工智能开发者社区集聚区在开幕式中正式揭牌。集聚区将为开发者社区运营机构和广大开发者，提供线下的运营空间和活动场所，支持举办各类技术沙龙和路演活动，共同营造线下的开发者之家。中关村人工智能开发者社区集聚区揭牌同时授牌的还有人工智能领域中关村开放实验室，该实验室将打造开放共享的科研创新范式，有效推进相关成果的转化，形成创新引领发展的新格局。中关村开放实验室授牌（人工智能领域）标准和评测是促进市场规范向善发展的有效手段。在抗击新冠肺炎疫情期间，AIIA积极组织相关企业开展智能抗疫产品的评估测试工作，有效提升了抗疫的智能化程度。本次会议上重磅发布了43家企业70款产品的智能化分级、可信和Benchmark评测结果，涉及疫情防控服务机器人、AI测温系统、智能语音、自然语言处理、计算机视觉、内容安全等多个领域。工业和信息化部科技司副司长朱秀梅，中国信息通信研究院院长、中国人工智能产业发展联盟秘书长刘多为通过测试的企业代表颁证。人工智能抗疫、智能化分级和可信评估结果通过的企业颁证由中国信通院云大所人工智能部主任、中关村智用人工智能研究院执行院长孙明俊为代表，发布了“拥抱开源，共创AI开放创新美好未来”的倡议，倡议旨在以更积极主动的态度拥抱开源，推动和促进对开源软件的认可，加强开源的推广和人才培养，鼓励开发者和企业积极参与共建开源运营平台。中关村智用人工智能研究院执行院长孙明俊倡议发布后，得到了国内主流开发者社区的积极响应，CSDN、机器之心、Info Q、51CTO以及将门TechBeat等开发者社区参与了倡议发布签字仪式。倡议发布之后签字仪式本次大会主论坛广邀人工智能领域最前沿的技术研究者和应用开发者，分享产业热点、解读发展动向。中国工程院院士、中国人工智能学会理事长、清华大学信息科学技术学院院长、国务院参事戴琼海先生在主论坛上指出：“除了强调人工智能发展的路径和未来的方向，同时还要牢牢拴住伦理、道德、法律等方面的问题。只有分两边走，这样才能使得人工智能向正确的轨道上发展。”中国工程院院士、中国人工智能学会理事长、清华大学信息科学技术学院院长、国务院参事戴琼海中关村数智人工智能产业联盟理事长，小米集团副总裁、技术委员会主席崔宝秋先生表示：“没有开源过去二十多年的积累，就没有今天的互联网、云计算和大数据，不可能有今天以深度学习和大数据为基础的新AI技术的兴起。在新的智能时代，我呼吁所有的开源贡献者应该真正合力起来。开源应该没有边界。”中关村数智人工智能产业联盟理事长，小米集团副总裁、技术委员会主席崔宝秋近年来，人工智能已经深刻渗入进媒体领域的发展，带来覆盖全生产链路的革新。对此，中央广播电视总台编务会成员姜文波在大会上介绍了“总台经验”：“近年来，中央广播电视总台全面推进媒体深度融合，并积极推进人工智能在电视、新媒体直播中的创新应用。”他详细介绍了

来源：时刻头条俗话说：‘男人买产品看功能，女人买产品只要好看就行’。可如果功能实用与过人颜值它能一并拥有那也是相当不错的，就像今天小编要推荐的这一款斐纳TOMEFON-TF-TCN805扫地机器人就能满足众多消费者的各种需求。拥有足以媲美人工清洁效果的斐纳TOEMFON-TF-TCN805扫地机器人，配置了高运转、大吸力、低噪音的无刷数码电机进行全面除尘，能提供至1500Pa的强劲大吸力，还能做到低于50dBD的音量，无论何时使用都不扰人。而且为了让毛发能畅吸不缠绕还特别采取真空吸口的设计，在与强劲大吸力相配合时会根据不同的地形、灰尘的多少自动调节吸力大小，而针对缝隙死角处的卫生能通过吸口两侧的双边刷进行贴面处理，不放过任何一处灰尘，以及还能与多种清扫模式相结合，清洁无遗漏又智能。拖地方面具有真正水箱设计扫地机之称的斐纳TOMEFON扫地机器人，所匹配的大水箱能自主加湿、均匀渗水至锁水抹布上，再深入地面轻松清洁污渍完成湿拖工作，无论是何种地面环境，均可适用。为了让使用更方便还搭载了APP智控功能，只需在微信上扫码下载一个斐纳TOMEFON专属APP，完成简单的登录操作后即可使用，在手机APP上可以任意切换清扫模式和调节扫地机的清扫放向，也可以开启定时预约模式，一次预约准时清洁，帮你维持家居环境的整洁。而通过精确的定位和全屋扫描熟悉全屋环境并进行长久记忆的斐纳TOMEFON-TF-TCN805扫地机器人，再根据定位实时构图记忆距离和位置，从而形成一目了然的清洁游戏。此外内置斐纳TOMEFON专用智能芯片的扫地机，会通过强大的硬件组成‘大脑’，从而模拟人脑智能分房间进行清扫，在清扫过程中还有32组传感器实时矫正清扫路线，来实现有用‘弓’的弓字形清扫路线，全面的提高了全屋清扫覆盖率和清扫效率。同时在全身还有多组传感器搭载的斐纳TOMEFON-TF-TCN805扫地机器人，在清扫过程中能实时感应所在环境，有效防止跌撞、避免电线缠绕等困境发生，让机器人在家具间自由穿梭，与家具和平共处，让使用更加省水。斐纳TOMEFON品牌延续了德国品牌一贯的工匠精神，始终秉承着设计，质量，创新的品牌理念，不断推陈出新，革故鼎新，不断研发实验出改善和提高人们生活质量的智能清洁产品，是值得信赖的清洁第一品牌。有这等实力所加持的斐纳TOMEFON-TF-TCN805扫地机器人，再加上靓丽的外观，有人能拒绝得了吗！

9月30日，来自重庆市巴蜀常春藤学校朝气蓬勃的精品初中小七年级望辰一班、踢崖二班、抚露三班学生抵达两江机器人展示中心，开启以“探秘人工智能，畅想未来世界”为主题的社会实践活动之旅。带着兴奋与好奇，同学们在这里近距离接触他们向往已久的各种机器人，从初探机器人世界到实操课程到人工智能互动再到机器人趣味竞技，历经四个环节，循序渐进，一步步走进机器人的科技世界。初探机器人世界在此之前，许多同学对机器人都抱有各式各样的想象，当真正走进展示中心的机器人展区，很多同学才发现，机器人比想象中还要酷。在展厅讲解员的带领下，同学们观看了工业类机器人展区、服务类机器人展示区，聆听了解工业机器人和服务机器人的各种发展知识。在参观过程中，最让同学们激动的还要数与人工智能机器人产品的互动体验，和可爱的小机器人对话，或是与多才多艺的机器人跳舞，奇趣的话语和曼妙的舞姿都让同学们惊奇不已。体验实操课程如果说参观展示中心的各类机器人让同学们初识科学的魅力，机器人DIY创意编程课程体验则开启了同学们科学创造的大门。这些课程以解决生活中一系列难题为主线，通过创意设计和智能控制的科学知识将生活中遇到的机械、电子、控制等问题以活泼的故事情节展现。在这堂DIY创意编程课程中，同学们投入兴趣，全身心参与其中，发挥自己想象力和创造力去解决遇到的各种问题，综合锻炼了同学们的动手能力、创新能力等等。感受人工智能互动进入人工智能互动环节，同学们一个个摩拳擦掌迫不及待的想要和机器人们来场亲密交流。在现场现场工作人员及老师们的组织下，同学们分别和阿尔法机器人、悟空机器人、银河战甲等机器人一起互动，了解舞蹈、武术、音乐、编程、自动化、语音识别等不同领域知识和技能，在互动中学习和培养各种人文素养和科技素养。观看“绿茵小将”机器人竞技赛绿茵小将是集“知识性、竞技性、趣味性”为一体的户外趣味竞技项目。同学们发挥自己所学结合自己的想象和创造力，自主设计并拼装机器人、编制机器人运行程序、调试和操作机器人，最后进行比赛对抗。（记者 王丹 通讯员 李光煜 展示中心供图）

随着今年国庆中秋8天小长假的临近，许多人早已提前制定好了出游计划，享受秋意渐长的美好时光，发现更多美好事物。但出门在外，如何满足挑剔的味蕾成为大家的共同心声。小编推荐你尝试体验一下新潮流――机器人送餐，不但安全卫生，而且充满科技感。比如海底捞智慧火锅餐厅，传菜机器人与服务人员一起协作服务消费者。其中，传菜机器人能够实现根据桌号自动传菜的功能，避免交叉感染，一次传一桌菜成为可能，收台机器人能够达成按下工作柜上的呼叫按钮，自动到达指定位置回收转移箱，大大节约员工的工作量。把机械的工作交给机器人做，将服务人员从一些简单、重复、费时的工作中释放出来，聚焦在以人为核心的服务上，是海底捞的人工智能战略，也是嗨粉的福利，机器人有趣又科技，服务员还能时刻守护在餐桌旁边，服务更上一层楼。除了海底捞智慧餐厅，北京万丰桥海底捞、北京天通苑海底捞、北京大钟寺海底捞、北京的东来顺、峨嵋酒家；上海新松江路海底捞、上海南京东路重庆高老九、上海松江万达高老九、上海五角场香天下、上海龙阳路香天下、上海金沙江路辣府火锅、以及广州的广州酒家、佛山福宴、果林椰子鸡、春满园等都有送餐机器人，且这些餐饮品牌选择的送餐机器人都来自餐饮机器人全球标杆企业擎朗智能。送餐机器人不仅可以为跑腿传菜、运送酒水，还可以在等位区智能推荐、为等位顾客巡航配送小吃，此外还可在服务员繁忙的时段帮助回收餐具等，为餐厅节约人力，为顾客提供新鲜体验。而且机器人充电4小时可工作10小时以上，随叫随到。据数据统计显示，海底捞松江店擎朗送餐机器人送餐平均值达到：140次每天，每次2个托盘，一天可以传送280个托盘，传菜数量超越人工。机器人身上搭载了激光雷达+深度视觉+机器人视觉等多传感器融合导航方案，可以在复杂环境下稳定、持久工作。在人流爆棚的用餐高峰期，机器人可以迅速判断餐厅环境，灵活避开来回走动的用餐人员，并快速重新规划运行路径，保证菜品的“安全性”，平稳运行，有淘气的小孩拦路的时候，它就先一步平稳止步并语音提示：“我还在工作呢，等我完成送餐任务再来跟你合影”，完全不用操心耽误工作。据了解，今年以来送餐机器人助力疫情防控，餐饮行业复工，提升服务品质持续发力，擎朗送餐机器人目前已上岗5000多家餐厅，已成为大众点评平台美食打首选项。

左图：9月24日，在青岛大学附属医院，医院副院长牛海涛使用新一代国产原研手术机器人——“妙手”为贵州省安顺市的患者实施超远程手术。新华社记者 李 贺摄右图：9月24日，患者在贵州省安顺市西秀区人民医院接受手术。官丰菊摄（新华社发）5G赋能，承载了各行各业关于未来的诸多想象。随着想象的不断升级，5G应用也不断突破边界。当5G走入诊疗室，大带宽、低时延、网络切片的特点让远程手术成为现实，也成为推动医疗技术进步的重要力量。9月24日，青岛大学附属医院副院长牛海涛，带领手术团队成功开展5G+国产原研手术机器人辅助泌尿外科手术，为身处近3000公里外的贵州安顺西秀区人民医院的膀胱癌患者，实施了膀胱根治性切除手术。这是世界首例5G+国产原研手术机器人超远程泌尿外科手术，标志着远程移动医疗应用的新高度。手术当日，位于青岛崂山区青岛大学附属医院东部分院的视频会议间内，一众穿着蓝色工作服的医生在做手术前最后的准备。与往常手术的例行准备不同，医生们不用穿戴手术服和防护帽，几个液晶屏幕分类展示了当天要治疗的患者的术前检查报告、各类身体体征监测信息以及贵州安顺西秀区人民医院的实时视频。牛海涛在青岛操作新一代国产原研手术机器人——“妙手”系统的主操作手，通过5G网络远程控制西秀区人民医院手术室里的“妙手”从操作手，为患者做机器人辅助腹腔镜膀胱根治性切除手术。手术过程中，通过海信5G+自由视点直播系统，西秀手术室场景全息投影到青岛大学附属医院手术操作现场，“妙手”机器人精准复现远端医生手术动作，准确到达手术部位，并完成对病灶的精准切除，使牛海涛与患者、手术助手在几乎零时延的环境下实时互动，确保手术安全流畅。本次远程手术中亮相了多项“中国智造”科技创新技术。中国联通5G网络智能医疗感知交互技术为远程手术提供了信号传输保障。以往远程手术中采用的因特网多需要专用线路连接或专用网络光纤，而本次5G移动网络可以不受线路（专线）的地域限制，只需要配备5G专用的信号中继站和放大器，即可在手术两端通过无线连接进行远程手术，与此同时，5G网络还具有相对较低的延迟时间，具备多连接性等潜在优势。手术中采用的威高公司“妙手”手术机器人是中国自主研发的新一代机器人手术系统，除具备传统机器人操作灵活和智能化的特点外，还具有操作设备简洁轻便、使用维护费用低、设备兼容性强等一系列优势。与此同时，由青岛海信集团海信医疗参与研发的计算机手术辅助系统，可以在术前利用三维重建精准还原尿路原貌，立体、精准地显示病变，为医师诊断、评估病情、决定手术方案提供可靠依据。

2020年10月1日讯/生物谷BIOON/---近日，来自韩国多个机构的研究人员创建了一种微型机器人，它们可以充当大鼠神经细胞网络之间的桥梁。该小组在《Science Advance》杂志上发表的论文中描述了他们的微型机器人是如何构建的以及它们在神经网络之间充当桥梁构建者的能力。科学家已经采取了许多方法来研究大脑。一种方法是尝试使神经细胞成长为大脑。先前的工作表明，可以在玻璃板上生长神经细胞网络，这种网络当然是二维的。在这项新的工作中，研究人员通过设计一种使用微型机器人连接2-D神经网络的方法，朝着创建3-D神经网络迈出了一步。

8岁以上-机器人世界（机器人竞赛）8岁以上-机器人世界（机器人竞赛）适用对象：8岁以上的青少儿培训周期：24课/期；1周1课；60分钟/课；培训模式：精品小班教学（4人）培训时间：滚动开班，随到随学孩子们会非常热衷于在机器人世界的课上让机器人跑起来的酷酷的感觉。他们将要探索什么是电脑程序和乐高积木所共有的。他们设计并搭建机器人来完成一系列的指令。他们创作指令，测试他们的观点并测量结果。每年秋天,全球将统一在网络公布这年的FLL挑战规则,包括课题研究和机器人挑战2个项目. FLL可以改变孩子的一生. 刚开始他们都是普通9-16岁的孩子,但是在8-12个星期里,他们必须要动脑筋,要合作, 要动手解决问题。教学环境

B. Yamauchi, “A frontier-based approach for autonomous exploration,” in Proceeding of IEEE International Symposium on Computational Intelligence in Robotics and Automation (CIRA). IEEE, 1997, pp. “Information gain-based exploration using Rao-Blackwellized particle filters.” In Proceedings of Robotics: Science and Systems (RSS), 2005, pp. L. Tai and M. Liu, “Mobile robots exploration through CNN-based reinforcement learning,” Robotics and Biomimetics, vol. “ Deep reinforcement learning-based automatic exploration for navigation in unknown environment,” IEEE Transactions on Neural Networks and Learning Systems, vol.

秋天到了，记得以前看《舌尖上的中国》还是什么节目的时候听过一句话，说“秋风起，蟹脚痒”，这个季节，正是吃螃蟹的季节，我还想着国庆假期买点来尝一尝呢。听说会吃螃蟹的人，可以把蟹肉一点不剩完完整整地吃完，然后再拼接成一个完整的螃蟹形状。除了螃蟹，龙虾也有类似的玩法，总之是超厉害的。但是，对于那些经常拼模型的大佬来说，玩的似乎更加高级，居然用吃完的龙虾拼出了机器人，而且似乎还是女性机器人，这颜值这身材，糟糕，是心动的感觉啊——额实不相瞒写了之后我有点怀疑，到底是螃蟹还是龙虾呢？因为平时还挺少吃这类东西，所以看见这钳子爪子不太敢确定，到底是用龙虾还是螃蟹拼的呢？还是二者都有？有朋友说那个小爪爪看着像龙虾，暂时就称呼这个机器人为龙虾机器人吧，了解的朋友还请评论区说说哦。照理说机器人是没有性别的，但是看看大佬做的这个龙虾机器人的身姿，看到它的第一眼我就感觉应该是女的，身姿太妙曼了，还有点“昆虫娘”的感觉，虽然没有见过螃蟹娘或者龙虾娘这种品种，但是之前看有大佬画过螳螂娘，那小胳膊小腿还是有点像。而且，不知道为啥，脑袋里还浮现出了《一拳超人》里那个出场没多久就被一拳揍趴下的蚊子娘。类似的用螃蟹或者龙虾做机器人也不是第一次见了，我记得几年前我还和大家分享过，有大佬用吃剩下的螃蟹壳做了一个超帅的机器人，和本文开头的那位大佬制作的机器人是完全不同的风格，但是同样都超帅的，让人一见难忘。最前面那款看起来像女性的机器人除了给我了一种爆发力极强的感觉，也让我有一种阴柔美的感觉，听说现在，有的手办制作大佬也在尝试将自然界的动物、昆虫以及植物做结合，设计出一些既有机械美又有生物特征的手办作品，甚至还推出了一个系列的产品，十分酷炫。咱们国内喜欢手办的朋友也有不少，如果顺着这个思路，倒是也能够开发出很多有意思的相关产品来着。本文开头的图片我也是在群里聊天的时候看到的，所以不知道是哪里的大佬创作的，如果有了解的朋友也请在评论区留言，万分感谢。

内容提要：为助推智能科技产业加快发展，日前，武清开发区举行人工智能和机器人产业集中签约会。天津北方网讯：为助推智能科技产业加快发展，日前，武清开发区举行人工智能和机器人产业集中签约会。据了解，此次签约仪式上，共有清华人工智能研究院宾果智能幼儿园、上海中科院科创基金、河工大健康服务机器人产业研究院、陶瓷轴承智能化生产研发、天智定制化服务器、随锐工业巡检机器人等12个项目与武清开发区现场签约，涵盖人工智能、新材料、5G、物联网、智慧教育等诸多细分领域，协议投资总额达5亿元，预计年纳税不低于3亿元。（津云新闻编辑刘颖）【来源：天津日报】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

封面新闻记者 杨金祝去年以来，华为先后在成都落地了未来技术创新中心，联合打造鲲鹏计算四川产业基地等项目。新的合作正在开启。9月29日，华为成都人工智能大数据中心签约仪式在成都高新区举行，这意味着华为人工智能大数据中心落户成都高新区。“华为成都人工智能大数据中心将结合成都市的新基建以及智慧城市建设规划，发挥华为在5G、云、AI、计算等方面的技术优势，实现全场景智慧，提升城市治理能力，让企业和市民享受无所不在的智能、高效和贴心服务，提升居民生活幸福感和获得感，助力成渝地区双城经济圈数字经济的高质量发展。”华为相关负责人说。总投资约109亿元 共建蓉城智能体智慧城市建设是推动产业转型升级、提升创新发展能级、提高城市精细化管理水平的重要动力。成都市与华为将携手构建面向全市开放的智慧城市数字底座和城市智能中枢，通过打造蓉城智能体实现全场景智慧，提升城市治理能力，让企业和市民享受无所不在的智能、高效和贴心服务。签约仪式上，成都高新区与华为签订投资合作协议。根据协议，人工智能大数据中心总投资约109亿元，包括“一中心三平台”。其中，“一中心”将建设成国家一体化大数据中心，打造成渝地区双城经济圈国家区域级节点，并有望成为西部区域唯一的人工智能大数据节点，立足成都服务全球；“三平台”包括“城市智脑平台”“全球领先（E级）人工智能算力平台”“全球智能数据存储与机器视觉科研创新平台”。华为相关负责人表示，人工智能大数据中心是华为公司在成都打通“成都研发”—“成都制造”—“成都生态”—“成都应用”全产业链的关键应用环节，将支撑华为公司自身研发体系并满足重点行业对算力和数据存储应用的需求。再度牵手 共同打造新IT生态圈华为与成都高新区的合作由来已久并持续深化。早在2000年，华为便在成都高新西区成立了华为成都研究所。目前入驻研发人员13000余名，是华为全球主力研发中心之一。主要研发方向包含传送、无线、存储、云服务4大方向，建有华为专业实验领域三大测试中心之一的全球认证检测中心成都实验室、亚洲最大的华为 IT兼容性实验室，拥有全球首个5G试验外场。去年以来，华为先后在成都高新区落地了未来技术创新中心（一、二期）、鲲鹏计算四川产业基地等项目，并积极规划建设华为成都研究所二期。“成都高新区长期以来发展居于全国高新区前列，电子信息产业链完整、科教优势突出、市场容量巨大、交通物流条件良好。落户成都高新区20年来，我们与成都高新区开展了广泛深入的合作，成都研究所已发展成为华为全球五大研究所之一。”华为相关负责人说。近年来，成都电子信息产业发展势头强劲。作为成都电子信息产业功能区的主要承载区，成都高新西区拥有规上电子信息企业148家，包括英特尔、德州仪器、京东方、华为、富士康等龙头企业，已形成“芯-屏-端-网”为主导的电子信息产业生态圈雏形。今年1至8月，成都高新区电子信息规上企业累计实现产值2252.69亿元，同比增长13.59%。

“AI启杭 无限想象”——由中国工程院学术指导,杭州市人民政府、浙江省科学技术厅主办,浙江大学、中国人工智能产业发展联盟、中国工程科技知识中心创新设计分中心联合主办,杭州市科技局、市商务局、市市场监督管理局、市商旅集团、萧山区人民政府联合承办的第二届中国(杭州)国际智能产品博览会、2020 全球人工智能大会将于10月16日至18日在杭州国际博览中心(G20会场)举行。作为第22届杭州西湖国际博览会的核心项目,本届智博会和人工智能大会以“建设AI无限想象之城”为主线,聚焦新基建、新消费、新制造、新电商、新健康、新治理,推动人工智能、互联网、大数据与实体经济深入融合,设有“主题大会、高峰论坛、大赛活动、品牌展览”四大板块内容。将邀请相关部委领导、海内外人工智能领域的院士专家,来自海智基地、高校科研院所、人工智能龙头企业、投融资机构等数千名产业同仁共聚杭城,共同围绕人工智能产业热点、最新政策、研发创新等进行交流与合作,促进项目对接、展示前沿技术,打造成高水平、高层次、高质量的人工智能与数字经济领域政产学研金共聚的年度行业盛会、数字经济成果展、未来智能生活体验平台。展会亮点抢先爆! 看大咖!——潘云鹤、李兰娟等齐聚2020全球人工智能大会2020全球人工智能大会上,中国工程院院士潘云鹤,中国工程院院士李兰娟,图灵奖获得者、卡耐基梅隆大学计算机科学学院计算机科学与机器人专业教授拉吉瑞迪博士,阿里巴巴副总裁华先胜,百度集团副总裁吴甜,商汤科技联合创始人 CEO徐立,科大讯飞联合创始人、轮值总裁胡郁等众多海内外重量级大咖,围绕人工智能的生态,将与大家共同探讨人工智能产业发展,以及疫情防控新常态下,人工智能如何推动医疗健康新变革等多个话题开展分享与讨论。同时,大会期间还将举办人工智能与数字经济高峰论坛、“普惠金融智能共创”智能金融高峰论坛、2020国家智能车发展论坛、“勤启未来,智联你我”——智能技术与人工智能产业融合高峰论坛、AIoT开发者生态高峰论坛等主题多样化的分论坛,与各界专家学者们畅想未来世界AI的无限可能。(潘云鹤院士)(李兰娟院士)竞风流!——群雄逐鹿、精英对决尽在赛事活动2020之江杯全球人工智能大赛之江杯全球人工智能大赛瞄准科研前沿与产业痛点,发布零样本目标分割、语音鉴伪、视频生成和无人车安全驾驶仿真四大赛题。此前已经连续成功举办了2届,逐渐受到了人工智能研究者与从业者的广泛关注与好评。本届大赛共设置多个奖项,奖金总额达260万人民币,同时还会有产业及人才政策等相关支持。初赛已于9月举行,在本次智博会和人工智能大会期间将举行决赛。(潘云鹤院士在2020之江杯全球人工智能大赛启动仪式上致辞)“市长杯”2020年杭州高价值知识产权创新创意大赛2020年杭州高价值知识产权创新创意大赛紧扣杭州重点产业,汇集全国优质社会资本,搭建创新成果转化与落地平台,助力杭州人工智能创新创意为代表的高端产业集群不断壮大,进一步提升城市品牌效应。本届大赛,深度聚焦智能产品,主题内涵全新升级;组别设置清晰,覆盖面更广;项目产业化落地需求精准匹配,实现共赢发展。挖尖货!——不容错过的智能品牌展华为随着5G、万物互联时代的到来,华为致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。作为全场景智慧生活领导者,其产品全面覆盖手机、个人电脑和平板电脑、可穿戴设备、移动宽带终端、家庭终端和消费者云等。无论是内外兼修的设计,还是前沿科技的加持,华为全场景产品都被视为行业破局者。(华为终端产品)商汤科技半导体是支撑新基建发展的关键技术。商汤科技自主研发的工业OCR一体机晶圆ID识别器能实现晶圆产线场景物料编号条码在线智能识别,助力半导体企业实现工业级降本增效。虚实融合的智慧体验同样少不了商汤的身影。商汤科技的SenseMARS平台是基于三维高精度地图重建等技术打造的混合现实平台,可应用于景区、展馆等城市级AI智慧文旅场景。(杭州市人工智能大会AR展示_一楼)CityDO集团CityDO集团是一家以大数据、人工智能、区块链等新兴技术为核心,以“数据运营+生态合作”为主要模式的新型科技企业。集团系列产品和解决方案在全国多个城市的数智政府、城市大脑、数智交通、数智文旅、数智乡村、数智社区、数智抗疫、超级菜场、绿色普惠金融等领域得到实践和应用。(全省首个数字资源超市)一造科技上海一造建筑智能工程有限公司(Fab-Union)是一家专注智能设计与智能建造服务的国家高新技术企业。公司展会的展区大量采用了机器人智能建造产品与技术进行搭建,如大型数字木构装置“游木”和智能移动木构机器人。结合多个智能建造实践项目的介绍短片,全面展示了公司从智能辅助设计软件到智能建造设备、智能建造产品、智能建造工程实践项目的全链条应用场景。(智能移动木构机器人)酷冷至尊科技酷冷电竞车首次亮相浙江,它有着12米炫酷车身,搭配超强改装的电竞箱体,全自动伸展舞台,还有顶级配置的主

（原标题：华为HPC论坛成功举行：Atlas人工智能计算解决方案开启AI新未来）9月29日，2020 CCF全国高性能计算学术年会华为HPC论坛在线上成功举行，华为昇腾计算业务CTO周斌以《Atlas人工智能解决方案，开启AI新未来》为主题发表演讲，详细介绍了AI+HPC的发展趋势、对新基建的重要意义和华为Atlas人工智能解决方案的核心优势。随着云、AI、5G的快速发展与应用，世界正在进入万物互联的时代，联接数爆发式增长带来数据量爆发式增长：GIV@2025预测，全球年存储数据量将从2020年的44ZB增长至2025年的180ZB。与此同时，智能终端、边缘算力迅猛增长带来无处不在的计算，云边端协同驱动异构计算架构创新将带来无所不及的智能。这些迹象表明，我们正处在爆炸式创新前夜。华为昇腾计算业务CTO 周斌周斌表示，AI改变传统HPC计算的求解方法，AI+HPC是未来的发展趋势。从HPC应用最高奖项"Gordon Bell Prize"来看，2018年入围"Gordon Bell"决赛的6个应用中，有半数用AI+HPC融合的应用示范，显示出人工智能在HPC领域已开始发挥重要作用。而从全球Top500HPC榜单来看，Top500榜单中近30%系统拥有加速卡/协处理器，即越来越多的系统配有大量低精度算术逻辑单元，以支撑人工智能计算能力需求。尤其值得一提的是，榜单前十名都使用AI计算的能力。今年以来，受疫情影响，新基建成为政产学各界热议的话题。国家发改委定义的新基建范围包括信息基础设施、融合基础设施和创新基础设施，其中，信息基础设施主要是指基于新一代信息技术演化生成的基础设施，而以数据中心、智能计算中心为代表的算力基础设施即信息基础设施的重要组成部分。短期来看，新基建具有稳投资、扩内需、增就业的作用；中期来看，新基建可以引爆关联产业发展，促进各领域数字化转型；长期来看，新基建可以提升全要素生产效率，驱动中国经济高质量创新发展。为此，重庆、四川、天津、北京等省市已陆续启动公共AI算力基础设施规划。周斌表示，一切皆可计算，AI+HPC已在多领域崭露头角：在气象领域，北京市气象局、上海市气象台、浙江省气象局、福建省气象台、广东省气象台、香港天文台及美国国家大气研究中心等均在积极使用AI辅助气象工作；为充分掌握地球健康的脉搏，美国国家航空航天局开发出通过深度学习网络DeepSat，用于实现卫星图像分类和分割；在医学研究领域，结合AI深度神经网络计算1000万药物组成，可以从8个月时间提升至8分钟；在观察天体引力波领域，通过卷积神经网络训练引力波数据，较CPU方式处理快5000倍，并支持实时分析，可更深入了解暗物质。华为AI计算中心全栈解决方案通过多样性算力，构建极致性能、端边云协同、全栈服务、开放平台等全栈竞争力。其中，多样性算力方面，通过统一API AscendCL+接口，支持GPU和NPU资源统一调度和管理，实现昇腾+NV的多样性算力。值得一提的是，以ResNet-50为测试基准，Atlas 900超强算力AI训练集群获得了领跑业界28秒的超凡成绩，相比去年59.8秒的测试成绩缩短一半以上，体现了Atlas 900软硬件协同优化的持续演进能力。华为Atlas深度学习平台可以实现数据中心计算资源统一管理与调度，为华为AI计算中心全栈解决方案提供计算资源最优化调度支持，和边云协同参考设计——支持中心训练模型发布、更新、推送至边缘进行推理，形成模型的完整闭环。极致性价比方面，华为AI计算中心全栈解决方案在算力、性能、线性度和算力密度全部实现领先。其中，单芯片算力业界领先达320 TFLOPS，实现更高算力；多机多卡性能业界领先，实现更强性能；线性度相比友商达到1.5倍，实现更高线性度；同等算力机柜数节省54%+，实现更高密度。此外，华为AI计算中心全栈解决方案基于产学研结合优势，可助力科研创新、产业落地：结合华为自身AI科研和联创，促进AI研究创新；联合行业ISV伙伴，开放AI生态，使能行业AI转型；华为提供ISV技术、培训、营销等一系列组织和资源支持，助力产业落地。目前，Atlas 900 AI解决方案已助力鹏城云脑II打造国家级人工智能平台。鹏城实验室是实现国家使命的创新基础平台，鹏城云脑II以Atlas 900AI训练集群为主进行建设，实现了超强算力、"0阻塞"集群网络和极致能效。此外，中国科学技术大学超级计算中心副主任李会民、中国科学院计算技术研究所副研究员王银山、中国科学院计算技术研究所高级工程师贾海鹏、中国科学院软件研究所副研究员张娅、中国工程物理研究院工程师单雅辉、华为计算产品线HPC首席技术专家丁肇辉、华为2012实验室中硬数学库高级系统工程师宁国强、华为HPC存储首席架构师郭洪星等业界专家也在华为HPC论坛上带来了精彩分享。华为HPC论坛是第十六届全国高性能计算学术年会（CCF HPC China 2020）的重要组

（原标题：助力冬奥，澎思人居场景智慧化方案亮相AIIA2020人工智能开发者大会）9月28日，由国家发改委高技术产业司、工信部科技司指导，中关村科技园区管理委员会、北京市石景山区人民政府、中国人工智能产业发展联盟（AIIA）主办的AIIA2020人工智能开发者大会在首钢AI园启幕。澎思科技副总裁曲瀚在大会主论坛发表演讲，阐述澎思在城市人居场景智能化建设落地的思考和成果。作为首钢AI园区合作伙伴，澎思携AIoT智慧楼宇园区系统以及智慧通行防疫产品亮相大会现场，并展示了在2022冬奥会楼宇园区智慧化的建设进展。在题为《AIoT生态平台，助力城市人居场景智能化》的主题演讲中，曲瀚表示，城市人居场景的智能化是新型智慧城市的基础工程之一，也是普惠智能时代，城市基础设施与居民之间的重要纽带。新型智慧城市，首先体现为场景的智能化。城市楼宇、园等居民生活、工作中的具体场景是体现城市智慧水平的最佳场所。基于澎思AIoT生态平台，澎思形成了一套成熟的城市人居场景智能化落地方案：以计算机视觉和物联网技术为基础，以云+端的形式组建各个细分场景的产品矩阵，即布设在场景中的感知设备将数据传至云平台各个智能系统单元，通过设备互相感知，系统相互配合，完成一系列场景联动，实现以人为本的智能化服务。系统在精细化的管理、安全防范水平、降本增效、使用体验等维度满足现实需求，给予人舒适、安全、便捷的体验。据介绍，澎思AIoT人居场景智能化方案已经运用到众多细分场景中，如奥运园区、大型商场、办公大楼、银行、政务服务中心、空港地面服务中心、工厂、医院、学校等。曲瀚重点以智慧冬奥项目为例，介绍了澎思AIoT楼宇园区系统和相关方案。系统将楼宇、园区内安防、门禁、考勤、访客管理、迎宾、会议签到等具体业务场景一体化，一脸通行，权限统一，提高管理效率，实现以人为本的智能化服务。据悉，澎思科技已就“智慧楼宇综合管控系统”与首钢AI园达成合作，承担冬奥会附属建筑的智慧化工作，助力2022年北京冬奥智慧化建设。首钢园区作为2022年北京冬奥组委驻地和多个国家级冬奥训练场馆及冬奥滑雪大跳台场馆所在地，科技冬奥示范应用已陆续展示出来。在本届大会的现场，澎思科技研发的智能人脸识别门禁一体机、智能便携式人员体温筛查比对系统等多款智慧通行防疫产品也完成部署，并投入使用。0.3秒无感通行、无接触精确测温、多目标通时检测、未戴口罩检测和提醒等众多功能，让澎思智能通行产品成为首钢AI园大会现场的“刷脸”神器，确保高效通行的同时有效避免聚集风险，牢固重大活动疫情防线。大会现场，由工信部科技司指导，中国人工智能产业发展联盟、中国信息通信研究院发起的人工智能抗疫成果正式发布。澎思智能便携人体测温系统和人脸识别测温门禁一体机通过“人工智能抗疫产品”测试，并获颁证书。此前，澎思科技以上产品因在抗击新冠疫情过程中表现突出，获工信部表彰。“智慧筑基，源聚强国”。随着人工智能作为底层工具技术的属性在各行业得到验证，“新基建”助推转型升级的作用日益凸显。澎思科技将加大AIoT全产业链技术研发与创新，关注智慧城市不断出现的新场景、新需求，推进AI技术在实际应用中的落地，驱动尖端AI技术向普惠性的智能服务持续进化，为我国的人工智能产业发展添砖加瓦。

港股解码，香港财华社原创王牌专栏，金融名家齐聚。看完记得订阅、评论、点赞哦。伟大的投资是如何造就的？在科大讯飞（002230-CN）上市之初，这只是一家提供语音支撑软件及行业解决方案的厂商，其以语音核心技术授权使用的形式提供给各行各业开发商，为开发商在其系统和产品中集成语音技术提供支撑。在行业解决方案上，其开发面对电信增值业务领域的彩铃/炫铃语音搜索系统、面向普通话等级考试应用的计算机辅助普通话口语评测系统、面向大型企业/政府，融合智能语音和语言技术，具有协作、通讯、互联等关键支撑服务的应用系统。然而今天的科大讯飞，所提供的语音服务已成为人工智能时代的重要入口，但显然上市之初的投资者万万想不到科大讯飞能有如此广阔的发展前景，因此伴随着市场极度悲观的情绪，科大讯飞的估值被打落到历史最低点34.86pettm，而随着市场情绪的转暖、货币发行以及价值兑现和认知扩散，其估价得到了市场修复，却在随后的熊市阶段中再也没有低于65倍。显然，科大讯飞这一成功案例可以作为海天瑞声发展前景的正面参考。海天瑞声为何海天瑞声能够参考科大讯飞？因为其正踩在了人工智能的赛道上，因此，倘若市场未来出现了系统性风险使得估价得以下移，这或将成为海天瑞声的历史性低点。海天瑞声业务可划分为训练数据定制、训练数据产品、训练数据相关应用，但实际上这均为一块业务。算法、算力、数据是人工智能技术发展的三大要素，其中训练数据是ai算法发展和演进的“燃料”。在当前人工智能技术发展进程中，深度学习算法是推动人工智能技术取得突破性发展的关键技术理论，而大量训练数据的训练支撑则是深度学习算法实现的基础。深度学习分为“训练”和“推断”两个环节：训练需要海量数据输入，训练出一个复杂的深度神经网络模型；推断指利用训练好的模型，去“推断”现实场景中的待判断数据，并得出各种结论。训练数据越多、越完整、质量越高，模型推断的结论越可靠。因此，要使ai算法模型实现从技术理论到应用实践的落地过程，就需要提供大量的训练数据，对ai算法模型加以训练。通常，从自然数据源简单收集取得的原料数据并不能直接用于人工智能深度学习算法的训练，必须经过专业化的采集、加工处理，形成相应的工程化数据集后才能供深度学习算法等 ai算法、模型训练使用。海天瑞声的训练数据定制与产品业务的差别在于最终数据产品知识产权是否归为己有。定制服务中的数据有2种来源，分别为客户提供和客户提供要求供海天瑞声进行设计，两者都需要海天瑞声进行加工，最终形成知识产权归属客户的训练数据集产品。在智能语音、计算机视觉及自然语言三大领域中，智能语音领域训练数据为海天瑞声最早开始生产、销售的训练数据类型，当前仍为海天瑞声的优势领域和主要收入来源。2017 年、2018 年及 2019 年占训练数据定制服务整体收入比重分别达到 77.72%、79.95%及 76.94%。随着发行人业务的发展壮大，与下游人工智能行业发展路径相适应，海天瑞声也逐步将业务领域拓展至计算机视觉、自然语言领域。海天瑞声的核心技术体现在三个方面：1.海天瑞声可满足ai算法在不同应用场景下的训练数据需求，可对大规模数据进行高效的加工或质检，截至招股说明书签署日，海天瑞声已积累超过600个自有知识产权的ai训练数据产品，2.海天瑞声开发了数据处理平台，可实现ai训练生产，3.截至招股书签署日，海天瑞声覆盖150余个语种/语言，积累下超过100个语种/方言的发音词典，累计词条超过1000万条，透过客户构成，可以进一步确认海天瑞声的技术价值，而据艾瑞的数据，海天瑞声在中国 ai语音类基础数据服务领域企业中营收份额占比排名第1，因此海天瑞声的业绩增长有望超出行业平均增长水平。根据idc的数据，2019年中国人工智能产业规模将达到44.8亿美元，而随着贵州、山西、重庆等地相继出台指导意见，引入 AI 基础数据服务公司，共建数据基地、数据交易中心，打造具有地方特色的人工智能产业园，预期中国ai基础数据服务行业的市场规模将不断扩大。总结总体而言，海天瑞声作为ai产业原材料（原数据）供应商，其整体空间虽比不上下游人工智能应用巨头，但好在人工智能应用企业都在考虑如何盈利时，海天瑞声已经实现了盈利，并保持着较高的净利率水平，而随着人工智能应用的逐渐落地，海天瑞声有望迎来最好的时代。作者：周治玮

编者按：本文来自扬子晚报，原文标题《南京发布首批“应用场景” 每根路灯杆都是一个机器人》，记者 薛玲，36氪经授权发布。服务城市精细化治理及城市安防、交通管理的智慧路灯机器人项目，数据驱动新型公交都市先导区（江心洲）建设项目……在昨日南京首批应用场景发布会上，17个应用场景令人眼前一亮。南京市首批应用场景分为八大产业链和数字化治理两大类共17个，涵盖了软件和信息服务、人工智能等八大产业和数字化治理等领域。从应用层面上看，涵盖了智能制造、数据融合应用、医疗卫生、无人机、无人驾驶、智能电网、智慧出行、智慧城市、民生服务等领域。比如服务城市精细化治理及城市安防、交通管理的智慧路灯机器人项目，围绕云边协同，让每一根路灯杆构成数据采集、实时判断、策略执行的前台小脑，成为智慧路灯机器人，并与后台中心云大脑同步，以5G应用带动智慧城管、智慧安防、智慧交通、智慧环保、智慧停车、智慧井盖等应用功能落地运行，服务智慧城市“数字大脑”建设。数据驱动新型公交都市先导区（江心洲）建设项目，则以“按需出行、自动驾驶”为愿景，以中新科技生态岛为先导区，打造自动驾驶观光、居民区接驳、精准公交、全岛高清视频采集等场景。分别建设数据中心、交通大数据共享开放平台、高精度数字地图等信息基础设施，车路协同等融合基础设施，以及开展相关公交车辆的数字化改造，将有力拉动软件、大数据、云计算、人工智能等产业链的融合发展。

9月28-29日,以“开源 开发 开放”为主题的AIIA2020人工智能开发者大会(AIDC)在北京首钢园举办。AIDC大会现场此次大会由中关村科技园区管理委员会、中国人工智能产业发展联盟、北京市石景山区人民政府、中国信息通信研究院和首钢集团主办,中关村石景山园管理委员会、中关村数智人工智能产业联盟等机构承办,思必驰等机构联合承办。思必驰联合创始人、首席科学家俞凯在大会主论坛发表主题演讲。思必驰联合创始人、首席科学家俞凯本次会议上,AIIA重磅发布了“智能化分级:自然语言处理产品评测结果”和“人工智能产品和服务可信评估评测结果”。“思必驰中文语音识别系统”获得《中文语音识别基础服务评估证书》;“思必驰会话精灵”获得《智能对话系统等级评估证书》;“思必驰智能客服V3.0”分别获得《智能客服(语音客服)系统功能等级评估证书》和《智能客服(语音客服)系统性能等级评估证书》。当天,思必驰联合创始人、首席科学家俞凯在主论坛上,以《DUI:可定制的对话式人工智能开放平台》为题,向会场的数百位参会者以及观看线上直播的数万名开发者们进行了分享。DUI是思必驰于2017年9月正式推出全链路智能对话定制平台,它也是集思必驰技术大成者。作为国内领先的对话式人工智能平台公司,思必驰整体业务围绕“云+芯”重点布局。“云”即“DUI”,“芯”即“AI芯片”,针对智能终端和信息服务提供软硬一体化解决方案和全渠道的智能对话服务。在演讲中,俞凯指出:思必驰DUI的产生,正是基于目前人工智能平台面临的主要矛盾,即“技术提供商的通用技术”越来越不能满足“高度灵活个性化的应用需求”,在大量的真实应用场景应用中,都需要进行特别定制。而这个矛盾,也成为了对话式人工智能能否继续深化的一个核心关键问题。思必驰DUI平台概貌“思必驰DUI平台能够针对全链路对话(从底层信号处理、识别理解到技能输出),提供超高度个性化的定制服务。与其他平台最大的区别就在于:它是一个面向业务定制的,真正去做对话式人工智能赋能的平台,而不是一个单纯的技术应用平台。”俞凯介绍,而DUI定制化的具体实现则依托于思必驰软硬一体的全链路对话系统解决方案。软硬一体的全链路对话系统解决方案通过工程、资源、算法等方面的支撑,DUI平台的高可用、且规模化的定制能力也在不断提升。思必驰通过提供底层的技术支撑和工具,使得开发真正的对话式人工智能产品,成为人人都可以做的事。为了让这些人工智能产品的内容更加丰富,DUI引入了100+内容优质合作伙伴,提供200+自研的语音技能,供开发者们随意取用、组合。俞凯在演讲最后总结:DUI为个性化的人工智能定制提供一系列的对话交互的工具,使得高效、完整、安全的定制成为可能,就如同为开发者们打造的一个对话“工厂”。利用这个工厂里面的“机床”,开发者们就可以制造出具有自己特色的产品,而这些产品,将融入未来300-500亿的物联网智能终端设备,为物联网基于语言的智能化做强有力支撑。责任编辑：kj005

钱江晚报·小时新闻记者 陈婕近日，国家重点研发计划“冬奥全球传播服务平台研究及应用示范”获准立项。9月29日，该项目的承办方北京第二外国语学院走进轻寻科技，双方就该项目举行签约仪式。北京2022年冬奥会是国际重大标志性活动，办好冬奥项目，有助于提高国家影响力、提高国家国际地位。据介绍，“冬奥全球传播服务平台研究及应用示范”项目是由清华大学牵头，北京第二外国语学院、北京邮电大学、中国传媒大学和中国外文局当代中国与世界研究院承担的国家重点研发计划，将打造全媒体、全媒介、多元化的冬奥赛事和中国文化多语种全球传播服务平台。杭州轻寻科技有限公司是一家专注于将人工智能翻译技术应用于跨语言场景的国家高新企业。作为智能场景翻译技术提供商，公司拥有多项发明专利，专门用于识别和翻译各种载体类型的内容，旗下拥有翻译狗、Transbang、译动搜索、译带译路网等软硬件产品。据介绍，作为冬奥全球传播服务平台研究及应用示范课题参与方，轻寻科技实现课题落地的应用方案——译带译路网。通过多语言翻译技术、多语言搜索技术，服务好冬奥的全球传播。此外，所有入驻译带译路网的企业，在其企业官网将显示冬奥赛事最新最热门的资讯。“在本项目中，如何做好冬奥全球传播，讲好中国故事非常重要。 ”现场，北京第二外国语学院梁昊光教授表示，此外，通过当下的5G技术，融合北邮的6G技术，提前做好布局，在译带译路网中还可以加入基于不同国家不同人群对于冬奥项目兴趣倾向的数据模型，大家携手加强技术融合，打破课题边界，为奥组委提供服务，做好冬奥信息的立体传播，用科技响应2022北京冬奥会，让冬奥更好的覆盖到全球各个角落。“参与到国家重点研发项目中，是企业责任，也是一种殊荣，同时也体现了轻寻服务国家战略的企业担当。 ”轻寻科技创始人曾波表示，将通过自身场景翻译技术，服务本次冬奥，和北二外、清华携手完成科技冬奥项目。【来源：钱江晚报】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

机器学习前期很重要的一块就是数据分析，而观察数据的概率分布则是数据分析中很重要的一部分，概率分布分布离散概率分布和连续概率分布，今天先来说下离散概率分布，这里的离散是每次实验的结果是离散型，比如高考是否考上、午饭吃了没有，炒股赚了还是赔了等等。伯努利分布：也叫0-1分布，比如买彩票，则结果只能是“中奖”或“没中奖”。伯努利分布概率函数二项分布：n重伯努利实验成功的概率分布。注意成功这个词，我们还以买彩票为例，假设买了100次彩票，每次中将的概率是0.1（可没有这么高的概率哈，别听我这里胡扯哈~~~），那么其二项分布就是中0次、1次、2次、......、100次的一系列概率。从这里看1次其实就是伯努利分布了。100次彩票中奖二项分布二项分布概率公式公式中n是n次实验，x是n次实验中成功的次数，p是每次成功的概率。至于概率分布有了之后要怎么用呢？比如上面买彩票这事，按买100次，每次0.1的概率来看，中10次后从概率开始降低，中20次之后几乎就不会中了，所以如果你运行好，只买了30次其中就中了十几次，那么后面的70次就不要买了，因为按照概率分布来说，你后面再买的话中奖概率也很低了，是不是就省了后面70次的买票钱呢，是不是很有道理呢，O(∩_∩)O

日本是个神奇的国家，科技发达，同时也“怪事”频出。2018年，35岁的近藤显彦和虚拟歌手初音未来结婚，轰动全世界！这是一场不受父母祝福的婚姻。虽然2年后以“离婚”收场，但也同样让人唏嘘。近几年，日本更是频频研发女性机器人，且一上市就遭到万千宅男的哄抢。真实的女性已经不香了吗？要什么虚拟的初音未来、冰冷的机器人？其实是日本研发的女性机器人太过于逼真、美丽，而且取名为“妻子”。脸蛋美艳可私人定制男人天生好色，为了迎合男人的喜好，日本研发的女性机器人大多脸蛋美艳，身材姣好。随随便便就是女神级人物。这样级别的美女，可能是很多男人现实中努力过却也得不到的。不仅如此，日本女性机器人还可以私人订制。这意味着我们想要的样子，很可能她都有。比如身材要苗条，脸蛋清纯或者御姐风等等。内部结构很逼真具有“生育功能”谁也不想在家里放一个冷冰冰的机器人，没意思。日本女性机器人的逼真真是到了令人咋舌的地步。首先，真人一般的外观。采用全球最先进的仿真技术，全身上下都是最高级的硅胶，颜色和人的肤色接近，白皙细腻，摸起来柔软有弹性。重要的是，皮肤表面还有一定的温度，触感几乎和真人一样，OMG！其次，1:1复刻真人的身体内部结构，这让她有了“生育功能”。当然，她并不能真正地生出孩子，而是模仿这个过程，真是令人赞叹。这对于许多“丁克”宅男来说，既不想要男孩子，又想经历过程，尤为合适。最后，会做简单的家务活。机器人可以说是因为人类的懒惰而产生，最开始的机器人功能就是做家务，减轻主人的劳累感。因此，日本女性机器人也是会做一些简单的家务，比如洗衣服、擦地、叠衣服等等。由于内部加入了人工智能芯片和最先进的传感器，日本女性机器人还能识别主人的情绪变化，从而选择一个恰当的方式来安慰主人，非常贴心。10万元的价格相当于男人娶妻的彩礼钱机器人在我们平常人的眼里，代表着尖端科技水平，价格一定不便宜，怎么也得100万以上。但日本女性机器人就出乎意料了，一台的价格在10万元左右。讽刺的是，10万元正是很多地方娶媳妇的彩礼钱，甚至不止。中国版女性机器人端庄优雅大气，或许未来也遭哄抢日本的女性机器人市场已经相当成熟，国内稍稍晚一些，去年推出了一款。通过观察大家可以发现，日本的女性机器人大多数是甜美系列的，而中国版很有古典气质，端庄、大气、优雅。同样逼真。这款女性机器人目前是还没有量产的，如果上市，估计也会遭到国内有钱宅男的哄抢。如今彩礼昂贵，加上恋爱观、婚姻观升华，很多人人宁愿选择单身，如果这时候有个温暖、会做家务、还会安慰人的机器人陪伴也不错。不过，逼真归逼真，便宜归便宜，女性机器人始终没有真人鲜活。劝大家有老婆的还是珍惜老婆，没有女朋友的争取找一个。

“妻子机器人”拥有3大功能，关键在于逼真？网友：还比真的好使曾经在一些科幻类影视作品中，我们经常能够看到一些机器人，只是现如今，机器人已经出现在一些偶像剧中了，比如说《我的机器人女友》之类的作品，这也说明，人们对于机器人的伴侣的接受程度，已经差不多了，正因为此，越来越多的机器人公司，才开始研发机器人伴侣，笔者今天要说的，就是“妻子机器人”拥有3大功能，关键在于逼真？第1大功能：就是提供私人定制功能，除了一开始在入手这款机器人时，你可以定制机器人的外观之外，还能够在体验的过程中，随时随地定制机器人的性格、声音，就如同《魔幻手机》中的“傻妞”一样，这在5G通信技术还有AI智能算法的加持下，都得以实现。第2大功能：就是提供私人管家功能，一个人生活的时候，其实不一样是害怕孤独，有时候，更是会觉得，什么事情都不想做，也包括家务活，而拥有私人管家的妻子机器人，不仅可以帮你做家务，还能够为你随手关灯、关电视，或者是远程操控下，在你还没有回到家之前，就提前帮你打开空调。第3大功能：就是提供私人伴侣功能，妻子机器人的外形被设计得非常逼真，不只是皮肤看起来很像真人，而且触感也很真实，毕竟里面有模拟体温的装置，它还可以陪你聊天、玩游戏等等，作为伴侣，基本上人类妻子能做到的事情，它基本上都能做，但关键也在于它足够逼真，完全依靠机械骨骼来行动。也正因为此，一些网友才会表示：拥有以上3大功能的妻子机器人，还比真的好使，毕竟真人可不能做到定制外观、性格这样的事情，对此大家怎么看？

随着懒人经济的大爆发,让人“坐享其成”的扫地机器人凭借突破性的技术升级和互联网品牌的强势进入得到了快速成长。而在近几年的国内扫地机器人行业中,不仅有国外专业品牌入驻,也有不少国内自主品牌异军突起。其中,具有代表性的新贵品牌分别有来自日本的进口品牌Uoni由利和国内云鲸,也先后登陆市场。为了进一步地契合中国家庭的清洁痛点,它们分别先后推出了各自的旗舰新款产品——会自己倒垃圾的Uoni由利扫地机器人V980 Plus和会自己洗拖布的云鲸拖地机器人小白鲸。日本由利品牌,发展至今已深耕扫地机器人行业几十年,沉淀了丰富的技术经验。而由利扫地机器人V980 Plus不仅能深度扫除地面灰尘及各类垃圾,它还搭载自动集尘技术,可高速清空尘盒垃圾;并且集尘垃圾只需一月一抛,拎袋处理。这既避免了传统扫地机器人手动清理尘盒的麻烦,也杜绝了清理过程中发生二次污染,真正做到免维护清洁。另外,日本由利也凭借这款高科技产品斩获天猫新品牌奖。而作为国内后起之秀的云鲸,旗下拖地机器人小白鲸主打全自动机洗拖布功能,可以让用户从多次清洗拖布的过程中解脱出来,从根本上免去了“手洗拖布”的麻烦。还值得一说的是,这款扫地机在天猫超级品牌日刷新了该品牌销售额的历史新高,获得完美收官。从用户角度来说,这两款扫地机器人都有从实际出发,在扫地和拖地方面的清洁体验各有千秋,是名副其实的家居清洁好帮手。而从技术层面来说,这两款扫地机器人都采用了先进的清洁技术,让扫地机器人实现高度智能化,不仅让用户感受科技的魅力,还极大提升了家居生活的质量,一举两得!另外,这两款扫地机器人还将蓄力备战今年2020天猫双11活动,让更多的家庭感受科技带来的智慧生活新体验! 在当下的智能科技浪潮中,扫地机器人的清洁能力和智能化表现都在持续提升,只为让其实用性最优化,成为真正的清洁好利器。只有围绕消费者需求,不断做出创新改变的品牌,才能在未来扫地机器人市场走得更远。转载请注明出处。

法国仓储机器人初创公司 ExoTec 近日完成了 9000 万美元的新一轮融资，由伦敦风投公司 83North 领投。ExoTec 成立于 2015 年，主要开发了名为 Skypods 的自主工业机器人，可以水平/垂直移动，行进速度可达9英里/小时。这些机器人是“货到人”拣货系统的重要一环，能够提高生产效率，最大限度的减少人类仓库工作人员的劳累和体力消耗。受疫情影响，电子商务今年得到了快速发展。在美国上月，线上销售额同比增长了 42%，自3月以来，全球流行病已导致在线销售额额外增加1070亿美元。这种需求的激增对 Exotec 等公司来说是个好消息，这些公司专门为大型仓库配备工具，以大规模地拣选和包装订单。Skypod 系统由四个核心部件组成。以电池为动力的机器人使用激光扫描器来检测障碍物，可以沿着地面水平移动，也可以垂直移动，使它们能够到达高处存放的货物。存储架本身也是Exotec系统的一部分，设计用于存放高达 32 英尺的库存。然后是 Exotec 工作站，（人类）操作员在那里接收Skypod机器人挑选的库存订单。支撑这一切的是第四个部分：作为“空中交通管制员”的软件，指示Skypod机器人去哪里领取每个订单的货物。在此之前，Exotec 已经筹集了约 2100 万美元的资金，另外还有包括戴尔科技资本、Iris Capital 和 Breega 在内的投资者提供的 9000 万美元的银行资金，它表示计划在美国和日本扩大业务规模。

为更好推动落实国家相关政策要求，进一步洞悉AI产业发展方向，打造我国人工智能产业发展的“前沿阵地”，9月28日，以“开源开发开放”为主题、由中关村科技园区管理委员会、北京市石景山区人民政府、中国人工智能产业发展联盟(简称“AIIA”)、首钢集团主办，中国信息通信研究院、中关村石景山园管理委员会、中关村数智人工智能产业联盟等单位共同承办的AIIA2020人工智能开发者大会在北京成功举办。会上，中国人工智能产业发展联盟联合中国信息通信研究院发布智能化分级-自然语言处理评测结果，容联七陌获国家智能客服系统性能“功能增强型”与“性能良好型”专业认证，华为、腾讯等知名企业相关智能产品同期通过认证。据悉，本次智能客服分级评测“以规范树立标杆、以评测提升能力”宗旨，通过技术测试、材料审查和企业披露等方式对参测产品的基础功能、业务能力和服务性能等指标进行评测。凭借多个维度的优异表现，容联七陌智能客服成功获得国家级专业认证。作为智能客服赛道领军品牌，容联七陌专注于企业客户服务云领域，拥有十余年通讯技能经验与优秀的AI团队，利用通讯能力与人工智能技术解决客户服务与客服工作效率难题，为企业提供售前、售中、售后等所有“服务+营销”的全场景解决方案。此次获得专业认证的容联七陌X-Bot文本机器人，是容联七陌AI能力的沉淀与积累，同时也代表着智能客服行业的领先水平。基础功能层，容联七陌X-Bot机器人支持多轮会话、流程引导、深度学习、智能反问等能力，拥有访客交互、任务管理、智能知识库、智能学习四大亮点，支持多渠道接入、富媒体消息、情绪识别等能力，配合知识库还可根据访客问题自主学习，维护成本极低，同时极大提升客服服务效率。业务层，X-Bot提供问答型、任务型、闲聊型多种业务类型，可实现一问多答、任务切换及多种场景切换人工服务，进行高效人机协作，广泛应用于政务、教育培训、电商零售、旅游出行等行业的物流订单查询、机票酒店预订，教育培训报名等场景，为新东方、凯德集团、华夏出行、民生电商等不同知名企业提供长期深度服务，回复准确率高达98%，节省70%人力成本。系统性能层，容联七陌X-Bot智能客服机器人具备强大的智能分析、语法分析、实体抽取、意图识别、句子建模等底层技术能力，具备行业领先的深度神经网络技术，可对接收到的语句进行更精准的语义分析，通过上下文关联、场景管理、个性化推理等过程，对自然语言进行准确理解并作出精准判断回复，超过90%的语义识别精准度。通过智能客服机器人，可为企业提供24小时全天候服务，接待零延迟，全渠道辅助企业提升服务体验与效率，减少客服人力成本。与此同时，通过任务能力对接企业业务，更能帮助企业业务流程自动化与智能化，助力企业客户服务转型。事实上，这并不是容联七陌第一次获得国家智能客服专业技术认证。早在2019年11月，中国信息通信研究院云计算与大数据研究所发布了人工智能产品和服务可信评估结果，容联七陌智能客服在基础功能、AI核心技术能力、企业服务能力、系统成熟度、可维护性等五大指标以及各指标下的功能集均取得较高评分，尤其是在AI核心技术能力评测中，语音语义的理解和处理能力，多轮对话和多语言交互表现优异，在系统功能测试中，获得功能增强型最高级别认定。2020年获得智能客服性能“功能增强型”与“性能良好型”专业认证，则是对容联七陌在人工智能技术的再次巨大肯定。客服作为人工智能应用的重要阵地，对于行业与技术的推动意义重大，是推动我国智能产品走向全球，促进产业发展的重要突破口。作为智能客服领域的领导者，容联七陌将继续加大对AI技术的投入，不断升级迭代，同时发挥AI技术能力优势，持续推出更多优质行业落地应用，满足更多场景需求，助力更多企业客户服务能效提升与全面数字化升级。（文章来源：砍柴网）

近日，国际机器人联合会（IFR）发布了2020年全球机器人统计数据。数据显示，2019年全年工业机器人安装量为37.3万台，比上年减少12%，但也是史上第三高。截止到2019年底全球工业机器人累计安装了270万台套，年增长12%。2009年-2019年每年工业机器人新安装量2009年-2019年工业机器人年累计安装量亚洲市场机器人增长放缓亚洲仍然是工业机器人发展最强劲的区域，新安装的机器人的份额约为全球的三分之二。2019年中国工业机器人新安装近14.05万台，比上年下降9%，低于2018年和2017年的创纪录水平，但仍比5年前（2014年：57,000台）销量翻了一番。 日本新安装数量也有所放缓，约下降10%。。在中国，71％的工业机器人由外国机器人公司供应，中国国内制造商主要面向国内市场需求，并获得了越来越多的市场份额。外国机器人厂商将约29%的工业机器人销往汽车行业，而中国厂商仅占12%左右。近两年中国汽车工业业务下滑，国外机器人公司业绩影响更大。中国工业机器人累计安装量已经达到了78.3万台，总量亚洲第一，年增长21%；日本位居第二，约有35.5万台，增长了12％。后起之秀印度新纪录达到2.63万，年增加15％。 五年时间印度工业机器人年安装量翻了一番。全球前15大工业机器人市场数据欧洲市场涨跌互现欧盟各个国家工业机器人年安装量变化很大，增减互现。德国2019年新安装了约20,500个机器人，远低于2018年，下降23％，但与2014-2016年持平；而法国、意大利和荷兰2019年工业机器人新安装量分别增长了 15％、 13％和 8％。英国工业机器人新安装量也较低，下降了16％。截止到2019年年底，欧洲工业机器人累计安装量58万台，年增长7％。 德国仍然是主要的用户，累计安装量为221,500台，约是意大利（74,400台）的三倍，法国（42,000台）的五倍和英国（21,700台辆）的十倍 。美洲市场新安装量下降明显2019年美国工业机器人新安装量下降了17%，约3.33万台，但仍是历史第二高，美国工业机器人大多是从日本和欧洲进口，国内以集成商为主。墨西哥近4,600台辆的新安装量排名第二，与上年相比下降了20％。而加拿大则略微增长了1％，达到约3，600台的新记录。2019年巴西工业机器人新安装量下降了17％，降到约1800台，这仍然历史较高水平。美国是美洲最大的工业机器人用户，工业机器人累计安装量创下了约29.3万台新记录，年增长了7％。墨西哥以4.03万台位居第二，年增幅为11％，其次是加拿大，约为2.86万台，年增幅为2％。南美排名第一是巴西，累计近15,300台，年增长8％。机器人密度持续增长衡量一个国家制造业水平的一个指数就是机器人密度，每万名工人中机器人所占的比例。全球机器人密度平均114，中国机器人密度187，中国机器人密度连续保持在世界平均水平之上。协作机器人独领增长协作机器人的应用正在逐步增长，销量也在上升，2019年全球协作机器人的安装量增长了11％。这种增长态势与2019年传统工业机器人的总体趋势形成了鲜明对比。随着越来越多的供应商提供协作机器人，并且应用范围变得越来越大，2019年新安装的协作机器人占全部37.3万台工业机器人的市场份额达到4.8％。协作机器人与传统工艺机器人市场占比工业机器人应用方向展望未来在全球范围内，COVID-19对2020年工业机器人的数据具有重大影响，但也为复工的智能化和数字化生产提供了机会。2020年全球工业机器人市场不大可能在大规模订单中获得刺激，但是中国已于第二季度恢复生产，全年机器人安装量或会。2020年COVID-19对工业机器人市场的影响，可能要到2022年或2023年才能达到危机前的水平。工业机器人的应用领域不断扩大，从快速、精确地处理所有工业生产的传统工业机器人到可以与人类安全地工作并完全集成到工作台中的新型协作机器人。

格隆汇 9 月 30日丨远大中国(02789.HK)公告，于2020年9月30日，公司全资附属公司渖阳远大与远大机器人(300024,股吧)订立自动化生产及智能仓储设备协议。根此，远大机器人将为渖阳远大提供自动化生产及智能仓储的设备供货及配套软体开发设计服务，代价约为人民币3500万元。于同一天，渖阳远大与远大机器人订立技术服务协议。据此，远大机器人将为渖阳远大提供生产全流程自动化升级及精益化生产管理专项技术服务，代价约为人民币500万元。（责任编辑： HN666）

青岛造车产业发展如何？日前，晚报记者探访了一汽-大众华东基地、一汽解放青岛公司、北汽新能源产业青岛产业基地、上汽通用五菱青岛分公司。采访中，记者感受了智能化流水线的震撼，“智慧造车”基地给青岛工业化带来了世界水准的流水线和教科书般的企业流程化管理。它们的到来，吸引了几十家汽车配件企业落地青岛，串联起了千亿汽车产业链条。一汽-大众华东基地生产车间。记者 汤臻 摄“世界级工厂”的世界水准日前，记者探访了一汽－大众华东基地的冲压车间、焊装车间、涂装车间、总装车间。“冲压”是整车生产的第一道工序，顾名思义是用来生产引擎盖、车门等车身零部件。一汽-大众华东基地冲压车间拥有目前世界最先进的舒勒冲压伺服生产线，完成拉延、冲孔、修边以及整形等工序的冲压生产。“为了实现高质量标准，我们的检测都是精确到微米的。 ”现场工作人员表示，冲压件生产后，线尾人员对制件进行严格的质量检查，每批次零件生产后，还会进行三坐标尺寸测量。可以说，一汽-大众华东基地对零件精度控制，已经超过了头发丝的直径。焊装车间是制作汽车骨骼的车间，有1036台机器人，是目前采用机器人最多的单一车间。 “焊装车间使用激光焊接技术，从安全角度来说，激光焊接强度比普通点焊强度要高出40%，使得车辆在受到碰撞后，不易变形断裂，为驾乘人员提供更安全的保障。 ”现场一位技术人员介绍，一款新车的焊点数量多达数千个，焊点的质量很大程度上影响着整车的安全性。据了解，一汽大众华东基地九成以上工作流程实现自动化，日产达到920余台，平均每58秒就有一台整车下线。小小螺丝都能“追溯到家”在汽车制造的流水线上，总装车间的“任务”是负责整车生产中所有的部件的拼装组合。在华东基地总装车间，这里率先利用IT大数据分析系统来武装“大脑”，产品质量、产量全部由大数据分析来完成。总装车间最为普遍的工艺就是拧紧工艺，每辆车的装配都要经过上千次的螺栓拧紧。一个小小的螺栓拧紧失误，就会给用户车辆带来行驶噪音、漏雨、抛锚甚至制动消失等严重的质量问题和安全风险。“每一个螺丝拧紧信息是可追溯的。 ”现场工作人员介绍，每天都会有几十万个拧紧结果随车辆的底盘号等信息一起自动上传到公司的上层数据库中保存15年。这意味着，15年内，用户的座驾在整个总装生产过程中的所有的拧紧信息和拧紧过程都可以追溯。启动“车联网”“无人驾驶”研发据现场工作人员介绍，自2018年投产至今，一汽-大众华东基地累计生产超过51万台整车。基地除了承担大众品牌BoraMQB、e-bora两款车型生产任务外，全新奥迪A3 sportback是华东基地首款奥迪车型，也是山东省首款豪华车品牌车型。全新奥迪A3三厢版将于今年11月投产，预计明年初与两厢版共同上市。此外，随着全球汽车制造商争先恐后地开发先进的驾驶辅助系统和自动驾驶功能，一汽-大众华东也开始启动研发“车联网”和“无人驾驶”技术。一汽-大众目前正在社招一些软件工程师，用来帮助设计全球无人驾驶汽车架构。“国内软件工程师人才济济，加上中国愿意推出支持联网和自动驾驶汽车的基础设施，希望能使中国成为第一批获得广泛认可的自动驾驶汽车市场之一。”工作人员表示。

放眼家电市场,有不少类型的家居清洁工具。但说起能解放用户双手、还能独立完成家居地面清洁的工具,智能扫地机器人自然是当仁不让的最佳之选。不过,市面上的智能扫地机器人品牌繁多,不同品牌旗下产品的实际使用效果还是存在很大偏差的。所以,想要更好的清洁家居环境,一定要认准专业大品牌,在这里给大家安利行业领导品牌――德国斐纳TOMEFON扫地机器人。清洁力爆棚是斐纳TOMEFON扫地机器人最大的优势。斐纳TOMEFON扫地机器人搭载LDS激光导航技术、斐纳TOMEFON专有芯片、智能构图系统和仿生运算法则,生成高精准的可视化地图,并且实现了更高效的智能规划,确保扫吸拖环节井然有序进行。在最为关键的电机配置上,斐纳TOMEFON扫地机器人采用数码无刷电机,最高可产生2150帕的吸力(同时还有1500帕、1800帕的变频吸力设置),对于地面上的灰尘、颗粒物、毛发甚至是地毯、缝隙等处的灰尘都能瞬间吸走。在拖地功能上,斐纳TOMEFON扫地机器人同样在上一代的基础上提升了不少,仿生水箱采用恒压贴地设计,使其与拖布的配合下更加近距离接触地面,深度清洁地面灰尘,拖完的地面不仅一尘不染而且不会留下水渍,既拖既干。而在精准控制渗水量、拖地效果方面,市面上的很多扫地机器人是无法像斐纳TOMEFON扫地机器人做得这么极致、到位的的。无论是扫地还是拖地过程中,用户都能通过APP对斐纳TOMEFON扫地机器人进行远程遥控,调节吸力、渗水量、清扫模式等功能操作。不过,在所有APP功能设置上,最打动人的功能就是禁区清扫和选区清扫设置,赋予斐纳TOMEFON扫地机器人更强大的实用性,也进一步提升了用户使用体验,让用户坐在沙发上或者是在户外,都可以发布指令,体验感超棒。德国制造一向以严谨做工、超高品质著称,德国品牌斐纳TOMEFON扫地机器人也不例外,无论是机器本身的外观设计、机身的工艺处理、细致周到的细节处理还是专业技术的融合亦或是卓越不凡的产品性能表现,都足以看出是斐纳TOMEFON扫地机器人作为德国制造的用心和对极致品质的追求。正因如此,斐纳TOMEFON扫地机器人获得了消费者的普遍认可和好评,使其连续八年位居全球销量榜单第一名。

福州海峡国际会展中心7日下午上演一场围棋顶级对抗赛，多次获得世界冠军的国产人工智能“星阵围棋”与来自比利时的人工智能LeelaZero(里拉零)对阵，吸引了广泛关注。比赛现场，清华大学博士以及职业围棋高手为观众讲棋。最终，在这场表演赛中，“星阵围棋”中盘战胜LeelaZero(里拉零)，获得本次顶级对抗赛的优胜。两个人工智能通过电脑连接各自的后台系统进行人工智能比赛。“星阵围棋”是北京深客科技有限公司研发的高水平人工智能围棋程序。它使用更少的训练资源，实现更具通用性、更人性化的高水平围棋智能。“星阵”像人类一样会点目，不会因优势而退让，始终追求最优下法。“星阵”可以进行任意路数和任意贴目的对局，完美适应各种围棋规则。“星阵”于2018年4月战胜世界冠军柯洁九段，2018年5月让先对阵顶尖职业棋手41局获得40胜1负，随后相继三次获得世界人工智能围棋大赛冠军。2019年4月，“星阵”让二子对阵四位世界女子顶尖棋手，获得全胜。“星阵”还曾代表中国人工智能参加第四届东方经济论坛。图为国产人工智能“星阵围棋”与来自比利时的人工智能LeelaZero(里拉零)对阵现场。 吕明 摄LeelaZero(里拉零)是比利时研发的一款鼎鼎有名的人工智能程序，目前在围棋界应用的范围很广，作者GCP是一位比利时程序天才，他创造LeelaZero(里拉零)的初衷是想实现Deepmind(深度思考)的论文算法，验证所能达到的棋力，甚至超越AlphaGoZero(阿法狗元)的高度。 比赛现场，人工智能专家及围棋国手(金涬博士、王鹭三段)站在大屏幕前同步讲解，通过大屏幕对外展示人工智能队伍的算法和胜率，分享人工智能的相关知识。尤其值得一提的是，除了在现场目睹顶级人工智能比拼，观众在现场还可以和目前世界上最先进的工业机器人互动。机器人是由智能传感(智能眼)、智能对弈(智能脑)和智能操控(智能手)三部分系统构成，其核心为可分等级的围棋智能对弈系统。人工智能为众人所熟知的是谷歌Alphago与李世石、柯洁对决的人机大赛。经过数年发展，目前围棋是实现人工智能全产业链应用的领域，是大数据收集和分析计算能力的典型体现，也是目前各科技公司用于探索深度学习、比拼人工智能水平的竞技场。图为国产人工智能“星阵围棋”与来自比利时的人工智能LeelaZero(里拉零)对阵，吸引了广泛关注。 吕明 摄本届数字中国峰会以人工智能围棋竞技比赛，通过动态的比赛和机器人互动下棋的方式，让更多人深入浅出了解人工智能，接触人工智能。深客科技创始人兼CEO、“星阵围棋”主创人金涬博士在接受记者采访时表示，人工智能是数据驱动的学科，围棋的数据公开可获取，又可以无限生成。因此围棋是一块很好的算法研究的试验田，在这个领域对新的人工智能算法进行研究和验证，然后将新的算法应用在其他更加具有商业和应用价值的领域是一种非常好的创新模式。 (闫旭 吕明)

9月28-29日,“AIIA2020人工智能开发者大会”在北京举办。本届大会以“智慧筑基,源聚强国”为主题,聚焦人工智能技术、产业和应用领域的最新进展和热点。大会上,腾讯的多项AI技术与产品获得业界高度认可。其中,腾讯翻译君、腾讯云小微智能客服机器人、腾讯云小微AI语音助手、腾讯云小微语音合成系统、腾讯云语音识别分别通过NLP:“机器翻译”、“文本客服”、“智能对话”;语音:“语音合成”及“语音识别”等项目的专业评测认证。同时,还有腾讯云文字识别、人脸1:1验证微服务、天御V5.0三个产品分别通过OCR服务、带口罩人脸识别以及内容安全服务专业评测认证。深耕AI领域 多项AI技术获业内认可据悉, 本次AIIA人工智能开发者大会是目前国内人工智能领域最具创新价值的行业盛会之一,本届大会围绕人工智能生态构建和创新技术应用,发布多项亮点成果。其中,腾讯智能平台产品部研发的腾讯翻译君、腾讯云小微智能客服机器人、腾讯云小微AI语音助手等产品,以其在机器翻译、文本客服、智能对话和语音合成等方面的优异表现,通过了大会的专业评测认证,获得业界的高度认可。近年来,AI的场景落地赋能产业升级是行业重点关注的方向,而人工智能作为经济发展的新动力以及新一轮产业变革的核心驱动力,正深度赋能教育、文旅、出行等多个领域,为产业升级转型提供了强有力的支撑。基于这一目标,腾讯云小微专注于AI语音语义及对话机器人技术领域,在人工智能的新时代中,将AI语音语义、机器翻译技术和软硬件一体化方案发展成业内领先技术,在业界达到领先水平。在2019年的AIIA人工智能开发者大会上,腾讯智能平台的腾讯叮当智能屏也获得人工智能产品智能化最高级别的认证;在DSTC第八届对话系统技术挑战赛中,腾讯智能平台产品获得四项第一、CAIL2019司法人工智能挑战赛阅读理解第一名;2018年,在WMT世界机器翻译大赛上,腾讯翻译君还获得中英方向世界第一的好成绩。高效准确的智能对话机器人 持续助力行业升级可以预见的是,随着AI人工智能产业的快速发展,人工智能已经成为新一轮产业变革的核心驱动力,正在对世界经济、社会进步和人类生活产生极其深刻的影响。尤其是在今年新基建的氛围下,国内人工智能更是迸发出星星之火。在行业转型升级中,智能对话机器人是各行各业数字化、智能化发展的助推力,而智能客服作为智能对话机器人中的重要一环,可以保持24小时在线提供专业回答,为企业在用户心中勾勒出“持续在线,有问必应”的正面形象。在智能对话机器人上,腾讯云小微充分运用其在技术上的优势,对智能对话机器人进行全方位升级,并提出“让企业与用户做朋友”的概念,通过与IP相结合,推出虚拟形象机器人,让人机对话体验更自然、生动、有记忆点。在技术方面,腾讯云小微通过整合智能对话系统与知识图谱系统中的AI基础能力,并基于腾讯大数据+Bert的深度学习,以及首创业界LARQ技术所提供的问法扩展能力,让客服准确率能够达到95%左右,为企业提供高效、准确应答的智能客服。除了高效、准确的应答外,腾讯对话机器人还为企业提供了更智能的用户端体验,打造了功能完善、操作简单的运营体系。设计拖拽式可视化界面,快速实现复杂场景下的多轮对话配置。无需执行过多繁杂的操作步骤,也能生成功能完整的对话机器人,助力企业能更轻松地与用户交朋友,也更进一步地实现多场景下的无“微”不智。多场景全渠道 无“微”不智的智能对话机器人智能对话机器人在行业内的应用广泛,不只是在客服领域,智能客服还能为各个行业内提供服务。正如腾讯云小微,通过整合智能对话系统与知识图谱系统中的AI基础能力,面向语音交互、数字助理、主动对话服务等多场景,覆盖智能终端、车载等全渠道,提供相当便捷的对话机器人服务。不仅如此,腾讯云小微对话机器人的落地应用场景也十分广泛。如拨通电话服务热线时,电话机器人能随时接通并高效应答;当客户踏入业务大厅时,服务机器人随时迎上,简单咨询、服务导办“张口即来”;线上小程序或政务服务网,也能频繁见到对话机器人“在线营业”。此外,腾讯还为校园、景区、银行等场景提供实体机器人,它们是有着“憨萌外表”的智慧百事通。能够为轻松满足客户的问答咨询、迎宾接待、娱乐互动、导览讲解等互动需求。人工智能是产业互联网的“中央处理器”,也是新基建的核心技术之一。此次大会,围绕人工智能生态构建和创新技术应用,发布了多项亮点成果。尤其是腾讯智能平台展示的腾讯云小微对话机器人、IP虚拟人等产品十分亮眼,其AI语音语义技术、知识图谱技术、软硬一体化解决方案等,都在行业数字化转型升级中起到重要的助推作用。目前,腾讯云小微仍不断地在人工智能领域中不断发力,不仅追求技术的持续升级,也不忘在技术落地和用户综合体验上做应用落地探索。未来,腾讯也将继续利用其技术优势,为企业与用户提供无“微”不智的数字化助理。

来源：金融界基金作者：机器君金融界基金09月30日讯 宝盈人工智能主题股票型证券投资基金（简称：宝盈人工智能股票C，代码005963）公布最新净值，上涨1.63%。本基金单位净值为2.4586元，累计净值为2.4586元。宝盈人工智能主题股票型证券投资基金成立于2018-08-15，业绩比较基准为“中证人工智能主题指数*60.00% + 恒生综合指数*25.00% + 中证综合债指数*15.00%”。 本基金成立以来收益145.86%，今年以来收益44.95%，近一月收益-4.52%，近一年收益67.55%，近三年收益。近一年，本基金排名同类（93/765），成立以来，本基金排名同类（89/912）。金融界基金定投排行数据显示，近一年定投该基金的收益为31.85%，近两年定投该基金的收益为79.03%，近三年定投该基金的收益为，近五年定投该基金的收益为。（点此查看定投排行）基金经理为张仲维，自2018年08月15日管理该基金，任职期内收益145.86%。最新定期报告显示，该基金前十大重仓股为立讯精密（持仓比例8.67% ）、腾讯控股（持仓比例7.66% ）、金山办公（持仓比例7.37% ）、宁德时代（持仓比例6.05% ）、北方华创（持仓比例5.72% ）、歌尔股份（持仓比例5.67% ）、星期六（持仓比例5.15% ）、闻泰科技（持仓比例4.95% ）、拓普集团（持仓比例4.32% ）、恩捷股份（持仓比例4.06% ），合计占资金总资产的比例为59.62%，整体持股集中度（高）。最新报告期的上一报告期内，该基金前十大重仓股为立讯精密（持仓比例9.19% ）、腾讯控股（持仓比例8.83% ）、金山办公（持仓比例6.20% ）、星期六（持仓比例5.72% ）、北方华创（持仓比例5.34% ）、闻泰科技（持仓比例5.16% ）、兆易创新（持仓比例5.08% ）、壹网壹创（持仓比例4.31% ）、舜宇光学科技（持仓比例3.92% ）、先导智能（持仓比例3.74% ），合计占资金总资产的比例为57.49%，整体持股集中度（高）。报告期内基金投资策略和运作分析2020年上半年沪深300上涨1.64%，创业板上涨35.6%，新冠疫情一季度在国内爆发，二季度在海外的蔓延造成宏观及行业较大的波动，随着国内疫情趋缓，国内财政与货币政策的刺激，国内各行业基本面逐步改善，医药行业更是受益于疫情上半年涨幅领先。行业上来看（以中信一级行业），上半年医药和餐饮旅游分别上涨40.28%和31.38%，跌幅较大的行业为石油石化和煤炭，分别下跌17.47%和17.29%。疫情之下，龙头公司竞争优势壁垒显现，各行业龙头公司份额加速集中，报告期内我们将持仓优选集中在各细分领域中的龙头公司，此外我们认为疫情只是延后科技产业的发展，不改5G带来科技行业的发展大周期。本基金主要投资与人工智能相关的行业及公司，报告期内基金重点布局消费电子、半导体、新能源汽车、云计算、5G应用和电商直播等相关板块。报告期内基金的业绩表现截至本报告期末宝盈人工智能股票A基金份额净值为2.3812元，本报告期基金份额净值增长率为38.84%，同期业绩比较基准收益率为13.07%；截至本报告期末宝盈人工智能股票C基金份额净值为2.3458元，本报告期基金份额净值增长率为38.30%，同期业绩比较基准收益率为13.07%。管理人对宏观经济、证券市场及行业走势的简要展望2020年上半年宏观经济遭受疫情重创，但是疫情对经济和盈利的冲击主要集中在一季度，实际上，随着复工进一步开展而且经济持续回升，二季度以来企业盈利呈现逐步复苏态势，展望未来我们重点看好以下几个细分方向：1、受益于5G换机新周期的消费电子领域、新兴的电子产品例如TWS和AR/VR等；2、美国限制下带来国产替代加速的半导体设备及材料领域；3、新能源汽车渗透率持续上升、汽车电子化带来相关的投资机会；4、5G后时代带来相关应用的投资机会，包含云游戏、高清视频和车联网等。

来源：证券日报本报记者 龚梦泽9月27日，由《证券日报》社主办，华西证券协办的2020年汽车资本论坛于北京隆重开幕，论坛以“万亿级车联网市场，谁主沉浮”为主题，聚焦打破车联网门派壁垒、智能网联汽车的未来方向、车联网带来的投资机会等热点领域。主办方在论坛现场揭晓了“中国智能网联汽车最具影响力奖”，蔚来汽车获选该殊荣，证券日报社副社长田米亚为获奖企业颁奖。本次“中国年度车联网技术与应用大奖”评选由48位投资人投票产生，其中参与投票的投资机构与投资人分别是：大家资产研究员郭琳、工银瑞信研究员张姝丽、建信基金研究员崔宇硕、天弘基金基金经理助理李佳明、阳光保险资管研究员李晨、中信证券资管研究员许宏图、国寿养老研究员曾啸天、中邮创业基金基金经理助理白鹏、华夏基金研究员连骁、国寿安保基金基金经理张标、煜德基金研究员李贺、敦和资管分析师陈俊源、永瑞财富研究员赵旭杨、中车资本投资总监汪洋、东方基金基金经理李瑞、华兴资本分析师盛贤、睿远基金研究员陈术子、宏道投资投资经理季巍、汉能投资副总裁孙雷、新华资产投资经理高丰臣等。作为国内目前唯一价格与销量能与豪华汽车品牌齐平的中国高档汽车品牌，蔚来汽车成为了中国汽车的一张亮丽名片。NOMI是全球首个车载人工智能系统，集成语音交互系统和智能情感引擎。（编辑 张明富）

于新闻、媒体、传播行业而言，技术的进步总能带来更多的变革想象力——更细的信息颗粒度、更多样化的传播渠道、更为广泛的用户触达、去中心化趋势，推动着近半个世纪以来传播形式从报纸到广播、再到电视和互联网的变迁。现如今，在人工智能、云计算、5G等新一代技术广泛落地、纵深方向发展背景下，新闻传播领域的新一轮变革已在路上。新华社在其发布的《2019年度“人工智能时代媒体变革与发展”研究报告》中就谈到：“随着媒体融合发展进入新阶段，人工智能已经不再仅是一种趋势，而是媒体产业变革的重要驱动力，谁在智能化领域占得先机，谁就能掌握媒体变革的主动权。”同时也谈到：“随着人工智能技术越来越多介入新闻生产和传播实践，其双刃剑效应愈加明显，失序失范现象频现，一系列新问题新挑战接踵而至。”在此现实下，网络媒体如何依靠新技术守正创新、谋划“大局”，引领智能时代与新时代同频共振、同向同行？无疑是业界焦点。在此，于9月27日召开的以“变局中开新局：中国网络媒体的责任与使命”为主题的“2020中国网络媒体论坛”，或为中国媒体如何利用人工智能技术指明了方向。百度创始人、董事长兼首席执行官李彦宏在主题演讲中表示：“算法更应该去主动了解用户的高级目标，而不是追随用户本能的喜好”；百度CTO王海峰则在下午举行的技术论坛上，面向媒体行业的智能媒体中台，表示“希望在AI新基建的助力下，网络媒体产业加速智能化，开启智慧媒体新时代。简而言之，或可总结为：在人工智能时代，网络媒体需要善用人工智能的力量，实现守正出奇。何为守正、如何出奇？在我看来，百度创始人、董事长兼首席执行官李彦宏以齐桓公为喻的发言，阐明了在人工智能技术需要在媒体传播中坚守正义，打破信息茧房效应；百度CTO王海峰在下午技术论坛上发布的智能媒体中台，则给了媒体人效率提升工具，打破了一直以来困扰媒体行业的准确与效率不可兼得的痼疾，带来了效率与准确性双重革命。谈及人工智能技术需要坚守正义，其实今年疫情期间人工智能技术助力权威声音传播就是显著一例。如我们所见：突如其来的疫情在初期带来了民众的恐慌心理，也给谣言和不实信息的传播提供了可乘之机。而在造谣张张嘴，辟谣跑断腿的现实下，如何实现高效辟谣，人工智能技术其实就起到了非常重要的作用。诸如作为中国最大的以信息和知识为核心的综合性内容和服务平台的百度，在今年2月份，百度就利用人工智能技术清理了与疫情相关的有害信息20.7万余条，重点处理了涉及散播恐慌性信息和失实谣言的有害信息、高价兜售医用防护用品的信息、宣传及贩卖野味的有害信息、假借售卖口罩之名实施诈骗的有害信息共计4大类的有害信息，保障了疫情期间权威信息对公众的全面覆盖。那么媒体行业又如何利用人工智能技术实现出奇？在此，我们只需先观察一下媒体的现实困境，就不难发现，媒体其实是高度需求准确度（真实性）与效率的行业——需要在保证真实性的基础上实现最大的效率提升（第一时间跟上热点新闻），但现实却往往是与准确度与效率不能兼得。但随着人工智能技术开始融入新闻生产的策、采、编、审、发等全流程，过往困扰媒体行业的准确与速度悖论正在被打破，带来了效率与准确度的双重提升。这一点，其实过往一些大平台利用智能写稿机器人，所实现的对财报等拥有相对固定的文本在数秒内实现出稿，就已经显露端倪。但也坦率来说，写稿机器人撰写的文本还是稍显生硬，在某种层面上也错位了人与机器的关系，但如今百度依托其软硬一体的AI新型基础设施——百度大脑带来的智能媒体中台，实现的利用AI技术对新闻策、采、编、审、发等全流程的智能化，或许能在充分发挥人的主导作用的同时，高效利用人工智能技术带来了的准确与效率革命。为什么这么说，其实从百度智能媒体中台的应用层就可一窥端倪——智能策划可主动发现热点，汇集全网文本、视频、图片、语音等海量信息，进行专题挖掘，丰富媒体人思路，显著降低资料整理时间成本；智能采编可实现新闻快讯生成，让视频生产速度提升6倍；智能审校带来的多维度审校，集合纠错、一致性检查、格式校对等实用能力，大幅提升了审校效率，让原本依靠传统人工力量需要3.3天才能完成的十万字内容审校，在秒级内即可完成；AI主播则能以多形态特征实现场景的广泛覆盖。这些，显然是开启了媒体行业通向准确与高效兼得的大门——智能策划让媒体人有更多的时间用于资料筛选、甄别和内容创作；智能采编在视频生产上的6倍效率提升，使得人力、物力、财力消耗大幅降低，更为那些具备文字创作能力但缺乏视频制作能力的创作者拥有了进入短视频赛道的入场券。可以说，百度智能媒体中台的出现，让媒体人告别了“深夜赶稿、错字罚钱、为专题策划挠头”，转而走向“提质、降本、增效”新时代。而在传统与人工智能技术助力下成倍的效率差距面前，竞争的天平会偏向何方，其实已毋庸置疑。在人工智能技术刚刚实现第三次中兴之际，业界就对人工智能技术究竟是善是恶进行了广泛讨论——悲观者认为人工智能是危险的存在，将会取代我们的工作，让我们成为无用之人；乐观者

人类的生活已经被智能产品所渗透，毫无疑问未来的世界一定是智能化的。就在前几天，加拿大的一条人行道上竟然出现了一只4条腿的“怪物”，人类可能永远也没有想到这样一只怪物竟然在大街上肆无忌惮的游走。当时有一名网友拍下了视频传到了网络上，这只4条腿的怪物仿佛也感受到了摄像头，马上后退了几步，随后再继续前进。AI机械狗这只4条腿的怪物并不是外星生命，而是由波士顿动力打造的机械狗。这段视频传播到网络上后引起了极大的争议，很多网友声称，这只机械狗实在太聪明了，如果是我的话，一定会把他一脚踹开。这样的想法我们也能够理解，在昏暗的街道上突然出现了一只机械狗，实在让人非常害怕，因此有人认为，机械狗竟然能感觉到人类的意图是否意味着未来人类会被人工智能所控制呢？这只机械狗是波士顿的动力公司所研制的这家公司是一家非常知名的机器人制造公司，网络上出现的很多机器人也都出自他们之手。很多人在看到这只机械狗后，都想到了一部电影，那就是《黑镜》。在电影中整个世界已经笼罩在了机械狗的控制之下，人类也只能乖乖的让出了世界霸主之位，他们为了躲避机械狗的追杀，开始了四处逃散的生活。这部电影也是从波士顿动力公司所得到的灵感，那么这只机械狗到底进化成什么水平了呢？它是否会对人类造成威胁呢？机械狗的构造这只机械狗叫做Spot。借助着强大的技术支撑，不仅可以做家务洗碗，而且仅凭一块小小的电池就能够自由行动，可以说，给人类的生活带来了极大便利。它的四肢十分敏捷，是由12个定制的电机提供强大的动力，根据人类的知识他可以随意转变方向，而且还可以小跑。人工智能是否对人类有威胁？看到了这只机械狗后，很多人在为人类智慧赞叹的同时，也不免对未来产生担忧。除了波士顿动力公司外，还有很多的机器人制造公司在研究人工智能，日本推出的两性机器人，自从上线后便一售而空，可以看出人类对人工智能的向往。但如果未来的社会被人工智能所笼罩，我们是否还有立足之地呢？科学家认为这个问题是在不必担忧，不论人工智能多么强大，它都是按照人类的程序进行运作的，这就意味着他们不会拥有意识，只能服务于人类。

网络【天极网IT新闻频道】“人工智能会像机械技术、电气技术一样,持续渗透和变革人们生产、生活的方方面面,成为科技革命和产业变革的核心驱动力量。”9月28日, AIIA 2020人工智能开发者大会在北京市首钢园区拉开序幕,百度副总裁、智慧城市事业部总经理刘雅雯出席并发表演讲,“人工智能技术发展日趋成熟,已呈现出很强的通用性,具有标准化、自动化和模块化的工业大生产特征,能够深入赋能各行各业。百度通过百度智能云把人工智能输送到千行万业,帮助很多产业实现智能化升级”。 刘雅雯还为大会带来了百度AI在智慧城市、钢铁、农业等多个领域的成功落地应用案例。(9月28日,百度副总裁、智慧城市事业部总经理刘雅雯在AIIA 2020人工智能开发者大会上表示,AI将深入变革千行万业)AIIA人工智能开发者大会是国内人工智能领域最具创新价值的行业大会,已连续举办了两届。本届大会以“智慧筑基,源聚强国”为主题,吸引百度、腾讯、小米等国内知名科技公司参与。领先技术为开发者提供强力支持刘雅雯首先向现场观众介绍了百度领先的AI技术,“百度将最领先的技术和产业实践相融合,以集大成的方式整合打造出了百度大脑”,“飞桨是自主研发的‘智能时代操作系统’,是我国人工智能的坚实底座,它具备开发便捷、支持超大规模模型训练、多端多平台高性能推理引擎和产业级开源模型库等特点,能够有效支撑AI技术的开发与运营,”刘雅雯表示。在9月15日举行的2020百度世界大会上,百度大脑正式升级至6.0。作为AI新型基础设施,百度大脑已开放270多项领先的AI能力,凝聚230万开发者,企业发布的模型数量超过31万,是业内最全面、最领先、服务规模最大的AI开放平台,将更敏捷、更高效支撑AI工业大生产,助力产业智能化提速。刘雅雯表示,“我们的目的就是帮助更多的AI开发者,帮助某一个产业有智能化升级的能力,同时我们也致力于去提升AI的创新效率,来降低AI的使用门槛。”广泛赋能各行各业智能化升级“这些年,百度的人工智能通过百度智能云,已经输送到各行各业,促进各行各业智能化升级。”刘雅雯介绍道,“在智慧城市、智能交通、智慧金融、智慧能源、智慧医疗、智能汽车,还有智能客服与营销、智能办公,工业互联网和智能制造等方面,百度已经做了非常多的产业智能化升级的场景落地。”刘雅雯在演讲中还带来百度在多个领域的产业智能化落地案例。比如一家钢铁制造企业基于飞桨,实现用声音帮机器“看病”,一秒可以定位诊断不同机器的“病情” ,对千台机器的动态情况了然于心。这种方式还降低了这个行业的门槛,让刚入行不及的小师傅也能撑起钢铁制造的一片天。在农业领域,百度AI改变了田间农作日常,“普通农户只需要打开手机就能看到作物生长情况,浇水、施肥、杀虫看一眼就能准确安排上。”在城市管理方面,百度智慧城市的智慧城管推出了新一代智能化管理。利用百度人工智能技术赋能各城市大脑建设,比如北京海淀区城市大脑建设中,智能识别出店经营、非法小广告、无证游商、乱堆物料、沿街晾晒等十几种城市管理事件,可以实现自动发现、智能指派、智能考核以及柔性执法。识别准确率已经超过85%,误差率低于15%,极大提升城管案件处置效率和市民的满意度。在安全生产执法方面,百度利用视觉识别对人的不安全行为和物的不安全状态进行智能识别,我们推动网上执法、视频巡查、电子文书、智能识别、智能装备等工作模式,实现了对安全生产的全时智能监控,大大减少人力检查的成本,同时也降低事故发生的概率。在智慧应急方面,百度与应急管理部进一步加强合作,利用AI、大数据技术,对全国卫星遥感图像进行分析,第一时间精准发现灾害风险,预防小事变大灾,在四川、山西、西藏等林火救援指挥现场信息决策支持中发挥了积极作用。百度人工智能开源大赛推动产业发展在北京市政府、中关村科技园区管理委员会的指导下,百度人工智能开源大赛在大会期间举办,按照“以赛引才,以赛促用,以赛兴业”的基本思路,聚焦人工智能“基础研究”+“产融结合”,以比赛形式推动产业发展。本次比赛采用源于百度搜索真实场景的赛题,吸引了产业界和学术界共计784支团队参赛,参赛选手分别来自腾讯、阿里、字节跳动、IBM国内外知名企业以及清华大学、北京大学等国内外顶级高校,其中11支队伍杀出重围赢得10万奖金。获奖选手的方案中涌现出许多新颖的技术创新,为解决产业问题提供了新的思路。“百度会在未来的路上与更多的AI开发者一起,协力为中国的产业智能化升级贡献自己一份绵薄的力量”,刘雅雯表示。免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。（广告资讯）

现在付款时扫一下脸就可以支付以及入住酒店时“刷脸”就可以进入,汇集了各种智能家居自动调节给你舒适的环境,人工智能已经成为日常生活中必不可少的部分。高通作为人工智能领域中的领先企业,高通终端人工智能方面处于领先地位。据了解,高通终端人工智能涉及移动、物联、网联汽车人工智能等多个领域。高通终端人工智能平台设计优化,并且处理速度得到了一定的提高,在相机,游戏,语音识别等各方面,都能为用户带来良好的体验感。骁龙865 5G移动平台全新架构, AI性能表现突出在高通人工智能论坛中,采用7纳米制程工艺和A77架构的骁龙865 5G移动平台受到了广大消费者的关注,这款移动平台凭借超强的性能征服了广大消费者的心。当然,骁龙865 5G移动平台关注的亮点还要数高通终端人工智能的高效架构设计,集成第五代人工智能引擎(AI Engine),以每秒15万亿次的处理能力,助力终端拥有更强劲的人工智能表现。在实际应用中,骁龙865 5G移动平台的高通终端人工智能能够给用户带来定制体验。拍照过程中,搭载骁龙865 5G移动的手机可以通过人工智能功能拍摄出更有情感的照片和视频。高通终端人工智能可通过超强的算法运力,使得手机摄像头应用更快速、直观且高效地运行,不做每一个照片事件。此外,骁龙865 5G移动平台中的工智能引擎支持快速转换视频风格、深度人像模式给用户带来更好的体验。高通推进终端人工智能布局历经数载,高通一直沉浸在终端人工智能的研究中,高通推出的第五代AI引擎更是得到了业内平台的认可。未来高通会继续深入持续进行终端人工智能研究,从物联网到汽车,从教育领域到医疗领域以用户的感知度为基础,提升人工智能发展,促进终端人工智能新业态产业链的建设。

人工智能影响医疗领域?高通人工智能引擎告诉你真相|高通人工智能引擎今年由于外部环境影响,重要的会议都移到线上举行,2020世界人工智能大会也是通过云端会议的方式召开。虽然此次会议是在线上举行,仍然吸引了大批的专家学者、企业精英、政府人员参与此次会议。高通负责人应邀参与了此次会议,并在会议上讲述了高通人工智能引擎对时代发展的影响。高通公司总裁安蒙也参与了此次会议,并且发布了自己的对AI智能的看法和见解。中国AI产业发展迅速,AI医疗成为热议话题此次世界人工智能大会讨论的话题异常激烈,各领域的精英人士从智能领域技术前沿、到产业趋势、再到热点问题发表了相应的演讲和激烈的阐述。在人工智能行业迅速发展的背景下,人工智能对医疗的影响受到了各行业的关注,从IQVIA、平安创投数据分析得知,人工智能医疗技术的规模将在2020年将达100亿元左右,智能医疗规模则达300亿。AI在医疗的应用,已经成为全球化趋势之一。大势所向,人工智能在医疗领域发展迫在眉睫受到全球大流行疫情影响,医疗人工智能成为最吸引人的热门话题之一。各种先进的医疗手段,让大众认识到了全新的人工智能技术。高通也在今年借助5G和高通人工智能搜索引擎,推出了5G XR设备。这种拓展现实的设备,能够真实反映现场情况,可用于医疗模拟实验等多种场景。多年以来一直致力于人工智能的研究和开发,创造了跨行业的人工智能规模组建,以及可以实现多种可能的高通员工智能引擎。目前,高通人工智能引擎被广泛运用于多个领域,并且正在逐步实现向医疗机器人领域的应用发展。数字化时代,人工智能影响各行各业数字化时代的到来,促使人工智能的发展速度越来越快。2020世界人工智能大会上,高通公司总裁安蒙就发表演讲:他认为人类正在迈入一个AI和5G驱动的智能云连接的时代,万事万物都可以被连接到云端,高通人工智能引擎的快速发展就是最好的证明。未来AI智能将影响各个行业包括教育、医疗健康、零售业、制造业和交通运输等等。- THE END -转载请注明出处：快科技#快科技责任主编：安妮

全文共2679字，预计学习时长7分钟图源：unsplash数据科学一直是个引人注目的领域，尤其是对于那些有计算机科学、统计、业务分析、工程管理、物理、数学等学科背景的年轻人。但雾里看花始终看不清晰，人们总是认为数据科学背后有许多神秘的地方，觉得它不仅仅是机器学习和统计。多年来，我与许多专业人士讨论过该如何进入数据科学领域。为什么总有关于数据科学的炒作？能够帮助人们走进这一领域的仍然是统计数据和机器学习吗？未来也仍是如此吗？两个月前，我从研究生院毕业后直接作为数据科学家加入了媒体巨头ViacomCBS。除了研究助理和实习之外，没有任何全职行业经验。我的工作职责包括从构想、开发到生产ML产品，使用过文中列出的大部分工作方式。希望本文能帮到所有有志于进军这一领域的数据科学家和机器学习工程师们。图源：shutterstock为什么总有关于数据科学的炒作？几乎人人都想要进入数据科学领域。几年前，数据科学领域存在供需问题：自从DJPatil博士和JeffHammerbacher创造了Data Science一词后，对数据科学家的需求大大增加，相关人才显得供不应求。到了2020年，情况有所好转。受到过正规或者MOOC教育的数据科学爱好者的数量有所增加，人才需求也有所增加，但没达到前者的增长程度。这一术语所涵盖的领域越来越广泛，包含了人们进行数据科学工作所需的大多数功能。每个人都在谈论数据科学，但大多数却不得其法。我认为数据科学总被炒作有以下几个原因：· 前沿发展· 工作满意度高· 业务影响巨大· 数据生成量增加· 数据科学家头衔背后的神秘感· 数据很好看！（不是字面意思~）· 大量学校和训练营能提供数据科学学位· 许多招聘网站将其评为最热门的工作（最近3年被Glassdoor评为美国最热门的工作）自称是数据科学家的人？图源：unsplash总有人会这么介绍自己，所以让我就当前的行业状况讲一些真相。由于职位需求的增加和数据科学家头衔的光鲜，许多公司已开始将产品分析师、商业情报分析师、业务分析师、供应链分析师、数据分析师和统计学家的职位改为数据科学家，因为许多人离职的原因便是去应聘数据科学家的职位，但实际上这些公司提供的工作内容往往是一样的。许多人从职位头衔微小的字词变化中感到了被尊重。因此，公司们以相同的思路改变职位名称，使他们的职位显得更耀眼也更令人期待，例如数据科学家-分析方向、产品数据科学家、数据科学家-增长方向、数据科学家-供应链方向、数据科学家-可视化方向或数据科学家，还有什么不能加的方向？大多数接受教育或者在线培训的人都有一个误区，认为所有数据科学家都会建立精致的机器学习模型，但这种认知并不完全正确。我刚开始攻读应用数据科学硕士时就是这样想的，以为大多数数据科学家都是做机器学习。但是当我开始在美国实习和就业时，才逐渐了解真相。推动人们走向数据科学的力量，其实源自对人工智能及其业务影响的炒作。下一代数据科学家——机器学习在2020年，对于想要以数据科学家-ML方向（这样命名因为它不是数据科学家-分析方向）的身份进行应用机器学习，却又没有博士学位的人来说，除了人人都可做的将机器学习应用到数据集，可选的方法更多了。我将从自身经验出发分享一些关键点，或许有助于你的面试：图源：unsplash· 分布式数据处理/机器学习：掌握Apache Spark、ApacheHadoop、Dask等技术的实践经验能够证明你可以大规模创建Data / ML管道。有以上任何一种技术的应用经验都很加分，不过我还是建议使用Apache Spark（使用Python或Scala）。· 生产环境机器学习/数据管道：如果可以亲身体验Apache Airflow就再好不过了。ApacheAirflow是用于创建数据和机器学习管道的标准开源作业编排工具。行业里已经在使用它，因此建议你学习并围绕它进行一些项目。· DevOps/Cloud：数据科学领域，很多人都过分忽视了DevOps。如果没有基础架构的话，要如何构建ML管道？构建在本地计算机上运行的笔记本或代码，并不像我们在课程中所做的那样容易。你编写的代码应该可跨自己或其他人可能在团队中创建的基础结构进行扩展。许多公司可能尚未布局ML基础架构，正在寻找入门人员。即使在课程学习中，熟悉Docker，Kubernetes以及使用Flask之类的框架构建ML应用程序也应该是标准做法。我喜欢Docker，因为它具有可扩展性，可以构建基础架构映像，并在Kubernetes集群上的服务器/云上复制相同的内容。· 数据库：必须了解数据库和查询语言。尽管SQL被严重忽略，但无论在任何云平台或数据库上，它仍然是行业标准。开始在leetcode上练习复杂的SQL将帮助到你应对在DS profiles中的某些编码面试部分，因为你要负责在预处理进行时从仓库中导入数据，这将简化你在运行ML模型前进行预处理。使用SQL将数据传输到模型中时

金磊 发自 凹非寺量子位 报道 | 公众号 QbitAISmile，如其名，会是一个让你「笑着用」的好工具。它的全名叫做 Statistical Machine Intelligence and Learning Engine，是一个快速、全面的机器学习系统。试问有多全？可以说是「方方面面」。机器学习方面，例如分类、回归、聚类、关联规则挖掘、特征选取、流形学习、多维尺度分析、遗传算法、最邻近搜索等等。当然还有像数据可视化、数理统计等其他任务也是 hold 得住。还体现在语言方面，例如 Java、Scala、Kotlin 和 Clojure 都可以轻松驾驭。而且，还可以在线试用！几行代码就能用起来一个工具好不好，「易用性」很关键。先来看下 Smile 用起来有多方便。以「随机森林」为例，Java 代码如下：Scala、Kotlin 的代码分别是：简单定义、调用即可，确实挺方便。Smile 提供了数百种高级算法，并且界面十分简洁。其中，Scala API 还提供了高级运算符，可以轻松构建机器学习应用。全面的机器学习说到 Smile 的「全面性」，先来看下它在机器学习上都能做些啥。分类：支持向量机、决策树、AdaBoost、随机森林、梯度提升、神经网络、最大熵分类器，KNN，朴素贝叶斯，fisher/线性/二次/正则判别分析等。回归：支持向量回归、高斯过程、回归树、梯度提升、随机森林、RBF 网络、OLS、LASSO、ElasticNet、岭回归等。特征选择：基于遗传算法的特征选择、基于集成学习的特征选择、树形图、信噪比等。聚类：BIRCH,、CLARANS、 DBSCAN、DENCLUE、Neural Gas、K-Means、X-Means等。关联规则和频繁项集挖掘：FP-growth 挖掘算法。流形学习：IsoMap、LLE、Laplacian 特征映射、t-SNE、UMAP、PCA、核 PCA、概率 PCA。多维缩放：经典 MDS、等渗 MDS、Sammon 映射。最近邻搜索：BK树、Cover树、kd树、SimHash、LSH。序列学习：隐马尔可夫模型，条件随机域。自然语言处理：分句器和分词器、Bigram 统计测试、短语提取器、关键词提取器、词性标注器、相关性排序。由于排版问题，有一些能够实现的机器学习方法还没有列完。但从上面列举的方法中可以看出，Smile 能够处理的机器学习方法还是较为全面。数学、统计和可视化Smile 还提供先进的数值计算环境：从特殊函数、线性代数，到随机数发生器、统计分布和假设检验。另外，还实现了图形、波形和各种插值算法。除此之外，还能够实现数据可视化。例如散点图、直线图、阶梯图、条形图、箱形图、热力图等等。Java or Python？虽然 Smile 工具好用是好用，但在 Reddit 上还是激起了一番争议。矛盾点还是语言之间的较量。拥护Python的选手便说：如果没有Python API，你不可能在这个社区（实现）太多能力。还有对Java语言的「嘲讽」：你说Scala、Kotlin 和 Clojure，你只是换了不同的方式说Java而已。但 Smile 也官网上强有力的做出了「回应」：Smile 性能比R、Python好。那么，你看好这款Smile工具吗? 参考链接：http://haifengl.github.io/

作为一个加班是常态的普通上班族，每天回到家最不想做的事情就是干家务，结束一天超负荷的工作，实在再提不起任何热情和能量去干一件不那么享受的事情......进家门面对家里满地的灰尘和垃圾，满身的疲惫，总有一种力不从心的感觉。虽然心里很想把家里快速收拾干净让自己舒服点，但是身体还是很诚实地躺在了沙发上，这大概是大部分上班族的回家最真实的画面。扫地机器人耳闻已久，却从来有过购买的冲动，不是不向往“解放双手”的生活，是现在“伪智能”泛滥的时代，扫地机器人智不智能还让人怀疑，动辄几千一台的扫地机器人，这试错成本确实有点让人望而却步。小米果然是性价比爆款星推官，在扫地机品类上也没有让人失望，推出这米家G1扫地机器人，号称史上性价比之王，千元内入门级扫地机器人优选。不到一千元的价格，实在很难抗拒这个诱惑，毕竟“解放双手”的生活是谁都向往的，虽然有点冒着交智商税的风险，但看到这简约时尚的外形和性能描述，还是有强烈的购买欲望，也许这就是米家性价比的魔力，总有一种 “买不了吃亏买不了上当”的信任感，从种草到下单，只用了不到三分钟。有时候，期待不高的事情，反而容易给人带来惊喜。拆箱和试用过程最大的两个感受就是，一是东西厚实上档次，无愧 “扫地机性价比之王”这个称号；二是真香，智商税不存在的，后悔没早点买。拆箱真香现场打开包装，这整体的设计和质感很让人惊喜，米家G1扫地机器人沿用了小米一贯的简洁的风格，白色机身，线条简约耐看。从外观上看装配间隙也比较小，机身高度82mm，包边轻薄，按键与机身完全水平，整体质感很好。对比其他扫地机器人主机平面上有一个凸起的圆形部分（听说是激光雷达配件），这个设计还是很给力的，这让扫地机器人能没有阻碍地探入沙发底、桌底、床底，这些平时够不到的卫生死角，在家中灵活穿梭，清洁面积覆盖率大大提高。整机只有 “智能回充”和“开关机/全局清扫”两个按键，傻瓜式操作，对智能产品小白非常友好。按键用灯带包边，按键就有语音提示相关操作，这个细节，虽然有点鸡肋，但“机器人”和“机器”总要有点的区别。翻过机身看细节，G1采用的是主刷毛胶一体并搭配左右双边刷的设计，这就比单边刷的聚拢效果更加强劲。很多人都说自己家的扫地机器人扫不干净地，应该就是因为没有双边刷和吸力不足，导致脏东西都被推到旁边了，吸不到机身里，清洁不全面。G1 的吸力很强，有2200pa，足以满足一切家庭的需要了，大到钢珠小到发丝都能轻松被吸走。米家G1的主刷是毛胶一体的，这种材质的刷头更适合采用地板和地砖的家庭，清扫得会更干净。https://item.jd.com/100006922573.html扫拖一体不同于扫地，拖地功能是分三档的，平时普通的灰尘清洁用低档位就足够了，还省水。高档位留着吃完饭地板上有油渍或者地上有顽固污渍再用。水箱是电控的，非工作状态也不会渗水，不用担心水箱里的水会把地板泡涨。拖把的安装也非常友好， 按着卡扣直接顺进去即可，抹布有魔术贴固定，清洗更换的时候也很方便。G1的尘盒和水箱是一体设计，清扫完毕以后可直接拿出，清理尘盒再加水很方便。这里有个贴心的小设计，为防止提尘盒的时候有灰尘冒出来，尘盒里加了尘盒挡片，滤网前面还有一层尼龙网，能把灰尘都隔绝在尘盒里，这样避免机器人在清扫的时候就不会因为滤网堵了导致清洁力下降。滤网是三层过滤系统，小颗粒都会被吸附，这让扫地机器人的清理和维护更方便。https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-14756119800.71.25e748feoRLmqu&id=611120740575&skuId=4520804802755APP交互使用体验APP就是小米所有智能产品都能共用的米家，不用扫码各大应用商店也能找到。小米智能家居在配对上一直都很方便，G1机器人在开机状态下只要长按两个按键就能被APP识别。在APP界面上可以控制开关和回充，也可以通过选择不同的清洁模式和水量调节清洁力度。吸力分标准、中档、强力；水量设置分三档。G1可以通过小爱同学直接语音操控，远程操控这一点上，体验感还是很好的。自动规划路径现在的智能技术已经发展得很成熟了，扫地机器人刚出来的时候，是不能自动回充的。当时扫地机器人的导航技术还不完善，所以经常会迷路，但是现在的扫地机器人很少会出现这种问题了。米家G1采用的是陀螺仪导航自动规划路径的方式，陀螺仪不像激光雷达一样会发出比较大的声音，噪音相对会小一些。在扫地机工作的时候在APP界面能看到扫地机器人在实时描绘构建整个屋子的地图，避免漏扫和迷路。米家G1还有个功能就是可以识别家具，在发生碰撞时候会自动减速，弹性包边设计起到缓冲作用，避免家具受到撞击而有所损坏。https://item.mi.com/product/11943.html?cfrom=search&selected=1201700007&pClass=c开启主机后即可进

ABB机器人数据类型的秘密4先来回答之前遗留的几个问题吧。问题1：为什么在【程序数据】页面里对P10进行了【修改位置】操作，执行指令语句时机器人却无法运动到示教的目标位置呢？大家都知道，当手动操纵页面当前所选择的工具坐标系、工件坐标系与程序编辑器页面中运动指令语句中所指定的工具坐标系、工件坐标系不完全相同时，是无法在程序编辑器页面对运动指令的目标点位进行【修改位置】操作的，否则系统会提示下图所示的的错误。但是当你在程序数据页面中对位置数据进行【修改位置】操作时则没有这样的限制，因为程序数据页面中没有指定该位置数据的参考坐标系。当你在程序数据页面中对位置数据进行【修改位置】操作时，实际上是告诉机器人控制系统，重新计算手动操作页面所选择的工具的TCP在所选择的参考工件坐标系下的组件值，并将结果存入位置数据中。计算坐标值、工具姿态时所使用的参考坐标系，与运动指令语句中指定的参考坐标系不一致，往往会导致机器人运动到非你所期望的空间位置上去。问题2：位置数据P10是以坐标值的形式来描述目标位置的，那它是以什么坐标系为参考坐标系的呢？在第3篇文章中，我们已经了解到robotarget数据类型由：trans、rot、robconf、extax四个组件构成的，它们分别存储的是笛卡尔空间坐标值、工具姿态、轴配置、外轴位置，并没有哪一个组件记录了参考坐标系。所以本题的正确答案是：robotarget型数据P10，其本身并不指定参考坐标系，当对它进行【修改位置】操作时，以手动操作页面所选择的工具坐标系和工件坐标系为参考坐标系，当它被放在运动指令语句中作为运动指令的目标点位时，以运动指令所指定工具坐标系工件坐标系为参考坐标系。当运动指令语句中没有显式指定工件坐标系时，是默认以wobj0为编程工件坐标系，如果需要指定其它工件坐标系为指令语句的编程坐标系，则需启用运动指令的［＼wobjdata］可选变元。wobj0的数据类型是wobjdata（工件数据），它由robhold、ufprog、ufmec、uframe、oframe共5个组件构成，其各个组件的作用如下：（1）robhold组件 表明机器人工作时工件是否是被机器人末端所夹持，true值表示机器人夹持工件，false值表示机器人夹持工具。（2）ufprog组件 表明该工件坐标系是否会随着其它联动机械单元而移动，true值表示该工件坐标系将不会伴随其它机械单元联动，false值表示该工件坐标系将会伴随其它机械单元联动。（3）ufmec组件 当ufprog组件值为true时，该组件值不起作用；当ufprog组件值为falses时，该组件值指明工件坐标系将伴随联动的机械单元的名称。（4）uframe组件 ABB机器人的工件坐标系其实是由用户坐标系和目标坐标系耦合之后的结果，uframe组件记录了用户坐标与wobjo坐标系的相对位置关系。使用目标方法定义工件坐标系时，该组件的值将会被重新计算。（5）oframe组件 ABB机器人的工件坐标系其实是由用户坐标系和目标坐标系耦合之后的结果，uframe组件记录了目标坐标系与用户坐标系的相对位置关系。使用目标方法定义工件坐标系时，该组件的值将会被重新计算。问题3：指令语句中的tool0起到什么作用呢？在指令语句中tool0，一方面是提供了目标点位的工具参考坐标系，让运动指令语句中位置数据的参考坐标系明确；另一方面是向机器人控制系统提供了工具的重量、重心、惯性矩等物理属性，让机器人控制系统能够精确的计算机器人伺服电机的工作电流和需要输出的力矩。我们假设运动指令语句中的P10的声明语句如下所示，并以此来说明tooldata在运动指令语句中的作用。运动指令语句中的tool0，表明P10声明语句中的笛卡尔坐标值［500，0，800］描述的是执行完成该运动指令时，工具tool0的tcp在参考工件坐标系下的空间坐标值；也表明P10声明语句中四元数［1，0，0，0］描述的是完成运动指令时tool0工具坐标系的轴方位。四元素用于描述坐标系的姿态，不易直观感受到一组四元数值表达了怎样的姿态，可以通过RAPID编程语言所提供的EulerZYX函数将四元数转变为欧拉角旋转角度，在示教器手动操纵页面也可以选择以何种方式来显示工具坐标系的姿态。tool0的数据类型是tooldata（工具数据），它由robhold、tframe、tload共3个组件构成，其各个组件的作用如下：（1）robhold组件 表明机器人工作时工具是否被机器人末端所夹持，ture值表示机器人夹持工具，false值表示机器人不夹持工具。（2）tframe组件 记录该工具的工件坐标系属性，表明了该工具坐标系与tool0的相对位置关系。（3）tload组件 记录该工具的重量、重心位置，力矩惯性矩轴方位以及围绕力矩惯性轴的惯性矩。最后，记得关注微信公众号：OFweek机器人，更多干货在等你！1．限时下载 ｜ 工业机

其实日本早在2008年就推出过一款叫做“木户小姐”的女性机器人，一经面世就遭到了疯抢，甚至在富人圈卖出了高达150万元的价格。在2019年日本又推出了一款名叫“妻子”的机器人，高达10万元的价格也阻挡不了人们抢购的热情。那么日本的妻子系列机器人为什么会如此的受欢迎呢？机器人的未来是什么呢？人类和机器人未来将会如何相处？下面我就简单的说下自己的看法。妻子机器人在日本受到热捧的原因虽说现在的机器人仿真技术距离人们的期望还有一段距离，但是妻子机器人已经做得做够好了。日本妻子机器人的外貌都是根据模特以及动漫人物进行设计的，由于日本动漫对日本人影响非常深，所以这些妻子机器人其实算是大部分男人心中完美伴侣的形象。其次这些妻子机器人也不是简单的花瓶，由于它们身体内部结构都是仿照人类进行设计的，所以它们能够完成一些简单的家务，比如做家务、打扫卫生和洗碗等。当然它们也可以和我们进行交流，只不过声音还是比较生硬的。最后它们的价格也不算贵，换算成人民币也就十万元左右。虽说不是每个人都能消费得起，但是对于大部分的男人来说这个价格并不算离谱。对于一部分社交恐惧的日本男人来说，十万元换个伴侣简直太划算了。机器人未来发展方向是什么？毫无疑问机器人的最大作用就是帮助人们解决所有问题，如果机器人技术继续发展下去，那么机器人肯定会有一部分和真人的差距变得越来越小。到时候它们可能已经不简简单单是我们手中的工具，而是变成我们社会的一分子，比如代替我们教授学生、完成人们日常的工作，甚至也有可能变成我们的伴侣。不过到时候我们将面临着很多的问题，比如要不要给机器人放开所有的权限，让它们彻底的融入我们的社会？或者是依旧对机器人和人类进行严格的区分，让人们和机器人划清一定的界限？总的来说我们的思想决定着未来机器人发展的方向，如果我们坚决不让机器人和人一致并且不赋予它们情感，那么机器人永远都只是工具而已。人类的未来会走向何方？虽说现在我们不知道人类未来科技的发展将会达到何种高度，但是下面这几个点是可以确定的，那就是人类的寿命将会大幅度延长、高度智能化下人们的工作也会越来越少以及资源逐渐消耗殆尽。人类寿命大幅度延长则意味着如果新生人口依旧保持着一个比较高的水准，那么地球上人将会越来越多；同时高度智能化也意味着人们基本上不再需要工作，人们也会越来越懒；再加上科技异常发达，人们基本上没有出远门的需求。如果一个人不想出去看看，那么他可能在一个狭小的空间就度过了一生。随着人口增多，环境破坏以及资源枯竭，那么人类往地球外探索甚至迁移已经的板上钉钉的事情，如果未来宇宙中找不到合适的栖息地，那么人类完全有可能成为流浪者，一生都在宇宙中漂流。好的回到我们的主题，由于现在技术有限妻子机器人最大的缺陷就是没法生育，这是现阶段完全解决不了的问题，所以妻子机器人还是完全取代不了女性的地位。不过大家更应该想的是为什么有人宁可买一个不能生育的机器人也不去找一位女性结婚？恐怕这真的不能简单地用社交恐惧或者恐婚来解释，或许相较于娶妻生子还是一个人和机器人在一起生活压力更小吧。

9月28日，在由中国国际大数据产业博览会组委会主办的2020“数博发布”活动上，贵阳方舟科技股份有限公司和达观数据共同研发的方舟科技智能办公机器人平台正式发布。目前，对文档资料的处理成为企业和每一位员工必不可少的工作流程。从报销事项核对、填写表单、审阅合同、撰写文档，很多时候工作人员因大量的繁杂文档资料和票据处理工作疲惫不堪，重复性的劳动让人效率低下，难免出错。智能办公机器人平台，深度集成自研自然语言处理（NLP）、光学字符识别（OCR）技术，突破传统RPA无法处理的非结构化数据源问题，结合企业业务场景提供高效便捷可控的智能自动化产品和解决方案。目前在财务报表采集、票据审批、资料自动审查、物流与供应链管理、客户与供应商管理、服务订单管理、报告撰写、标的物信息填报、报关、财税审计、日终清算等近百种业务场景中实现办公文档处理的自动化。据介绍，智能办公机器人平台通过深度集成领先的自研NLP（自然语言处理）和OCR（光学字符识别）技术，具备定制化影像文件的扩展能力，可根据业务场景训练特定算法模型，快速响应针对特定场景的定制化需求。自研NLP技术通过文本分类、文本摘要、文本审核等功能，支持财务报表、合同、招股说明书、审计报告、债券募集说明书、简历、公告等40余种类型的文档智处理。智能办公机器人平台针对客户不同架构和应用，可进行操作系统功能适配，尤其是针对政府、军工行业常用的国产操作系统；此外平台还支持定制化开发的功能代码封装，便于流程快速交付和实施。平台采用独特的双引擎技术，支持可视化与编码开发模式，可以满足不同客户的流程机器人开发需求。目前，机器人平台已经服务企业财税、银行、证券、电力等多个行业场景。以财务工作为例，财务部门业务人员每月底需登录运营监测账户系统查询导出项目的基本信息，根据公式计算收入进度比，并按规则匹配成本情况进行判断，最终输出项目月度监控表。这一工作过程需要在不同系统间进行操作，并运用Excel进行数据加工。通常人工操作平均预计3小时左右，而智能办公机器人完成此流程平均时长在6分钟，效率提升30倍。2020“数博发布”是“永不落幕的数博会”2020系列活动的重要板块。根据活动安排，于5月至9月举行数场企业自主发布活动，采用线上和线下结合的形式，重点发布大数据企业新技术、新产品、新应用、新成果。来源：数据观编辑 罗昌编审 王太师 朱迪

同花顺金融研究中心9月30日讯，有投资者向海伦哲提问， 董秘您好，能否介绍下公司研发的弥雾消毒洗消机器人？有哪些优点？目前该产品有哪些资质或应用？公司回答表示，我司下属子公司格拉曼研发生产的弥雾消毒洗消机器人主要用于医院、社区、商场、办公楼、仓库、公共场所的消毒杀菌、化学洗消。该款机器人由锂电池提供动力，全地形履带，配备汽油动力弥雾机，消毒洗消范围广。目前弥雾消毒洗消机器人已获编入生化防护手册。来源: 同花顺金融研究中心

原标题：智能制造核心：工业机器人和工业互联网丨微研报工业机器人：广泛用于工业领域的多关节机械手或多自由度的机器装置，具有一定的自动性，可依靠自身的动力能源和控制能力实现各种工业加工制造功能。主要应用在焊接、装配、检测、搬运码垛等领域。工业机器人与工业互联网的发展相辅相成：通过工业互联网打造全流程闭环数据传输分析系统，提升自动化和人工智能效率。5G 技术的普及，有望赋予机器人更加完善的交互能力，更强大的分析和数据处理能力，很大程度上优化机器人的性能。（文章来源：第一财经）(责任编辑：DF134)

才来正当时，嘉禾万事兴。26日，人工智能产业精英会在嘉兴南湖举行。本次大会以“科创中国 智汇嘉兴”为主题，集聚全球英才，共促人工智能发展。本次人工智能产业精英大会，是2020中国·浙江“星耀南湖·长三角精英峰会”活动的重要组成部分。星耀南湖长三角精英峰会以人才破题，以长三角城市联盟为基础，合力探索长三角一体化的未来。中国电子科技集团有限公司首席科学家、嘉兴学院院长、中国工程院院士陆军表示，多边合作是人类发展的方向，长三角城市群之间的合作共赢是必然的大方向，人工智能的发展亦是如此。浙江省科协党组成员、秘书长谢牧人指出，今年以来，面对复杂国际形势和新冠肺炎疫情，浙江以人工智能、大数据为支撑的数字经济表现出较强的韧性和引领性，成为浙江省经济指标在疫情冲击下实现“V型”反转的重要支撑点。“数字”“智能”已成为浙江新时代最鲜明的标识。活动中，中国工程院院士刘合、陆军等5位专家共同从技术和产业的角度，探讨人工智能未来突破的重点，并回答了现场人工智能领域专家学者提出的“政府、科研院所、大学及企业的协同联动”问题。南湖区委副书记、区长邵潘锋向专家们介绍了南湖区的创新创业环境。他说，建党百年日益临近，这里拥有难得的发展机遇，深厚的产业创新功底，高标准的优惠政策扶持以及高水平的平安法治保障。他希望在座的专家、企业家，帮南湖出谋划策、宣传推介，为南湖画细、画好人工智能产业发展蓝图，把更多人工智能领域的创新团队、优质项目和高端人才引到南湖、落户南湖。会议上，南湖区委书记朱苗邀请刘合、陆军等院士入驻南湖院士之家，为推动区域人工智能与实体经济的融合，为嘉兴在抢抓长三角一体化高质量发展机遇提供智力支撑。（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）

本文来源：中国信息通信研究院和中国人工智能产业发展联盟关注公众号回复：人工智能治理白皮书下载全文THE END扫描下方二维码申报加入数字经济志愿者服务队扫描下方二维码 进入小程序了解更多点击图片查看往期精选杭州数字经济联合会简介全国首家打造“开放型、平台型、枢纽型、生态型”的数字经济品牌组织，是由杭州市数字经济学会联合体（由24家相关领域的学会、协会、研究会组成）及“数字中国智库”为核心，覆盖数字经济相关企业近万家。先后举办数字经济大讲堂、数字经济发布、数字中国智库等助力创业创新品牌活动200多场，参与人数超百万人次，得到各级部门领导及企业好评。“数经联”同时承担“长三角数字经济产业联盟”秘书处工作，正抓住长三角一体化发展的新机遇和立足大平台，致力于把浙江省、杭州市 “数字经济”一号工程更好落到实处高处；着力为解决长三角发展中遇到的跨学科跨行业跨区域、社会与经济协同的卡脖子技术等，积极建言献策出力；助力传统产业提质增效转型升级，提升中国制造的核心技术、品牌价值与国际影响力等。期待与业界同仁和各界朋友优势互补、协同创新、合作多赢、共谋发展、同谱新篇！一键加入“数经联”会员，享尽30家协会与数字生态资源！原标题：《中国信通院：《人工智能治理白皮书》（附下载）》

人工智能随着发展，不断的更新，不断的完善，而目前，人工智能的研究已经分为了好几个领域，而相关的研究人员表示一个人工智能系统必须要有自己的独特功用，至于具体的内容下面举例说明。解决问题最初的人工智能的研究主要是模仿人类的思维，就比如说人在做某一件事情时做出的思考模式。在1980和1990年代，从概率和经济学上的概念发现了人工智能发展非常成功的方法还有对于一些资讯的处理。如果问题比较困难，那需要的运算资源就会非常的多，也就是“可能组合爆增”，而在问题超过一定的规模时，那电脑的工作就需要非常多的存储器或是运算时间，所以解决这个问题成为了人工智能最新的研究项目。人类对于问题的处理都是非常快速的，主要是通过直观的判断，并非是慢慢的验证推理，在人工智能刚出现时常会以逐步推导的方法来工作。人工智能研究已经于这种“次表征性的”解决问题方法取得进展，实体化AGENT研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。规划智能AGENT要有制定目标以及实现目标的能力，可以使用一些方法来把可以预测到的世界模型(将整个世界状态用数学模型表现出来，并能预测它们的行为将如何改变这个世界)建立出来，如此就非常的方便。如果说智能AGENT在世界中有着非常大的影响力，那一定是在传统的规划问题中设想上才会出现，可以判断出它将要做些什么事情。可是现在却不是这样的，它必须定期检查世界模型的状态是否和自己的预测相符合，当不符合时，就得改变计划，所以智能代理对于不确定结果的状态推理能力一定要达标。 在多AGENT中，多个AGENT规划以合作和竞争的方式去完成一定的目标，使用演化算法和群体智慧可以达成一个整体的突现行为目标。学习机械学习主要就是为了得到大量的知识，然后解决更多的问题，避免错误的出现，提高工作的效率，所以对于人工智能来说，学习不管在什么时候都是无比的重要。知觉让机器拥有知觉就是让它经由传感器所带来的资料做出判断，而现在的机器可以分析影像输入、可以输入语音、可以辨别人脸、可以对物体进行辨识。以上就是这次带来的内容，如想了解更多的人工智能知识，可以私信联系我。

在2020年的疫情中，学校放起了长假，开学时间延后了又延后，可是随着时间不断的变化，很多学生还是没有收到开学的通知，后来学校干脆宣布进行网络授课，虽然说在一开始有出现一些小问题，不过随着慢慢的熟悉，网络授课已经逐渐走上了正轨，而多数的教师和学生已渐渐了熟悉这种讲课的方式。随着时间的增加，人们不禁想如果学生可以这样上学，也很不错，最起码不用为了早上的一分钟而兵荒马乱，也不用为了在路上抢那一分钟而横冲直撞。而也因为这些大家对人工智能的发展有了更大的期待，比如说先进的科技如果在教育中运用更多，那学生上课会方便到什么程度。其实这样的想法是建立在人工智能技术的实现问题上。人工智能主要是的是编程技术，这样能够让系统拥有智力，并且可以不用考虑使用的方法是不是和 人或者是动物的机体使用相同的方法，而这种方法被称之为工程学方法，它的全称是ENGINEERING APPROACH，这种方法在出现后已经在某些领域内得到了使用，并且取得了很好的效果，就比如：文字识别、电脑下棋等。而还有一种模拟的方法就是MODELING APPROACH，它相对来说就要复杂一些，不仅会要求效果还会对实现的方法也和人与生物机体所用的方法相同或相类似。还有一种遗传算法，这种方法全称为GENERIC ALGORITHM，简称GA，与人工神经网络都是后一种类型。遗传算法是通过模拟人或者是生物的遗传来进行机制，至于人工神经网络则是经由模拟人和动物大脑里面的神经细胞的活动方法来实现的，当需要保障智能效果时，会同时使用这两者，不过使用第一种方法必须要有人工详细规定程序的逻辑，就比如当游戏比较简单时，就会方便很多，而游戏复杂，那就会增加很多的角色数量还有活动空间，那自然使用的逻辑就得复杂些。人工编程本来就比较繁琐，不可避免错误发生，如果出错，必须对原程序进行修改，重新编译、调试，最终给客户的就可能是一个新的版本也可能是一个新的补丁，相当麻烦。还有最后一种方法在使用的时候，需要编程人员给每一个角色设计一个智能系统进行控制，不过这个系统在刚开始就是一张白纸，需要你去慢慢的书写出需要的东西，而随着书写的东西越多野渐渐会应付各种突发问题。该系统也会有出错的时候，不过它一旦发生错误就会吸取教训，下次或许就不会再出现，最差也不会一直出错，用不着发布新版本或打补丁。经由这些方法实现人工智能，那编程人员要有生物学的思考方法，不过这种方法比较难一些，可是只要你学出了眉目，那在未来会有很大的作用。而一般在使用中，因为这种方法不用对角色的活动规律做的非常复杂，所以如果处理复杂的问题，还是选择第一种方法更好。以上就是这次带来的内容，如果还想了解更深度的人工智能知识，可以私信联系。

雷锋网 AI 科技评论按：5月20日，在百度举办的 WAVE SUMMIT 2020深度学习开发者峰会上，百度研究院量子计算研究所所长段润尧发布了国内首个（也是唯一一个，同时也是全球第二个）支持量子机器学习的工具集：量桨（Paddle Quantum）。简单来说，Paddle Quantum 是一个基于百度开源框架PaddlePaddle的机器学习库，支持量子神经网络的搭建与训练，提供易用的量子机器学习开发者套件与量子优化、量子化学等前沿量子应用工具集，相关量子算法的研究可以调用量桨内部的计算框架，然后用 Python 编程完成运算。据段润尧博士介绍，「量桨」特性有三，分别为：易用性：提供简洁的神经网络搭建与丰富的量子机器学习案例。通用性与拓展性：支持常用量子电路模型，提供多项优化工具。特色工具集：提供量子优化、量子化学等前沿量子应用工具集，自研多项量子机器学习应用。量桨的量子机器学习开发套件包括：量子开发工具集，量子化学库，以及一系列优化工具。与此同时，在量桨的Github开源中，我们还可以看到一系列入门教程，涵盖量子优化、量子化学、量子机器学习等多个领域的经典量子应用。这里我们想要提一下，段润尧博士在前几天举办的「AI TIME论道：量子计算离我们还远吗?」中曾提到，量子计算这个方向代表着未来，因此是一个值得入门的方向，但这个学科的入门非常难，“涉及计算理论、超导物理等多领域的知识，了解量子物理是必要的，但是不能陷入研究物理的‘陷阱’，而是应该从计算机学生的特长入手，夯实数学基础，掌握形式化的方法，弄懂量子力学的四条公理，清楚如何用线性代数刻画四条公理，掌握基本的“语言”之后再尝试解决一些小问题，以此逐步进入量子计算的‘门’，之后再逐步补充物理的知识，形成一个螺旋式上升的过程。”从这个层面来说，这些教程显然是入门量子计算的第一步的第一个动作。量子机器学习平台的开源，与我们何干？正如物理学家理查德·费曼所说，“自然世界不是经典的，如果你想模拟自然世界，最好使用一套量子的机制。”在过去几年，尽管以深度学习为代表的机器学习方法在许多问题上产生了深远的影响。然而从长远来看，正如牛顿经典力学并不能精确描述自然世界一样，我们若想模拟自然世界，经典机器学习方法会显得力有未逮，而量子机器学习方法则将成为必然。 如今，诸多科技巨头相继布局量子计算，由此也可见，在未来的10~20年内，量子计算以及量子机器学习必将成为社会发展的重要推动力。现在入手量子计算，或恰逢其时。下载 Paddle Quantum 并安装或使用 requirements.txt 安装依赖包使用 openfermion 读取xyz 描述文件 （仅可在linux下安装使用）VQE中调用 openfermion 读取分子xyz文件并计算，因此需要安装 openfermion 和 openfermionpyscf。运行量桨Github链接：https://github.com/PaddlePaddle/Quantum雷锋网雷锋网雷锋网(公众号：雷锋网)雷锋网原创文章，未经授权禁止转载。详情见转载须知。

历经多年的发展,扫地机器人从最早的乱跑乱撞式,发展到了以激光雷达导航技术、红外感应技术为主导的智能规划清洁时代,这其中最大的受益者就是扫地机器人用户,在无需人工干预的情况下就能享受到洁净的家居环境。说到扫地机器人,相信大家脱口而出的就是斐纳TOMEFON扫地机器人。作为行业领导品牌,德国斐纳TOMEFON连续八年坐拥全球扫地机器人排行榜第一的宝座,而且有着100%的好评率,尤其是在欧洲,它还被广大用户称之为“扫地机器人第一品牌”,无论是销量还是用户口碑都是最好的证明。有大脑、有思维、懂决策、会规划斐纳TOMEFON扫地机器人在路线规划方面的表现也可圈可点。它不仅有定位导航更精准的激光导航技术、更科学的构图能力和运算能力,还懂得识物避障,应对各种突发状况和危险困境,及时作出相应调整,不卡顿、不漏扫更不会重复清扫。即便是在中途没电的情况下,也能快速计算回冲路径进行回冲,充满电后会进行断点续扫,智能水平一流。全局掌控、超高覆盖率斐纳TOMEFON扫地机器人不仅路径规划能力强悍,而且还具备全局重新定位能力,时刻知道自己在哪,即便是在机器搬动后,也不会出现丢失的情况,它会重新建图,避免重复清扫或漏扫。而且,为了全面提高清扫覆盖率,它还设置了多种不同的清洁模式,以适应各种清洁需求。扫吸拖合一,清洁力更胜以往对于广大用户来说,扫地机器人的清洁效果是大家最为关注的,而这款斐纳TOMEFON扫地机器人的清洁效果好到超乎想象,甚至比人工手动清洁的还要干净。斐纳TOMEFON扫地机器人拥有双边刷、复合式滚刷、变频吸口和过滤四重清洁系统,可以轻松将家居地面上的灰尘、毛发甚至是颗粒物清洁干净。特别值得一提的是,斐纳TOMEFON扫地机器人的拖布采用细纤维材质,不论是木地板还是大理石地板,都不必担心它会损坏地板,反而能起到对地板的养护作用。有颜有才华,高逼格满满斐纳TOMEFON扫地机器人不仅能解放双手远离家务困扰,摆在家里更是科技满满,让你的家居生活幸福感爆棚。特别是对于那些注重个人生活品味的朋友,购置一款如此精致、小巧的斐纳TOMEFON扫地机器人,可瞬间提升家居品味,高级气质扑面而来。这款斐纳TOMEFON扫地机器人在保证品质的同时,以最合理的价格给用户带来实惠,这也是我们常说的高性价比产品,如此看来,这款斐纳TOMEFON扫地机器人确实非常值得购买。[责任编辑：赵鑫华]

科技的创新使得人们的生活日新月异，曾经很多只能靠想象，或者只存在于科幻电影、小说中的产品，现如今都已经被科学家们研发出来了，就比如无人驾驶汽车，现如今在国内已经多个城市开始试运行了，而智能机器人更是被应用于多个场景，就比如扫地机器人，无人酒店、无人银行的服务型机器人等。说到智能机器人就不得不提“仿真机器人”了，这类“人造物”有着和人类相同的外表，从远处来看，甚至是分不清哪位是真人、哪位是机器人，而作为一些科技大国，都上市了各自研发的仿真机器人，就比如中国的“佳佳”、日本的“妻子”系列和美国的“亨利”等等，那么为啥日本的“女性机器人”如何受欢迎呢？日本和中国比较相似，都是同样男女比例严重失衡的国家，在日本很多三四十岁的中年大叔，依旧还是单身，因此为了改变这一现状，才有了仿真机器人“木户小姐”系列、“妻子”系列的推出，机器人的主要目的就是为了陪伴用户，给用户接受，并且还拥有3大“亮点”优势，接下来和笔者一起来看看吧。第一大“亮点”，自然就是陪伴优势！对于很多大龄单身用户而言，每天下班回到家里，自然会感受到孤独，而机器人就可以解决这个问题，因为它的内部搭载了AI智能芯片，能够根据大数据进行分析，然后和用户进行实时对话，同时还可以分析用户的表情，为用户排忧解难，可以说非常人性化了。第二大“亮点”，仿真机器人接受外观定制！正所谓“萝卜青菜各有所爱”，虽然仿真机器人本身颜值就很高，但是很多用户都希望自己的仿真机器人是独一无二的，因此日本的机器人研究中心就推出了“外观定制”服务，无论是五官，还是性格、声音，都可以提前定制，就如同《魔幻手机》中的傻妞一样第三大“亮点”，机器人功能性强，能够做家务等等！机器人不仅外表仿真，内部也都是仿真制作，因此机器人才会拥有“机械手臂”，而打扫卫生、洗碗这些简单的家务活，机器人都可以轻松胜任。不仅如此，机器人还如同“人形电脑”，能够和家中智能家居系统互联，当你想要开空调关空调、订购机票，都可以直接和机器人沟通，十分的智能化。当然了，即便仿真机器人的功能性很强，但依旧无法替代真人，也无法“生孩子”，并且仿真机器人之所以无法彻底推广，是因为它的售价难以接受，据了解，定制版的机器人要高达10万元左右，可以说“穷人买不起、富人用不着”！对此，大家看完有何看法呢？

概述机器人生产线的虚拟仿真运行基本上可以分为两种模式，一种是基于时序驱动的仿真运行模式，另一种是基于事件驱动的仿真运行模式。其中时序驱动运行是按照时间先后关系依次投入相关设备的一种仿真模式，这种仿真驱动模式通过人为设定时间长度决定设备进入仿真运行的时机。而真实的机器人生产线都是按照信号交互的逻辑关系自动决定设备投入运行的时机，在仿真软件中这种通过信号交互的逻辑关系进行设备仿真运行的模式就被称为事件驱动仿真运行模式，一般也被称为虚拟调试（Virtual Commissioning）。与基于事件驱动的仿真运行模式相比，基于时序驱动的仿真运行模式是一种理想的仿真运行模式，在真实的机器人生产线中很少使用，但是仿真操作较为简单。在PDPS软件中，一般情况下都是使用基于时序驱动的仿真运行模式进行机器人生产线工艺规划，对于有信号逻辑关系要求的仿真项目还会按照基于事件驱动的仿真运行模式进行仿真。基于时序驱动的仿真运行模式一般是在软件的“Standard Mode”中实现的，而基于事件驱动的仿真运行模式是在“Line Simulation Mode”中实现的。无论是基于时序驱动的仿真运行模式，还是基于事件驱动的仿真运行模式都能实现机器人生产线中所有设备的联动运动。本期就为大家介绍一下基于时序驱动的机器人工作站仿真运行的操作方法。操作方法Process Simulate软件中仿真资源的时序驱动配置是在Sequence Editor窗口中实现的，此窗口默认显示在软件工作区下方。若是软件工作区下方没有显示Sequence Editor窗口，则可以在软件“Home”菜单栏中“Viewers”的下拉菜单中点选“Sequence Editor”，Sequence Editor窗口即可被打开显示。软件左侧的操作浏览树Operation Tree窗口中选择要进行时序驱动运行的仿真工艺操作节点，可以是一个设备的独立操作（Operation），也可以是整个机器人工作站的操作（Station），或者是整个机器人工作区域（Zone），也可以是整条机器人生产线（Line）。选择完仿真工艺操作节点后，在软件Operation菜单栏下点击“Set Current Operation”命令按钮，或者右击工艺操作节点，在弹出的快捷菜单中选择“Set Current Operation”，也可以在选择工艺操作节点之后直接按“Shift+S”快捷键，此时工艺操作节点被添加到Sequence Editor窗口中，并且工艺操作节点之间的时序关系以甘特图的形式显示。工艺操作节点时序甘特图以长短线段的方式直观地显示出每一台设备运动机构动作的持续时间，并且以指向线的形式标示出设备与设备之间的先后运行关系。对于高版本的Process Simulate软件，工艺操作节点被添加进Sequence Editor窗口之后，软件会默认按照在Process Designer软件中的工艺操作设置顺序（Pert Viewer中设置）进行时序链接。为了能够更加清晰地显示各个工艺操作节点之间的时序关系，可以通过在Sequence Editor窗口中拖动工艺操作节点对其进行排序。若是需要改变工艺操作节点之间的链接关系，则可以先选择有链接关系的两个工艺操作节点，再点击窗口上方的“Unlink” 工具按钮，将已有的链接断开。然后再选择需要建立新链接的工艺操作节点，点击窗口上方的“Link” 工具按钮将其重新链接。工艺操作节点是复合操作的情况下，可以点击操作节点前的“+”将其展开，同时时序甘特图中也显示出复合操作节点下子操作节点的时序。仿真运行在Sequence Editor窗口中，点击上方的“Play Simulation Forward”按钮启动仿真运行，可以看到软件工作区中工装夹具运动机构以及机器人按照设置的时序逻辑自动完成既定的仿真任务，并且仿真运行的总时长与工艺操作节点时序甘特图中显示的总时长一致。仿真运行结束后，点击上方的“Jump Simulation to Start”按钮，所有的仿真设备恢复原始状态，以便下一次的仿真运行。The End上一篇：PDPS软件：工装夹具机械装置运动操作的创建方法

顺德和平外科医院又一名骨折患者在骨科机器人的辅助下完成微创手术珠江商报讯 记者吴小镛 通讯员罗泳欣摄影报道：日前，不慎从高处摔下的周先生，成为了顺德和平外科医院又一名在骨科机器人辅助下完成手术而获益的患者。医生在机器人主控系统上规划螺钉的入路路径。前不久，42岁的周先生不慎从高处摔下，左臀部着地，他当即感觉左下肢和左髋关节疼痛明显，而且活动受限，随后被紧急送至顺德和平外科医院救治。接诊周先生的是该院骨三区骨科专家杨升平主任。经过术前检查，杨升平主任诊断周先生需要通过手术进行复位固定。经过团队的详细讨论，为周先生制定手术方案，建议术中把骨科机器人派上场。“传统手术，需要在腿上开大刀，并且需要依靠医生的经验进行定位。如果有了骨科手术机器人的加入，它将成为医生的‘第三只眼’，定位精准程度可达亚毫米级。”杨升平介绍，骨科手术机器人辅助的这项左股骨颈骨折复位内固定术，避免了“开大刀”，并且术中出血量小、创口小，术后患者恢复较快，从中也能减少患者恢复期所需的治疗费用。术中，医生首先固定好患肢，随后通过骨科机器人的C臂进行透视，由医生在骨科机器人主控系统上设计规划好螺钉的入路路径，机器人根据医生的手术设计方案进行自动定位，医生再根据机器人的定位置入螺钉，并通过实时X光片确认螺钉置入准确无误，很快，手术就完成了，术后周先生的左腿上仅有三个小洞。记者了解到，自顺德和平外科医院引入骨科机器人以来，已利用骨科机器人辅助医生开展数十台骨科手术，使更多的患者成为精细化、微创化医疗的受益者。链接骨科机器人Q&A问：骨科机器人是自己做手术吗？杨升平：在手术中，骨科机器人是属于“助手”的位置，主要帮助医生找准定位，主要的入路设计与操作都是由医生来完成。问：骨科机器人手术和传统手术有什么不一样？杨升平：传统骨科手术依赖于主刀医生的经验、医生对手臂肌肉的控制以及病灶的清晰视野。机器人辅助骨科手术和传统骨科手术相比，有找准病灶、切口微小、稳定性高、康复期短等优点。

早些年，我们在做智能化项目的时候，由于国产机器人等配套供应链都还没有起来，一般情况下，我们都采购国外机器人，基本报价都是二三十万元人民币一台。这些年国产机器人，犹如雨后春笋，百花齐放，百家争鸣，一片欣欣向荣的景象，按理说这应该是件好事，相互竞争方能进步嘛。机器人然而在竞争的同时，依然逃脱不了，打价格战的命运。根据我对国产机器人厂家进行实际询价了解到，目前报价最低的是东莞的某机器人厂家，一台机器人售价不到3万元人民币。这样的行为，真的是做到物美价廉了吗？还是无异于自掘坟墓？机器人一台机器人的组成主要有本体（金属臂+电机）、电控柜、示教器、软件等，除了这些零部件的成本，还有研发、生产、物流、售后服务等等，一台售价不到3万人民币，真的有利润吗？真的能够维持体系的长治久安？机器人这种现象的出现，首先出自于企业老板的经营理念，简单粗暴：把价格打到最低，把竞争对手全部灭掉，最终剩下自己就可以为所欲为。且不说你能不能走到最后，就算最终走到了最后，事实也已经证明，没有任何一个企业，在国家、法律、市场、用户面前可以为所欲为。机器人一个产品的成本主要体现在研发、材料、生产设施等三个方面。如此打价格战，这么低的销售价格，无法给企业带来合理的利润，自然就没有太多的资金用于产品的研发，这样一来你的产品很快就落后了，企业同时也失去竞争力，被淘汰的风险就会大增。机器人事实证明，华为是一个伟大的企业，它今天的成功不是靠卖低廉的产品，不是靠打价格战来获取成功的。它每年的利润几千个亿，每年光是研发投入就有1000多个亿。显然华为的成功，靠的是先进的技术，过硬的产品质量，优质的服务。机器人靠低廉的价格来吸引客户的，通常都是路边小贩，这个不是中国企业家追求的目标，也不是中国企业家该肩负的历史使命。机器人毕竟是一个高科技产品，一个高科技企业应该有更高的追求，只有拥有先进技术，才是高科技企业的生存之道。机器人所以，只会简单粗暴地打价格战，无异于自掘坟墓，不是国产机器人的出路！

00:40产品图：便携履带机器人山蚁0501 概述山蚁05便携式履带机器人是一款可单兵携带的机器人平台，机器人仅重11kg，无线远程控制。采用自主研发的自适应行走机构，可应对各种恶劣的地形，具备优异的全地形通过能力，履带结构可根据地面的情况被动变形去适应，可达到履带震动幅度大但机器人机体平稳的效果。创造性的将双流传动技术小型化并应用到机器人驱动系统中，只需要一个电机即可驱动两侧的履带并且可灵活转向，该项技术使机器人具备更长的续航能力。履带跑偏是所有作战机器人面临的棘手问题之一，尤其对于野外作战和高速机器人而言，更是限制其应用的重大障碍。双流传动装置的应用，突破性解决了履带易跑偏的问题。同时双流传动的行星齿轮结构保证了机构具备充足的动力，使机器人具备高机动能力和承载能力。山蚁05采用了中天智控公司独立自主研发的销接履带结构，解决了机器人在高速机动过程中出现的履带脱落的问题，使结构更加满足高速高机动的系能要求。以上多项自主创新技术的应用，使得山蚁05无论在地形通过能力上还是机动性能上都完全领先于国内同类别机器人平台，最高速度可达50km/h，为山蚁05的应用创造了更多的可能。机器人整体结构简单可靠，维修极其方便，机器人内部空间大，可扩展搭载各种不同的上装，完成侦察，爆破和打击等各种任务，是一线作战人员不可多得的作战伙伴。02 功能特点山蚁05机器人采用了多项独立自主研发的技术，使机器人具备了优异的性能，更加符合实战要求。自适应履带行走机构履带结构会根据地形的不同，被动变形以适应不同的障碍，极大提升了机器人的通过性能。电控双流传动技术从根本上解决了履带跑偏的问题，使机器人具备更高的机动性和更强的驱动力，提升了机器人的续航能力。销接式防脱履带颠覆市场上现有履带结构的形式，解决了履带脱落的问题，使机器人拥有极高的机动性能。两档机械变速机构机器人平台可分低速和高速两档，高速最高速度20km/h，通过加装辅助机构，最高速度可达50km/h。优异的扩展性能山蚁05内部空间充足，可集成各种功能模块，或在机器人上部搭载机械臂或摄像头等模块，实现不同的功能。03 技术指标04 应用场景来源：特种装备网 责任编辑：柏杨

图文：高庆 张娴 梁楠楠2020年9月29日下午2点，在洛阳应天门一楼国际报告厅实景演出全球首创的大型国风音乐机器人科技舞台剧——《应天长歌》，本剧由清华大学美术学院交互媒体研究所牵头，联合窦辉视觉工作室、清华大学未来实验室，以及北京电影学院副教授叶风等创作团队共同匠心营造。本剧特色：以全球首创的多款音乐机器人为主要演员，充分利用声、光、电等数字媒体技术与艺术手段，并在真人演员的基础上，创新演绎的大型国风音乐机器人科技舞台剧。该剧是一次艺术与科技的创新交互，重新建构和演绎中国唐代文化的神韵，在全球属首创。同时，该剧可以为观众呈现出多维度、多视角、多层次的丰富体验和感受。故事从沉睡千年的古代机器人玉衡和瑶光机缘巧合踏上了寻找灵魂的穿越之旅，他们回到具有贞观遗风的武则天时期，与中国自然科学鼻祖墨子的后人墨辰一起，探寻民间工艺，研习古典音乐，感知唐人精神，促进文化交流。通过描述他们与社会各阶层的人之间的侠义互助故事，深入展示了昂扬自信、兼收并蓄、万国来朝的大唐盛世之精神内核和中华民族的文化自信，并解读了拯危济难、用世立功的“义”乃中华民族的精神之魂。在机器人的帮助下，墨子后人创造出多元兼容的鼓神机甲人，为武则天登基彰显大国气象，更坚定武则天科举改良的方向，为中国文化和科技的发展助力；而机器人也经由奉献的过程领悟了何为真正的“灵魂”。新锐导演窦辉领衔的创作团队和演出团队。本剧的创作团队为窦辉导演经六年磨砺而成，是一个忠于探索的热情而成熟的创作团体，原班人马曾创作过口碑与票房俱佳的话剧《李尔王》和舞剧《奥德赛》、《通往大马士革之路》等多部大型作品。本剧剧作建立在奇幻的穿越线索之上，以浪漫情怀突显机器人的神秘能力，但剧情的构建完全基于史实，引发透视历史细缝的遐思。全剧音乐由旅奥青年作曲家天啸先生作曲，尝试用音乐复现大唐盛世文艺的高妙，同时尝试创新，如剧中由机器人表演唱的古风ＲＡＰ，且有部分曲目是根据机器人演奏特点量身打造并与机器人互动完成。演出者为来自北京的音乐剧专业新秀演员以及洛阳本土优秀的年轻演员，他们以专业实力和敬业精神完成了与机器人（演员）无缝配合的、有艺术感染力的人机互动。作为一支具有突出舞美表达能力的创作团队，在本剧演出中，使观众有如直抵大唐盛世的幻境体验。清华大学美术学院交互媒体研究所清华大学美术学院交互媒体艺术设计研究所是清华大学美术学院下属，专注于博物馆、博览会等各类文化空间的科学与文化规划咨询、陈列布展、文化遗产数字化展示传播、文化科技融合与互联网创新、公共文化服务体系建设研究、信息传播与交互设计理论研究等，形成产学研一体化的设计研究和社会实践模式。依托清华大学的综合学科优势以及清华大学美术学院深厚的艺术设计与文化研究底蕴，研究所承担或参与了大量相关国家课题及国家和地方大型文化与展览项目。如主持设计《中国国学中心-易兵医三馆》、《2019北京世界园艺博览会中国馆》、《孔子博物馆》、《数字圆明园海外巡展》、《洛阳博物馆》、《鹰城古韵-平顶山博物馆》、《湘西土家族苗族自治州非遗博物馆》等重大展陈项目，参与国家课题如“中国国学中心体验规划设计（第一、第二期）”展示设计研究；国家科技支撑计划课题“基于丝绸之路（中国段）主要文化遗产资源的文化旅游服务系统应用示范”；“重现辉煌-数字圆明园研究及文化旅游应用示范”；国家973计划项目“文化遗产数字化保护的理论与方法”等。作品曾多次获得“全国博物馆十大陈列展览精品奖”、“全国美术作品展览优秀奖”、“艺术与科学国际作品展优秀奖”、“中国国际室内设计双年展金奖”、”“GRAND PRIX DU DESIGN SPECIAL AWARD”等国家和国际设计奖项，并拥有多项国家专利。来自顶级研发团队的的人工智能成果。墨甲，是清华大学未来实验室研发的中国风机器人乐队，乐队之前有三位机器人乐手，分别为：竹笛乐手“玉衡”，箜篌“乐手”瑶光，排鼓乐手“开阳”，为了打造本剧，团队对机器人进行全方位的升级，并与导演团队合作研发出最新一代的“鼓神机器人”。墨甲机器人团队具有不止领先的技术本身，而是在造型、音乐、表演艺术和文化方面致力于与观众共情的“人工生命”。

最近包贝尔和辛芷蕾主演的《我的女友是机器人》上映。笔者在很多年前看过日本版的《我的机器人女友》，那时笔者正在上高中，学校不允许带手机，晚上准时10：30熄灯，宿管阿姨在门上的窗户上经常巡逻查寝。但办法总是很多的，我们宿舍几个人围在我下铺的舍友的床上，头上盖着一个被子【防止手机光被宿管阿姨看见】，有一次正是看了这个日本的《我的机器人女友》。当时看到机器人为了救男主，用只剩下半截的机器身子费力拉住男主时，感觉挺让人感动的。笔者对这个电影印象特别深刻。不光是因为这个题材在当时特别吸引，而且演员的演技以及特效在当时都做得挺好，最关键的是当时在要睡觉还是看电影娱乐一下的矛盾心情依然回荡心间。但是一般我们都在周五的晚上看一会儿，所以并没有很影响学习。现在中国版的《我的女友是机器人》，在一些情节上借鉴了日本版的。如果没有看日本版的，笔者觉得这个还算不错。说到机器人，上面的两个电影的机器人都比较正派一些。但是凡事都有两面性。像《终结者》系列的，既有对人类好的也有对人类坏的，这个比较客观一些。还有像聊斋的《机械画皮》，机器人表面上是为了摸透所谓的爱情，实际上已经有了开始控制人类的想法。电影《坏机器人》中，出了故障的机器人，将男孩杀死，并将他的肉做给了不知情的父母吃，进而还想杀死全部人。虽然看了影片会有点觉得这是男孩有点咎由自取，他毫无底线的虐待机器人，最后随口而出的话被机器人执行。可是还是让人不免心中一凉。人们如果无心脱口出的话都实现的话，那有多少条命也不够死呀！人是有寿命的，机器也有，虽然能推断出大概时间，但我们不能百分百保证它什么时候出故障。可见不得不让我们深思，等到真的可以制造那种学习能力很强的机器人后，我们人类是否真的可以控制地了他们吗？你们觉得呢？欢迎点赞评论＋关注哦！

导语：近日，上海虹口区新华保险(63.40 -0.55%,诊股)大厦内，一个为社区居民们设立的特殊健康驿站・智慧健康小屋开张了近日，上海虹口区新华保险(63.40 -0.55%,诊股)大厦内，一个为社区居民们设立的特殊健康驿站・智慧健康小屋开张了，与传统的健康驿站不同，智慧健康小屋的其中两位工作人员是来自猎豹移动旗下猎户星空的智能服务机器人(14.62 -0.20%,诊股)，高颜值、强技能、科技范，机器人的出现，吸引了许多社区居民纷纷驻足围观。市民家门口有了“机器人健康加油站”此次开张的智慧健康小屋分为4个模块，除了健康自我评估、健康自助检测、体质自测自检服务外，第4个模块为猎户星空服务机器人豹小秘系列的医疗解决方案：豹小秘在引导居民操作检测后，医疗定制版豹小秘DP-“豹小医”搭载的全科视频医生会对用户进行问诊，这两台机器人还会配合5G进行大数据分析，再将数据传回云端。（通过“豹小医”，居民可与医师进行一对一的视频就诊）届时，居民只要对“豹小医”说“我要看医生”，平均10秒之内，就会有真人医生通过视频远程问诊。届时居民在健康小屋体检后，可以迅速及时地就检查结果跟医生面对面沟通，对可能潜伏的疾病进行早期干预，真正发挥健康体检的效果。现场工作人员介绍，市民每次咨询时，会先由一位全科医生接诊，全科医生问诊后，还会视情况转诊专科医生，甚至专家团队进行会诊。而且老年人群体还可以邀请儿女呼入，进行三方通话问诊，让儿女也能及时掌握老人的健康信息。“豹小医”还会根据账号需要发送咨询总结，终身存储，永久免费，保证咨询连续性。通过远程视频的方式，借助机器人强大的交互能力和云平台技术，“豹小医”可以把数百位全科医生资源，数千位三甲医院专家资源，带到每一个健康小屋。这些就医方面的智慧服务，既大大便利了居民进行常规的健康问诊、慢性病管理、用药指导等，又可以响应国家分级诊疗的号召，帮助有需要的居民对接诊所医院。除了“豹小医”，另一名机器人为猎户星空旗下的五星级智能服务机器人豹小秘，它可以承担迎宾接待、问答咨询、问路引领、导览讲解、数据分析等功能，在智慧小屋里，它相当于发挥了一位护士的功能，居民自行体检测试时，它可以在旁进行指导操作，真正实现了无人化和无接触的服务。（智慧小屋内的豹小秘）公开资料显示，智慧健康小屋定位为居民健康自我管理的“起点站”。心跳、血压、血糖、肺活量、握力……这些之前要在医院不同科室之间跑来跑去进行的检测，在智慧健康小屋都能搞定。社区居民只要用一张身份证或医保卡，就可以在这里进行健康自测和评估，并可线上查看全家人的身体数据、就医记录、用药清单等详尽信息。同时，居民还可以得到健康指导、家庭医生签约、公立医院专家门诊预约等便捷服务。来自上海市卫健委的信息显示，2019年上海首批建成了80个智慧健康小屋。此次开放的智慧小屋，通过与猎户星空合作，让机器人“上岗”，既能够提高居民体检测试效率，又可以减轻医务人员工作压力。居民在健康小屋获取自己的体检数据后，一句话问诊就可以轻松实现寻医问药，并享受到适宜、综合、连续的整合性健康服务，现场的市民体验后纷纷为“豹小秘”、“豹小医”点赞。以机器人为支点，加码智慧服务新基建疫情以来，我国大力发展公共健康基础设施，“豹小医”作为全科医生的载体，已经陆续在高端地产配套的健康小屋、社区养老院、药房等场景上岗。这次入驻北外滩智慧健康小屋，提升基层医疗的服务体验及科技感，是猎户星空基于智慧服务新基建的定位，赋能医疗场景的一个缩影。在医疗场景中，2020新年以来，随着新冠病毒在全球肆虐，猎豹移动携手猎户星空，迅速升级推出了疫情防控智能服务机器人，并在第一时间捐赠交付到武汉火神山医院、北京大学首钢医院、北京市海淀医院、郑州岐伯山医院等疫情救治防控一线。针对后疫情时代公共场景的常态化防疫工作，新增红外测温功能的升级版豹小秘也已投用，可在人流密集场所对群体和个体快速准确进行体温筛查。猎户星空创立于2016年9月，是一家拥有垂直一体化AI能力、用互联网基因做机器人的新物种公司。猎户星空基于“AI+软件+硬件+服务=机器人”公式，构建垂直一体化AI能力，包括自研芯片算力、算法能力、系统能力、应用能力及商业大脑，通过行业唯一的全链条AI技术、机器人OS开放系统、智能服务机器人家族、机器人行业场景解决方案，开启新基建时代的实体经济智能化升级。截止今年7月底，猎豹移动旗下猎户星空的智能服务机器人家族已覆盖大型商场、医疗机构、旅游、博物馆、图书馆、KTV、政务大厅、学校、轨道交通、会展、通信等20多个场景，上岗机器人规模超11000台。（文章为作者独立观点，不代表艾瑞网立场）

来源：中国网 2020-09-29 15:43:43技术，一直是推动媒体行业发展的重要驱动力。过去几十年，互联网技术的发展再造了一个新的媒体行业，改变了传播格局，到如今，人工智能、5G等新技术正在塑造下一代新闻媒体的生态环境。百度首席技术官王海峰表示：“希望在AI新基建的助力下，网络媒体产业加速智能化，开启智慧媒体新时代。”当下，人工智能技术发展日趋成熟，像以往每一次工业革命的核心驱动技术一样，呈现出很强的通用性，具备了标准化、自动化和模块化的工业大生产特征，拥有深入赋能各行各业的能力。而面向高质量发展需要，国家大力推进的新基建，正以人工智能为重要篇章，加速推进各领域的智能化转型升级。百度AI多年技术积累和产业实践的集大成——百度大脑，即是百度打造的软硬一体的AI基础设施。基础层包括如百度昆仑芯片等算力、数据技术，以及以飞桨深度学习平台为核心的算法平台;感知层包括语音、视觉等技术;认知层是语言与知识技术，百度构建了包含50亿实体、5500亿事实的世界最大规模的知识图谱，并具备知识增强的跨模态深度语义理解能力。同时，百度大脑还有纵贯各层完整的安全体系，以及面向开发者和合作伙伴的AI平台与生态。截至目前，百度大脑已凝聚超230万开发者，创建了31万模型，日调用量超过1万亿次，并已培养100万AI人才。通过开源开放，百度大脑的核心技术与社会各界共享，为各行各业赋能。面向媒体行业，王海峰详细介绍了百度的智能媒体中台，助力新闻生产的策划、采编、审校、发布等全流程。以涵盖存储、计算、网络等能力的媒体云为基础，媒体知识中台包括媒体知识图谱、跨模态检索和推荐，媒体AI中台包括AI能力引擎、智能创作平台和智能视频平台;在此基础上，支撑智能策划、智能采编、智能审校、AI主播等媒体行业应用。智能媒体中台助力新闻生产的策、采、编、审、发等全流程，加速媒体行业智能化变革。在具体功能方面，智能策划可高效汇聚全网文本、视频、图片、语音等海量信息，通过关联分析实时发现热点，并支持专题深度挖掘，帮助媒体人丰富选题思路，提升创作效率;智能采编可支持智能文章创作以及智能视频生产，包括新闻快讯生成、专题报道聚合、视频新闻自动生成等功能，让媒体创作更高效省事;智能审校支持采编素材、视频文字、图书稿件等场景的多维度审校，集合纠错、一致性检查、格式校对等实用能力，每十万字内容审校以传统人力方式需要3.3天，机器算法仅需秒级即可完成，媒体人有更多精力投入创造性的工作中;AI主播基于语音、视觉、语言与知识等综合AI技术，真人形象、卡通形象等多种类型的 AI主播可应用于各场景，大幅提升报道时效性和质量。还有涵盖计算、存储、网络、音视频处理及流媒体等能力的媒体云基础平台。

听到人工智能这个词，你首先想到了什么？Siri（苹果智能语音助手）或是Google智能助理等智能手机的语音助手，还是性能不断提升的无人驾驶汽车？就算是我们脑海里出现了再多的场景，是不是还是不清楚AI到底是什么？什么是人工智能？目前对人工智能并没有公认的定义。有些专家认为，人工智能就是研究和设计智能体。那么按照定义，研发智能体的任务则归结为利用机器（主要是设计计算机）来模拟人类的以下4种行为：感知行为（视觉、听觉等）、理性行为（推理、决策等）、行动（手的操作，人脚、动物与人造物的移动等）和情感（表情、灵感等）。计算机到底拥有怎样的“行为举止”完全取决于“程序”，如根据程序让计算机读取图片并识别出图片是猫。归根到底，AI可以说是计算机与程序。所以，AI应该包括理论、算法、软件、硬件、系统和机器人等。其中“机器学习”与“深度学习”是认识AI的关键人工智能发展的三个阶段：AI从诞生的那天起，就为人类解决问题提供了有两个方案：即人类智能的两个计算模型-知识驱动和数据驱动。其64年的发展史可以分为三个阶段：第一阶段（第一代的AI）为知识驱动时代，即人类知识和经验为基础的符号推理模型为主导的时代。符号主义作为人类智能的首个认知模型，对认知科学和AI都有着深远的影响。但由于专家知识及经验难以获得，以及当时计算机计算能力的限制，这种模型在当时并没有得到应有的发展与应用。第二阶段（第二代AI）为数据驱动时代，即从本世纪开始，以基于大数据机器学习模型为主导的时代。随着计算能力的不断提升，从大量数据中自动提前知识的算法逐步成熟。概率机器学习特别是深度学习（深度神经网络）是挖掘大数据背后隐藏规律的理想模型与算法，它能从原始数据中自动找出其中的规律，不需要人工的干预。机器强大的数据处理，在感知信息处理（图像、语音识别等）中表现突出，让AI走向实用。深度学习之所以在全球范围内获得广泛关注，完全得益于2012年举办的“ILSVRC”竞赛。这是一个挑战人工智能图像识别准确率的最具影响力的全球范围竞赛。在竞赛中，AI要通过解析100万张图像数据来学习识别图像，并准确找到测试图像中的物体及其所在位置，准确率（识别率）最高的队伍获胜。当年的竞赛中，首次参赛的加拿大多伦多大学代表队以压倒性的优势击败其他的参赛队夺得冠军。其参赛的人工智能应用了杰弗里·欣顿教授提出的“深度学习”新技术。当前，深度学习技术尤其受到关注，人工智能在各个领域的应用与研究正以不可阻挡之势迅猛发展。第三阶段（第三代AI）则是知识驱动与数据驱动两种模型的结合。单靠一种模型能解决的实际问题十分有限，其应用场景需要满足确定性和安全信息，静态、单领域和单任务等要求与人类智能的差距还很大。当前的任务是探索可解释和稳健的AI理论。人工智能应用领域：1.智能手机人脸识别只用相机拍摄脸部图像就能进行身份识别的“人脸识别系统”已经应用于机场的入境检查、智能手机的安全性、警察搜捕罪犯等各种场景。2.民用天气预报系统民用的天气预报服务也使用了图像识别AI。通过让AI解析人造卫星传送来的雨云图像，可以预测不久之后的天气情况。3.语音翻译服务识别语言和文章的AI也实现了飞跃性发展。例如语音翻译服务-对着智能手机讲话，瞬间就可以非常准确的翻译成自己所希望的那个国家的语言。4.企业的招聘服务企业招聘员工可以让AI分析学生提交的申请表，找出将来可能会有发展前途的候选人才。5.新药的研发即使是卓越的研究人员，也无法把过去所获得的知识全部储存在大脑中。于是科学家做了一个大胆的尝试，让AI学习过去庞大的实验数据，并以此为基础提出有助于科研的新建议。现在新药的研发与材料研究领域已经引入了AI，并开始出现成果。

2020年服贸会在北京国家会议中心隆重召开,此次会议邀请了众多国内外企业参与,高通作为全球领先的无线科技创新企业,也应邀参与了此次会议。并且在会展中展示了5G、Al、XR等一系列科技前沿产品。在展示的成果中高通人工智能芯片,凭借强悍的性能受到了现场来宾的关注。高通人工智能芯片实力强劲此次服贸会上,高通产品展示区重点展示搭载高通人工智能芯片骁龙865的终端设备。据了解,骁龙865移动平台搭载了高通第五代AI引擎,可以达到15万亿次计算/秒。强大的AI计算能力让搭载骁龙865移动平台拥有更强劲的实力,能够完成更多AI任务。在展会体验中,搭载高通人工智能芯片的设备就展现出了强大的AI摄影实力,在嘈杂的现场,设备也可以智能识别外部场景拍摄出高清无损的照片。高通人工智能芯片未来发展高通执行副总裁AlexRogers在此次展会中发表了主题演讲,分享了高通在5G时代对人工智能技术的看法,拟定了高通人工智能芯片未来的设计方向。一直以来,高通都十分关注人工智能技术的发展,在5G规模不断壮大的今天,高通抓住时代机遇努力推动人工智能技术发展。除了将高通人工智能芯片用于智能手机,高通还将人工智能技术应用于机器人、XR终端设备。高通展台上“会拉花的咖啡机器人”就是基于QualcommRB5平台,人工智能、5G等多项技术研制的。通力合作共同推进人工智能发展参与服贸会展示高通人工智能芯片,表明了高通于中国企业合作的决心。未来,高通会与国内众多优质企业进行通力合作,将高通人工智能芯片应用于更多终端设备,研制出更多优质的AI智能产品。免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。责任编辑：kj005

5G和AI是2020年最热门的话题,两者技术的结合,能够让终端设备实现更多可能性。高通人工智能手机是5G技术和AI技术结合后最具代表性的产品,将终端处理和5G强强联合,让广大用户体验到优质的个性化服务。AI+5G给用户提升产品体验值把AI技术与5G网络相结合是时代趋势所在。5G网络让人们能够感受到更快速更便捷的了解模式,而AI作为强大的工具,不仅可以提升无线网络性能,还可以帮助终端设备提升性能,调节电池续航能力。有AI与5G网络支持的设备可拥有超长的无线通信、强大的电池续航能力。高通人工智能手机将AI与5G技术结合,让用户拥有更好的产品体验。高通深入研究AI与5G技术。高通在几年前就开始围绕“如何利用Al提升5G网络性能,利用5G提升AI体验”的话题进行研究。目前,高通已经了解到AI将对5G网络影响的主要内容,其中包括提高服务质量、网络效率和网络安全性等内容。在高通人工智能手机上我们可以清晰地了解到高通近几年的研究成果,搭载高通骁龙865 5G移动平台的智能手机不仅能够让用户在游戏过程中体验到5G网络超快的加载速度,还可以感受到AI系统智能切换游戏画面,让用户能够更好地沉浸在游戏中。低时延的5G网络,超强渲染的Al处理,让用户能够更好地体验终端设备带来的愉悦感。高通人工智能手机值得期待目前,国内有多家手机制造厂商与高通合作其中包括小米,OPPO,vivo,黑鲨、三星等多家优质品牌。未来,高通会继续和厂商深入研究5G和AI结合技术,共同打造更多优质高通人工智能手机,给用户带来更好的体验!

“通过建设国家新一代人工智能创新发展试验区，武汉市力争到2023年达到以下目标：人工智能核心产业规模达500亿元，带动相关产业规模超过5000亿元，人工智能核心领域取得重大突破，人工智能产业进入全国第一方阵，建成全国领先的人工智能创新资源集聚区，打造全国先行先试和应用示范样板。”华星光电柔性屏通过20万次动态折叠测试。记者高勇 摄28日，省政府新闻办召开新闻发布会，解读“武汉获批建设国家新一代人工智能创新发展试验区”相关情况。武汉市科技局相关负责人介绍武汉人工智能的发展现状和人工智能武汉建设方案主要内容。该负责人说，武汉人工智能产业发展基础良好，应用场景丰富多元，呈现出良好发展态势。集聚了李德仁、刘经南、丁烈云、丁汉院士等高端领军人才和团队。武汉大学成立了人工智能研究院，设立了人工智能一级学科，与小米公司成立了人工智能联合实验室；华中科技大学成立了人工智能与自动化学院、人工智能研究院。小米武汉总部新大楼。通讯员王峰 摄2019年，武汉人工智能核心产业规模超100亿元，相关产业规模超1000亿元；集聚了长江存储、小米武汉总部、人天机器人、传神语联网、华为武汉研究院、新思科技武汉全球研发中心、百度云智学院、旷视科技武汉人工智能工程院等一批具有自主核心技术的人工智能企业和研究机构，在新一代机器视觉技术、智能驾驶辅助系统、行为式身份验证、智能工业机器人操作系统、智能红外检测等细分领域处于国际领先水平。武汉在智能养老、智慧教育、智慧交通、智能制造、智慧医疗、智能化公共服务等领域积极开展人工智能推广应用，获批了国家人工智能条件下养老社会实验试点城市、国家“智慧教育示范区”，开通了全国首条自动驾驶示范专线、全国首条5G智能制造生产线，发放了全球首张自动驾驶商用牌照，成立了国内首个自动驾驶城市示范与产业协同创新联盟。9月1日，位于光谷未来城的长江鲲鹏生态创新中心启用。记者高勇 摄武汉高度重视人工智能产业发展，已出台《院士专家引领十大高端产业发展行动计划》《武汉市新型智慧城市顶层规划》《武汉市推进“数字政府”建设实施方案》等政策文件，制定了《武汉市新一代人工智能产业发展三年行动计划（2019-2021年）》。这位负责人说，《武汉建设方案》主要包括人工智能技术应用示范、政策试验、社会实验和基础设施建设等方面。立足武汉实际，发挥武汉产业优势，以存储器、新能源与智能网联汽车、网络安全人才与创新三大国家级产业基地为依托，以提升关键技术、拓展应用场景为重点，提出打造“一芯引领、两网支撑、四大重点应用场景”的发展格局。在国家存储器基地，128层QLC闪存已成功研发，首次实现与国际同行的齐头并进。记者高勇 摄“一芯引领”即重点发展智能芯片，围绕国家存储器基地，以东湖高新区为核心发展区，开展智能计算、智能存储、智能通信关键技术攻关，突破一批智能芯片关键核心技术与产品，建成全国最大的存储器研发与生产基地，着力打造产业之“芯”、区域之“心”、动能之“新”。“两网支撑”即加快发展智能网联汽车与网络安全，依托两大国家级产业基地，突破一批关键共性技术，推动传统汽车产业智能化、网联化发展，打造网络安全产业集聚区。确定了交通、制造、数字设计与建造、医疗四个重点应用场景，即：重点建设城市智慧交通大脑，实现智慧交通管理一体化；重点强化智能制造系统集成应用，推进制造过程智能化；重点发展智能数字设计，助力武汉建设世界设计之都；重点推广智能建造技术，实现“物理基建”向“数字基建”转变；重点构建基于人工智能的公共卫生应急管理与医疗服务体系。同时开展人工智能政策试验，营造有利于人工智能创新发展的制度环境。开展人工智能社会实验，探索智能时代政府治理的新方法、新手段，推进人工智能基础设施建设，强化人工智能创新发展的条件支撑。6月23日，武汉华星光电技术有限公司，隔离走廊上一名工作人员经过t3项目彩膜生产线。记者高勇 摄省科技厅、省发改委相关负责人介绍了我省出台的《推进新一代人工智能发展技术创新工作方案》和《湖北省新一代人工智能发展总体规划（2020-2030年）》，提出发挥武汉试验区的辐射带动作用，到2030年，全省构建成熟的人工智能发展环境，形成关键技术领先、特色应用引领、软件硬件均衡发展的产业体系。届时全省人工智能核心产业规模达到1800亿元，带动相关产业规模达到1.2万亿元，形成50家以上国内有影响力的人工智能企业。相关报告显示，到2030年，我国人工智能核心产业规模将超过1万亿元，带动相关产业规模超过10万亿元，推动劳动生产率提高20%以上。谁率先占领新一代人工智能创新发展高地，谁就能赢得未来经济高质量发展的主动权。（长江日报-长江网 记者万建辉 通讯员王俪颖）来源 | 长江日报-长江网编辑 | 王珊文章经授权发布 转载请注明出处

2020年底，伴随5G的全面到来，人工智能将有可能全面替代各种繁重的重复性人力劳动。在人工智能全面替代人力劳动的进程中，人力资源行业作为人力调配的枢纽，必将迎来一场规模空前的颠覆性变革。而传统猎头，作为人力资源行业中最高端的部分，无疑将首当其冲。最近轰动整个猎头行业的最大事件，就是卫士蓝人力资本推出了全国首家人工智能（AI）猎头服务平台。该平台的出现，让原有的一切都改变了。人工智能（AI）猎头服务平台传统人工猎头服务的三大核心环节是职位解析、人才识别和人才输送，每一项都需要大量的重复性人力劳动，而这些人力劳动都是可以用人工智能来替代的。按照传统模式，培养一个训练有素的猎头顾问需要三到五年时间，这个过程不太容易，十个人里面能有一个坚持下来就算不错的。然而令人遗憾的是，这个坚持下来的成熟猎头顾问绝大多数都会选择自立门户，在带走公司原有客户资源后成立一家新的小微猎头公司。因此，传统猎头公司是很难做大做强的。目前，中国猎头市场还处在一盘散沙的初级发育阶段，全国范围内共有2万余家猎头公司，整体市场规模约为1000亿元，但却没有任何一家猎头公司的市场份额能达到1%，且95%以上的猎头公司都是10人以内的微型公司。在技术应用层面，绝大多数猎头公司还停留在非常原始的人海战术和电话营销阶段。人工智能（AI）猎头服务平台卫士蓝人工智能（AI）猎头服务平台的上线，将彻底打破猎头公司难以做大做强的规模化发展瓶颈。原来需要三到五年的顾问培养周期，现在只需3到5个月即可见效，而且效果更好，效率更高。通过卫士蓝人工智能（AI）猎头服务平台，经过一周培训的新手就可以熟练操作职位解析、人才识别和人才输送等三大核心流程。原来需要一周左右的职位解析流程，现在通过大数据智能化解析，一秒钟即可精准解析职位说明书，并且同时高精度匹配推荐人才，省去了两周以上的人才搜寻和人才识别过程。这在以前是做梦都无法想象的事情。人工智能（AI）猎头服务平台据悉，卫士蓝人力资本是国内领先的专业猎头服务机构，在生产制造、IT信息、金融服务和战略新兴等产业领域深耕二十余年，具有雄厚的技术研发实力和完备的服务标准体系。卫士蓝人工智能（AI）猎头服务平台是卫士蓝人力资本自主研发的新一代信息技术服务平台，具有大数据市场探测、智能化职位解析、高精度人才画像和VR人才输送等一系列AI功能。全面采用人工智能技术后，猎头公司可在大幅降低运营成本的同时将工作效率提高至少100倍，从而迅速做大做强。据多家专业机构评估，猎头行业第一个百亿级巨头或将由此产生。

行业资讯 | 时间: 2020-09-29 | 大众日报 | 编译：阿芬|浏览量：1062据悉，深圳市越疆科技有限公司是一家全球领先的轻量型智能机器人科技创新企业，专注于机器人的研发、生产、销售及整体解决方案。公司实现了机器人核心技术及核心部件的自主研发，产品和技术国产化率达到90%以上，是国内唯一打通轻量型全产业链的机器人头部企业和准独角兽企业，2018、2019连续2年位居该领域国产品牌出口量第一。声明：凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网站赞同其观点，也不代表本网站对其真实性负责。您若对该文章内容有任何疑问或质疑，请立即与中国机器人网(www.robot-china.com)联系，本网站将迅速给您回应并做处理。电话：021-39553798-8007相关阅读:

随着科技发展与智能技术的应用、教育理念的不断更新，作为综合了信息技术、机械工程、电子工程、控制理论、传感技术以及人工智能、前沿科技的机器人技术也在为教育改革之路贡献着自己的力量。 为了推动机器人技术的发展，培养学生创新能力，在全世界范围内相继出现了一系列的机器人竞赛。这篇文章格物斯坦小坦克就来说说青少年参加机器人比赛的收获。参加机器人比赛的意义远远不只是获得一张代表成绩的证书，它是一个特别好的学习平台，在这个平台里，孩子们付出得越多，收获得也就越多。首先，通过参加机器人比赛可以使他摆脱课本的束缚，让其有足够的空间去想像、动手、以及处理好与伙伴协调的关系。其次，传统的学习方法和材料，由于确立了特定的途径，让孩子采用既定的解决方案，往往限制了孩子的自然学习能力。孩子通常仅局限于一种思维方式，而不是多种可能的解决方案。其结果是，孩子只是复制知识，而不是靠自己的意识形成概念。通过参加机器人比赛可以使她摆脱课本的束缚，让其有足够的空间去想像、动手、以及处理好与伙伴协调的关系。机器人比赛不仅是一场综合技能的挑战，更是学生展现能力以及学习交流的舞台，参加机器人比赛对青少年学生有着特殊的意义。孩子是天生的学习者。 但孩子们不愿意被逼着去学习太难或过于简单的知识。在“玩”的过程中，孩子们探索、体会属于他们的世界则会更容易掌握知识，无论是书本上的还是课本之外的。相信通过机器人比赛孩子会有一种满足感和自信心，即使失败至少尝试过。这样他会更容易、渴望掌握书本上有的或课外的知识。而且相信他们会更容易记住这些知识。这也和格物斯坦机器人倡导的“做中玩，玩中学”的理念不谋而合。如果他们在发展技能、获取新知时，他们能够在所处的环境中获得恰到好处地挑战，就能激发他们不断探索、理解和学习的能力。通过机器人比赛这种形式，可以激发青少年的潜意识，他们知道自己必须做得更好才能超越对手获得胜利。使其今后面对困难挫折没有畏缩感，能够不断地挑战自我。机器人比赛常常多人一组，多人一组的比赛是一个整体，孩子们想要取得胜利，首先相互之间要学习用语言或非语言方式与队友进行沟通和合作。通过比赛可以提高其语言表达的能力，想让队友们更好地了解你的意图，你就必须要有良好的语言表达能力。同时在队员之间想法出现差错时，彼此的沟通又是很重要的，大家必须一起协商、比较谁的方案好，或者综合大家的想法。这无论是现在或将来对孩子都很重要，学会与人沟通，团队合作。孩子们着迷于对自身生活的世界和富有创造性事物的任何想法。在机器人比赛过程中，他们的头脑中必须有一个概念或是一个模型，而不是盲目的去拼凑所给的部件。这意味着这些工具和活动要求她们要有一定的逻辑思维能力和想象空间。我们相信机器人比赛也是希望给予孩子们一个能自由创造、想象和玩的空间。想象力是一双翅膀，有了它才能更好地驰骋在知识的海洋里。光会讲不会做同样是不可取的。通过参加机器人的比赛可以提高青少年的动手能力，哪个部件在什么位置必须其亲历亲为，这对于今天的孩子是很重要的。机器人比赛是对孩子学到的知识一次实践的检验，更是对孩子自身能力的不断挑战。为更好培养孩子独立设计、组装、编程、调试机器的能力以及机器人竞技能力，提高参赛者的机器人设计、搭建、调试、编程等各方面的能力，最终培养出拥有良好科学素养，富有科学探索精神，富有杰出创造力的新一代青少年。在适当的引导下让孩子们有机会自己探索世界是最佳的学习状态。孩子们在动手积极构建事物时，确实能帮助他们在头脑中构建知识。新构建的知识能促使他们创造出更好的解决方案，衍生出更多的技能、更多的知识，从而在这样一个良性的循环过程中征服更多的挑战。在提倡素质教育的今天，青少年参加机器人比赛非常有意义。

都在用的报告小程序耶鲁大学的一组科学家开发了一种新的“机器人织物”，可以根据需要或通过感知环境来改变其形状和硬度。有朝一日，这种材料可能会被用于高科技服装、自动搭建的帐篷或机器人降落伞。为了赋予这种织物一系列的功能，该团队创造了不同功能的纤维，并将其编织成日常织物。第一种纤维是一种充满了被称为菲尔德金属(Field’s metal)的合金颗粒的环氧树脂，它会在相对较低的温度62℃(144华氏度)融化。这意味着它可以被轻轻加热，使织物柔软且具有延展性，然后冷却到室温，将其固定成一个特定的形状。该研究的主要作者Trevor Buckner说:“我们这一领域的金属环氧复合材料可以变得和乳胶橡胶一样柔韧，或者和丙烯酸一样坚硬，硬度超过1000多倍，只需通过加热或冷却。”“这种材料的长纤维可以缝在织物上，给它一个可以开启和关闭的支撑骨架。”利用这种技术，该团队能够使他们的智能材料具有承重能力，支撑50克(1.8盎司)的重量，这在通常情况下可以将织物压平。该团队还在织物上涂上了一种可导电的墨水，创造出可以探测环境变化并让材料做出相应反应的传感器。该研究的通讯作者Rebecca Kramer-Bottiglio说:“导电复合材料会在单个纤维周围自凝，不会明显改变织物的孔隙度。”“传感器是可见的，但不会改变织物的质地或透气性，这对穿戴式应用的舒适性至关重要。”最后，为了让这种材料改变形状并移动，研究小组添加了形状记忆合金(SMA)。这个东西可以被编程来“记住”一个特定的形状，所以在它变形后，它可以被触发直接变回原来的形状。在这种情况下，研究人员将SMA金属丝压扁成带状，这样他们就可以根据需要将织物变平。研究人员表示，这种机器人织物最终可能被用于制造能够自我展开的帐篷或降落伞，以及辅助服装。这项研究发表在《美国国家科学院院刊》(Proceedings of The National Academy of science)上。编译/前瞻经济学人APP资讯组原文来源：https://newatlas.com/materials/robotic-fabric-shape-change-soft-hard-heated-cooled/

世界各地工厂中运行的工业机器人数量达创纪录水平国际机器人联合会（IFR）的最新报告显示，世界各地工厂中运行的工业机器人数量达到创纪录水平。该报告还发现强劲的销售数字仍在继续，这提供了一些希望，希望机器人产业相对不受新冠的影响。《世界机器人2020年工业机器人》报告发现全球已有270万机器人在工作。新机器人的销量仍然很高，2019年全球发货了37．3万台，比上年下降了12％－但仍是有记录以来的第三大销量。国际机器人联合会主席米尔顿·古里表示：“如今，在世界各地的工厂中运行的工业机器人库存已达到历史最高水平。”“在智能生产和自动化的成功故事的推动下，这在五年内（2014－2019年）在全球范围内增长了约85％。最近的销售下降了12％，反映了汽车和电气／电子这两个主要客户行业经历的艰难时期。”“除此之外，冠状病毒新冠对全球经济的影响尚无法完全评估。适应“新常态”将决定2020年剩余的几个月，”他继续说道。报告发现，亚洲仍然是工业机器人最强劲的市场，在那里安装了新设备，约占全球供应量的三分之二。中国目前仍是该地区最大的采用国，2019年机器人数量达到78．3万，增长了21％－尽管当年的销售额低于2017年和2018年的创纪录水平，但仍比五年前增长了一倍。日本排名第二，为355，000，增长了12％，印度则增长了15％，达到26，300。在欧洲，德国仍然是主要用户，拥有约221，500台机器人，是意大利（74，400台）的三倍，法国（42，000台）的五倍和英国（21，700台）的十倍。人机协作的采用也在增加，协作机器人的安装量增长了11％。由于提供协作机器人的供应商比以往任何时候都多，并且应用范围不断扩大，因此在2019年安装的373，000台工业机器人总数中，市场份额达到了4．8％，使其成为一个快速增长但仍处于起步阶段的市场。该报告还对新冠后的未来进行了展望，认为新冠对2020年产生了沉重影响，它确实为世界复苏提供了生产现代化和数字化的机会。IFR在新闻稿中说：“从长远来看，增加机器人安装数量的好处是不变的。”“以有竞争力的价格快速生产和交付定制产品是主要的诱因。自动化使制造商能够在不牺牲成本效率的情况下将生产保持在发达经济体中或将其转移到其他国家。”

智通财经APP讯，远大中国(02789)公布，于2020年9月30日，该公司全资附属公司沈阳远大与远大机器人(300024,股吧)订立自动化生产及智能仓储设备协议。根此，远大机器人将为沈阳远大提供自动化生产及智能仓储的设备供货及配套软体开发设计服务，代价约为人民币3500万元。于同一天，沈阳远大与远大机器人订立技术服务协议。据此，远大机器人将为渖阳远大提供生产全流程自动化升级及精益化生产管理专项技术服务，代价约为人民币500万元。（责任编辑： HN666）

2007年，一部由知名导演迈克尔·贝所执导的《变形金刚》一上映就票房大卖，这部电影主要是在描述宇宙中有一种机器人种族，他们不但像人一样具有意识，而且拥有强大的力量，它们有一种成为“火种”的能量块。原本大家只把《变形金刚》当成科幻电影来看待，没有想到在前一阵子，有人发现51区里竟然真的出现了巨型机器人，发现这件事情的UFO猎人，甚至还发现了多个机器人，和它们移动的画面，难道美国在建造真正的变形金刚吗？2020年9月，世界各地的UFO猎人几乎是在同一个时间在谷歌地图发现，竟然拍到51区空军基地里有一个巨型机器人，就躺在基地里。该件事件的发现引起了许多UFO学者的注意，其中一名UFO猎人是考特斯。考特斯还发现，这台机器人的旁边还有另一台机器人也躺在那里，根据卫星图判断，至少有两台机器人。这些机器人的身高至少高达了16米，是不是很惊人呢？不过这还没有完，斯考特发现，自从2006年开始，也就是美国还没有承认51区存在的时候，这些机器人就已经被建造了出来。只是当时51区只做出了一架，三年后机器人的姿势从原本的仰躺变成了侧躺，但我们还是可以很清楚地看到机器人的头肩膀及四肢。两周以后，机器人又变成了侧躺，而这一次它的身旁还多出了两架机器人。如果看得够仔细，甚至可以看到机器人的眼睛。而当我们把时间往前推进到2010年，还能看到机器人的位置在不断变化。就这样一直到2016年以后，谷歌地图就再也没有拍到机器人了。这件事情的发现，无疑地再次把全世界的目光聚集到了51区，大家都在讨论美国到底在这里从事着什么样的研究？最重要的是，他们到底在计划什么呢？当年，爱德华·斯诺登曾爆料称，美国政府有一项机密叫做黑色预算，自从911以后，美国每一年都会编列一笔预算给相关部门从事机密行动，根据斯诺登的说法，这笔黑色预算正逐年以惊人的比例增高，例如2008年的时候，美国编列的预算是300亿美金。一年以后，2009年预算就瞬间拉高为510亿美金。到了2013年的时候，已经达到了526亿美金。不止如此，斯诺登还加码爆料，这笔巨额的黑色预算里面有高达147亿美金，全部进到了CIA的口袋里，占了总金额的28%，是黑色预算中占比最高的单位。以前，大家都认为CIA是美国搜集世界各国的情报机构，但今年已经有越来越多的UFO学者认为，其实CIA也掌控了“外星情报”。例如之前有多名CIA雇员出面爆料，51区里面有多架UFO。2013年就在斯诺登向外界爆料后，同年，CIA也出面承认了51区的存在。存在由此可见，CIA与51区有着密切的关系。同样在2013年，CIA前雇员爆料说，自己曾参与了蓝皮书计划，该计划正在艾森豪威尔总统的指示下进入过51区，亲眼见到坠毁在罗斯威尔的飞碟，他还向大众承认，当时飞碟坠毁是真的有存活的外星人，这些外星人后来就生活在51区里。2019年一名曾在51区工作过的里克多蒂，他出面披露了51区空军基地里有一个代号叫做S2地下建筑物，这座建筑总共有四层，其中一层主要是研究能源装置的。里克多蒂表示，这里研究的能源装置是一颗水晶，这块水晶是在罗斯威尔坠毁的飞碟中找到的，重量大概在1.8公斤左右。里克多蒂说，大家可千万不要小看这颗水晶，因为一颗电灯泡大小的水晶所能提供的能源相当于一座发电厂，重点是它不需要任何的燃料就可以产生源源不断的能源。前加拿大部长也曾多次公开向媒体说道，根据他当年掌握的信息，地球上至少有80种外星种族已经来到地球，其中一部分的外星人正在跟美国秘密合作，他们协助美国开发一种强大的能源。据说这种能源远远超过核能，甚至可以瞬间人让地球上所有的水沸腾。如果以上的爆料都是真的，那么几乎可以肯定。在外星人的技术指导下，拥有强大外星能源的美国，造出巨型机器人也并非完全不可能的事。从1940年起，世界各地都不断传出有人目击到UFO或者是看到外星人，甚至还有人出面宣称自己遭到了外星人的绑架，但这么多年过去却从来没有政府人员愿意出面证实外星人是真实存在的。直到1970年当时正在竞选美国总统吉米·卡特，曾信誓旦旦地向选民承诺，只要他当选国家总统，就会将外星人的秘密公开。一年后，卡特真的当选了美国总统，一位记者向他提问，希望他履行约定公布外星人的资料，没有想到，最后卡特却以国家安全为由拒绝回答。虽然总统没有正面回答，但却有很多的人对于这个答案感到满意。因为至少总统不是说外星人不存在，所以，目前仍有人认为，如果外星人是真的存在的，那么他们的科学技术想要建造一架巨型机器人应该也不是什么难事。

近日，上海虹口区新华保险大厦内，一个为社区居民们设立的特殊健康驿站·智慧健康小屋开张了，与传统的健康驿站不同，智慧健康小屋的其中两位工作人员是来自猎豹移动旗下猎户星空的智能服务机器人，高颜值、强技能、科技范，机器人的出现，吸引了许多社区居民纷纷驻足围观。市民家门口有了“机器人健康加油站”此次开张的智慧健康小屋分为4个模块，除了健康自我评估、健康自助检测、体质自测自检服务外，第4个模块为猎户星空服务机器人豹小秘系列的医疗解决方案：豹小秘在引导居民操作检测后，医疗定制版豹小秘DP-“豹小医”搭载的全科视频医生会对用户进行问诊，这两台机器人还会配合5G进行大数据分析，再将数据传回云端。(通过“豹小医”，居民可与医师进行一对一的视频就诊)届时，居民只要对“豹小医”说“我要看医生”，平均10秒之内，就会有真人医生通过视频远程问诊。届时居民在健康小屋体检后，可以迅速及时地就检查结果跟医生面对面沟通，对可能潜伏的疾病进行早期干预，真正发挥健康体检的效果。现场工作人员介绍，市民每次咨询时，会先由一位全科医生接诊，全科医生问诊后，还会视情况转诊专科医生，甚至专家团队进行会诊。而且老年人群体还可以邀请儿女呼入，进行三方通话问诊，让儿女也能及时掌握老人的健康信息。“豹小医”还会根据账号需要发送咨询总结，终身存储，永久免费，保证咨询连续性。通过远程视频的方式，借助机器人强大的交互能力和云平台技术，“豹小医”可以把数百位全科医生资源，数千位三甲医院专家资源，带到每一个健康小屋。这些就医方面的智慧服务，既大大便利了居民进行常规的健康问诊、慢性病管理、用药指导等，又可以响应国家分级诊疗的号召，帮助有需要的居民对接诊所医院。除了“豹小医”，另一名机器人为猎户星空旗下的五星级智能服务机器人豹小秘，它可以承担迎宾接待、问答咨询、问路引领、导览讲解、数据分析等功能，在智慧小屋里，它相当于发挥了一位护士的功能，居民自行体检测试时，它可以在旁进行指导操作，真正实现了无人化和无接触的服务。(智慧小屋内的豹小秘)公开资料显示，智慧健康小屋定位为居民健康自我管理的“起点站”。心跳、血压、血糖、肺活量、握力……这些之前要在医院不同科室之间跑来跑去进行的检测，在智慧健康小屋都能搞定。社区居民只要用一张身份证或医保卡，就可以在这里进行健康自测和评估，并可线上查看全家人的身体数据、就医记录、用药清单等详尽信息。同时，居民还可以得到健康指导、家庭医生签约、公立医院专家门诊预约等便捷服务。来自上海市卫健委的信息显示，2019年上海首批建成了80个智慧健康小屋。此次开放的智慧小屋，通过与猎户星空合作，让机器人“上岗”，既能够提高居民体检测试效率，又可以减轻医务人员工作压力。居民在健康小屋获取自己的体检数据后，一句话问诊就可以轻松实现寻医问药，并享受到适宜、综合、连续的整合性健康服务，现场的市民体验后纷纷为“豹小秘”、“豹小医”点赞。以机器人为支点，加码智慧服务新基建疫情以来，我国大力发展公共健康基础设施，“豹小医”作为全科医生的载体，已经陆续在高端地产配套的健康小屋、社区养老院、药房等场景上岗。这次入驻北外滩智慧健康小屋，提升基层医疗的服务体验及科技感，是猎户星空基于智慧服务新基建的定位，赋能医疗场景的一个缩影。在医疗场景中，2020新年以来，随着新冠病毒在全球肆虐，猎豹移动携手猎户星空，迅速升级推出了疫情防控智能服务机器人，并在第一时间捐赠交付到武汉火神山医院、北京大学首钢医院、北京市海淀医院、郑州岐伯山医院等疫情救治防控一线。针对后疫情时代公共场景的常态化防疫工作，新增红外测温功能的升级版豹小秘也已投用，可在人流密集场所对群体和个体快速准确进行体温筛查。猎户星空创立于2016年9月，是一家拥有垂直一体化AI能力、用互联网基因做机器人的新物种公司。猎户星空基于“AI+软件+硬件+服务=机器人”公式，构建垂直一体化AI能力，包括自研芯片算力、算法能力、系统能力、应用能力及商业大脑，通过行业唯一的全链条AI技术、机器人OS开放系统、智能服务机器人家族、机器人行业场景解决方案，开启新基建时代的实体经济智能化升级。截止今年7月底，猎豹移动旗下猎户星空的智能服务机器人家族已覆盖大型商场、医疗机构、旅游、博物馆、图书馆、KTV、政务大厅、学校、轨道交通、会展、通信等20多个场景，上岗机器人规模超11000台。转自：中华网【版权及免责声明】凡本网所属版权作品，转载时须获得授权并注明来源“中国产业经济信息网”，违者本网将保留追究其相关法律责任的权力。凡转载文章及企业宣传资讯，仅代表作者个人观点，不代表本网观点和立场。版权事宜请联系：010-65363056。延伸阅读

2020年,“新基建”迎来新的发展机遇，人工智能作为新基建的重要组成部分，受到的关注日渐增长。近日，人民日报接连发表三篇文章报道了百度人工智能最新技术成果和应用，以及百度在AI新基建方面的布局和建设，认为百度正瞄准成为中国新基建AI服务最大提供商。百度王海峰表示，“当下，我们正身处以人工智能为核心驱动力量的第四次工业革命浪潮中。人工智能技术发展日趋成熟，呈现出很强的通用性，以及标准化、自动化和模块化的工业大生产特征，具备了深入赋能各行各业的能力。而国家推进的新基建，以人工智能为重要篇章，正在加速推进各领域的产业智能化转型升级。”作为国内投入最早、技术最强、布局最完整的人工智能领军企业，百度既是AI基础设施的建设者，也是AI技术及应用创新的引领者和推动者。9月18日，人民日报发表文章《人工智能的“虚”与“实”百度人工智能加速落地 AI新基建加速产业智能化》，文章指出从“AI新基建”的角度指出：目前，用人工智能来解决农业、工业、服务业等面临的效率和质量问题，是产业智能化的显著特征。百度正在与相关机构和企业广泛合作，利用人工智能技术来预警洪涝灾害、森林火灾、地震;让人工智能来完成电视节目的集锦剪辑，制作出虚拟形象的主持人。当下，新基建带来新机遇，在人工智能领域有完整布局、拥有领先核心技术的百度将是重要的AI新型基础设施的建设者。9月22日，人民日报发表报道《深度学习框架重要性日益凸显，百度飞桨为AI独立发展提供保障》，强调了技术自主可控的重要性。文章认为，深度学习框架决定着AI产业的应用落地、生态繁荣和健康发展，并肯定了国产深度学习平台百度飞桨在技术上的领先和在产业间的广泛应用。“新基建”为人工智能的落地带来旺盛需求，国产深度学习开源平台与产业的融合正在加速。飞桨已累计服务开发者230万名、企业9万家，基于飞桨开源深度学习平台产生了31万个模型，被广泛应用到互联网、科技行业，以及工业、农业、能源、金融，乃至公共卫生与社会服务等领域，成为国产深度学习平台产业价值的标杆。当前国内AI开发者过于依赖国外开源深度学习框架，在复杂的国际环境下，为中国人工智能的发展带来了不确定性，尤其是近年来，大量关乎社会、经济发展命脉的人工智能应用在外国平台上开发，也带来了一定安全风险。有鉴于此，近年来，企业和高校都加大了对深度学习框架的投入，而百度飞桨，再加上百度昆仑，软硬结合让中国在AI核心底层技术上拥有了自主知识产权。9月29日，人民日报再次发表文章《AI落地进行时：百度智能云加速产业智能化》报道了人工智能加速产业智能化的大好形势。文章认为，加速产业智能化升级是社会发展客观需要，百度等人工智能平台型科技公司充分发挥价值，助力解决技术门槛高、人才缺口大等企业普遍面临的问题。文中指出，当前，百度智能云已经成为企业进行智能化升级的重要选择，深入能源、金融、交通、工业、医疗、媒体、城市管理等各个领域，并且业务增长迅猛，成果丰硕，人工智能在各行各业“遍地开花”。百度正在依托包括百度大脑、飞桨、智能云、芯片、数据中心等在内的新型AI技术基础设施，推动智能交通、智慧城市、智慧金融、智慧能源、智慧医疗、工业互联网和智能制造等领域实现产业智能化升级。同时通过开源开放，将AI能力输出给千行万业的开发者和企业，推动人工智能技术进步和应用落地，加速提升行业的智能化水平，激发经济新活力。人工智能已经成为新一轮科技革命和产业变革的重要驱动力量，正越来越深入地与各行各业融合。作为国内人工智能“头雁”，百度将持续基于自身优势，在AI核心技术积累、前沿技术探索以及AI应用落地方面持续深耕，紧抓当下的新基建大潮，与社会各界一道推动产业智能化升级，使人工智能成为新一轮经济增长的助推器。

“人工智能会像机械技术、电气技术一样，持续渗透和变革人们生产、生活的方方面面，成为科技革命和产业变革的核心驱动力量。”9月28日， AIIA 2020人工智能开发者大会在北京市首钢园区拉开序幕，百度副总裁、智慧城市事业部总经理刘雅雯出席并发表演讲，“人工智能技术发展日趋成熟，已呈现出很强的通用性，具有标准化、自动化和模块化的工业大生产特征，能够深入赋能各行各业。百度通过百度智能云把人工智能输送到千行万业，帮助很多产业实现智能化升级”。刘雅雯还为大会带来了百度AI在智慧城市、钢铁、农业等多个领域的成功落地应用案例。▲ 9月28日，百度副总裁、智慧城市事业部总经理刘雅雯在AIIA 2020人工智能开发者大会上表示，AI将深入变革千行万业AIIA人工智能开发者大会是国内人工智能领域最具创新价值的行业大会，已连续举办了两届。本届大会以“智慧筑基，源聚强国”为主题，吸引百度、腾讯、小米等国内知名科技公司参与。领先技术为开发者提供强力支持刘雅雯首先向现场观众介绍了百度领先的AI技术，“百度将最领先的技术和产业实践相融合，以集大成的方式整合打造出了百度大脑”，“飞桨是自主研发的‘智能时代操作系统’，是我国人工智能的坚实底座，它具备开发便捷、支持超大规模模型训练、多端多平台高性能推理引擎和产业级开源模型库等特点，能够有效支撑AI技术的开发与运营，”刘雅雯表示。在9月15日举行的2020百度世界大会上，百度大脑正式升级至6.0。作为AI新型基础设施，百度大脑已开放270多项领先的AI能力，凝聚230万开发者，企业发布的模型数量超过31万，是业内最全面、最领先、服务规模最大的AI开放平台，将更敏捷、更高效支撑AI工业大生产，助力产业智能化提速。刘雅雯表示，“我们的目的就是帮助更多的AI开发者，帮助某一个产业有智能化升级的能力，同时我们也致力于去提升AI的创新效率，来降低AI的使用门槛。”广泛赋能各行各业智能化升级“这些年，百度的人工智能通过百度智能云，已经输送到各行各业，促进各行各业智能化升级。”刘雅雯介绍道，“在智慧城市、智能交通、智慧金融、智慧能源、智慧医疗、智能汽车，还有智能客服与营销、智能办公，工业互联网和智能制造等方面，百度已经做了非常多的产业智能化升级的场景落地。”刘雅雯在演讲中还带来百度在多个领域的产业智能化落地案例。比如一家钢铁制造企业基于飞桨，实现用声音帮机器“看病”，一秒可以定位诊断不同机器的“病情” ，对千台机器的动态情况了然于心。这种方式还降低了这个行业的门槛，让刚入行不及的小师傅也能撑起钢铁制造的一片天。在农业领域，百度AI改变了田间农作日常，“普通农户只需要打开手机就能看到作物生长情况，浇水、施肥、杀虫看一眼就能准确安排上。”在城市管理方面，百度智慧城市的智慧城管推出了新一代智能化管理。利用百度人工智能技术赋能各城市大脑建设，比如北京海淀区城市大脑建设中，智能识别出店经营、非法小广告、无证游商、乱堆物料、沿街晾晒等十几种城市管理事件，可以实现自动发现、智能指派、智能考核以及柔性执法。识别准确率已经超过85%，误差率低于15%，极大提升城管案件处置效率和市民的满意度。在安全生产执法方面，百度利用视觉识别对人的不安全行为和物的不安全状态进行智能识别，我们推动网上执法、视频巡查、电子文书、智能识别、智能装备等工作模式，实现了对安全生产的全时智能监控，大大减少人力检查的成本，同时也降低事故发生的概率。在智慧应急方面，百度与应急管理部进一步加强合作，利用AI、大数据技术，对全国卫星遥感图像进行分析，第一时间精准发现灾害风险，预防小事变大灾，在四川、山西、西藏等林火救援指挥现场信息决策支持中发挥了积极作用。百度人工智能开源大赛推动产业发展在北京市政府、中关村科技园区管理委员会的指导下，百度人工智能开源大赛在大会期间举办，按照“以赛引才，以赛促用，以赛兴业”的基本思路，聚焦人工智能“基础研究”+“产融结合”，以比赛形式推动产业发展。本次比赛采用源于百度搜索真实场景的赛题，吸引了产业界和学术界共计784支团队参赛，参赛选手分别来自腾讯、阿里、字节跳动、IBM国内外知名企业以及清华大学、北京大学等国内外顶级高校，其中11支队伍杀出重围赢得10万奖金。获奖选手的方案中涌现出许多新颖的技术创新，为解决产业问题提供了新的思路。“百度会在未来的路上与更多的AI开发者一起，协力为中国的产业智能化升级贡献自己一份绵薄的力量”，刘雅雯表示。

提到高通人工智能手机你会想到什么？相信大部分人首先就会想到高通人工智能手机的强大AI性能。事实上，人工智能一直刷新人们对智能手机的认知，尤其是在拍照摄影功能上，强大的场景识别、一键美颜、超级夜景等多种功能给用户带来了绝佳体验。尤其是搭载高通骁龙865 5G移动平台的高通人工智能手机，更是将第五代Qualcomm AI Engine和强大的ISP进行结合，给用户带来与众不同的摄影体验。ISP+AI提升软件性能高通骁龙865作为先进的5G移动平台，产品的性能、网络连接都得到了广大消费者的认同。尤其是高通骁龙865移动平台对AI和ISP性能的提升更是得到了广大消费者的好评。据了解，高通骁龙865 5G移动平台所采用的第5代AI搜索引擎 AI算法可达到每秒15亿万次，全新的Qualcomm SpectraTM 480 ISP处理速度更可以达到每秒20亿像素，并且该功能还支持全新的拍照特性。借助移动平台的Al优势，可以助力终端系统打造最新水平的拍摄体验。智能识别，拍出最佳照片高通骁龙865 5G移动平台的强大性能，为搭载该款芯片的高通人工智能手机，强悍的摄影实力奠定了良好的基础。在具体应用中，高通人工智能手机能够通过AI,精准智能识别照片的背景、人物，保留相片的每一个细节。在十亿像素级高速ISP和第五代QualcommAlEngine的共同支持下，从不同角度，以最真实的状态展现最大的图像质量。光学变焦，平滑切换为了让广大消费者能够体验到专业摄影产品，高通人工智能手机但设计上不再满足于单个摄像头，多摄成为主流。利用Spectra 480 ISP配合第五代Qualcomm AlEngine,实现不同摄像头之间的自由切换，并且推出了光学变焦平滑切换的解决方案。用户在使用高通人工智能手机摄影时，就如同在使用专业的单反相机进行拍摄。高通人工智能手机将ISP和Al Engine完美结合，让手机也能成为专业摄影设备。

“通过建设国家新一代人工智能创新发展试验区，武汉市力争到2023年达到以下目标：人工智能核心产业规模达500亿元，带动相关产业规模超过5000亿元，人工智能核心领域取得重大突破，人工智能产业进入全国第一方阵，建成全国领先的人工智能创新资源集聚区，打造全国先行先试和应用示范样板。”华星光电柔性屏通过20万次动态折叠测试。记者高勇 摄28日，省政府新闻办召开新闻发布会，解读“武汉获批建设国家新一代人工智能创新发展试验区”相关情况。武汉市科技局相关负责人介绍武汉人工智能的发展现状和人工智能武汉建设方案主要内容。该负责人说，武汉人工智能产业发展基础良好，应用场景丰富多元，呈现出良好发展态势。集聚了李德仁、刘经南、丁烈云、丁汉院士等高端领军人才和团队。武汉大学成立了人工智能研究院，设立了人工智能一级学科，与小米公司成立了人工智能联合实验室；华中科技大学成立了人工智能与自动化学院、人工智能研究院。小米武汉总部新大楼。通讯员王峰 摄2019年，武汉人工智能核心产业规模超100亿元，相关产业规模超1000亿元；集聚了长江存储、小米武汉总部、人天机器人、传神语联网、华为武汉研究院、新思科技武汉全球研发中心、百度云智学院、旷视科技武汉人工智能工程院等一批具有自主核心技术的人工智能企业和研究机构，在新一代机器视觉技术、智能驾驶辅助系统、行为式身份验证、智能工业机器人操作系统、智能红外检测等细分领域处于国际领先水平。武汉在智能养老、智慧教育、智慧交通、智能制造、智慧医疗、智能化公共服务等领域积极开展人工智能推广应用，获批了国家人工智能条件下养老社会实验试点城市、国家“智慧教育示范区”，开通了全国首条自动驾驶示范专线、全国首条5G智能制造生产线，发放了全球首张自动驾驶商用牌照，成立了国内首个自动驾驶城市示范与产业协同创新联盟。9月1日，位于光谷未来城的长江鲲鹏生态创新中心启用。记者高勇 摄武汉高度重视人工智能产业发展，已出台《院士专家引领十大高端产业发展行动计划》《武汉市新型智慧城市顶层规划》《武汉市推进“数字政府”建设实施方案》等政策文件，制定了《武汉市新一代人工智能产业发展三年行动计划（2019-2021年）》。这位负责人说，《武汉建设方案》主要包括人工智能技术应用示范、政策试验、社会实验和基础设施建设等方面。立足武汉实际，发挥武汉产业优势，以存储器、新能源与智能网联汽车、网络安全人才与创新三大国家级产业基地为依托，以提升关键技术、拓展应用场景为重点，提出打造“一芯引领、两网支撑、四大重点应用场景”的发展格局。在国家存储器基地，128层QLC闪存已成功研发，首次实现与国际同行的齐头并进。记者高勇 摄“一芯引领”即重点发展智能芯片，围绕国家存储器基地，以东湖高新区为核心发展区，开展智能计算、智能存储、智能通信关键技术攻关，突破一批智能芯片关键核心技术与产品，建成全国最大的存储器研发与生产基地，着力打造产业之“芯”、区域之“心”、动能之“新”。“两网支撑”即加快发展智能网联汽车与网络安全，依托两大国家级产业基地，突破一批关键共性技术，推动传统汽车产业智能化、网联化发展，打造网络安全产业集聚区。确定了交通、制造、数字设计与建造、医疗四个重点应用场景，即：重点建设城市智慧交通大脑，实现智慧交通管理一体化；重点强化智能制造系统集成应用，推进制造过程智能化；重点发展智能数字设计，助力武汉建设世界设计之都；重点推广智能建造技术，实现“物理基建”向“数字基建”转变；重点构建基于人工智能的公共卫生应急管理与医疗服务体系。同时开展人工智能政策试验，营造有利于人工智能创新发展的制度环境。开展人工智能社会实验，探索智能时代政府治理的新方法、新手段，推进人工智能基础设施建设，强化人工智能创新发展的条件支撑。6月23日，武汉华星光电技术有限公司，隔离走廊上一名工作人员经过t3项目彩膜生产线。记者高勇 摄省科技厅、省发改委相关负责人介绍了我省出台的《推进新一代人工智能发展技术创新工作方案》和《湖北省新一代人工智能发展总体规划（2020-2030年）》，提出发挥武汉试验区的辐射带动作用，到2030年，全省构建成熟的人工智能发展环境，形成关键技术领先、特色应用引领、软件硬件均衡发展的产业体系。届时全省人工智能核心产业规模达到1800亿元，带动相关产业规模达到1.2万亿元，形成50家以上国内有影响力的人工智能企业。相关报告显示，到2030年，我国人工智能核心产业规模将超过1万亿元，带动相关产业规模超过10万亿元，推动劳动生产率提高20%以上。谁率先占领新一代人工智能创新发展高地，谁就能赢得未来经济高质量发展的主动权。（长江日报-长江网 记者万建辉 通讯员王俪颖）

人工智能产业精英峰会现场 张合鹏供图才来正当时，嘉禾万事兴。26日，人工智能产业精英会在嘉兴南湖举行。本次大会以“科创中国 智汇嘉兴”为主题，集聚全球英才，共促人工智能发展。本次人工智能产业精英大会，是2020中国·浙江“星耀南湖·长三角精英峰会”活动的重要组成部分。星耀南湖长三角精英峰会以人才破题，以长三角城市联盟为基础，合力探索长三角一体化的未来。中国电子科技集团有限公司首席科学家、嘉兴学院院长、中国工程院院士陆军表示，多边合作是人类发展的方向，长三角城市群之间的合作共赢是必然的大方向，人工智能的发展亦是如此。人工智能产业精英峰会现场 张合鹏供图浙江省科协党组成员、秘书长谢牧人指出，今年以来，面对复杂国际形势和新冠肺炎疫情，浙江以人工智能、大数据为支撑的数字经济表现出较强的韧性和引领性，成为浙江省经济指标在疫情冲击下实现“V型”反转的重要支撑点。“数字”“智能”已成为浙江新时代最鲜明的标识。活动中，中国工程院院士刘合、陆军等5位专家共同从技术和产业的角度，探讨人工智能未来突破的重点，并回答了现场人工智能领域专家学者提出的“政府、科研院所、大学及企业的协同联动”问题。南湖区委副书记、区长邵潘锋向专家们介绍了南湖区的创新创业环境。他说，建党百年日益临近，这里拥有难得的发展机遇，深厚的产业创新功底，高标准的优惠政策扶持以及高水平的平安法治保障。他希望在座的专家、企业家，帮南湖出谋划策、宣传推介，为南湖画细、画好人工智能产业发展蓝图，把更多人工智能领域的创新团队、优质项目和高端人才引到南湖、落户南湖。会议上，南湖区委书记朱苗邀请刘合、陆军等院士入驻南湖院士之家，为推动区域人工智能与实体经济的融合，为嘉兴在抢抓长三角一体化高质量发展机遇提供智力支撑。（胡丰盛）

人工智能须警惕数据陷阱兵以诈立。智能时代，颠覆性技术不断涌现，战争欺骗手段和形式亦不断出新。“如果掌握你的数据，我就能创造出各种方法欺骗你的人工智能系统。”研究实验表明，智能化战争中一旦一方获得对手的人工智能训练数据集，就能够找到其弱点和盲区并实施欺骗，人工智能必须警惕数据陷阱。目前来看，人工智能分析处理数据的速度远超人类分析师，并且能够找出人脑难以发现的行为模式和规律，但是也会犯下人脑不会犯的错误。原因在于，机器学习算法必须依靠大量数据进行训练，数据之于人工智能就如同血液之于人类，共享数据比设计算法更难。如果数据集过小、数据不准或是被对手恶意篡改，那么机器学习效果就会大打折扣，甚至被误导出现误判。尤其在国家安全和军事领域，有害数据会造成严重后果。一旦人工智能的训练数据集被对手掌握，对手就会设计数据陷阱、实施欺骗，提供假数据并诱导人工智能学习错误数据。更严重的是，由于机器学习算法的内在工作机理晦涩难懂，人们通常并不清楚人工智能为何会出错，特别是在没有发生灾难性后果的情况下，甚至难以察觉人工智能出错，对人工智能陷入数据陷阱茫然不知。那么，应如何避开数据陷阱呢？首先，需要人脑干预。只有人具备给数据分类打标签的能力，因此不能简单地把数据丢给机器算法，寄希望于人工智能解决所有问题而无须人脑干预。如果只提供大量数据而缺乏能够辨别数据的“聪明人脑”，那么人工智能只能提供机械的答案，而非人们需要的正确答案。人脑干预不仅能够确保人工智能获得正确的数据，还能够检查其是否在学习正确的数据。其次，打造跨领域团队。能够避开数据陷阱的“聪明人脑”必须来自跨领域团队，计算机专家、程序员、大数据专家和人工智能专家必须与相关领域经验丰富的专业人员密切合作。今后，人工智能不断发展成熟后将可能直接为作战人员提供实时情报等，这就需要作战人员不断为“聪明人脑”团队提供反馈，以便及时更新和修正数据。再次，进行多源数据互查。使用一种传感器侦察目标很容易被对手蒙蔽，因此要采用视觉、雷达和红外等多种传感器侦测同一目标，将不同来源的数据进行对比核验，才能够辨别真伪、发现隐藏的骗局。再者，给数据分类打标签。当前，即使高级的人工智能也会犯下荒诞的低级错误，甚至会错把牙刷认作棒球杆。因此不能给机器学习提供未经加工的原始数据，尤其在训练初期更是如此，应该为机器算法提供正确分类、打了标签的真实数据，方能检验人工智能的结论是否正确，确保人工智能辅助决策准确、高效。最后，采取对抗式学习。组建智能蓝军，研发人工智能对手，让互为对手、彼此对抗的人工智能展开互搏，在斗智过程中进行对抗式学习，在对抗式学习中提高识别数据陷阱的能力，实现以智取胜。总之，当前人工智能还离不开人脑控制，避免数据陷阱最终还要靠人的经验和智慧。刘 鹏

人脑植入芯片，或能成为长生不老的超人，但我们还会有属人的丰沛感受和无限创意吗？人工智能给世界带来巨大便利，但会不会某一天越过奇点转而操控、替代并加害人类？基因编辑生殖细胞，或能治疗许多疾病，但会不会危及人类基因库与自然的生物世界？凡此种种，对人类来说，到底是福音还是噩耗？在最新出版的《人来还有未来吗？》一书中，伦理学家、北大哲学系何怀宏教授从底线伦理和中西传统文化智慧的角度考察了人工智能和基因技术与我们的现实关系，并提出了预防性的道德与法律规范设想。这是北京大学何怀宏教授 2017年至今在博古睿研究中心从事跨学科研究的成果。何怀宏9月底，何怀宏、科幻作家郝景芳、清华大学计算机系教授孙富春与批评家季亚娅就人工智能相关问题进行了对话。对话内容包括：怎么看待赫拉利《未来简史》《人类简史》和刘慈欣、郝景芳等人科幻小说为我们描绘的未来图景；伴随着人工智能在具体生活里的应用，哪些职业会被取代以及由此衍生的人工智能优势在算法、深度学习还是其他方面的问题；人工智能在人类历史的原型、发展；神人关系和人机关系究竟意味着什么……《人来还有未来吗？》“技术时代，文明和人类都将面临新的挑战”何怀宏在谈及本书写作的起因时说：“大概是七八年前吧，我对这个世界的精神文化感到一种突然的失落，它好像不再是向上，而是开始向下。我们所读的书，我们的作家、哲学、艺术，包括我们读的最伟大的哲学家的作品还是100多年前的、甚至更早的。我也开始担心文明，100多年前的某天，梁漱溟的父亲梁济曾经问过他25岁的儿子一个问题：这个世界会好吗？三天后他就自杀了。但他这个问题主要还是心系中国，在中国建设政治社会的途中，在辛亥革命、建立共和国之后，他看到很多乱象，忧心忡忡，为什么？我们现在这个问题不仅仅是对中国，可能是对人类而言。在技术时代，文明和人类都将面临新的挑战。”何怀宏认同“积极的行动者”的态度，“我也是这样想的，绝不让人工智能妨碍我的理智。我非常喜欢具体的事情：比如护理机器人，如果有小偷来袭击一个老人，可不可以让护理机器人保护他？我现在觉得还可以采取别的办法，比如报警或者什么。需要护理机器人用暴力的手段的话，是很危险的，因为很可能变成进攻的工具。还有基因工程也是一样的，你要有预防性，预防各种各样的威胁。比如说生殖细胞你就不能动，你要动生殖细胞，也许能使患者健康，但是它间接的长远的后果是不知道的。可能防止了艾滋病，但是容易感染其他的疾病等等。”人工智能的研发需要遵守哪些原则？孙富春作为清华大学计算机系教授、智能机器人研究中心主任，对于人工智能的有一些专业的阐释。孙富春关于机器人的基层研究已经发生了巨大的变化：我们过去研究的机器人完全写程序控制工作，第二代机器人就给它装上视觉系统，现在在这些基础上研制了一种叫模态的自建传感器，它可以测量接触物体表面的颜色问题，触觉，包括还有给你的感受，这些都能够测出来，还有温度计也能测出来。比如华为最近跟我们合作的家用机器人，它可以识别人，甚至可以对环境进行监控。现在也有情感智能的研究，目前还是基于这种视觉的表面的表情体态的。下一步它可能有像一个拥抱一个轻拍，那种亲热感。”孙富春介绍，在2017年达沃斯论坛会议上，一些科学家提出了三点建议，现在也成为我们人工智能课程的教学理念，他介绍了人工智能三原则，分别为：价值一致性原则，即我们要让人工智能机器人帮助人增强它的服务能力，但绝不能取代人类，这是一个比较重要原则；其次是透明性原则，人工智能必须是透明的，包括在伦理上的许可，获得公众的信任和可解释性。“讲一个最简单的例子，就是基因编辑，这个基因编辑好吗？有的基因编辑真的是好的，有的基因编辑真的不能做，为什么这么讲？机器人特别聪明，就像一个人特别聪明，时间长了，以后我们可能会看到，我们这些人都将是他统治的对象，这是人的本性。大家可以看到人的贪婪，那种欺弱的本性，这是我们每个人都有的。”孙富春说。最后就是要把工智能系统做成闭合回路。让机器人真的为我们服务，千万不能让机器随性发展。在我们人类能力能够控制的地方，再任它去发展。何怀宏对此也提出自己观感：“过去区分人和机器主要是在材料。人类是碳基生物。但是我们有人造肢体，那碳基生物是不是也可以完全变成一个硅基的存在？我们用特殊材料支撑，变成钢铁人。我们很难说，哪里发生了一种质变，这会遇到一个极大的挑战。其次就是感受性，作为碳基生物，我们很强调感受性，恰恰这些人人工智能最没办法学的，但是机器人还有一点很笨，我们人能够进入屋子，扫视一下，看着很多人，其实有些印象深刻的一下就记住了。还有可能一见钟情，但是机器没办法做到这些，我们最容易做到的事情，机器最难做到。这要依靠我们的感受。因为他一切都要通过算法，通过计算来完成，机器人需要输入数据。”(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)

2020年9月29日，西安市第八十五中学迎来了70年华诞。为了展示办学成果、展现名校的担当与胸怀、展望美好未来，学校举办了以"智创未来、赋能教育"为主题的人工智能创新发展论坛。论坛开始，西安市教育局党委副书记闫秀斌进行开场致辞，阐述了信息发展对教育的影响、教育局对信息教育的扶持、以及本次论坛活动的重大意义。随后，论坛正式拉开帷幕，鲜喵网络董事长应向阳、中国科学院大学博士生导师兴军亮教授、西安交叉信息核心院副总经理乔轶男教授、西安电子科技大学人工智能学院院长侯彪教授、移动通信技术产业联盟秘书长杨骅等5位嘉宾结合AI技术在生活中的运用、AI如何赋能教育、5G与智能社会发展等人工智能热点，从不同的角度围绕"智创未来，赋能教育"这一主题展开了深入讨论，号召新一代学子们志存高远，夯实基础，为智能社会发展贡献自己的力量。鲜喵网络董事长、2008届优秀校友应向阳分享了"AI技术如何改变生活"，谈到"当代学子们如何为迎接智能社会做好准备"时，他表示，学生们应该打好数学基本功，在高中开始学习编程，做一些实战运用，未来在选择自己的就业方向时，可以考虑做产品经理、去发现更好更多的运用场景。中国科学院大学博士生导师、2003届校友兴军亮教授从"从感知到决策"的角度，详细介绍了人工智能技术的发展。在兴教授看来，我们现在还处于弱人工智能时代，未来社会的人工智能，应该是从"机器智能"到"人类智能"，从解决"是什么"到解决"为什么"，路漫漫其修远兮，还需要不断地探索和突破，致力于智能社会发展，实现万物互联。西安交叉信息核心院副总经理乔轶男着重介绍了人工智能发展的脉络，以及中国如何引领人工智能。落实到西安教育，和清华姚班进行资源整合，让科学从小根植在每个孩子的心里，如此才能在未来应对各种挑战。西安电子科技大学人工智能学院院长侯彪教授主要介绍了人工智能技术在各个领域的运用，特别是人工智能教育，可以利用AI技术，把优质教育资源向周边地区拓展，最终实现真正的教育公平。移动通信技术产业联盟秘书长、77届校友杨骅先生以华为事件为引入，从"5G关键能力"、"5G助力人工智能发展"以及"5G与AI为智能社会赋能"这三个角度展开分享。最后，杨先生表示，智能社会还有很长的路要走，希望孩子们从现在做起，为真正实现人工智能在全社会领域的发展贡献自己的力量。分享结束后，现场进行了圆桌会议，5位嘉宾就人工智能时事热点问题进行了讨论，对85中学生提出的问题进行了详细解答。最后，西安第八十五中吴校长为5位嘉宾颁发特聘证书，聘请其为人工智能班特聘教师，在热烈的掌声中，本次以"智创未来、赋能教育"为主题的人工智能发展论坛活动圆满结束。【广告】（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）编辑：heping关键字：

谷歌宣布其人工智能平台的一个关键组成部分——人工智能预测服务已正式全面启动。该服务支持托管在主流的机器学习框架，包括TensorFlow、XGBoost和Scikit-Learn中。AI Prediction服务充当机器学习管道的最后阶段。它在云中托管经过训练的机器学习模型，以推断新数据的目标值。部署在AI预测服务中的经过训练的模型作为REST端点公开，可以从任何支持HTTP的标准客户端调用这些端点。AI平台预测服务基于Google Kubernetes Engine（GKE）后端，旨在通过新的硬件选项（如Google计算引擎机器类型和NVIDIA GPU）提高可靠性和灵活性。虽然该服务基于googlekubernetes引擎，但AI预测服务隐藏了集群的供应、管理和扩展的复杂性。数据科学家和工程师可以专注于业务问题，而不是管理基础设施。在一般可用性下，AI预测服务支持高内存和高cpu机器类型上的XGBoost和Scikit学习模型。在后台，服务根据流量和请求自动扩展和收缩基础设施。该服务与Google云控制台和Stackdriver紧密集成，以跟踪和可视化资源指标。与模型的GPU、CPU、RAM和网络利用率相关的性能指标可以深入了解性能特征。客户可以选择通过AI Prediction服务在特定区域部署机器学习模型。Google在三个区域（us-central1、euro-west4和asia-east1）中引入了新的端点，并通过区域隔离来提高可靠性。部署在区域端点上的模型位于指定区域内，为客户提供数据局部性和所有权。通过增加对VPC控件的支持，客户可以定义安全范围并部署仅可访问该范围内或另一个桥接范围内的资源和服务的在线预测模型。由于预测服务端点是VPC专用的，因此数据保留在专用网络内，而不必遍历公共互联网。通过AI Prediction服务部署和公开的模型支持在线和批处理推理。在线预测经过优化，可最大程度地减少服务预测的延迟，而批处理预测，则可以优化处理作业中的大量实例。与立即发送结果的在线预测不同，批处理预测将推理输出写入存储在Google Cloud Storage存储桶中的文件中。谷歌一直在大力投资人工智能平台即服务（PaaS）产品。它整合和扩充了包括cloudml引擎在内的各种服务。通过与GKE和Kubeflow的紧密集成，该服务已经发展成为一个支持数据准备、转换、培训、模型管理、部署和推理的端到端平台。

来源：锌财经文/黄宇编辑/大风9月23日，商汤科技举办线上发布会，宣布正式成立教育子品牌“商汤教育”。经过三年的探索打造，本次发布会商汤隆重发布四大硬核产品，这也意味着商汤在人工智能教育上走出了一大步。商汤在人工智能教育上的探索，围绕着平台、教育机器人、人工智能系列丛书和教师培训服务来展开，也就是说，商汤教育平台提供一个多元丰富的平台，供学生们在此将理论转化为实践。商汤这一动作与国家重视人工智能发展高度吻合。科技进步飞速，我国对人工智能人才的缺口高达30万，国务院和教育部都曾有文件指出全民智能教育项目的重要性。教育则是为人工智能发展培养人才的最佳方法。商汤科技新兴创新事业群总裁柳钢表示，“教育是保障‘AI+’和智能产业持续发展、持续火热的基础。”助培更多人才，为AI的明天创造更多可能，本次发布会上，商汤对于人工智能教育事业的执着可见一斑。商汤科技新兴创新事业群总裁柳钢四大硬核产品，搭建人工智能教学基础设施商汤教育提供科创项目，以及自主创新的项目平台，让学生们可以自由发挥，自由创作。值得注意的是，人工智能教学实验平台SenseStudy具有自主知识产权、所有课程是基于国内外顶尖高校的人工智能实验室专家的项目制的。在项目的结构化系统平台，商汤教育将提供案例对学生进行引导和启发，提供一站式的IDE开发环境让学生们轻松实践。不仅如此，创建的新项目也将成为新的案例，用以启迪其他人，这是一个互相推动、不断形成正向循环的过程。商汤科技多年原创的科技成果、多类成熟算法和赋能百业的经验应用在商汤教育上，可以轻松助力学生上手开发AI应用。人工智能是一个具有实践性的学科，于是，商汤教育推出了教育机器人。它们被广泛运用于展厅、人工智能普及课程以及科技研究领域，例如迷你编程小车SenseRover Mini，承载了商汤前沿的自动驾驶核心技术的自动驾驶小车SenseRover Pro和智能视觉机器人套件SenseStorm。智能视觉机器人套件SenseStorm它们不仅仅是机器人，更重要的功能是教学。例如在全新的智能视觉机器人套件SenseStorm中，将AI赋能于乐高积木，在乐高积木和电机拼接使用中，学生可亲自从动手编程和实验中领略AI核心知识点，并充分用于科创项目的尝试和验证。除此之外，智能视觉机器人套件更是支持人工智能普及课程和科创的创客。从奇思妙想到应用设计，从编程开发再到发布完整的项目，学生们可以完全在项目创作平台上，体验从0到1、从无到有的整个创作过程。开源的编程语言以及对第三方硬件的支持，商汤教育也在时刻体现着其致力于构建一个开放的人工智能科创生态环境。在青少年的人工智能领域，商汤也有所布局，发布了面向小学学段的人工智能普及性教材——人工智能启蒙。新教材共六册，充分考虑到小学阶段儿童的认知特点，设置了寓教于乐的游戏和丰富多彩的实验课程，让学生了解更广阔的人工智能知识原理，拓宽知识领域，培养计算思维。十年树木，百年树人。人工智能基础教育是一项长期持久的大工程，而在这项工程中，教师是决定其成败的关键一步。在2018年，商汤就开始在内部设定“燎原计划”，针对AI种子教师进行培训，以专家带动教师的方式，全面提升教师们的专业水平。也就是说，商汤通过四大核心产品搭建完成了人工智能教学的基础设施。可以发现，商汤的四大核心产品更多地是鼓励学生自由创作、有趣学习，这些都是考虑到了不同教育学段里学生的发展特点，去提供更优质的产品和服务，这也体现了商汤所强调的“有温度”的人工智能。为什么是商汤？商汤为什么能做到这一步？一是技术成熟。商汤是中国科技部指定的首个“智能视觉”国家新一代人工智能开放创新平台。在“坚持原创，让AI引领人类进步”的使命和愿景下，商汤科技已推出了包括人脸识别、图像识别、文本识别、医疗影像识别、视频分析、无人驾驶和遥感等在内的一系列人工智能技术。并且，商汤在智能手机、互联网娱乐、汽车、医疗等垂直领域的市场占有率上都拥有着绝对优势，商汤教育把这些行业的赋能案例转换为AI教学的项目制课程，让孩子们真真正正地探索和了解AI在实际生活和工作中的应用。图源网络二是教育基因，其核心团队除了来自微软、谷歌、联想、百度等相关领域的从业者，也包括来自麻省理工学院、香港中文大学、清华大学、北京大学的博士、硕士等，商汤从一开始就拥有教育基因，创始人汤晓鸥教授就是一名泰斗级老师，其培养了一大批业内顶尖人才，源于深厚的教书育人情怀，商汤布局教育就是自然而然的事了。此外，商汤拥有成熟的产学研一体化体系，不仅与香港中文大学、浙江大学共建了联合实验室和研发中心，同时还保持着浓厚的学术氛围，与清华、北大等高校建立了以学术课题为导向的科研合作。其研发团队在机器视觉相关的国际顶尖学术杂志和会议上累计发表过400多篇的论文。从人才培养，到学术科研、以及技术的行业落地，商汤形成了一个完备的产学研的体系。也是基于这些原因，商汤能将教育工具推广到学校，也能承担起探索行业的重担，把教

全文共6697字，预计学习时长17分钟图源：unsplash过去十年里，人们对数据科学的兴趣与日俱增，越来越多的人正尝试改行跻身于这一领域，有关转行从事数据科学的文章和YouTube视频比比皆是。然而，很多人仍然存在顾虑：社会科学出身的人如何进入数据科学领域？在心理学等其他领域，有哪些重要的技能可以应用于数据科学？夏琳·查姆布利斯不同寻常的职业路径具有启发意义。现在，她正利用最先进的自然语言处理技术来构建分析海量信息的智能工具。在过去的两年里，她写了关于自然语言处理（NLP）的文章，包括命名实体识别的BERT模型和新闻标题分析的word2vec模型等等。然而，在担任机器学习工程师之前，她曾在市场营销、心理学、研究等领域任职，并曾作为数据科学家在护肤行业实习。安布尔：您能说说您的背景吗？夏琳：当然！我步入数据科学的道路不同寻常，我将从头开始讲起，深入一些细节，阐明我所经历的一切。我在一个农业小镇（加利福尼亚州莫德斯托市）长大，我父亲直到现在仍然在喜互惠（Safeway，美国连锁超市）工作，我母亲是一位全职太太。他们很注重对我的教育，我热爱学习，我喜欢成为他们的骄傲。从小我就想成为一名科学家。我喜欢修修补补，学习事物工作的原理。为了满足我的好奇心，母亲会带我去图书馆（我会带回一摞书，大约12本），让我在厨房帮忙（烹饪=化学），偶尔还会给我买套玩具科学装备。这种兴趣一直持续到高中和大学一年级。当时我决定学习化学工程，成为一名风味科学家，因为化学是我最喜欢的学科。我天真地认为我只需发明新的口味，使健康食品更美味，这样人们就可以更轻松地吃沙拉和蔬菜，变得更健康。我讨厌吃沙拉和蔬菜，17岁的我认为自己很聪明，这是一个绝佳的解决办法。高中期间，我一直坚持自己的教育重点和工作理念，并成功入读斯坦福大学。坦白来讲我很意外——我以为我会去加州大学戴维斯分校，如果特别幸运的话，也许能进伯克利分校。即便如此，这也算是很大的野心了，因为我们高中大约有一半的毕业生根本上不了大学。在我那一年的500个毕业生中，只有约5个人能进入“顶尖学校”（伯克利、斯坦福、哈佛）。图源：unsplash但真正令我意想不到的，是我在斯坦福所经历的文化冲击。斯坦福大学绝大多数学生来自高收入家庭，平均年收入为16.75万美元。他们的父母大部分都受过高等教育，具有专业技能，他们上的是城里最好、资金最充裕的高中，并且雇用家教来帮助他们解决难题。而我的家庭收入是他们的四分之一左右，我对某些知识的掌握程度与我的同龄人相比反映了其中的差距。突然间，我发现我对自己的能力（尤其是在数学和计算机科学方面的天赋）感到很不安，并且真的怀疑自己是否能达到其他学生的水平。我当时并没有意识到我们的背景是如此不同，因为没有人会谈论这类事情，所以我把自己的表现归因于我能力不足。我也是我们高中那一年唯一一个上斯坦福的人，我刚进斯坦福的时候一个人都不认识，也没有可以倾诉的人。我在斯坦福大学的时候，一直觉得自己是滥竽充数的，这种感觉挥之不去，但我至少伪装得更好——直到我真的做到了。我成功从斯坦福大学毕业了，虽然我最终没有攻读化学工程，而且在大三结束后还休学了一年来帮助我父母处理离婚的事（我母亲有残疾，我要帮她卖房子和搬家）。2017年，我拿到了心理学学士学位。在直系亲属中，我是第一个拿到大学学位的人。但由于缺乏指导和榜样，我觉得自己这一路上犯了很多错误。我第一次找工作时困难重重，因为在面向“受过教育的专业人士”的就业市场上，我只能向职业中心寻求帮助。他们提供的小册子和30分钟的咨询并不能真正填补所有的空缺，但经过大量的研究和职业介绍会，我终于找到了为一家小型中介公司做社交媒体营销的工作。我没有仔细研究过只有学士学位的心理学专业学生的财务状况和总体职业前景，但在从事这项工作的过程中，我清楚地意识到，除非我做出重大改变，否则我的职业生涯不会达到理想目标。因此，在2017年底，我决定进入数据科学领域，尤其是机器学习，并投身于GRE学习，以便及时提交2018年秋季入学的申请。我如期注册了硕士学位，课后尽可能多地做功课和学习，尤其是统计、线性代数、Python和机器学习。学位课程都是用R语言编写的，所以我通过在线课程和1500多页的教科书（《学习Python》）完全自学了Python。在第一年（2019年春季）快结束的时候，我在Curology（美国化妆品公司）获得了一个数据科学的实习机会，并在那里工作到秋季。研二初，我通过Sharpest Minds找到了一位导师尼娜·洛帕蒂娜（Nina Lopatina），因为我决定专注于找一份NLP相关的工作。在为期10周的指导后，我开始寻找工作，并于2019年12月得到了Primer的全职工作机会。为了全职工作，我需要延迟硕士毕业，这是一个艰难的决定，但这份经历对我来说更重要，所以我这么做了。事实证明，这一决定非常适时，因为仅仅几个月后，疫情就使最近的毕业生就业市场大幅缩减

机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。机器学习应用现在机器学习正在向一个新的领域——合成生物学领域挺进。合成生物学（synthetic biology）是生物科学在21世纪新出现的一个分支学科，它从最基本的生物要素开始建立零部件，以构造人工生物系统（artificial biosystem），犹如构建智能电路一样。合成生物学目前，合成生物学已在多个领域得到应用，例如农业、能源、制造业、医学，包括合成生命：试图探索生命的起源，研究生命的机理，甚至从非生命物质中创造生命。如果你吃过味道极像肉的味道而又健康的人造肉（如人造牛肉汉堡），或在美容中使用合成胶原蛋白，以提高皮肤再生速度，缩短创伤愈合时间，恢复皮肤屏障功能，那么你已经从合成生物学中受益。合成生物学应用这是一个充满潜力的领域，它使科学家可以设计符合要求的生物系统，如对微生物进行生物工程改造以生产抗癌剂。然而，传统的生物工程方法缓慢且费力，而且还难以达到预期的目标。为了快速预测新的生物系统，合成生物学需要人工智能的机器学习。但是，传统的机器学习算法越来越不适应需要，由于缺乏大量的质量数据而受到阻碍，科学家需要更有效的在细胞的生物工程中的机器算法。劳伦斯·伯克利国家实验室（Berkeley Lab）的科学家最近开发出了一种新的工具，可将机器学习算法适应合成生物学的需求，从而系统地指导开发生物工程，这一新的机器学习方法可加速生物工程，比目前的预测途径行为的方法快得多。这种创新意味着科学家将不必花费数年的时间，来对细胞的每个部分及其如何操作进行细致的了解，仅利用一组有限的训练数据，算法能够有效预测细胞DNA或生物化学的变化将如何影响其行为，然后为下一个工程周期提出建议，从而提供达到预期目标的概率预测。伯克利实验室生物系统与工程（BSE）部门的研究人员表示：“这可能是革命性的。” “目前，生物工程是一个非常缓慢的过程。创建抗疟药青蒿素需要150人年。如果能够在数周或数月而不是数年的时间内创建符合规格的新细胞，则可以真正改变了可以利用生物工程学所做的事情。”研究人员开发了一种称为自动推荐工具（Automated Recommendation Tool，缩写ART）的算法，允许计算机机器学习在从可用的“训练”数据中“学习”之后做出更有效的预测，该算法针对合成生物学领域的特殊性而量身定制：小的训练数据集、量化不确定性的需求、以及递归周期。该工具的功能已通过代谢工程项目的模拟和历史数据得到了证明。ART有效提供下一个周期的预测和建议为了进行实验证明，研究团队选择了五个基因，每个基因受细胞内不同基因启动子和其它机制的控制，总共代表了近8,000种潜在的生物途径组合。研究人员随后获得了其中250种途径的实验数据，仅占所有可能组合的3％，并且这些数据用于训练算法，这种算法了解了什么输出（氨基酸产生）与什么输入（基因表达）相关。ART提供响应的有效概率预测模型然后，使用统计推断，该工具能够推断出其余7,000多种组合中的每一种将如何影响色氨酸的产生。最终，该设计建议色氨酸的产生量比最新参考菌株增加106％，比用于训练模型的最佳设计增加17％。ART综合数据测试功能研究人员说，他们为获得结果所需的数据很少而感到惊讶。研究人员表示：“我们在一个小的数据集上提供了方法论和演示；如果可以访问大量数据，潜在的应用程序可能是革命性的。”该研究论文发表在这一期的《自然-通讯》杂志上。参考：www.nature.com/articles/s41467-020-18008-4

资料来源：Thor Swift/Berkeley Lab肉香满满的素汉堡和用于美容的合成胶原蛋白都来自一个充满潜力的研究领域——合成生物学。在该领域，科学家们可以设计出符合规范的生物系统，例如用于生产抗癌药剂的微生物。然而，传统的生物工程方法费时费力，而且需要不断试错。现在，美国能源部劳伦斯伯克利国家实验室（Berkeley Lab）的科学家们开发出了一种新工具，使机器学习算法可以适应合成生物学的需求，从而系统地指导生物制品的开发。这项创新意味着，科学家们不必再花费数年时间对细胞的每个部分以及细胞的功能进行细致的了解再对其进行操作。取而代之，通过有限的训练数据集，算法就能够预测细胞的DNA或生物化学变化将如何影响其行为，然后对下一个工程周期提出建议，并对实现预期目标的概率进行预测。伯克利实验室生物系统和工程(BSE)部门的研究人员Hector Garcia Martin说：“要知道，研发抗疟疾药物青蒿素花了150年。如果你能在几周或几个月内创造出符合要求的新细胞，就能在生物工程领域掀起一场革命。”该团队与BSE数据科学家Tijana Radivojevic以及一个国际研究小组合作，开发并演示了这种名为“自动推荐工具”（A machine learning Automated Recommendation Tool for synthetic biology，以下简称ART）的算法，并在近日发表于《自然通讯》杂志上的两篇论文上对此进行了描述。在第一篇论文中，研究人员针对合成生物学领域的特殊性定制了算法：小的训练数据集、对不确定性的量化需求以及递归循环。此外，来自此前代谢工程项目的模拟和历史数据也证明了该算法的能力。在第二篇论文中，该团队尝试利用ART指导代谢工程，以提高色氨酸的产量。为了进行实验，他们选取5个基因，每个基因由不同的基因启动子和细胞内其他机制控制，总共代表了近8000种潜在的生物途径组合。研究人员获取了其中250条路径的实验数据，并将这些数据用于训练算法。之后，通过统计推断，该工具能够推断出剩余的7000多个组合如何影响色氨酸的产生。最终，它推荐的设计方案得到的色氨酸产量比最先进的参考菌株高106%，比用于训练模型的最佳设计高17%。“这清楚地证明了，让机器学习来指导生物工程是可行的。”Garcia Martin说，“这仅仅是个开始，而此次我们证明了代谢工程具有可替代性方法。算法可以自动执行研究的常规部分，而研究者则可以把时间花在更具创造性的方面，例如：决定重要的问题、设计实验、巩固已获得的知识。”研究人员表示，仅通过少量数据就能达到如此效果令他们感到惊讶。不过要想真正实现合成生物学的潜力，还需要更多数据训练算法，以及更多机器学习方面的专业人才。合成生物学对于众多领域都具有应用前景，例如：食品、医药、农业、气候、能源和材料，目前其市场规模仍在不断壮大。科界原创编译：橘子审稿：西莫责编：陈之涵期刊来源：《自然通讯》期刊编号：2041-1723原文链接：https://phys.org/news/2020-09-machine-synthetic-biology-algorithms-bioengineer.html版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。

网络威胁的复杂性和数量都与时俱进。然而，传统的威胁检测方法不足以确保提供保护。相应地，机器学习已被证明在识别和抵御网络攻击方面非常有效。机器学习的能力归功于这三个因素：数据、算力和算法。由于性质使然，网络领域生成大量数据。比如说，公司网络可能每天在端点设备上看到数十亿个IP数据包、数百万个DNS查询、解析的URL和执行的文件，以及数亿事件(进程、连接和I/O)。提取、清理和处理这些数据需要庞大的算力，幸好可通过各种基于云的平台轻松、灵活、低成本地获得这种算力。同样，可以使用功能越来越强大的开源机器学习网络安全算法来抽取复杂的底层数学，以便开发、调整和训练复杂模型。这些因素共同为网络安全供应商提供了过去无法想象的功能。通常，网络安全供应商使用实时客户数据、为吸引攻击者而设计的“蜜罐”以及通过在网络社区内共享数据来训练机器学习模型。这可以更全面地了解威胁状况，比如创建模型特征，可能包括文件在整个客户群中的新鲜度、流行度和使用频率。供应商还使用大量已知类型的恶意软件和合法文件来训练其模型。训练包括确定文件是不是恶意文件，还常常尝试对恶意软件的类型进行分类，这对于确定如何修复或删除恶意软件至关重要。机器学习的应用范围很广，包括反恶意软件、僵尸程序检测、反欺诈和隐私保护。令人关注的是，网络安全界使用机器学习存在多个新兴挑战，这使其成为大有潜力的领域。对抗性AI和机器学习的角色机器学习因可以访问庞大数据集、快速降低大规模计算的成本以及强大算法的开源可用性而大众化，已证明大大地推动了网络安全行业，机器学习也成为了网络对手新增的一个重要工具。比如说，生成式对抗模型用来开发策略，以减小攻击被网络安全工具识别的风险。基于机器学习的行为异常检测系统可学习正常行为，以快速识别异常和可能恶意的活动，但是对手也在开发恶意软件，这种恶意软件可学习正常的用户和系统行为以模仿正常行为，并尽量减小被检测的风险。机器学习网络安全系统的有效性可能受到用于训练模型的数据的清洁度的严重影响。为此对手可能借助“毒害”攻击，企图注入坏的训练数据以影响模型错误学习。这种攻击呈现多种形式，从生成虚假流量模式到毒害商业或开源恶意软件样本数据集，不一而足。对手已经能够利用旨在防止误报的机器学习模型来避免被检测。比如说，攻击者明白通过将特定的模式嵌入到恶意软件中，也可以诱骗流行的反恶意软件产品将代码列入白名单(将代码标记为合法)，即便是恶意软件。使用机器学习建模人类交流模式以开发更逼真、更有效的网络钓鱼攻击，这是另一个值得关注的对抗例子。自然语言处理和自然语言生成方面的最新技术(比如Open AI的GPT-3)意味着，很快极难区别真实通信与合成通信。机器学习和深度强化学习常规机器学习技术用于网络安全已大获成功，尤其是在检测未知攻击(又叫零日攻击)方面。这些技术在静态线性环境下表现出色。相反，如今复杂的攻击场景是动态的、多途径、非线性的。仅依靠机器学习网络安全系统来被动地识别某个攻击环节已远远不够。深度强化学习是机器学习领域最令人兴奋的主题之一，因为它结合了深度学习技术(比如卷积神经网络)和强化学习。这是DeepMind的AlphaZero取得突破背后的核心方法。将深度强化学习应用于网络安全是应对复杂威胁的关键一步。深度强化学习系统的学习有点像人类。它们探索其环境(在网络安全领域指事件空间)，根据它们采取的行动获得反馈和奖励，从而不断学习。事实证明，这种自主方法非常适合复杂的对抗场景，有出色的有效性、通用性和适应性。机器学习网络安全和物联网每年数百亿个新的联网设备上线，未来会有更多。然而，许多这类物联网设备的计算或存储容量有限，无法运行端点网络安全软件，基于专有固件而建。这些设备还往往“无外设”，用户访问或更新设备上运行的软件的能力有限。由于这些原因，物联网设备显然很容易遭到网络攻击。解决该问题的合理方法是在网络层面及/或在云端运行物联网网络安全技术。然而，传统的基于特征的网络安全技术并非旨在解决物联网设备安全问题。此外，目前大多数物联网网络安全产品只是重新包装的IDS、URL声誉或加固版DNS服务而已。不过，将机器学习应用于该领域方面出现了前沿工作。已设计出了高级模型，只需检查少量数据包就能识别被感染的设备，从而能够主动检测和阻止威胁。最重要的创新常常出现在周边学科领域的交汇处。眼下在机器学习领域和网络安全领域都是令人兴奋的时期。我们看到机器学习的强大功能被用来推动网络领域的重要创新，这些创新最终将帮助我们所有人更安全。

作者 | 青 暮编辑 | 丛 末Yoshua Bengio来Twitter传道授业解惑啦！Yoshua Bengio是2018年图灵奖获得者，蒙特利尔大学计算机科学与运筹学系教授，蒙特利尔学习算法研究所（MILA）科学主任，以及微软研究院顾问。这是他首次在Twitter上亮相，不过可惜的是，他并没有开通自己的Twitter账号，而是借着微软研究院的官方Twitter 账号发言。早在7月11日，Bengio就在微软研究院的官方Twitter上发布了一个视频，表示会在7月16日与网友进行问答互动。Bengio在视频中说，可以就他的研究工作提任何问题，并特别提到他发表在ICML2020的一项工作。不过提问者似乎对如何入坑AI以及其它学术问题更感兴趣，有人甚至问Bengio如何教小学生学习AI，Bengio也毫不介意，非常热情耐心地回答了二十多个问题，让我们来看看Bengio都分享了哪些真知灼见吧。可以在这个网页或Twitter上搜索“#AskYoshua”查看所有网友的问题。虽然回答时间已经过去了，仍有不少网友想请教Bengio。#AskYoshua问答：https://twitter.com/hashtag/AskYoshua?src=hashtag_clickBengio提到的发表在ICML2020的论文是《Learning to Combine Top-Down and Bottom-Up Signals in Recurrent Neural Networks with Attention over Modules》，感兴趣的同学可以去看看：论文的ICML主页：https://icml.cc/virtual/2020/poster/6039以下是问答内容，AI科技评论进行了不改变原意的整理：1如何入坑AI？01、Rakshith V：为了从理论转向实际从而更好地理解深度学习，我应该怎么做？是实现论文，还是参加Kaggle竞赛，还是其它途径？Yoshua Bengio：首先，你需要敢于实践，亲自动手尝试。复现论文是一个很好的起点（除非拥有大量算力，一般我都进行小型实验）。然后，你可以自问，采用什么方法可以使实现结果变得更好。如果发现论文中的结果不可复现，请不要犹豫，立刻与作者联系！最后，不要犹豫，发表你的复现结果吧（例如，发表在arXiv），不管它是否奏效（知道复现结果的难度也是很有用的）。02、Zaryab Akram：您对刚进入AI领域的研究人员有什么建议？Yoshua Bengio：通过阅读足够深入地了解AI领域之后，将注意力集中在可以逐渐成为专家的某个领域，花时间阅读该领域的文献。另外，通过自己进行实验来建立你的直觉，然后开始听从这些直觉去实践，有些会起作用，有些则不会。03、Marcos Pereira：如果有人想开展独立研究以弥补深度学习当前的缺点（涉及构建人类智能的更大目标），您认为如何开始比较好？Yoshua Bengio：每个机器学习研究人员都会对这个问题有不同的答案，这很棒，因为我们不知道什么idea是有用的：研究是一种探索。您可以通过观看我最近的演讲，并阅读我的近期论文来了解。04、deva satya sriram chinthapenta：我是一名学生，对深度学习研究感兴趣，但对应用不感兴趣。我该如何从纯数学（概率统计）着手研究计算机视觉或其他领域？Yoshua Bengio：即使只想进行基础研究，也应该动手理解概念，多亲自观察实验的结果，建立不仅基于理论而且基于经验的强烈直觉。系统1（经验）和系统2（理论）需要协同工作！05、Ash：来自软件工程等应用领域的人如何开始AI研究？Yoshua Bengio：我和Ian Goodfellow、Aaron Courville合作写了《深度学习》，这本书可以为你们提供帮助。电子版免费哦：https://www.deeplearningbook.org/还有中文版哦：https://github.com/exacity/deeplearningbook-chinese学会必要的数学知识，然后去研究建议的参考文献，以确保具备阅读机器学习论文所需的知识。然后阅读大量论文，并亲自进行大量实验。问自己问题，不要认为任何事情都是理所当然的。2学术讨论06、Rakshith V：您对近期自监督学习的发展有什么看法？Yoshua Bengio：自监督学习是一个非常古老的想法，只是用了新术语，它基本上是从无标签（或标签不足）的数据中生成表征形式。近年来，它的威力变得越来越为人所知，它将继续成为我们工具箱的一部分，但仅凭自监督学习不足以解决诸如OOD泛化和学习更高级别的抽象之类的问题。07、Mayur Jain：现实生活中存在偏见/歧视，而偏见/歧视又反映在数据中。由于很难在现实中更改数据，那要如何克服数据中存在的偏见/歧视？Yoshua Bengio：我不是这个问题的

精度，召回率，ROC曲线和F1得分概述介绍知道模型的准确性是必要的，但仅仅了解模型的性能水平还不够。因此，还有其他评估指标可帮助我们更好地了解模型的性能。其中一些指标是精度，召回率，ROC曲线和F1得分。显然，当我们选择一个指标时，我们必须牢记机器学习应用程序的最终目标。因此，我们需要了解整个决策过程才能建立一个好的模型。在本文中，我们将看到所有这些主题以及python应用程序。所以，让我们开始吧！第一部分：精确度和召回率在谈论精度和召回率之前，让我简要介绍一下什么是混淆矩阵。混淆矩阵是表示评估二进制分类结果的最全面方法。下面是一个混淆矩阵的示例。如上所示，可以将值分为TN（真负），TP（真正）或FN（假负），FP（假正）。TP：预测为正，实际值也为正FP：预测为正，但实际值为负TN：预测为负且实际值也为负FN：预测为负，但实际值为正总而言之，您可以系统地理解，当某个值在特定类别中错误分类时，结果将为FN或FP。相反，当分类正确时，我们将使用TN或TP。从这个角度来看，我们可以轻松计算出由以下比率给出的精度：因此，通过考虑所有不同的结果，我们可以说准确性是真实结果的比例。关于精度，我们想知道正确分类为正数的预测值的比例。因此：当我们要确定预测值时，精度非常有用，因为它可以告诉我们预测为正的值中有多少实际上是正值。回想率是另一个非常有用的度量标准，它使我们能够知道例如正确分类为正数的值在实际为正的总值中所占的比例。第二部分：接收器工作特性（ROC）现在，假设您要比较误报率（FPR）和真报率（TPR）。TPR是我们之前看到的Recall。因此公式将是：而是，FPR由以下比率给出：因此，要比较FRP和TPR，我们可以简单地使用ROC曲线。对于ROC曲线，理想曲线靠近左上方。目标是获得一个在FPR较低的情况下产生较高TPR（召回率）的模型。但是，如果要使用单个数字来汇总ROC曲线，则可以计算曲线下的面积（AUC）。下面是ROC曲线及其面积的表示。第三部分：F1得分全面了解精度和召回率的一种好方法是使用F1得分。F1分数为我们提供了精确度和查全率的调和平均值。在下面我们可以看到公式。重要的是要知道，当我们使用不平衡的二进制分类数据集时，F1分数比准确度更好。无论如何，我们可以从sklean指标中导入分类报告，该报告为我们提供了F1得分以及所有指标，例如精度和召回率。结论在分类问题中，这些是最常用于评估模型性能的指标。因此，每次必须建立分类模型时，最好使用本文中介绍的指标来评估模型的性能。

目录业务问题误差度量机器学习和深度学习在我们的问题中的应用数据来源探索性数据分析-EDA现有方法资料准备模型说明结果我对改善RMSLE的尝试未来的工作GitHub存储库参考引用1.业务问题Mercari是一家在日本和美国运营的电子商务公司，其主要产品是Mercari marketplace的应用程序。人们可以使用智能手机轻松地出售或购买物品。应用程序的用户可以自由选择价格，同时列出商品。然而，这里的风险更高，因为如果价格表与市场价格相比过高或过低，消费者和客户都会处于亏损状态。上述问题的解决方案是自动推荐商品价格，因此，最大的社区购物应用程序希望向卖家提供价格建议。目前的问题是预测任何给定产品的价格，这说明这是一个回归问题。训练数据中的特征包括物品的train_id, name, item_condition_id, category_name, brand_name, price, shipping, item_description。除了目标变量价格之外，我们在测试数据中拥有所有其他特征。这些特征不仅是离散的和连续的，而且包含卖家提供的商品的文字描述。例如，女性配饰产品的文字说明如下：我们可以看到，这两种产品的售价不同，第一种售价16美元，第二种售价9美元。因此，这里的挑战是，我们需要建立一个模型，根据上图所示的描述，以及产品名称、品牌名称、商品状况等，来预测产品的正确价格。2.误差度量这个问题的误差度量是均方根对数误差（RMSLE）。请参阅此博客以了解有关度量的更多信息https://medium.com/analytics-vidhya/root-mean-square-log-error-rmse-vs-rmlse-935c6cc1802a度量计算公式如下图所示：RMSLE计算代码如下：def rmsle_compute(y_true, y_pred): #https://www.kaggle.com/gspmoreira/cnn-glove-single-model-private-lb-0-41117-35th assert len(y_true) == len(y_pred) score = np.sqrt(np.mean(np.power(np.log1p(y_pred) - np.log1p(y_true), 2))) return score3.机器学习和深度学习在我们的问题中的应用在这个人工智能（AI）时代，当我们想到AI的时候，有两个流行词分别是机器学习和深度学习。我们发现人工智能无处不在，它们现在是人类生活的一部分。无论是通勤（例如出租车预订）、医疗诊断、个人助理（如Siri、Alexa）、欺诈检测、犯罪侦查、在线客户支持、产品推荐、自动驾驶汽车，等等。利用先进的机器学习和深度学习算法，任何类型的预测问题都可以解决。我们的问题是独特的，因为它是一个基于自然语言处理（NLP）的回归任务。NLP的第一步是将文本表示为数字，即将文本转换为数字向量表示，以构造回归函数。解决价格预测问题的一种方法是利用向量化技术，如TF-IDF、BoW，并构建固定大小的稀疏向量表示，这些表示将被经典的机器学习算法（例如简单线性回归器、基于树的回归器等）使用。另一种方法是使用深层NLP体系结构（例如CNN、LSTM、GRU或它们的组合），这些体系结构可以独立学习特征，可以得到密集向量。在当前的分析中，我们正在研究这两种方法。4.数据来源这个分析的数据集来自Kaggle，一个流行的在线社区或者数据科学家的数据平台。了解数据训练集由140多万件产品组成，第二阶段测试集由340多万件产品组成。列出训练/测试数据中的字段名：train_id 或者test_id — 列表的唯一idname — 卖方提供的产品名称。请注意，为避免数据泄漏，此字段中的价格被删除并表示为[rm]item_condition_id — 这里卖家提供物品条件category_name — 每个物品的类别列表brand_name — 每个商品所属的相应品牌price — 这是我们的目标变量，以美元表示（不在测试集中)shipping — 1，如果运费由卖方支付，否则为0item_description — 此处给出了每个物品的描述，价格被删除并表示为[rm]以下数据的部分截图：5.探索性数据分析-EDAEDA是数据科学过程中的一个重要步骤，是一种统计方法，通常使用可视化方法从数据集中获得更多的见解。在深入研究EDA之前，让我们快速查看数据以了解更多信息。下面是检查空值的代码段：print(train.isnull().sum())从上面的输出中，我们发现三列，即类别名称(category name)、品牌名称(brand name)和物品描述(item description)携带空值。其中，品牌名称包含了很多缺失的值（~632k）。列类别名称包含~6.3

量子计算机仍处于开发的早期阶段，但是它们代表了一种全新的信息处理方式。在传统计算机中，数据被编码为一和零的二进制状态。一台量子计算机使用量子位，其中多个状态可以相互叠加。将来，大规模量子计算机将能够比任何经典计算方法更快地解决一些问题。他们还将能够解决传统计算机甚至无法尝试解决的实际问题，例如解密复杂的密码系统，或模拟粒子加速器中原子和粒子的行为。那么，量子计算机会改变机器学习吗？量子计算肯定会对机器学习产生一定的影响，但我们尚不知道它的大小。如果有人告诉您量子计算会极大的改变机器学习，那么该人要么不知道他们在说什么，要么是在刻意误导您。更详细地讲，已知的量子算法几乎可以肯定会比我们传统算法做得更好，可以做到指数级的加速，但是需要注意的是，这些加速是针对诸如素数分解和量子模拟之类的任务的，与机器学习没有明显的关系。然后是在过去的十年中，经过Harrow，Hassidim和Lloyd的突破，开发出了“量子机器学习算法”，它们确实解决了诸如聚类，分类，支持向量机等问题。但是这些算法通常需要一堆工作条件：例如，数据条件良好；可以以量子叠加的方式（例如，使用“量子RAM”）对其进行访问，或者即时进行计算；并且人们真正关心的数据的性质实际上可以通过测量所得的量子态来估计。我们还不知道这些条件将如何在实际应用中体现-同样重要的是，我们没有强有力的证据证明不可能有性能与量子算法类似的经典随机采样算法。假设可能的量子计算机算法对于解决识别问题以及可能解决的问题（可能变成旅行商问题）似乎很有用，量子计算机对解决这些问题的作用要比目前的计算机好，这是推测性的，因为我们尚未构建出能够真正解决一系列此类问题的量子计算机。即使您可以构建这样的量子计算机，并且可以对它进行编程以比目前的算法更好地进行识别，但它仍会缺少关键元素，从而无法将识别结果转化为更好的语音或视觉识别器。无论如何，这是一个快速发展的研究领域！请在5到10年后再检查一次；我们可能会了解更多。:-)

伊利诺伊理工大学讲席助理教授舒凯：机器学习在社交媒体虚假信息检测中的研究 | 公开课预告「机器学习前沿讲座」，是智东西公开课针对机器学习领域推出的一档讲座，聚焦于机器学习前沿领域研究成果与进展。我们将持续邀请研究者、专家与资深开发者，为大家带来直播讲解。互联网的发展是一把双刃剑，一方面让加速了“信息时代”的到来，人们可以以“零”成本的方式获取、创造和分享信息，另一方面也滋生了假信息泛滥，造成严重的后果。近年来，由于它的爆炸性增长，特别是在社会媒体上，虚假信息包括假新闻，已经成为一个全球现象，因此如何缓解虚假信息所带来的负面信息引起了整个研究界的关注。假新闻的广泛传播会对个人乃至社会造成严重的负面影响。尽管最近虚假新闻检测方面取得了一些科研进展，这仍然是一个极具挑战性的问题，因为它的复杂性、广泛性、多模态，和事实核查的高昂代价。例如，假新闻是有意为之来误导大众的，使得仅依赖于文本来检测变得非常困难。另外，假新闻的内容和风格具有多样化，而且动态变化。所以引入额外信息，例如知识图谱和社会媒体，对于提高假新闻检测效果变得非常重要。但是社会媒体上的信息往往是大量的、不完整的、非结构化的和带有噪音的。10月10日上午10点，智东西公开课邀请到伊利诺伊理工大学计算机学院讲席助理教授舒凯博士参与「机器学习前沿讲座」第9讲，带来主题为《机器学习在社交媒体虚假信息检测中的研究》的直播讲解。舒凯老师将深入解析虚假新闻检测的最新的代表性方法：1）如何利用社交媒体信息辅助虚假新闻检测；2）可解释性的虚假新闻检测；3）基于元学习的虚假新闻检测；4）跨领域的虚假新闻检测方法；最后也将展望一些有意义的研究方向，例如如何理解和挖掘虚假信息，如何构建可解释性和弱监督的机器学习系统，和交叉学科的研究等。舒凯博士是伊利诺伊理工大学（Illinois Institute of Technology）计算机学院的讲席助理教授。他的研究兴趣集中于机器学习、数据挖掘、社会计算以及他们在虚假信息、教育、医疗等领域的应用。他出版了专著《Detecting Fake News on Social Media》，编辑了《Disinformation, Misinformation, and Fake News in Social Media》。他于2020年8月在亚利桑那州立大学（Arizona State University）获得计算机博士学位，并且多次获得博士奖学金，2018年SBP虚假信息挑战赛第一名，并多次被邀请在顶级会议上，比如ACM KDD 和WSDM，讲授前沿科研成果。他在国际顶级期刊和会议发表40多篇文章包括ACM KDD, SIGIR, WSDM, WWW, CIKM, IEEE ICDM, IJCAI, 和 AAAI。舒凯曾实习于微软研究院总部，雅虎研究院和惠普中国研究院。更多信息详见主页：http://www.cs.iit.edu/~kshu/课程介绍课程主题《机器学习在社交媒体虚假信息检测中的研究》课程提纲1、如何利用社交媒体信息辅助虚假新闻检测2、可解释性的虚假新闻检测构建3、基于元学习的虚假新闻早期检测4、跨领域虚假新闻检测的实现5、其他的研究方向展望讲师介绍舒凯，伊利诺伊理工大学（Illinois Institute of Technology）计算机学院的讲席助理教授；研究兴趣集中于机器学习、数据挖掘、社会计算以及他们在虚假信息、教育、医疗等领域的应用；出版了专著《Detecting Fake News on Social Media》，编辑了《Disinformation, Misinformation, and Fake News in Social Media》；2020年8月在亚利桑那州立大学（Arizona State University）获得计算机博士学位，并且多次获得博士奖学金，2018年SBP虚假信息挑战赛第一名；多次被邀请在顶级会议上，比如ACM KDD 和WSDM，讲授前沿科研成果；他在国际顶级期刊和会议发表40多篇文章包括ACM KDD, SIGIR, WSDM, WWW, CIKM, IEEE ICDM, IJCAI, 和 AAAI；曾实习于微软研究院总部，雅虎研究院和惠普中国研究院。直播信息直播时间：10月10日上午10点直播地点：智东西公开课小程序答疑地址：智东西公开课讨论群加入讨论群本次课程的讲解分为主讲和答疑两部分，主讲以视频直播形式，答疑将在「智东西公开课讨论群」进行。加入讨论群，除了可以免费收看直播之外，还能认识讲师，与更多同行和同学一起学习，并进行深度讨论。添加小助手曼曼（ID：zhidxclass006）即可申请，备注“姓名-公司/学校/单位-职位/专业”的朋友将会优先审核通过哦~

介绍当一个类的观察值高于其他类的观察值时，则存在类失衡。示例：检测信用卡欺诈交易。如下图所示，欺诈交易大约为400，而非欺诈交易大约为90000。类不平衡是机器学习中的常见问题，尤其是在分类问题中。不平衡数据可能会长时间妨碍我们的模型准确性。类不平衡出现在许多领域，包括：欺诈识别垃圾邮件过滤疾病筛查SaaS订阅流失广告点击类失衡问题当每个类别中的样本数量大致相等时，大多数机器学习算法效果最佳。这是因为大多数算法都是为了最大化精确度和减少误差而设计的。然而，如果数据集不平衡，那么在这种情况下，仅仅通过预测多数类就可以获得相当高的准确率，但是无法捕捉少数类，这通常是创建模型的首要目的。信用卡欺诈检测示例假设我们有一个信用卡公司的数据集，我们必须找出信用卡交易是否是欺诈性的。但是这里有个陷阱……欺诈交易相对罕见，只有6％的交易是欺诈行为。现在，在你还没有开始之前，你是否能想到问题应该如何解决？想象一下，如果你根本不花时间训练模型。相反，如果你只编写了一行总是预测“没有欺诈性交易”的代码，该怎么办？def transaction(transaction_data): return 'No fradulent transaction'好吧，你猜怎么着？你的“解决方案”将具有94％的准确性！不幸的是，这种准确性令人误解。所有这些非欺诈性的交易，你都将拥有100％的准确性。那些欺诈性的交易，你的准确性为0％。仅仅因为大多数交易不是欺诈性的（不是因为你的模型很好），你的总体准确性就很高。这显然是一个问题，因为许多机器学习算法都旨在最大程度地提高整体准确性。在本文中，我们将看到处理不平衡数据的不同技术。数据我们将在本文中使用信用卡欺诈检测数据集，你可以从此处找到该数据集。https://www.kaggle.com/mlg-ulb/creditcardfraud加载数据后，显示数据集的前五行。# check the target variable that is fraudulet and not fradulent transactiondata['Class'].value_counts()# 0 -> non fraudulent# 1 -> fraudulent# visualize the target variableg = sns.countplot(data['Class'])g.set_xticklabels(['Not Fraud','Fraud'])plt.show()你可以清楚地看到数据集之间存在巨大差异。9000次非欺诈性交易和492次欺诈性交易。指标陷阱新开发人员用户在处理不平衡数据集时遇到的一个主要问题与用于评估其模型的指标有关。使用更简单的指标，比如准确度得分，可能会产生误导。在具有高度不平衡类的数据集中，分类器总是在不进行特征分析的情况下“预测”最常见的类，并且它的准确率很高，显然不是正确的。让我们做这个实验，使用简单的XGBClassifier和无特征工程：# import linraryfrom xgboost import XGBClassifierxgb_model = XGBClassifier().fit(x_train, y_train)# predictxgb_y_predict = xgb_model.predict(x_test)# accuracy scorexgb_score = accuracy_score(xgb_y_predict, y_test)print('Accuracy score is:', xbg_score)OUTPUTAccuracy score is: 0.992我们可以看到99％的准确度，我们得到的是非常高的准确度，因为它预测大多数类别为0（非欺诈性）。重采样技术一种处理高度不平衡数据集的广泛采用的技术称为重采样。它包括从多数类中删除样本（欠采样）和/或从少数类中添加更多示例（过采样）。尽管平衡类有很多好处，但是这些技巧也有缺点。过采样最简单的实现是复制少数群体类别的随机记录，这可能会导致过度捕捞。欠采样最简单的实现涉及从多数类中删除随机记录，这可能会导致信息丢失。让我们用信用卡欺诈检测示例来实现它。我们将首先将类0和类1分开。# class countclass_count_0, class_count_1 = data['Class'].value_counts()# Separate classclass_0 = data[data['Class'] == 0]class_1 = data[data['Class'] == 1]# print the shape of the classprint('class 0:', class_0.shape)print('class 1:', class_1.shape1.随机欠采样欠采样可以定义为删除多数

青岛市机器人产业协会成立大众日报记者 肖芳2020-09-28 19:58:49 发布来源：大众报业·大众日报客户端9月28日，青岛市机器人产业协会揭牌成立。该协会是在青岛市工信局指导下，由青岛宝佳自动化设备有限公司、青岛海尔机器人有限公司、青岛新松机器人自动化有限公司、青岛星华智能装备有限公司、青岛科捷机器人有限公司、青岛丰光精密机械股份有限公司等6家机器人相关企业共同发起成立，集聚了青岛市82家机器人上下游企业。该协会将积极有效整合产、学、研、用、政、金各方力量，发挥政府引导、市场主导、技术支撑、企业主体、金融杠杆的多方叠加效应，努力推进青岛市机器人产业的集聚和深化发展，使青岛市成为全国机器人产业与技术的重要基地，并立足青岛、面向山东、走向全国。目前，青岛市机器人产业初具规模，产业特色初步彰显，涌现出了一批优秀机器人上下游企业，呈现出了良好的发展势头。青岛市机器人产业协会成立，分别与全国机器人与机器人装备技术委员会、青岛市中小企业服务中心及青岛市工程咨询院签署战略合作协议。(大众报业·大众日报客户端记者 肖芳 报道)责任编辑： 王菁华 李忠运【来源：大众报业】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

放眼家电市场,有不少类型的家居清洁工具。但说起能解放用户双手、还能独立完成家居地面清洁的工具,智能扫地机器人自然是当仁不让的最佳之选。不过,市面上的智能扫地机器人品牌繁多,不同品牌旗下产品的实际使用效果还是存在很大偏差的。所以,想要更好的清洁家居环境,一定要认准专业大品牌,在这里给大家安利行业领导品牌——德国斐纳TOMEFON扫地机器人。清洁力爆棚是斐纳TOMEFON扫地机器人最大的优势。斐纳TOMEFON扫地机器人搭载LDS激光导航技术、斐纳TOMEFON专有芯片、智能构图系统和仿生运算法则,生成高精准的可视化地图,并且实现了更高效的智能规划,确保扫吸拖环节井然有序进行。在最为关键的电机配置上,斐纳TOMEFON扫地机器人采用数码无刷电机,最高可产生2150帕的吸力(同时还有1500帕、1800帕的变频吸力设置),对于地面上的灰尘、颗粒物、毛发甚至是地毯、缝隙等处的灰尘都能瞬间吸走。在拖地功能上,斐纳TOMEFON扫地机器人同样在上一代的基础上提升了不少,仿生水箱采用恒压贴地设计,使其与拖布的配合下更加近距离接触地面,深度清洁地面灰尘,拖完的地面不仅一尘不染而且不会留下水渍,既拖既干。而在精准控制渗水量、拖地效果方面,市面上的很多扫地机器人是无法像斐纳TOMEFON扫地机器人做得这么极致、到位的的。无论是扫地还是拖地过程中,用户都能通过APP对斐纳TOMEFON扫地机器人进行远程遥控,调节吸力、渗水量、清扫模式等功能操作。不过,在所有APP功能设置上,最打动人的功能就是禁区清扫和选区清扫设置,赋予斐纳TOMEFON扫地机器人更强大的实用性,也进一步提升了用户使用体验,让用户坐在沙发上或者是在户外,都可以发布指令,体验感超棒。德国制造一向以严谨做工、超高品质著称,德国品牌斐纳TOMEFON扫地机器人也不例外,无论是机器本身的外观设计、机身的工艺处理、细致周到的细节处理还是专业技术的融合亦或是卓越不凡的产品性能表现,都足以看出是斐纳TOMEFON扫地机器人作为德国制造的用心和对极致品质的追求。正因如此,斐纳TOMEFON扫地机器人获得了消费者的普遍认可和好评,使其连续八年位居全球销量榜单第一名,对于这样一款颇具实力的专业扫地机器人,你是否有购买的打算呢?

扫地机器人之所以能这么受欢迎,归功于它基本可以代替人们完成日常的地面清洁工作,其智能性和实用性我们都是有目共睹的。而话说回来要完成自主清洁的前提是选对产品,毕竟好的产品才能给我们带来的良好的体验,那么怎样才能选购到一款让人称心如意的扫地机器人呢? 品牌:我们在选购任何产品都想要真正品质有保证的,而老品牌长久的技术积淀就更加值得信赖,在选择扫地机器人方面,首先想起历史悠久、经验丰富的第一品牌斐纳TOMEFON,所生产的每一款产品均经过了上千次的试验和反复测试,最终才投放到市场为消费者所用。拥有业内技术最精湛的研发团队,还发明了多项扫地机器人专利,实力更值得信任。清洁:吸、扫、拖都具备是一款扫地机器人的基本,这款TF-D60扫地机器人能通过对全屋环境的扫描,策划出对该房间所进行的特殊‘弓’形清扫模式,再与浮动的V型滚刷相配合深入地面缝隙进行深度清洁,还能有效率地将灰尘聚拢到一起,避免二次清扫。所独家配备的吸力大但噪音小的斐纳TOMEFON无刷电机,强效飓风般的吸力能通过变频吸口的设计让毛发畅吸不缠绕,还能根据周围环境和探测到情况来自动调整清洁销量和风力大小。扫吸互换,清扫更有针对性。扫完再拖,让清洁更净一步。小巧身材却有容220ml的水箱能进行均衡渗水,哪怕面对大户型的房子也能无压力的进行持续90分钟的供水清洁。除此还包含一块大抹布进行干擦,能够有效吸住灰尘不留痕,更加深层度的清洁污渍,轻易成就智慧湿拖。智能:自主清洁的扫地机器人取决于它智能的头脑,所形成的有规划清扫路径,而斐纳TOMEFON-TF-D60扫地机器人所内置的斐纳TOMEFON专用芯片,具有最新定位系统实施全屋高精度定位和导航,根据HSIR+多点矩阵智能构图系统的地图测绘,实时建立精准的家居地图,让机器人清扫有目标不乱撞,再运用仿生算法法则进行自主推算室内分区方案,科学高效的清扫路径让覆盖率得以增高。防护:为细心规避清扫途中的安全问题,TF-D60扫地机器人在底部装有智能防跌落红外感应电子眼,可在探测到5cm以上的落差时及时掉头,在前方则设有黑色橡胶弹性防护条,可以保证在发生碰撞的情况下机身依旧无损坏,自由地驰骋在各色的家居环境里。实力雄厚的斐纳TOMEFON牌扫地机器人,解放双手的洁净体验由它给你!

机器人是在科研、生活或工业生产中用来代替人工作的机械装置，机器人一般由执行机构、驱动装置、检测装置、控制系统等组成：1）执行机构。即机器人本体，其臂部一般采用空间开链连杆机构，其中的运动副（转动副或移动副）常称为关节，关节个数通常即为机器人的自由度数。根据关节配置型式和运动坐标形式的不同，机器人执行机构可分为直角坐标式、圆柱坐标式、极坐标式和关节坐标式等类型。出于拟人化的考虑，常将机器人本体的有关部位分别称为基座、腰部、臂部、腕部、手部（夹持器或末端执行器）和行走部（对于移动机器人）等。2）驱动装置。是驱使执行机构运动的机构，按照控制系统发出的指令信号，借助于动力元件使机器人进行动作。它输入的是电信号，输出的是线、角位移量。机器人使用的驱动装置主要是电力驱动装置，如步进电机、伺服电机等，也有采用液压、气动等驱动装置的。3）检测装置。检测装置实时检测机器人的运动及工作情况，根据需要反馈给控制系统，与设定信息进行比较后，对执行机构进行调整，以保证机器人的动作符合预定的要求。作为检测装置的传感器大致可以分为两类：内部信息传感器，用于检测机器人各部分的内部状况，如各关节的位置、速度、加速度等，并将所测得的信息作为反馈信号送至控制器，形成闭环控制。外部信息传感器，用于获取有关机器人的作业对象及外界环境等方面的信息，以使机器人的动作能适应外界情况的变化，使之达到更高层次的自动化，甚至使机器人具有某种“感觉”，向智能化发展，例如视觉、声觉等外部传感器给出工作对象、工作环境的有关信息，利用这些信息构成一个大的反馈回路，将大大提高机器人的工作精度。4）控制系统。控制系统有两种：集中式控制，即机器人的全部控制由一台微型计算机完成。分散（级）式控制，即采用多台微机来分担机器人的控制，若采用上、下两级微机共同完成机器人的控制时，主机常用于负责系统的管理、通信、运动学和动力学计算，并向下级微机发送指令信息；作为下级从机，各关节分别对应一个CPU，进行插补运算和伺服控制处理，实现给定的运动，并向主机反馈信息。根据作业任务要求的不同，机器人的控制方式又可分为点位控制、连续轨迹控制和力（力矩）控制。责任编辑：YYX

2020中国企业500强榜单发布：仅有碧桂园、格力等6家造机器人9月28日讯，今日“2020中国企业500强榜单”重磅出炉！该榜单由中国企业联合会和中国企业家协会联合发布，并且这也是中国企业联合会连续第19年发布中国企业500强榜单。从规模上看，2020中国企业500强营业收入继续保持增长态势，合计实现营业收入86．02万亿元，比上年增加了8．75％。榜单中排名第500位的企业营业收入为359．61亿元，与上年入围门槛相比提高了36．36亿元。这已是中国企业500强的入围门槛连续18年提高。从各行业来看，榜单中制造业企业238家，服务业企业181家，其他行业企业81家。上榜企业的产业结构继续优化，先进制造业增加了6家、现代服务业增加了8家，黑色冶金等传统制造业企业不断减少。其中，造机器人的企业仅有六家，分别是碧桂园、万科、美的、格力、比亚迪、顺丰。Top38，碧桂园控股有限公司，营收48590800万元自2018年房产巨头碧桂园宣布进军机器人领域，至今已经两年的时间。5年投入800亿、业务“三架马车”之一、校企合作、机器人餐厅、数千人团队、数千项专利申请、数十项投放测试……碧桂园的跨界玩转得轰轰烈烈。同时，碧桂园在历年财报中无一不表露出对机器人业务的重视。就包括在今年两会上，杨国强也提出了《关于建立完善建筑机器人政策标准体系 加快建筑业转型升级》。截至2020年6月底，碧桂园博智林机器人项目已招募了3604名国内外优秀研发人才（2019年底：3256名）；累计递交专利申请2314项，获授权567项（2019年底：累计递交专利申请1843项，获授权327项）；现有在研建筑机器人50款，其中35款（2019年底：32款）已投放工地测试。此外，碧桂园旗下的「千玺」机器人餐厅，目前已有6家门店在运营。 截至2020年6月底，千玺机器人餐饮集团已申请各类专利611项，目前已获授权的有205项，截至目前已完成汉堡机器人、云轨系统、一体化全自动蒸箱、火锅智能配餐机器人及自动物流系统等61种样机的研製，其中迷你雪糕机、集装箱煲仔饭更为国内首家同时获得CR认证、CE欧盟认证的餐饮类机器人。这套全智慧餐厅，掺杂商用服务机器人、协作机器人、AGV、云轨系统的操作看呆了网友。Top55，万科企业股份有限公司，营收36789388万元关于万科的技术转型和国际化，早在几年前王石就曾表示：“未来十年，万科30％的物业管理员或被机器人取代”。而今随着人力成本不断攀升，我国人口红利渐失，越来越多的传统制造业开始向“智能化、自动化”方向转型升级，万科自然不会错过。万科集团副总裁王蕴表示，万科主营业务中建筑和物业服务属于劳动密集型行业，为了应对劳动力短缺的挑战，通过联合中科创客学院创新创业平台，引入服务机器人技术和创新团队，能够提高企业综合竞争实力。为此万科制定了3年实验，5年应用计划。现在万科物业公司旗下的餐饮品牌“第五食堂”已经开始试用机器人服务，万科旗下的20个“第五食堂”中有8个是机器人在炒菜。而明年，万科的机器人巡逻保安也将上岗。2017年万科机器人管理的酒店将在深圳开张，30％的万科物业管理员将由机器人取代。除此之外，万科还和多家智能公司达成合作，研究方向不仅锁定机器人保安，还涉及智能家居等领域。Top80，美的集团股份有限公司，营收27938050万元2015年，美的起步布局机器人业务。“美的不只是家电”，美的正式成立了专门的机器人部门。同年8月，美的与全球工业机器人四大巨头之一日本安川成立合资公司。第二年，美的向德国机器人巨头库卡提出了收购要约。库卡的优势在工业机器人和系统集成业上。虽然收购要约遭遇不少反对意见，但2017年1月，美的仍以292亿元、溢价36．2％收购库卡，美的在库卡持股比例超过94．5％。1个月后，美的又宣布与以色列Servotronix公司之间达成战略合作交易。后者生产机器人的四大核心部件——伺服电机、驱动器、运动控制器和减速机。通过合作和并购，美的正在补齐机器人制造产业链的核心能力。2018年3月，美的和库卡成立合资公司，在广东顺德联合建立工业机器人生产基地，到2024年机器人产能达到每年7．5万台，是现有产能的四倍。国际机器人联合会预测，2025年中国机器人市场规模将达到100万台。库卡就占了一成。Top107，珠海格力电器股份有限公司，营收20050833万元早在2012年年底，格力就决定进军高端装备领域，开始研发工业机器人。在2013年研发出第一款智能装备产品——五轴伺服机械手GM1400，同年又研发出工业机器人GR8A／1．4。到了2015年8月，格力的珠海南水机器人产业园正式投产，格力工业机器人开始了量产化生产，还成立了相关的研究院。2016年，格力智能装备实现自动化立体库项目，实现码垛、堆垛、输送的自动化作业以及信息化管理，为企业解决库存积压、存取货效率慢等问题，使企业的库房空间利用率得到提高，库存管理也更

行业资讯 | 时间: 2020-09-28 | 安徽日报 | 编译：阿芬|浏览量：1061声明：凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网站赞同其观点，也不代表本网站对其真实性负责。您若对该文章内容有任何疑问或质疑，请立即与中国机器人网(www.robot-china.com)联系，本网站将迅速给您回应并做处理。电话：021-39553798-8007相关阅读:

来源：时代周报海丝博览会开幕式现场餐饮机器人煎炸、做煲仔饭、调制咖啡、制作冰淇淋，菜品还能从“天”而降……科技感爆棚，让人惊艳。9月24日，由广东省商务厅等单位联合主办的2020广东21世纪海上丝绸之路国际博览会在广交会展馆B区开幕，展期三天。来自多个国家和地区的商贸协会、知名企业参展。碧桂园旗下千玺机器人集团携23款自主研发机器人首次参展、重装亮相，奉上一场智慧餐饮的科技盛宴。23款自主研发餐饮机器人惊艳亮相16000份机器人美食服务盛会本届海丝博览会以“高水平开放，高质量发展”为主题，首次设立国际品牌展区，展示世界500强和大型跨国公司的企业风采和知名品牌产品、技术及服务，凸显粤港澳大湾区的国际投资吸引力、科技创新实力和综合经济实力。千玺集团位于国际品牌展区，展区面积超400平米，是所有参展企业中面积最大、体验互动最多的企业之一。展会开幕式后，广州市委书记张硕辅带领出席活动的各国嘉宾来到千玺展位，饶有兴趣地听取碧桂园集团助理总裁兼千玺机器人集团总经理邱咪介绍公司发展及产品情况。嘉宾们仔细观看了机器人汉堡站、机器人小吃站等多款产品的全自动出餐过程，多国大使都惊叹于智能科技的全新应用，纷纷拿出手机摄像、拍照。千玺机器人集团展位火爆现场巴西驻广州总领事弗雷德里科·杜克·埃斯特拉达·梅耶先生、澳大利亚驻广州总领事Michael Sadleir先生先后专程来到千玺展位参观体验。两位总领事都对餐饮机器人设备深感兴趣并且表示赞赏。巴西总领事梅耶先生主动希望提供千玺系统完整的产品资料，帮助产品走向世界。澳大利亚总领事Sadleir先生已是第二次接触千玺机器人，在赞叹产品新变化的同时，他期待通过澳洲农业产品与智能餐饮设备的结合，共同合作共赢。自2019年成立以来，这是千玺集团首次参与的大型展会。以“引领智慧餐饮潮流，弘扬中华美食文化”为参展主题，千玺集团此行向公众展示自主研发的“驰援湖北抗疫”同款集装箱煲仔饭机器人、“天降美食”中餐及火锅云轨系统、“20秒出餐”汉堡机器人等23款智能餐饮机器人。其中，五谷豆浆机器人、棉花糖机器人、新款冰淇淋机器人等多款产品均为首次亮相。展会期间，千玺集团准备了包括3600杯冰淇淋、3200杯咖啡、3000份小吃、2000个汉堡、2000个棉花糖等在内的16000份各类机器人现场烹饪美食，供观展者免费体验，让人大呼过瘾。以创新科技，传承、弘扬中华美食文化千玺集团在智慧餐饮，尤其是中餐标准化领域，处于行业领先水平。作为一家以自主研发为核心驱动力的创新型综合性高科技企业，公司已累计提交 600 余项各类专利申请，自主研发机器人设备及软件系统 80 多种，获得国内首家系统集成餐饮机器人CR认证，并在日前揭晓的2020广东“省长杯”工业设计大赛中，荣获产业组金奖。公司相关负责人表示，希望以此次博览会作为展示、交流平台，充分向海内外嘉宾展示智能科技与中华美食文化的完美融合及领先应用，推动“智慧中餐”出海，助力广东“一带一路”合作开展。邱咪总经理向广州市委书记张硕辅及各国嘉宾介绍展位据碧桂园集团助理总裁兼千玺集团总经理邱咪介绍，2019年初，碧桂园提出“为全世界创造美好生活产品的高科技综合性企业”未来新定位，驶入多元布局、协同发展新航道。同年5月，碧桂园成立千玺机器人集团，短短一年多时间，就实现了从研发制造、系统搭建到整体运营从0到1的快速推进。公司以自主研发为核心，将机器人打造为餐饮标准化的载体，形成覆盖生产、供应链、运营的全产业链体系，促进餐饮行业产业和服务升级。目前，千玺集团成功打造涵盖中餐、火锅、快餐、煲仔饭、粉面及单机设备为组合的“5+1”全新智慧餐饮业态，已有9家机器人餐厅在粤港澳大湾区成功开业，近百台各类机器人单机设备，落地北京、江西、陕西等10个省市的医院、商业中心、景区、大学和政企单位实现运营。当前，基于自动化生产线，多款餐饮机器人设备已进入大规模量产阶段。未来，公司将加速在粤港澳大湾区的连锁化机器人餐厅布局，并将向京津冀、长三角等重点区域拓展。

2020年，5G商用进入加速期，“新基建”的五大支柱成为指挥棒，影响最大、最直接的其实不是大众，而是工业智能化。中国制造是否能进化为“中国智造”？在美国实体清单、精尖技术的精准打击下，能否实现国产替代？有哪些新的机遇和挑战？危机并存，自主创新、国产替代是必然的趋势。我们在2020第六届恰佩克颁奖仪式，暨第十届中国国际机器人高峰论坛，采访了工业机器人行业的大咖。恰佩克奖（The Capek Prize）是由中国机电一体化技术应用协会主办，奖励机器人领域作出贡献的组织和个人。结合机器人行业发展的现状，我们通过采访行业大咖，对上面的问题进行深入探究。01局势：欧日美主导，自主研发是核心竞争力“机器人本身是一个很高大上的行业，却被我们做成了一个组装行业。”——哈尔滨工业大学机器人研究所所长，赵杰李群自动化创始人-石金博（左），哈尔滨工业大学机器人研究所所长-赵杰(右)“中国制造”崛起的路径一直是“低价替代”，但工业机器人是高精尖技术的集成，如果追求低价、以量取胜，是没有未来的。正如赵杰所说：“以低价来竞争，如果这样持续做下去，会把机器人行业给毁了”。什么是可持续的路子？耐住寂寞，自主研发。虽然国内机器人技术基本具备，但机器人产业涉及到整体的工业水平、科研体系、配套产业等等方面，国产品牌仍旧和海外品牌有较大差距。目前四大家族全球市占率 53%，全球工业机器人市场由以工业机器人四大家族(瑞士 ABB、日本发那科、日本安川、德国库卡)为代表，由欧美日韩系的企业占领。国内市场国产品牌后发但已经占三成，增速不低，但是一些核心部件长期依赖进口、受制于人。尤其是伺服电机、精密减速器、伺服驱动器、控制器等，这些核心零部件成本占机器人本体成本的 60%以上，而主要被欧日把控。中国互联网的蓬勃发展、弯道超车，媒体、资本吹出来的“风口”吸引了大量的眼球、人才和资源倾斜。但制造业不同，实业都是干出来的，而不是喊出来的。“在这个行业里大家都喊要自主研发，但实际情况是说得多，做得少。李群我每年都会去跟他们交流，我也看到自主研发是研出来的，而不是说出来的。”赵杰所长提及的李群自动化，是极具代表性的工业机器人创业公司。这家创办于2011年的轻量级工业机器人公司，软硬件都坚持自主研发。2017年即估值超10亿人民币，跻身准独角兽行列。制造业和互联网具有迥然不同的基因，行业周期就是鲜明对比。工业机器人每款新产品在上市前，都要经历至少半年到一年的研发和测试。而对比中国共享单车，从兴起到衰败不过三年。02机遇：疫情5G催化，机器人将迎来强势爆发“机器人行业开始阶段是做集成应用，早期大多是根据应用场景，比如汽车领域。经过这几年不断的努力，国产机器人都取得了非常大的进步。”——中国机器人产业联盟副秘书长 陈家良中国机器人产业联盟副秘书长-陈家良（左），李群自动化创始人-石金博（右）近两年美国从“实体清单”的封锁，到芯片产业链的精准打击，在全方位的高精尖产业和人才上卡脖子。即便是华为有海思做芯片设计，制造的环节也没有握在自己手上，变数过大。轻型机器人李群的发展过程，就是经历多年把整个的产品体系梳理出来，用国内供应链实现设计。这背后有一个完整的研发团队，从硬件到软件操作系统的闭环，实际上这就形成了李群的最大优势和壁垒。一个团队，一个产品，一个专门针对中国市场的武器，来攻打市场。有了自主研发的闭环，只需要紧盯市场，快速迭代产品，实际上整个体系的效率会越来越高。“机器人行业的企业目前大多属于创业型，这就造成了与工业产品需求之间有一个重要的过程——即如何从创业型企业转变为一个能够满足市场需求的企业，如何从创业者转变为企业家。”陈家良在访谈中指出国内机器人行业还处于创业阶段，但是已经有了一些推动者和实践者：“目前李群在朝着这个目标不断前行和实践。他们在自主研发的道路上做了很大的努力，相信这会对机器人行业的智能制造，有非常的大的推动和引领作用。”从最初汽车领域的集成应用，到针对工业各行业的机器人，陈家良认为优秀的公司不但要有好的技术和产品，更要有“人品”。在这个赛道上，对资本引入和企业扩张要有所规划，但不必对资本的追求过于焦虑。03挑战：内外双循环，立足国内放眼全球“为什么要搞机器人自动化？是因为国家也有需要去转型。很多老企业还是用传统的思路去开展，没有自己核心的东西，试图以量来打败对手。”——上海纳博特斯克传动设备有限公司营销总监 宋杰上海纳博特斯克传动设备有限公司营销总监-宋杰（左），李群自动化创始人-石金博（右）今年以来，政策层大力推进内循环，国产替代、自主品牌崛起将迎来契机。对于技术密集型产业，核心技术的突破需要时间，要有耐心沉淀，甚至坐得住冷板凳。“在中国全球化快速发展的过程中，量的积累非常迅速，却鲜少有质变。许多进入行业的企业没有核心技术，却视图通过业务量来打败对手，这是不值得提倡的。”宋杰在访谈中提到：“李群自动化是一家懂得发展指导的企业，无论是驱动一体、软件研发、算法

2020年中国国际服务贸易交易会于9月9日落下帷幕，连日来，服贸会举办了覆盖服务贸易全部12大领域的展览展示和190场论坛及洽谈活动，权威发布类成果97项，联盟平台类成果19项，首发创新类成果99项，签订协定协议类成果240项。这些技术成果当中最受欢迎的，仍是各种机器人和人工智能应用，切身体会AI技术水平的不断提升，让人不禁怀疑，未来机器人是否真的有可能占领世界？媒体机器人应用日益全面化在服贸会展区，由新华社和阿里巴巴共同投资成立的新华智云科技有限公司展出了媒体人工智能平台“媒体大脑”，其中汇集了30多款媒体机器人。这些机器人应用，大都对应着十分具体的新闻采编环节或流程。例如文字识别机器人、字幕生成机器人、虚拟主播机器人、人脸追踪机器人、智能配音机器人、数据新闻机器人……当然，如果你觉得这些机器人已经司空见惯，那么可以来了解一下“台风机器人”，这款可以实现自动为媒体提供多个可供参考的台风报道角度。如果来了一场台风，它以自动对已有数据库进行分析，告诉你这场台风有哪些特别之处，比如这是今年在第几个在浙江登陆的台风，是近10年来第几大台风，引起的灾害程度可能排第几位等等。与之相似的还有“洪水机器人”、“地震机器人”等，其“后盾”都是数据中台：数据中台搜集了公开的海量信息，通过人工智能进行分析和学习，形成相应的知识图谱。2020年或成AI+物流大规模应用元年2020年，受到疫情影响，越来越多的工业制造型企业加速数字化转型，旷视认为，2020年将成为AI+物流大规模应用的元年。因此，智慧物流领域新品，成为旷视展区展示的重点。硬件方面，旷视展示了新一代物料搬运AGV MegBot-T800；软件方面，业界首个机器人物联网操作系统——旷视河图的全新升级版本首次亮相，并进行了在仓库、工厂场景中管理调度智能设备，进而达到降本增效的展示。此外，在9月8日的海淀之夜上，旷视MegBot-S800机器人也将为会议提供智能服务。展会上的AI技术成果不止如此，另外还有如百度展示的智能云、Apollo、智能小程序等核心AI业务及产品，旷视展示的AI测温产品，好未来展出的AI汉语学习系统……从这些AI成果中不难发现，人工智能正在逐渐向各个领域渗透，科技的不断发展，使我们有理由期待人类与机器人共处时代的来临。

吧台上方的四方霓虹灯亮起：机器人商店。天啊，莫非？那楚楚可人的美丽的女服务员，是机器人么？一连串的？？？在脑海里呈现。那么的性感迷人，那么的多情诱人。机器人，多么不可思议的事情！可眼前的一切一切，一动一笑一回眸。那么的真实自然，那么的温柔得体。谈吐得体又落落大方，含情脉脉又不失大雅。不是梦幻是现实，是实实在在的一个人，活生生一个大美人么。季云龙大着胆，握住服务员的手：“先生，请自重。”甜甜的女低音，绯红着脸。淡淡的一丝浅笑。不亢不卑的不失时机的轻轻地抽回那纤细温柔的小手。不可能，不可能。一连串的不可能从云龙脑海里蹦出。那么的细腻，那么的温柔。他从她抽手的一刹那，似乎听见那妙龄美女的娇喘，那心跳。那眸子传递的全然和嘴巴里不同的信息。是一种嗔恨与爱的示意。有冲动也是暗示。莫非机器人也懂爱，也输入了爱情的程序密码？“先生请坐，先生如需服务，请先阅读本公司产品介绍及服务购买条款后再免费体验。”完全一副公事公办的样子，服务员从吧台送来一份产品功能介绍册：我们公司在全球各地设有办事机构，主要推销我们公司开发的智能机器人产品。根据客户需求定做。机器人的服务组合项目，可通过语音输入型、摇控操作型、自动输入程序型等不同类型，以满足客戸需要。一：家政服务类，二：智能计算类，三：粗笨体力类，四：私密空间类，五；全功能服务型一个全智能的机器人时代已经到来，高价彩礼的时代即将结束。她终将进入历史的垃圾站，大街上滿是花枝招展的姑娘，可小伙子们瞅都懒得瞅。舞会上，小伙子们搂着机器人美女。一曲又一曲，灯光下，她们是那么妩媚，那么漂亮。她们对人无所求，却奉献着快乐。世界上任何女性也比不上她们的漂亮，因为她们集中世界上所有女人的美。她们也会妙语连珠，逗小伙子们开心。她们也会温情似水，关心关爱。凡是女性具备的各种技能，她们也能做的很到位。更有趣的是，婚后她们也能生育岀机器人的小宝宝。一样的活泼可爱，一样的淘气。男大当婚已经不再是望不可及的了。（特约作者：李忠孝）（图片来源于网络）

摘要：逐步建成国内一流的、具备标杆示范性的、可在国内其他高校复制的应用型本科智能物联网实训基地和AI实训基地。经过一年多时间互访与商讨，上海师范大学天华学院与阿里云计算有限公司达成战略合作意向，共建人工智能学院与智能物联网实训基地。29日，天华学院人工智能学院和阿里云智能物联网实训基地同时设立，AI学院今年首批新生达322人。解放日报·上观新闻记者了解到，这在上海民办高校中是第一家，也是唯一一家人工智能学院。国家《新一代人工智能发展规划》提出，人工智能成为国际竞争的新焦点、经济发展的新引擎、社会建设的新机遇。今年，教育部公布了年度普通高等学校本科专业备案和审批结果，天华学院申报的人工智能专业成功获批，成为上海市唯一开设该专业的民办本科高校。在新工科内涵建设中，基于对校情、学情的研判，天华学院董事长邹荣祥提出办好人工智能专业、继而赋能全校的实施方略，开展“智能化”转型，进行传统工学院向人工智能学院转型的实践和探索。当天，他与阿里云上海分公司总经理夏睿见证人工智能学院和实训基地诞生，正式加入为社会培养紧缺的人工智能应用型人才行列。新成立的人工智能学院前身为工学院，从大一到大四学生规模达上千人。经过15年办学，工学院成为全校发展最为成熟的学院之一，在同类应用型本科院校中拥有良好口碑。工学院涵盖计算机、电子通信、机械3个学科，共有机械设计制造及自动化、机械电子工程、汽车服务工程，电子信息技术、通信工程、人工智能、计算机科学与技术、网络工程8个专业，多次获得上海市级教学、科研大奖，以及政府专项资金与学校配套资金支持。民办高校办特色化的AI学院，正与研究型高校形成错位竞争、互补支撑格局。人工智能学院院长、学校信息化总工程师凌旭峰透露，天华学院将和阿里云以“产业学院”模式合作共建人工智能学院，形成完整的智能化工科专业教学体系、实训体系和创新创业体系，融合泛在接入、云计算、大数据、边缘计算等现代智能技术，确定“智慧园区”为人工智能专业应用培养方向。同时，邀请了一批来自清华、上海交大、同济等双一流建设高校的专业博士，组成人工智能教学科研的核心团队。阿里云物联网教育行业负责人表示，将服务于天华学院人工智能学院的教学实训需要、多专业AI培训需要、校内外考级考证培训需要，以及学校的人工智能产业化发展目标支撑需要等，以“工程应用”促进教学，缩短教学与工程需要之间的距离、缩短人才培养与企业需求技能之间的距离，逐步建成国内一流的、具备标杆示范性的、可在国内其他高校复制的应用型本科智能物联网实训基地和AI实训基地。以人工智能赋能其他学科，也靠“整建制”上海师范大学天华学院人工智能学院的带头牵引。根据“人工智能+”计划，人工智能新专业与学校各专业相结合，形成新工科、新商科、智慧幼教、智慧康养、智慧艺术的学科群。甚至学校新启用的信息化办公室也将人工智能技术深度接入，加强信息化数据平台建设和应用，实施学校整体管理智能化。

人工智能时代加速了。在人类所有的造物里，这是第一次，造物具备了智能。甚至在某些专业领域，人工智能已经超越了它的创造者。以致于凯文。凯利感叹：学会向我们的创造物低头。这其中，憧憬者有之，警惕者亦有之。未来是否会像科幻电影一样？但其实，大部分人对人工智能的想象都是错的。我们过多地沉迷于科幻电影带来的视觉冲击，却忽略了近在眼前的生活。比尔。盖茨也说，我们总是高估未来2年会发生的改变，却低估未来10年会发生的改变。但其实，改变不是一种命运，它是一种选择。就像圣雄甘地所说：“Bethechangeyouwanttoseeintheworld.”这一次，我们不做预言，不看遥远的未来，我们就聚焦当下，看看我们究竟能用人工智能做什么，我们如何用它创造真正的价值，这中间需要准备些什么，又要注意些什么。毕竟，我们创造AI的目的是为了改善生活。如今，它近在咫尺。从AI到智能体对AI抱有期待和对AI恐惧的两类人，可能都没有意识到，他们的期待和害怕本质上都是同一件事：AI太智能了。但这其实是一种错觉。是的，没错，AI已经在诸如围棋这样的智力游戏上虐得人类体无完肤。但是，目前所有的人工智能，都是弱人工智能，只能处理特定的问题。而具备与人类同等智慧、甚至超越人类智慧的强人工智能，或者说通用人工智能，目前并不存在，短期内也看不到实现的可能。幻想虽无边际，但人工智能要走的路还有很长这就好比，狗的嗅觉比人类敏锐那么多，但它只是人类的好朋友。从这一点来说，单独的AI其实很鸡肋。它只是一个轮子，它确实比我们的腿要快一些，但前提是我们得把它装到车上。而这也是我们下一步必须去做的：光有AI并不够，它只是一个核心，还需要同真实世界发生交互、产生联接，创造应用，才能真正为人类社会服务。这便是华为提出的智能体概念。在华为全联接2020，华为云与计算BG总裁侯金龙发布了智能升级的参考架构智能体。智能体是以AI为核心，以云为基础，构建一个开放、立体感知、全域协同、精确判断和持续进化的智能系统。它包括四层：智能交互、智能联接、智能中枢和智慧应用。智能交互是智能体的五官和手脚，它联通物理世界和数字世界，让数据、软件和AI算法在云边端自由流动。智能联接是智能体的躯干，通过5G、F5G、Wifi6等物理联接提供泛在千兆、确定性体验和超自动化的网络，实现无缝覆盖，万物互联，实现应用协同，数据协同，组织协同。智能中枢是智能体的大脑和决策系统，基于云基础设施，赋能应用，使能数据、普惠AI，支撑全场景智慧应用。智慧应用则是智能体的价值呈现，通过与客户、伙伴的协同创新，加速ICT技术与行业知识的深度融合，重构体验、优化流程、使能创新。有了智能体，AI巨大的生产力才能发挥作用，才能为人类生活创造价值。智能体是未来政府、企业智能升级的参考架构，是我们在AI这个轮子上建造的动车。智能体早已在华为内部得到应用，华为自身的数字化转型就是采用了智能体的架构。在智能交互上，华为通过IEF，把摄像机、智慧屏、传感器等600多万交互设备连接起来，实现边缘智能化。在智能联接上，华为引入WIFI6和5G，覆盖了所有园区。通过WeLink联接近20万员工，超百万的合作伙伴和客户。在智能中枢上，华为将所有的资源和数据在华为云上汇聚，IT能力在云上提供服务。在智能应用上，华为将AI引入所有主业务流程，目前已经在200个场景应用，如销售、研发、制造、供应等，创造了超过8000名数字员工。除了华为自身实践外，华为与伙伴一起已经在超过600个项目上落地和实践智能升级。在华为全联接2020，深圳市市长陈如桂表示，深圳正在积极抢抓粤港澳大湾区和深圳先行示范区“双区”建设重大机遇，努力打造全球标杆城市，特别是将依托华为等科技企业的先进技术，建设鹏城智能体，全力创建全国数字经济样板城市。当前，深圳通过智慧城市建设，实现了科技赋能、数字转型、云上行动，加快电子信息产业的迭代升级，不断提升城市治理和政务服务能力。在深圳，98%的行政审批事项实现了网上办理，约95%的行政许可事项实现了“零跑动”，企业和市民办事更加便捷。通过建设全市AI智能信号灯控“一张网”等智慧交通服务，城市高峰期机动车通行速度提升10%，达到世界一流水平。智慧机场建设全面实现了刷脸登机和机位智能分配，机场出港航班准点率达90%，位居全球大型机场前列，旅客平均等待时间缩短近40%。深圳已经实现了所有医院医学检验和影像检查结果互联互通互认，在智慧医疗的服务支撑下，让患者平均节省40分钟左右的排队时间，每年降低患者就医费用4000多万元。特别是在这次疫情防控中，深圳充分发挥智慧城市的作用，坚持科技抗疫、智慧防控，广泛应用5G远程医疗等新技术、新手段，有力提升了疫情防控效能。在华为全联接2020期间，深圳市与华为发布共建鹏城智能体，通过打造具有深度学习能力的城市级一体化智能协同体系，让城市能感知、会思考、可进化、有温度，引领未来深圳智慧城市建设，将深圳智慧化水平推向更高阶。

【导读】直至2020年，人工智能距离应用落地还颇有一段路程，诸多AI公司也处于缓慢推进状态。为此，极视角推出“极星平台”，助力人工智能产品极速落地。今天，我们来带你揭开极星平台的神秘面纱碎片化算法落地困难？极星平台应运而生，让AI技术不再“鸡肋”随着计算机视觉市场规模持续增长，企业人工智能算法需求也日趋多样，碎片化程度高，如电力行业需要浮冰识别，养鸡场需要鸡蛋识别，电视台则需要对影像资料进行识别等，但目前这些识别方向无法快速落地。从2018年开始，极视角创始团队走访了中国300家AI企业，得出一个结论：业内人工智能企业主攻头部算法或资产雄厚垂直行业算法，如人脸、车牌识别等，大型企业的腰尾部算法需求及中小企业客户难以在市面上被满足。所以，AI市场碎片化需求与人工智能算法供应出现断档。与此同时，客户多样化的算法需求使得项目中算法需要由不同的公司提供，会面临多家供应商接口不统一、算法应用和管理不方便的问题。而且，算法在应用过程中还面临持续运维、不断迭代的需求，市场上缺乏统一的运维工具来管理。基于此，极视角诞生了打造国内首家视觉算法商城的策略，将数百种算法装进商城。算法商城由“极市平台”和“极星平台”两大底层基建作为支撑，“极市平台”主要解决快速开发算法的问题，“极星平台”则用来推进算法高效应用落地。（关于极星名字的由来：“极”取自于极视角的“极”，代表AI算法能够通过该平台极速落地到客户所需应用场景中去；“星”则意指算法商城汇聚了万千AI算法，多如繁星。整个平台的愿景是「用算法繁星去点亮百业，服务更多的合作伙伴」。）从算法配置工具到算法推理部署平台极星平台经历了怎样的演化？早在2018年，极星平台早已有雏形——算法配置工具，它能简单地标注分析区域进行识别。经过客户的需求反馈，尔后算法配置工具增加了报警信息管理和设备配置管理，升级为算法管理系统。随着技术的发展以及客户需求的变化，算法管理系统一再升级，添加在线算法商城、算法授权管理、算法管理平台、联邦学习系统等功能，最终演变为算法推理部署平台——极星平台。四大产品价值，破解三大AI落地困境极星平台如何推进人工智能应用？如今的极星平台内置算法商城，能为用户提供多领域的海量算法，让客户根据实际需求进行个性化选择，自由组合。它融合算法实例与授权管理、资源监控、数据存储纪录、健康状况查询等多种功能，通过具象化的演示中心与客户形成高效交互，对于异常情况也能够及时报警。除此之外，极星平台提供标准对接模式和开箱即用的算法模型，一小时完成全链条配置，快速实现算法部署、互动演示、统一管理；它支持图片和视频的边缘端推理，支持异构计算，实时性高，平台可以与各行业平台进行对接，支持自主扩展。同时，极星平台还可实现算法自愈与边缘自治以及支持算法智能迭代，能及时解决部署应用过程中突发问题与通过不断升级实现更优交付效果。成为服务全行业用户的人工智能开放中台极星平台将内外“两手抓”极星平台将会开放到更高的层面，给予更多用户尝试与赋能，包括政府、企业、研究所、系统集成商、AI公司、高校实验室等，成为服务全行业用户的人工智能开放中台。为实现这一愿景，一方面，极视角将从强化基建、丰富算法工具、开放界面等方面着手，让客户能够在极星平台自由灵活地开发与拓展，并以较低的成本将AI视觉算法应用部署到终端场景中；另一方面，极视角希望释放数据中台、极市平台、极星平台协同能力，更好地联动起来，共同推动人工智能产品应用落地。未来，极视角会继续秉承着“开拓世界的边界，让科技向善”的使命，不断促进AI技术与各行各业不同场景深度融合，全力推动人工智能应用落地，力争成为全球领先的人工智能平台企业！

长江日报-长江网9月29日讯（记者陈诚 黄莹）“在打造科创中心城市方面，武汉具备良好基础和深厚土壤”，29日，在2020湖北高质量发展资本大会“聚焦科创+资本时代新机遇”分论坛中，众多专家和投资人，对武汉科创城市的打造给予了较高的期待。武汉“解封”后6次来汉资源禀赋打开发现之“眼”武汉“解封”以后，蔚来资本管理合伙人余宁已是第6次来武汉了。他来武汉的目的，就是来武汉寻找新能源汽车产业投资机会。“我们已与光谷的一家新能源电池相关的企业达成了投资合作，主要是在电动汽车电池更换品质保证上的合作。”余宁说，武汉是中国汽车产业基地之一，科创实力雄厚。蔚来资本投资主要是围绕汽车科技领域，而武汉相关的产业链完整，相关的科技企业众多，成功合作的企业主要是新能源电池“模式创新”应用上的企业。近半年，6次来汉，余宁都有收获，目前还在汽车激光雷达等领域与武汉科创企业进行合作。东方嘉富董事长徐晓也深有感触，他们所投资的一家武汉企业，是信息技术领域的初创公司，主要是面向传统产业改造的技术领域。在徐晓看来，武汉在传统制造业领域有着优良的产业基础，很多企业抓住了不变应万变的科技发展之路，充分发挥了自身在武汉科技产业领域积累的资源和禀赋。“这家企业如果不是在武汉，可能不会享受到产业升级中科技迭代的机遇”。“武汉在产业科技领域有很多宝贝待开发，这里的资源禀赋打开了我的投资眼睛。”余宁说，武汉科创产业资源整合的能力更快，可在赋能制造业、消费服务等领域有更大空间。他还说，中国科技产业已开始有从模仿进入领航发展等趋势，武汉智能新能源、5G等新基建科创领域将有很多机会。经济内循环下武汉有“基础”优势（图为中诚信集团董事长、创始人毛振华。记者何晓刚 高勇 胡九思 摄）“我认为武汉能够把历史优势发挥出来。”中诚信集团董事长、创始人毛振华在武汉上大学，又生活了9年，也有项目在武汉落地。在他看来，武汉在国家提出经济内循环理念的当下，有着科创发展的重要战略地位。“武汉百万大学生的人才储备，为武汉利用资本市场创新创业发展提供了非常好的人才基础和智力支撑。”上海金浦投资创始合伙人、总裁高立新说。如今，武汉已经有很好的回应，创造了新的名词——“校友经济”。经过几十年探索之后，武汉市找到了推动科创发展的抓手。毛振华表示深有体会。他说武汉的大学培养了很多的人才，他们走向全国，特别是早期在武汉留下来的并不多，东西南北有很多成功者，他们都是创新人才，所以武汉在这个地方抓得很成功。通过“百万校友资智回汉工程”，成功吸引了所有在武汉出发和上学的著名企业家，这些企业家都回到武汉投资，对武汉创新项目落地起到了巨大的推动左右。（图为上海金浦投资创始合伙人、总裁高立新。记者何晓刚 高勇 胡九思 摄）武汉也是好的高科技企业凝聚的地方。高立新表示，武汉积极引入的互联网、人工智能、电子商务等领域“第二总部”取得了一定成效，引发了越来越多科技型企业的聚集，为武汉的创新创业创造了条件。毛振华认为，武汉高新技术产业本来就有基础，现在已经形成了集聚效应，武汉几个高新区都在全国起了引领作用。此外，内循环很重要的是成本优势。毛振华说，对于武汉来讲，武汉的成本优势尤其值得关注。成本优势体现在客户成本上，武汉就是外循环时代的沿海。武汉离中国国内市场更近，优势不可替代。现在科技型大型企业扎堆进武汉就是机遇，武汉迎来了历史上最重要的历史机遇期。“企业人才在武汉可以安居乐业，可以享受更好的生活。”“疫情之后，武汉做了很大的贡献，也获得了国家的重要支持，这些支持含金量很高，一系列的优惠政策落地。这些政策有的是临时的，更多是长远的，会形成新的聚集，新的生产力。”毛振华对武汉发展科创城市充满了信心。新技术、新业态、新模式、新理念引领武汉要做市场的“乘风”者“近两年提出高质量发展的重要内涵，更多地提倡以新技术、新业态、新模式、新理念为引领的科创高质量发展。在这一过程中，武汉建设科创中心城市要应充分发挥城市科技的优势。”余宁说。高立新表示，对双循环中摸索与拼搏的中国制造业来说，转型升级需要更大的内生和外在动力，而资本市场也将发挥更大的推动作用。科创板和证券发行注册制的推出，都是在为资本助力高质量发展提供支撑。以当前成果来看，高速发展的科创板和注册制，为实体经济和产业发展提供了源源不断的资金支持。“在注册制背景下，武汉已有5家企业顺利登陆资本市场。光谷在国内影响力巨大，但在高新技术产业，尤其是电子信息、生物医药领域，上市公司的分布和数量仍有巨大空间。”高立新建言，武汉要做市场的“乘风”者，通过资本变革与优化，顺应市场需求，在“小环境”的营造上，通过调优政策环境、筑巢引凤，把人才优势真正转换为科创产业优势方面下功夫，做科创产业与资本的“合伙人”，实现资本与产业的有机融合，充分借助资本的力量，做大做强高新技术产业。毛振华说，一是武汉可加大对创新研究尤其是基础研究的投入，打造支撑科技强国的全流程创新链条；二来武汉的基础和应用科学均在全国前列

导语：9月28日，马上消费金融（以下简称“马上消费”）自主研发的7项科研成果，凭借优异的技术实现方案、配套的管理措施和实际测评效果，获得中国信息通信研究院专家组一致肯定，高分通过了中国人工智能产业发展联盟权威认证。本次参评项目覆盖了马上消费在自然语言处理、语音和视觉领域的先进人工智能技术和应用场景实践，反映了马上消费在人工智能方面自主研发能力的不断提升，标志着马上消费的自然语言处理技术服务平台、中文语音合成、中文语音识别、人脸检索、人证核验、文本客服及智能对话技术已跻身行业一流水平。马上消费创始人、董事长赵国庆表示，将继续在人工智能领域持续加大投入，进一步提升公司科技自主研发和创新能力，为我们的用户和行业合作伙伴持续输出高质量、可信赖的科技服务。近年来，人工智能技术发展迅猛，已被列入我国"新基建"的重点领域之一。不久前，作为深耕人工智能领域的代表企业，马上消费当选首批全国信标委人工智能分委会单位委员。作为人工智能技术的研究基地，马上消费人工智能研究院汇集了大批人工智能领域的高级人才与专家，自主研发出业界一流水准的人脸识别、活体检测、OCR识别、语音识别、声纹识别、自然语言处理等多项人工智能技术，并将相关技术贯穿应用至营销获客、客户服务、风险控制、贷后管理的全业务流程。作为持牌金融科技公司，马上消费自主研发了800余套核心技术系统，累计提交专利申请220余件，成为重庆首家金融类国家高新技术企业，国家工信部“新一代人工智能产业创新重点任务”揭榜单位。（文章为作者独立观点，不代表艾瑞网立场）

楚天都市报讯（记者刘丁维 见习记者张建林）近日，国家科技部正式批复支持武汉市建设国家新一代人工智能创新发展试验区。9月28日，省政府新闻办召开发布会，解读武汉市建设国家新一代人工智能创新发展试验区相关情况。会上获悉，未来5年，全省将重点支持在智能制造、智能网联汽车、智能北斗、智能建造、智慧农业、智慧家居、智慧教育、智慧医疗、智慧康养、智慧城市、智慧两江、智慧交通、智慧文旅、区块链、智能网络安全、智慧公共安全等16个重点领域布局开展人工智能技术创新。力争通过5年努力，我省人工智能关键核心技术实现多点突破。积极发挥武汉试验区的辐射带动作用，全省培育有影响力人工智能高新技术企业100家以上，布局建设100个左右技术创新示范工程，人工智能核心产业规模超过600亿元，带动相关产业规模达到6000亿元。目前，省科技厅制定出台了《推进新一代人工智能发展技术创新工作方案》，将协调相关高校、院所及企业组建新一代人工智能技术创新战略联盟，谋划建立人工智能技术创新示范工程项目库和创新产品库，加快部署一批实验室、技术创新中心。在武汉市推进创新发展试验区建设中，武汉将加快5G通信网络部署，在今年年底实现中心城区5G全域覆盖。在重点应用场景加速构建上，武汉开通了全国首条自动驾驶示范专线、全国首条5G智能制造生产线，发放了全球首张自动驾驶商用牌照，成立了国内首个自动驾驶城市示范与产业协同创新联盟。武汉是五大工业互联网标识解析国家顶级节点，是工信部首批5G规模试验网五大试点城市，也是三大电信运营商全部取得5G试点资格的城市。目前，武汉5G商用规模和速度中部第一，5G基站数量全国第三，固定宽带下载速率全国第五，全域实现光纤光缆通达。作为创新发展试验区的核心承载区，武汉东湖高新区将创建全国领先的人工智能产业人才培养基地。计划到2023年，人工智能核心产业规模达200亿元，带动相关产业规模超过500亿元。到2030年，初步建成有全球影响力的人工智能产业发展高地。

随着科技的发展，无人机越来越多的被应用于民用。无人机在民用方面主要应用于植保、影视、表演、电力、气象等多个方面。在8月26日深圳40周岁生日当晚，夜空作画，有序地变换队列，献礼深圳40周年的无人机便属表演方面。随着人工智能技术的应用发展，人工智能技术在让无人机视觉跟踪，实现自主飞行方面有很好的应用结合。无人机与相关的人工智能分析技术已经在能源、安全/安防、建筑、矿业、油气开采、物流、农业、保险、地产、交通等多个行业都得到了广泛应用。作为国家级的科技盛宴，中国国际高新技术成果交易会(简称”高交会”)致力于捕捉、展示前沿科技发展应用。第二十二届高交会，将以“科技改变生活，创新驱动发展”为主题，重点展示新一代信息技术、节能环保、光电显示、智慧医疗、智慧城市、先进制造、航空航天等高科技前沿领域的先进产品和技术，结合5G、人工智能技术发展起来的新时代民用无人机也在展示之列。作为民用无人机发展领域的代表企业，深圳市高巨创新科技开发有限公司(展位号：1C49)及深圳赛为智能股份有限公司(展位号：1B46)的无人机应用将在高交会信息技术与产品展(简称“IT展”)展馆展出。献礼深圳40周年的2020架无人机是来自深圳高巨创新科技开发有限公司。高巨创新的无人机采用的是Qualcomm Flight智能无人机平台，得益于强大的平台支撑，使得无人机集成度高，处理能力强，性能稳定，能从容面对高难度编队飞行的挑战。另一方面，工程师们采用了GPS-RTK载波相位差分定位技术，定位精度可达厘米级，以保证无人机可以精准执行飞行轨迹，完成复杂的舞步动作。(高巨创新的无人机表演)让无人机具备自主飞行能力，除了预设飞行路线飞行外，还需要让无人机具备“自动跟随”能力。高巨创新无人机采用先进的图像识别、视觉跟踪技术，自动识别和锁定跟踪对象，同时，通过搜集选定对象的周边环境信息后，可根据算法和实时数据判断和识别目标，从而进行跟踪。随着5G网络技术的发展，无人机与5G网络的结合，加速了工业级无人机在巡检、安防等垂直领域的普及。赛为智能在无人机自动避障、自主飞行、集群作业技术等方面寻求关键性突破。赛为智能的赛鹰无人机深度参与5G��无人机爆破警戒智能辅助系统、5G��4K视频监控��AI智能分析、5G��农业植保等方面的应用。以5G��无人机矿区爆破预警为例，基于5G“超级上行”网络服务，赛为智能赛鹰无人机在矿区可进行高空巡查警戒，实时将4K高清视频回传，结合AI保障实时视频清晰度，精准识别人员、矿车、挖掘机等相关元素。同时，依托图像数据分析处理系统，赛鹰无人机将AI分析结果，实时回传到矿山监控大屏。工作人员收到异常预警后，使用无人机搭载喊话设备，进行高空喊话来警示现场，驱离现场人员、车辆。使用5G+网联无人机后，矿区爆破警戒覆盖范围从原先500米扩大到2公里，原有2小时人力检查工作量缩短为半小时，整体生产效率和安全性得到大幅提升。(赛鹰农业植保无人机)而赛鹰农业植保无人机，主要用于农林植物保护作业，通过遥控或自主规划航线实现喷洒药剂等，相比传统人工植保方式，喷洒均匀，作业效率高等优势。高交会IT展结合5G应用热点、行业热点发展趋势等，设立人工智能、智能驾驶、智能制造、智能家居、四大亮点主题展区，同时，为企业提供了一流的品牌展示平台。欢迎你加入这场盛会，与我们共舞。

中国人工智能技术起步较晚，但是发展迅速，目前在专利数量以及企业数量等指标上已经处于世界领先地位。2013-2018年，全球人工智能领域的论文文献产出共30.5万篇，其中，中国发表7.4万篇，美国发表5.2万篇。在数量占比方面，2017年中国人工智能论文数量占比全球已经达27.7%。当前中美两国之间人工智能科研论文合作规模最大，是全球人工智能合作网络的中心，中美两国合作深刻影响全球人工智能发展。2019年中国AI芯片市场规模约为115.5亿元，在5G商用的普及和政策、技术等各因素的推动下，AI芯片有望在云计算、安防、消费电子、机器人等领域实现大规模商用，预计2021年AI芯片市场规模将达到436.8亿元。但值得注意的是，随着人工智能技术的加速普及，下游应用领域对AI算力和能耗的要求越来越高，传统冯诺依曼架构式芯片的瓶颈逐渐显露，AI芯片将朝着存算一体化方向发展。有分析师认为，存算一体AI芯片的发展前景虽受到广泛认可，但整体仍处在发展的起步阶段。从实现计算与存储的融合设计，到技术的落地、量产、规模化商用，还有较长阶段。能够率先实现技术、产品突破的企业将更容易获得资本、人才、市场的支持。我国人工智能发展全球论文占比情况相关调查机构数据显示， 截至2017年12月31日，中国人工智能专利申请数达46284件。随着国家大力提倡、投入研发逐渐增加，人工智能运用到越来越多的行业领域，未来相关专利数量应当会持续增加，人工智能技术产业化发展前景向好。截止2017年我国人工智能专利申请数量2018年中国人工智能领域共融资1311亿元，增长率超过100%，投资者看好人工智能行业的发展前景，资本将助力行业更好地发展。随着人工智能技术的进一步发展和落地，深度学习、数据挖掘、自动程序设计等领域也将在更多的应用场景中得到实现，人工智能技术产业化发展前景向好。1.中国步入技术驱动增长的高质量发展阶段，政策将持续加码推动芯片全面国产化中国数字经济产业已经成为驱动经济增长的新动能，2019年数字经济规模占GDP的比重达36.2%;作为数字经济产业底层基础的集成电路，却严重依赖进口，2020年前八个月，中国集成电路进口金额超过万亿元;未来政策将持续加码发展集成电路产业，实现芯片全面国产化。2.中国AI芯片有望引领国产芯片实现弯道超车，预计2023年中国AI芯片市场规模将突破千亿元5G基站、大数据中心、人工智能等新型基础建设的完善，促使AI芯片成为引领芯片行业未来发展的重要方向;政策、资本、技术、市场等多重因素将驱动AI芯片这一新赛道快速发展，中国芯片有望实现弯道超车;预计2023年中国AI芯片市场规模将超过千亿元。3.存算一体化AI芯片是未来主流方向，受益于下游需求的强劲驱动力而快速发展人工智能产业的成熟化发展驱动AI芯片由通用型向专用型发展，急剧增长的数据量对AI芯片的性能以及能耗提出了更高要求;能够兼具性能和成本的存算一体化AI芯片符合未来发展趋势，在下游需求的推动下有望快速发展。AI芯片概念描述直观图人工智能，作为计算机科学最前沿的发展方向，同时也是新一轮产业变革的核心驱动力，具有巨大的市场前景。面向人工智能应用的AI算法，除具有传统算法一般的性能特征，还具备处理大量非结构化数据、处理过程计算量大、参数量大等新特质，亟须强大的运算能力和高效的访存能力支撑。人工智能相关学科及关联关系4.中国人工智能未来热度持续目前中国整个人工智能产业规模仍在保持增长，同时国家也在不断出台各类人工智能产业扶持政策，资本市场对人工智能行业的投资热情不减，技术方面不断突破是产业增长的核心驱动力。未来人工智能产业的走向取决于算法的进步，由于算法的技术突破是决定人工智能上限的，所以未来人工智能企业拉开差距就在算法的技术突破上，谁能先在算法上取得成功，谁就能取得资本市场青睐，同时产业落地也会进一步提速。在算法方面，目前已经有深度学习和神经网络这样优秀的模型，但就目前国内人工智能算法的总体发展而言，工程学算法虽已取得阶段性突破，但基于认知层面的算法水平还亟待提高，这也是未来竞争的核心领域。虽然算法决定人工智能上限，但是目前的算法短时间内可能很难有所突破，所以算力也是目前人工智能企业竞争的一个重点方向，以目前的算力水平，主要实现商业化的人工智能技术为计算机视觉、智能语音等，未来若算力进一步突破包括算力的提升、生产成本的降低都会使人工智能技术的产业化进一步深入。5.人工智能技术逐渐成熟，5G或助推商业落地提速随着人工智能技术的进一步成熟，未来企业商业应用能力将成为资本重要考核因素。同时随着5G商用时代的逐渐来临，人工智能技术连接效率也将进一步提升，深度学习、数据挖掘、自动程序设计等领域也将在更多的应用领域得到实现。6.未来中国人工智能企业将逐渐形成产业分工目前中国的人工智能企业部分还处在各自为营的态势，还未完全形成产业分工。但是目前市场已经逐渐显现出细产业分工的态势，在底层基础构建方面

图片来源：美国《福布斯》杂志网站在新冠肺炎疫情席卷全球之前，人工智能（AI）尤其是其分支——机器学习（ML）技术，已经在几乎所有行业发挥作用。新冠肺炎疫情对我们的商业模式、生活方式等很多方面产生了重大影响，但它并未削弱人工智能所发挥的影响。在疫情肆虐之际，能够自我学习的算法和智能机器将在抗击疫情的斗争中，以及未来可能面临的其他事件中发挥重大作用。美国《福布斯》双周刊杂志网站在近日的报道中，梳理了未来一年人工智能将在重建我们的生活，重新思考商业战略以及应对未来可能的疫情等方面发挥什么作用。大数据分析更智能《福布斯》双周刊杂志网站指出，在当下这场应对新冠肺炎疫情的战役中，我们目睹了迅速分析和解读病毒在全世界传播趋势相关数据的紧迫性和急迫性。为此，各国政府、全球卫生机构、学术研究中心和业界同心协力开发收集、汇总和利用信息的新方法，有了这些强大的工具，我们可以实时掌握世界各地的新冠肺炎感染数据和病亡数据。例如，《抗击新冠肺炎疫情的中国行动》白皮书指出，利用人工智能和大数据，中国进行疫情趋势研判，开展流行病学调查，努力找到每一个感染者、穷尽式地追踪密切接触者并进行隔离。技术进步是这场疫情的致死人数迄今尚不及1918年西班牙大流感的主要原因。技术进步包括医疗技术和护理标准的进步，以及使我们能更快定位疫情暴发地并实施封锁措施的通信技术的进步。明年，人工智能将被列入能更有效应对疫情的技术发展清单。在人工智能技术的加持下，医疗技术领域取得进步的一个重要表现是：科学和医学文献的数量大幅增加，截至今年4月底，就有超过2.8万篇与新冠病毒有关的论文被发表。此外，由人工智能技术的另一个分支——自然语言处理（NLP）算法提供支持的专用搜索引擎已经上线，任何人在研究这个庞大的数据集时都可以获得AI帮助。目前，科学家们正孜孜不倦地开发新的AI解决方案，以帮助他们解决其他医疗问题（例如癌症等）。明年，AI在医疗保健领域中的应用将不断加速，不仅仅与对抗病毒有关。通过提高能力，我们可以把机器学习解决问题的潜能应用于这些庞大的、实时的全球数据集上，可以更轻易地发现疫情，追踪密切接触者，以及更准确地诊断疾病，并通过预测病毒未来可能的演化方式以开发出疗效更好、效力更持久且更安全的疫苗。检测和预防更自动化我们已经看到，执法人员已经在抗疫中用到了无人机等设备，他们利用无人机来监视人们是否遵循保持社交距离的规定。无人机也将应用于其他领域，比如能检测出人群中哪个个体有发热等新冠肺炎症状。系统可以利用计算机视觉技术分析无人机摄像头获取的数据，并向相关部门或当地管理人员通报有关病毒传播的统计数据等信息。另一个相关的有增长潜力的领域将是面部识别技术，这一技术也与计算机视觉算法有关。面部识别技术将重点放在识别个体，而非人群中的模式，因此警察用它来探查人们的隔离情况以及封城的情况，并追踪出现新冠肺炎症状的个体的活动轨迹。证据似乎表明，由于新冠病毒带来的健康风险，公众对以前被认为过于严厉的监视策略更加宽容。预测客户行为备受追捧新冠病毒肆虐全球，显著改变了我们的生活、工作和社交方式，虽然在社会的诸多领域都已出现稳定和强劲的数字化趋势，但今年，我们目睹了一场数字化的狂欢和热潮。今年二季度，亚马逊公司的销售额同比增长40%。此外，疫情期间，受在线购物和云服务需求增加，亚马逊股价今年迄今上涨73%。不止亚马逊市值不断创下新高，至今年8月份，微软股价上涨28%，谷歌上涨13%，Facebook上涨了12%。无独有偶，新冠肺炎疫情带来的消费行为向线上转移的趋势也让国内的科技巨头们赚得盆满钵满。自年初至今，腾讯、阿里巴巴、拼多多、美团、京东市值分别上涨20%—150%不等。《福布斯》双周刊网站指出，人工智能工具和平台能很好地帮助企业了解自己的客户，因此，此前在利用数字渠道经商和维护客户关系方面滞后的组织和企业逐渐认识到局势的紧迫性，被迫重新评估自己的选择，开始迅速掌握行为分析和个性化等概念。2021年，让各组织自行获取这项技术的工具将越来越流行，因为中小企业正想方设法寻求建立自己的竞争优势。能预测下一波疫情大多数人工智能算法都拥有预测能力，人工智能辅助流行病学研究领域的重要目标将是研制出能准确预测未来疫情于何时、何地暴发的系统。此类研究已经进行了一段时间，事实上，一些关于当地疫情的最早警报是由人工智能生成的。可以预计，人工智能研究将在未来18个月取得进一步突破，进而提高我们发现和应对病毒暴发风险的能力。当然，要实现这一目标，还需要政府与私营企业之间进行持续的全球合作。（记者 刘 霞）来源：科技日报

研究表明，企业采用人工智能和机器学习技术可以使其生产率提高40%，可以帮助企业重组数据，以使其从记录的每个数据点中获得价值。机器学习是一项很重要的技术，如今已有50%以上的企业在探索或计划采用，并成为企业数字化转型的关键角色。但是在实施机器学习时，企业可能只看到了其积极的方面，可能会忘记将会面临许多机器学习的挑战。解决这些机器学习问题对于数字化转型计划的成功至关重要。企业在实施机器学习时面临的7种挑战即使是简单的机器学习项目，很多企业都在开始自己的旅程，只有解释机器学习的积极意义，企业才有更多的动力采用。以下是企业将要解决的7项机器学习挑战，以便可以更好地了解其实施，甚至可以决定是否适合采用。(1)耗时的部署·一些企业表示，他们需要大约一年的时间才能在其组织中完全实现机器学习思想。·尽管这些交付时间是不可取的，但即使是简单的机器学习项目也可能需要数月才能实施。其原因很简单，机器学习是一种新兴的技术，企业可能无法发现它对于组织的全部潜力。·企业可能想沉迷于传统的“反复试验”中，这比较耗时。解决机器学习这些问题的方法是，能够以很小的规模部署它，并检查其在其他功能上的可行性。(2)高估交付结果·企业可能会面临挑战，认为其机器学习和深度学习项目将提供比企业预期更好的结果。机器学习本身就是这样，它有望快速而准确地提供结果。·但是，企业经常会发现情况并非如此。实施机器学习和深度学习需要处理大量数据，并且可能会很快就会失败。·最佳的机器学习问题和解决方案需要时间和资源，因为这一技术实际上从数据中学习了一切。(3)数据不可用·虽然企业可能知道如何使用机器学习项目来处理数据，但是数据的可用性可能是一个重要的挑战。具有大量组件的数据并不是机器学习模型的真正价值贡献者。·另一方面，企业知道数据是关键，但不一定知道想要哪种数据。虽然机器学习就像处理非结构化数据一样轻而易举，但是企业可能希望从结构化数据获得可见的结果。(4)数据安全性问题·当今最大的机器学习挑战之一是数据安全性。即使企业收集大量数据，安全性也是其始终要关注的问题之一。机器学习模型不能固有地区分敏感数据和不敏感数据。存储在具有风险的服务器上的机密数据可能会破坏整个机器学习项目。·企业必须首先加密数据，并将其存储在机器学习模型可以安全访问的服务器中。机密数据只能由决策者进行监督。(5)扩展的挑战·Algorithmia公司的一项研究表明，在使用机器学习的大型企业中，58%的企业表示在扩展计划方面面临挑战。大多数可扩展的机器学习问题是由于硬件问题、模块化或数据不可用而引起的。·即使到现在，大多数企业仍在使用传统数据处理系统，这些系统为不同类型的数据提供了不同的存储空间。这使得其扩展变得困难，因为机器学习并不像它那样工作。·企业需要为机器学习项目提供一个集中的数据中心，以从单一来源访问数据。它使机器学习模型的数据处理更加简单。(6)缺乏机器学习专家·尽管很多开发人员已经走上机器学习之旅，但缺乏熟练的机器学习专家仍然是最大的机器学习挑战之一。企业可能找不到能够满足其要求的开发人员。·即使到现在，理解复杂的机器学习算法所需的技能仍然有限。如果没有适合的机器学习专家，企业可能会在实施中面临一些挑战。企业需要寻求与拥有机器学习专家的其他组织的合作。(7)昂贵的部署·最大的机器学习问题可能是机器学习的部署成本昂贵。实现机器学习需要招募数据科学家、项目经理和具有高度专业技术的开发人员。·由于缺乏人才，雇用这些人的成本很高，很难招募到经验丰富的专家。另一方面，由于机器学习项目需要处理大量数据，因此部署需要额外的基础设施。·如果没有适当的基础设施，测试将变得困难。没有进行测试，正确的实现是机器学习的主要挑战。要解决这个问题，企业需要咨询可以提供机器学习专家和服务的公司。它不会降低成本，但会相对降低实施费用。获得的收益超越机器学习的挑战如果企业拥有合适的团队并且时机合适，那么可以克服机器学习实施中的所有挑战。这些挑战只会使企业面对采用机器学习模型的复杂性。企业不必担心这些机器学习问题。具有了一定的耐心，就可以看到显著的结果，例如生产率、效率和员工工作满意度的提高。因此，在机器学习方面，企业应该遵循“快速行动并打破常规”的方法。遵循相同的方法，它使企业可以在最初阶段理解机器学习的所有挑战，然后重申模型以发挥最大优势。

您是否对完美或接近完美的模型表现不知所措？ 你的快乐被出卖了吗？简而言之，当您要预测的信息直接或间接出现在训练数据集中时，就会发生标签泄漏或目标泄漏。 它会导致模型夸大其泛化误差，并极大地提高了模型的性能，但模型对于任何实际应用都毫无用处。数据泄漏如何发生最简单的示例是使用标签本身训练模型。 在实践中，在数据收集和准备过程中无意中引入了目标变量的间接表示。 触发结果的特征和目标变量的直接结果是在数据挖掘过程中收集的，因此在进行探索性数据分析时应手动识别它们。数据泄漏的主要指标是“太好了，不能成为现实”模型。 由于该模型不是最佳模型，因此在预测期间最有可能表现不佳。数据泄漏不仅可以通过训练特征作为标签的间接表示来实现。 也可能是因为来自验证或测试数据的某些信息保留在训练数据中，或者使用了来自将来的历史记录。标签泄漏问题的示例通过此人关联银行账号的特征来预测是否会开设银行账户在客户流失预测问题中，事实证明，无论客户是否流失，称为“采访者”的功能都是最好的指示。 模型表现不佳的原因是此“采访者”是仅在客户确认他们打算流失之后才分配调查人员。如何应对标签泄漏1、删除它们或添加噪音以引入可以平滑的随机性2、使用交叉验证或确保使用验证集在看不见的实例上测试模型。3、使用管道处理而不是缩放或变换整个数据集。 当基于提供的整个数据集按比例缩小特征时，例如使用最小-最大缩放器，然后应用训练和测试分割，缩放的测试集还包含来自缩放的训练特征的信息，因为最小值和最小值 使用了整个数据集的最大值。 因此，始终建议使用管道来防止标签泄漏。4、根据保留数据测试模型并评估性能。 就基础架构，时间和资源而言，这是最昂贵的方式，因为必须使用正确的方法再次执行整个过程。总结数据泄漏是最常见的一种错误和可能发生的特性工程，使用时间序列，数据集标签，并巧妙地通过验证信息训练集。重要的是机器学习模型仅仅是接触信息可用时的预测。因此，明智的做法是仔细挑选特性，在应用转换之前分割数据，避免在验证集上拟合转换，并使用管道处理。作者：Nabanita Roydeephub翻译组

美股研究社消息，36氪从亚马逊云服务（AWS）获悉，由光环新网运营的AWS中国（北京）区域，及由西云数据运营的AWS中国（宁夏）区域落地的机器学习服务Amazon SageMaker目前已经被德勤、中科创达、东软等AWS合作伙伴和客户采用。同时，AWS解决方案团队正在推出更多的基于SageMaker的机器学习技术解决方案，如数字资产盘活机器人等。#美股那些事#

来源：参考消息原标题：西媒：这些科技领域或可助企业从疫情中“全身而退”参考消息网9月17日报道 西班牙《经济学家报》网站9月16日报道称，新冠肺炎疫情令众多企业蒙受损失，但一些行业和企业却毫发无损，甚至变得更加强大。取得这样的成功归因于对科技的利用和长期以来的工作方式。西班牙行业信息技术服务中心“持续编码”公司分析了以下几个可确保企业屹立不倒、从疫情中全身而退甚至更为壮大的科技领域：1、大数据从多年前开始，分析和阐释数据就是企业战略的主要成功因素之一。做决定不再以经验为基础。良好地管理数据有助于做出更好的决定并增强竞争力，尤其是在像如今这样充满不确定性的时期。事实上，仅2019年，大数据技术就在西班牙创造了超过2.5亿欧元的交易量。巨大的交易量演变为对该领域专业人士的强烈需求，如数据分析师、首席数据官、大数据开发员和工程师等。2、机器学习利用算法核查贸易相关数据和信息以及预测前景是有助于企业取得成功的另一个重要因素。为什么呢？因为通过这种方式可以掌握贸易主动权，抢占先机，无需等到为时已晚才做出反应。机器学习这种技术工具有助于预测可能出现的危机或不利时刻，并在这一切发生之前采取措施。这种技术适用于十分广泛的领域，如在线广告、电子商务、人才和工作团队生产力管理、潜在客户挑选等。3、人工智能（AI）AI可通过降低错误率、提高精确度、预测未来结果等技术模仿人的思维。已有大量应用进入我们的日常生活。在企业领域，这些应用还可以极大幅度地增强企业竞争力。据估计，欧盟将在2021至2027年间向AI领域投资1000亿欧元以上。尽管如此，这笔预算与亚洲和美国相比仍显得不足。若想成为技术创新和转型的领导者，欧洲仍面临极大的挑战。4、DevOps越来越多的大小型公司都在其组织中采用DevOps系统，以实现技术栈的标准化、流程的自动化，并提高交付给客户的商品数量和质量。这种软件开发方法每年都能提供大量的就业机会，但由于缺乏专业人才，该领域很多岗位出现空缺，因此工资待遇也很高。5、网络安全网络攻击是西班牙大、中、小型企业的主要敌人之一。新冠肺炎疫情使网络办公流行起来，但很多企业并未做好相关准备，导致网络攻击有机可乘。确保信息系统的整体安全，已经成为任何公司阻止这种网络犯罪趋势并保护数据和隐私不受侵害而面对的巨大挑战。6、软件开发那些团队中拥有软件开发专业人士的企业有望实现持续不断的数字转型，以便能在当前的全球市场中存活并占据一席之地。技术飞速发展，为用户提供极具吸引力和友好的网络界面和手机应用相当关键。7、比特币如何描述互联网时代的货币未来？数字货币是一种新的金融资产，了解使之成为现实的技术是领导这类业务的关键。尽管这是不会失业的行业，但欧洲和西班牙劳动市场却长期缺乏必要的技术人才。2020年数字人才报告称，过去十年间，欧洲与这种技术相关的岗位增加了近41.3%。（编译/廖思维）

机器学习应该是机器智能的追溯，是使计算机具有智能的根本途径，很明显的的一个例子，手机叫智能手机，电视叫智能电视……而现在当智能变为产品的一个基础，则更多被提及到的变成了有没有具备一些潮流的AI特性，特别是AI领域中的重要学科机器学习更是如日中天专业点地说机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算复杂度理论等多门学科，是人工智能的核心。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。那冷冰冰的机器到底是如何学到的呢？首先，要设定正确的假设。不同于生物化学的大胆假设，小心求证，机器学习里的假设必是正确的！其次，设定一个评价指标，简单的理解就是通过经验规则让机器来做评委的工作，对结果进行评分。最后，明确优化的过程（也即是寻解的算法）。机器学习的框架与过程a 影响结果的特征我们拿方程y=kx+b为例，也即是影响y的x值（其中，x为特征，y为结果）b 怎么拿到无偏，足够多的数据这个就必须要借助大数据学科来获取海量的数据，并进行科学的筛选c 假设固定的关系集合d 设定衡量标准e 按人的设定的方法来寻找人设定的方法，为什么用计算机来算，这里就不得不强调计算机的原始优势：算得快！f 依据一直样本和标准判断是不是最好的g 最后切记不能忘了，模型评估！在发达国家，“评估学”已经成为了一门专门的学科，并迅速发展成为超学科的显学。准确的评估模型往往能达到事半功倍的效果，且关乎成败！

哈工现代将引入现代重工全系列机器人9月18日消息，哈工现代总经理徐杰在工博会期间对外表示，公司计划在未来3-5年分阶段引入韩国现代重工全系列机器人产品。哈工现代正在浙江海宁建设的机器人工厂预计年内完工，并定于今年底或明年初启动试生产。工厂设计产能为每年1万台，其目标市场包括汽车、3C电子、机械制造和食品等多个行业。去年6月，哈工现代已在临时工厂内开始机器人生产。徐杰介绍称，哈工现代引入了现代重工的4款主流机器人机型，并计划在未来3-5年分阶段引入全系列机器人产品，现代重工的全线机器人产品包括约60个不同的机型。

来源：金融界网站软银的机器人子公司周一表示，将在日本推出由加拿大Bear Robotics开发的自动送餐机器人，以帮助日本餐饮业应对劳动力短缺，并在疫情期间确保社会距离。软银表示，这款名为“Servi”的机器人有一个托盘，并配备了3D摄像头和用于导航的激光雷达传感器，将于明年1月正式推出。这款机器人的费用扣除税收后每月只有99800日元（约合950美元）。这款机器人的推出利用了软银在将海外技术带到日本方面的长期经验，但也反映出其CEO孙正义早些时候对仿人机器人的关注有所转变。软银的Pepper人性机器人在2014年发布后成为该公司的门面之一，但未能找到全球客户群。2018年，该公司又发布了清洁机器人Whiz，目前已在全球售出超过1万台。

说到现如今的职业，很多都被机器人所取代，很多需要运用人脑智慧的职业得以幸免，可现如今有传言说，销售业务人员将来会被AI人工智能机器人系统取代，市面上出现了一个AI人工智能电话营销机器人，据说是一款专为营销推广而生的系统软件，不过这套系统到底怎样，还请大家接着往下看。中国汇港通科技说到AI电话机器人，那就不得不向大家介绍汇港通科技的电话机器人了，它是一款定位于业务或服务推广需求的电话营销系统，同时它最大程度上的使用了国内先进厂商科大讯飞阿里云等多家巨头研制开发的语音识别引擎技术，有着系统自带的呼叫中心，专为公司而生的客户关系管理监管作用，是一个根据精准语音平台，从而能够自主选择外呼潜在的客户人群，同时还具有智能化多种呼叫方式还可以为企业自动生成智能报表，从而来帮助企业提高效率，降低经营成本。机器人与人相比有选择，自然也就会有比较，根据我们进行的数据统计，我们可以发现人工每天可以拨打电话200通，但是一个机器人系统每日能够拨打电话的电话号码量是人工的五倍，并且需要注意的是，伴随工资的降低，越来越多的人不愿意从事电话营销行业，同时企业也有着高昂的人员培训成本，费时费力，成本相当的高，即便是企业选择花费了高成本招到了业务人员，也会存在上岗工作慢，工作效率低下，业务能力差这些情况，这时候AI机器人就脱颖而出了，作为一个机器人AI人工智能不会有情感起伏的干扰，能够随时随地保持最佳的工作态度，发挥出最佳状态下的业务水平，企业仅需要将顾客的线索进行批量导入，AI人工智能就可以进行一键启动电话号码从而进行全自动的拨打电话，寻找潜在目标用户，还会根据整体客户的建议与需求，为公司制定专门的智能报表，帮助公司进行不断的完善。未来市场前景广阔有不少专家都表示，在不远的将来人工智能行业规模将超10万亿，所以也不难看出人工智能电话机器人势必会成为热门项目，比较要知道电话机器人所具有语音技术，可以最大限度的完成公司企业的业务需求，为公司降低人工开支的同时，效率不降反增，同时还可以依托大数据优势智能瞄准目标客户，进行精准分类，大大的提高了工作效率。AI智能机器人优势从成本的角度考虑，一个电话营销机器人一年的使用费用不过几千元，一台机器完全可以满足一家中小型企业的需求，同时作为机器人可以不喝水不耗电更无须作业场所，甚至说是全年无休，而作为人工智能，工作效率不会受到任何因素的影响，不会产生自己的情绪影响工作，还可以对于客户的疑问在最短的时间内进行回复。

文章纯属原创，版权归作者所有，欢迎个人转发分享。随着现代科学技术的发展，我们的日常生活也改变了很多，从通讯方式，到购物方式以及各种日常，都变得更加现代化，探讨现代科技会对人类造成什么改变的讨论也非常多，其中机器人会给人类带来的改变，也是许多人在研究的问题。机器人是经常出现在爱虚拟作品中的一个主题，当机器人拥有了人的外貌，并且拥有了学习能力之后，会发生什么事情？阿尔法狗可以打败当代的围棋高手，拥有强大的学习能力，这种技术若是继续发展，机器人是否也将有新的突破。在日本，有一家公司就研究出来了一款和人类十分相似的机器人，这款机器人的名字叫做“妻子”，这是一款在外貌上完全模拟人类，拥有十分逼真的特殊材质的皮肤，容貌十分美丽，甚至为了让机器人显得更逼真，这家公司还给机器人增加了恒温设置，让它有温度。当然这款机器人最惊人的地方还在于它的学习能力，它的语言功能十分强大，经过一段时间的训练，可以和人类进行对话，强大的学习能力还让它会打扫卫生，做一些简单的家务，这款机器人一经推出就受到了日本男性的欢迎，成为爆款。因此这家机器人公司乘胜追击，推出了男性机器人，这款机器人面对的受众自然是日本的女性，这款机器人也同样十分受女性欢迎，在机器人的试用期间，有100女性试用过后，满意度达到了99%，大部分都对这款机器人表达出了满意。因此在男性机器人推出之后，这款机器人在市场上同样非常受欢迎，其实这种机器人在日本受到欢迎也是一件十分正常的事情，都说如今日本进入了一个低欲望的社会，日本的年轻人对于社交，谈恋爱，结婚生子，似乎都失去了兴趣，很多人选择不婚，而让自己沉迷于自己的世界，甚至不出门，当一个啃老族。日本有一些这样的人，他们不工作，靠着父母的工资或者养老金生活，在父母去世之后，甚至失去了生活的能力，这是比较极端的情况，还有一些人选择不需要与人交流的工作，不交朋友，反而沉迷在二次元中，成为宅男宅女，虽然可以自己生活，但无疑也是十分孤独的。因此这款机器人的推出，不管是对日本女性还是男性，都十分受欢迎，有一个可以陪伴自己的机器人，和自己聊天，甚至可以帮忙干家务，还能拥有一张十分好看的脸，对于这些沉迷于自己世界的人来说，这是一个非常完美的选择，因此虽然机器人的价格很贵，在日本依旧大受欢迎，对此，你们是怎么看待的呢每天分享更多各个国家的小知识和奇闻异事，如果您喜欢这篇文章，欢迎点赞或者分享给更多的人，也可以关注看到更多文章！

医疗机器人的定义和作用医疗机器人能够辅助医生和扩展医生的能力，具有减少误差、更具安全性、可以模拟手术、实现全面护理的作用，在机器程序下设定的速度、准确性、可重复性、可靠性以及成本效益等方面相比传统医护人员更具优势，一个机器人不管用得多久，都不会疲劳，它在第一百次使用时的准确性，也与第一次使用时一样。医疗机器人的发展一、发展历史及现状医疗机器人的发展可以追溯到1985 年利用 工业机器人 辅助定位完成的神经外科活检手术，首次将机器人技术与医学相结合，自此开启了医疗机器人的新纪元。医疗机器人属于高端医疗器械，具有高技术壁垒、高准入门槛、高附加值等特点。我国医疗机器人种类较多，主要包括康复机器人、辅助机器人、手术机器人、非治疗服务机器人以及其他机器人等，其中康复机器人占主要比重，比例达到41%，其次为辅助机器人，占比为17%，手术机器人占比16%，非治疗服务机器人占比8%。2006年5月，意大利进行了第一起无人操作的机器人手术；2008年6月，德国航空航天中心(DLR)开发出了第一个拥有力反馈的微创手术机器人系统；2010年9月，卢布尔雅那大学医学中心进行了一次真正意义上的股骨脉管系统机器人手术，它没有复刻人手的动作，而是在按下按钮后自行操作。2014年，我国开始引入外科手术机器人，目前主要是部分中心城市的三甲医院才有引进，昆明医科大学第二附属医院、浙江大学医学院附属儿童医院等医院均引入了达芬奇医疗机器人。整体而言，医疗机器人在我国医疗领域的应用还处于导入阶段，无论是机器人本身的技术还是医护人员的操作能力都需要一个培育的过程。二、人口老龄化促使医疗机器人加速发展近年，我国人口老龄化提前进入快速发展前，据国家统计局数据显示，预计到2050年我国老年人口规模将会达到5亿。根据历次全国人口普查数据和有关人口预测的结果，60岁及以上老年人口占全国总人口的比例，由1982年的7.63%持续增加到2050年的34.1%；65岁及以上老年人口占全国总人口的比例，由1982年的4.91%持续增加到2050年的28.1%；80岁及以上老年人口占60岁及以上老年人口的比例，由1982年的6.59%持续增加到2050年的22.36%。面对如此庞大的老龄人口数量，养老难成为我国面对且亟待处理的社会问题。近日，为应对养老难问题，工信部、中国残疾人联合会联合发布关于推进信息无障碍的指导意见。意见提出，鼓励研发生产可穿戴、便携式监测、居家养老监护等智能养老设备。近年，医疗机器人成为智慧养老模式下的首选养老设备。缘于安徽合肥经济技术开发区利用互联网、物联网、云计算及大数据等技术打造的智慧养老系统已覆盖全区5个社区1个街道，向居民免费发放智能养老陪护机器人近400台。居民对社区引入陪护机器人一举动纷纷表示好评，一老人说，一个人在家难免孤单，如今有了机器人小乐，可以语音订餐、理发、线上问诊，“寂寞了，还能叫它唱个歌”。除陪护机器人外， 在人工智能时代下，康复复机器人、手术机器人、外骨骼机器人等都将得到更普遍地应用，例如穿戴式“腰部助力外骨骼机器人”，可以帮助老人搬动物品，康复机器人可以协助老人更好地恢复肌肉运动等等。有统计机构的数据预测，2021年全球医疗机器人规模将突破200亿美元；到2025年，我国医疗机器人市场规模将达到100亿元以上。国际医学专家预测，未来还有望出现纳米机器人，实现“显微”治疗或直接定向给患者的患病细胞递送药物。届时，医务机器人就能成为我们家庭保健医生，实时通过传感器监控人体健康变化、在医患之间搭建起沟通桥梁，人们足不出户就能得到优质的医疗服务保障。人工智能时代下，可以预测，医务机器人将来可以在线问诊、远程医疗，医药O2O互联网医疗企业将突飞猛进，同时智能医疗产品将利用5G技术、AI技术、物联网实现智能医疗一体化。三、医疗机器人产业链分析医疗机器人产业链可划分为上中下游，上游为机器人零部件，主要由伺服电机、传感器、控制器、减速器、系统集成构成，目前国内主要依赖进口；中游为医疗机器人整机的生产制造；下游供给于智慧医疗市场的需求端，主要应用于医疗的手术、康复、护理、移送病人、运输药品等领域。在中国医疗机器人企业覆盖的业务中，位于中游的医疗机器人整机生产企业中，主营康复机器人和辅助机器人的数量占比较高，均超过30%。国内已有10余家康复机器人企业完成一轮或多轮融资，整个赛道国内大概有20～30家企业，竞争激烈，且产品的同质化比较严重，企业之间将从临床进度、技术优势、营销能力、销售能力、产品价格等方面进行全方位的竞争。此外，医疗机器人产业呈现明显的区域集聚现象，北京、深圳、上海三地汇集了我国医疗机器人领域近半数的优秀企业。综合区域分析，京津冀地区13家、长三角地区19家、珠三角地区16家、中部地区9家、东北地区5家。京深沪三个一线城市医疗机器人产业实力最为雄厚，长三角地区由于在医疗设备领域拥有完备的产业链条、丰富的市场渠道，已经占据医疗机器人领

本文转自【cbdio.com】；9月25日下午，“永不落幕的数博会”2020系列活动——数博访问第九期走进贵州小爱机器人科技有限公司（以下简称“小i机器人”），围绕“AI赋能 打造智能化服务生态”，深度了解该公司自主研发的智能服务产品及具体应用。贵州小爱机器科技有限公司于2016年7月在贵阳落户，是一家领先的人工智能技术及产业化平台供应商。自成立以来，先后与贵阳省/市12345、省政府办公厅、省政务服务中心、省电网、农信等几十家客户达成了合作，打造了多个行业创新的AI应用场景；在刚刚公布的2020年贵州省大数据“百企引领”估秀产品和应用解决方案名单中，贵州小爱12345政务服务热线智能化解决方案还成功入选。贵州小爱机器人CTO王浩介绍，小i机器人拥有十多年的技术积累，公司目前的核心战略是把深度学习和自然语言处理技术与政务服务的相关场景，比如社会综合治理领域和12345政务服务热线业务等结合起来，创造出更多的创新应用。智能坐席助手、公共法律服务亭、自流程机器人、智能交互大屏、3D虚拟主持人等都是小i机器人自主开发的重要人工智能产品。其中，智能坐席助手以智能语音、智能语义、知识管理、大数据处理等技术为基础，实时识别坐席与用词的对话内容归类用户的服务场景，为座席人员提供实时的能力辅助和服务规范指引，能有效提升坐席的业务技能和呼叫中心的服务效率，从而提升服务质量、降低人力成本和运营风险。公共法律服务亭以实体服务亭作为载体，并基于人工智能云平台提供的智能语音、智能语义以及机器学习等人工智能技术为公共法律服务赋能，为市民群众提供普法宣传、公共法律智能咨询、专业律师对接以及法律业务自助办理等多种法律服务。智能坐席助手主要功能小i机器人技术总监杨小龙还重点介绍了刚刚入围贵州省大数据“百企引领”估秀产品和应用解决方案名单的12345政务服务热线智能化解决方案：12345智能化解决方案主要从服务、运营和政务数据治理三个方面，打造智能化的12345政务服务体系。在智能化服务层面，基于政务知识图谱，为12345实行“自助+机器人+人工”的服务模式，实现“智能化业务办理”服务闭环，为市民提供便捷化、一站式、智能化的服务。在智能化运营层面，一方面是构建政务热线事件分析处理模型及智能派单服务：使用机器人协助分析12345案件，对是否立案、案件分类、处置单位、处置方式等提供决策参考，将案件每个环节的责任精确到承办单位、业务处室、案件审核人及具体经办人。联动各案件处置单位进行案件分派、流转、催办，辅助坐席人员进行结案、满意度调查；另一方面，构建智能化运营管理能力及服务：通过智能座席助手支持座席人员提供高效服务沟通，有效提升运营效率；通过智能外呼机器人完成反馈、回访及调研等与市民的主动性交流；通过智能质检机器人等帮助中心进行智能化运营管理。在政务数据治理层面，通过构建12345智能数据分析模型，将政府各职能单位和12345热线电话及微信、互联网平台上的交互数据、工单数据等进行综合采集、分析、应用，充分挖掘数据价值，发现社会热点动向及发展趋势；并可针对政府领导社会治理的需求，针对招商引资、旅游商贸、城市交通等城市社会治理的专题，进行相关的智能数据分析，产生城市治理数据专题分析报告，使12345热线平台将成为政府进行协同治理的关键枢纽、感知社情民意的“传感器”，形成政府针对社会治理、制定政策决策的有效参考。小爱还与相关机构合作，以12345热线平台数据智能化分析为切入点，构建“社会治理智能化数据分析平台”，逐步融合政法、民生等多维政务数据，形成科学有效的社会治理数据专题分析模型和服务目录，为各地政府提供社会治理的精准数据调研、自助数据训练、关键事件分析和预警、多维度城市社会治理专题分析报告等服务。谈到公共法律服务亭的数据安全保护，杨小龙介绍，服务亭支持国密，对数据采集是进行脱敏处理后再保存，而且数据来源由专线提供，传输过程被保护且对敏感数据加密。公共法律服务亭“在以前，人工智能是一个比较科幻的技术，但在近五年来，人工智能已经慢慢走进大家，让我们的生活越来越方便。”王浩认为，人工智能是不可能完全取代人类工作的，尤其是比较有创意、有创新的工作。在可预见的未来，人工智能起到的最大作用是帮助人类工作，增强人的能力。2020数博访问活动由中国国际大数据产业博览会组委会主办，本期数博访问活动采用网络直播方式进行，期间有超过1.6万网友在线观看、参与了本次直播活动。

现阶段，电动汽车充电一直是一个有待完善的问题，因为固定的充电桩已经无法满足迅速增长的充电需求。对此，各大汽车厂商可谓是八仙过海各显神通，有建造超级充电网络的，有提供换电（池）服务的等等。日前，据官方消息，爱驰汽车旗下全资子公司——氢驰动力科技有限公司，与海盐经济开发区就CARL智能移动充电机器人项目正式签订合作协议，双方将共同投资1.5亿元以推动移动充电机器人项目商业化进程，助力国家智能充电基建发展。CARL智能移动充电机器人是爱驰针对出行充电痛点所开发的全自动电动车移动充电装置，旨在应对市场现有电动汽车充电基建难题，并针对指定充电点满位的情况，就近提供灵活的充电解决方案。据了解，CARL智能移动充电机器人采用内置电池模式，类似于一个移动充电宝，在没有车辆需要充电的时候会停放在有充电设施的位置。当有车辆需要充电时，会移动过来为车辆充电，完成充电后会自动返航回到充电设施位置补充电量。目前，CARL智能移动充电机器人提供20kWh、40kWh、60kWh三种容量版本，可满足不同车型充电需求。充电时长方面，以电池容量为63kWh的2021款爱驰U5为例，充电机器人通过60kW直流快充可以在40-50min内完成充电80%。值得一提的是，该充电机器人不仅可以满足爱驰汽车的车型，还能为同样充电标准的其他车型充电。作为爱驰汽车重点创新科研成果，CARL智能移动充电机器人于今年4月正式获得国内及欧洲共计7项专利授权，本次招商项目签约则标志该科研成果正式落地。

【每日科技网】一名38岁的女性患者在北京友谊医院(通州校区)综合对外中心减肥病房接受手术后恢复良好，能够在地面行走。病人的手术由达芬奇机器人完成，这是市分中心第一次达芬奇机器人手术。这位女性患者患有肥胖症多年，并患有高尿酸血症和脂肪肝。以前，她尝试过各种减肥方法，但没有一种奏效。她来北京友谊医院治疗。经过详细检查，北京友谊医院副院长、普外科中心主任张忠涛减肥代谢小组决定施行袖状胃切除术和胆囊切除术以实现减肥。手术在医院通州区进行，主刀医生是第四代达芬奇手术机器人。9月24日下午，张忠涛坐在手术室无菌区外的控制台前操作机器人。他用双手操作两个主控制器，用脚通过踏板控制仪器和一个3D高清内窥镜。与人眼相比，机器人的“眼睛”更加清晰，成像系统的图像更加立体清晰。在操作过程中，机械手系统可以根据情况调整角度和高度。3小时后，手术成功完成。目前女患者恢复良好，预计明天出院。友谊医院普外科中心副主任医师刘洋说:“与传统手术相比，机器人手术具有精度更高、出血更少、患者恢复更快的优点。但是手术机器人还是由医生操作，不是代替医生，而是帮助医生更好的进行手术。"北京友谊医院(通州校区)引进的第四代达芬奇Xi机器人系统是市分中心达芬奇机器人系统。未来除了减肥手术外，还可以在泌尿外科、骨科甚至肿瘤切除手术中发挥重要作用。

导语：现代经济增长理论中，把对经济增长和经济结构变迁产生广泛影响的技术定义为通用技术。换句话说，正是因为通用技术能够辐射几乎所有经济领域，最终促进社会生产效率提高，人类社会才会随着技术的更迭，持续进步。而历史上，新技术推动社会进步的过程，正是科技革命。人工智能 第四次科技革命加速到来纵观人类历程，第一次科技革命，蒸汽时代的来临。蒸汽机第一次解放了人力。第二次科技革命，机械能与电能的相互转化，动力层面的技术进一步迭代。第三次科技革命，信息时代计算机和互联网将人们更容易地联系在一起，打破了空间的隔阂。展望第四次科技革命，如果比较蒸汽机、电动机、计算机和互联网一类通用技术，那么基于深度学习、赋予机器以“智力”的人工智能技术已能够与之相提并论。从上世纪50年代的理论萌芽，到今天随着技术成熟，能够与各产业、行业形成协同配合，人工智能正帮助人类社会从动力赋能、信息赋能，逐步走向机器智慧赋能的新阶段。因此，作为新一轮产业变革的潜在驱动力，未来通过深度整合释放前几次科技革命和产业变革积蓄的巨大能量，人工智能有望在不久的将来引发经济结构重大变革，实现社会生产力的整体跃升，从而将人类社会带入到智能经济时代。科技高地 各国加紧发展布局正是看到了人工智能技术的巨大潜力，近年来，各国纷纷把发展人工智能产业作为提升国家竞争力的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才等强化部署，力争在新一代科技革命中掌握主导权。2019年，美国启动美国人工智能倡议且更新《国家人工智能研究和发展战略计划》，希望确保在人工智能领域的领导地位。2020年，欧盟发布《人工智能白皮书》，提出建立“可信赖的人工智能框架”，强化各国在AI方面的协同推进。日本政府以及企业也希望通过大力发展人工智能，逐步解决人口老龄化、劳动力短缺及医疗等社会问题。中国则是从2016年起，将人工智能的发展列入了国家战略。从2016年，国务院《“十三五”国家科技创新规划》将智能制造和机器人列为“科技创新2030项目”重大工程之一；2017年，国务院《新一代人工智能发展规划》确定了新一代人工智能发展三步走的战略目标。2019年3月，中央全面深化改革委员会审议通了《关于促进人工智能和实体经济深度融合的指导意见》；2020年，新基建政策落地，人工智能又成为七大“新基建”的领域之一。国家战略层面上系统、综合的布局，也让中国人工智能领域走在了世界前列。截至2019年，中国人工智能研究论文发表和引用数量位居世界第一、相关专利数量世界第一、风险投资项目数量世界第一、人工智能领域公司数量世界第二、行业从业者数量世界第二。从各国政府将人工智能上升到国家战略的决心，也不难看出，人工智能正成为引领经济、科技发展的重要驱动力。应用主导 助力产业升级重塑如今，人工智能作为新一轮产业变革的核心力量，将重塑经济活动各个环节，从而完成新业务、新模式和新产品的探索。其影响范围广泛，从衣食住行到医疗教育，各个领域都有与人工智能的深度融合和落地应用。互联网时代，电商行业因其天然的大数据性、高频交易特点为人工智能技术的嵌入提供了基底。借由人工智能技术在数据分析、处理上的强大能力，电商可以通过深度分析用户购买行为、类别偏向等进行精准的推荐以及营销，以提升客户转化率。淘宝最早推出的千人千面计划，即是整个电商行业人工智能应用的先驱。在金融行业这一数据活跃型领域，人工智能也成为重要一环。除了智能风控在信贷、反欺诈、异常交易监测等领域得到广泛应用外。人工智能在机构运营上也有着显著的作用。应用之一的人脸识别、活体检测可以帮助识别人物身份，从而顺利在手机或者其他远程终端上进行相关业务操作。如中国银联携手云从科技推出的智能支付产品“刷脸付”，用户只需在手机银行或云闪付APP注册开通并绑定银联卡，即可在商超、餐饮、药店、酒店、自助售货机等场景的特约商户结算时使用，安全且高效。在与国家以及城市安防结合层面，人工智能也有所建树。计算机视觉所应用的“人像识别、人脸对比”，可以追查犯罪嫌疑人生活轨迹及可能出现的场所，在打击拐卖儿童以及追查嫌疑人上有着重要作用。基于以此，素有“AI四小龙”之称的商汤科技、云从科技、依图科技、旷视科技都推出自己的智能安防产品，并与相关部门进行了合作，共同打击犯罪。不得不提的还有人工智能深耕的机器行动自主智能化。如今，在生产领域，工业机器人已经有了比较广泛的应用，比如当前在汽车制造领域、物流领域就有大量的工业机器人，例如京东的包裹分拣机器人，协同工作工业机器人等。另外，一直以来都是热点的“无人驾驶”也是人工智能技术的一种。未来若其能在全社会进行普及，对消除驾驶员负担，提升驾驶安全性，减轻拥堵，都将起到巨大的作用。面对这一将对人类出行生活产生颠覆性的变革的新技术，世界各大头部车企、科技公司纷纷布局。国外公司先行发力，包括耳熟能详的特斯拉、谷歌等。国内企业也迎头赶上，百度的自动驾驶平台Apollo已经开发至第五代；华为搭建“5G汽

在近日举行的2020中关村论坛“人工智能与城市可持续发展论坛”上，科学技术部副部长李萌介绍，我国正在推动国家新一代人工智能创新发展试验区建设，已支持北京、陕西西安、浙江杭州、浙江湖州德清等13个县市建设试验区。李萌表示，人工智能作为当今世界的一项战略性、渗透性技术，对科学技术发展以及经济社会发展都有巨大意义。目前，科技部支持北京、西安及杭州等13地建设人工智能试验区，以拓展各具特色的应用场景，形成有利于人工智能发展的区域生态。打造新一代人工智能创新发展样板城市科技部高度重视推动人工智能创新发展工作，围绕人工智能的基础研究、关键核心技术研发、产业化应用、政策试点示范等方面，推动重点任务落地实施。李萌介绍，2017年，我国发布了新一代人工智能发展规划后，科技部一方面注重基础研究和应用研究相互提升，推动人工智能研究走出象牙塔，发挥企业和市场的作用，解决应用中的技术需求问题;同时注重在应用中提炼科学问题，进而深化对人工智能相关科学问题的研究，脑科学、量子计算等前沿领域的进步都会对智能化的发展带来重要影响。在应用方面，科技部已支持北京、西安、杭州、德清等13个县市建设试验区，引领带动全国人工智能健康发展。以拓展各具特色的应用场景，形成有利于人工智能发展的区域生态，打造新一代人工智能创新发展的样板城市，以此来引领带动全国人工智能的健康发展。同时，科技部注重对内开放和对外开放相互促进，在全国建设了一批国家新一代人工智能开放创新平台;同时，科技部也建立了一批国际交流平台，供科学家们讨论基础理论及技术应用问题等。在技术研发应用和伦理治理方面，李萌介绍，科技部同步部署并发布了新一代人工智能治理的原则，强调发展负责任的人工智能，提出和谐友好、公平公正、包容共享、尊重隐私的八条原则。目前，科技部正在支持清华大学在试验区内开展人工智能的社会实验，通过长期的观察和数据积累研究人工智能的社会影响机理、规律和趋势。为完善人工智能发展的社会政策提供支撑。“这是一项基础性工作，需要长期坚持地做下去。”李萌表示。人工智能为城市发展提供服务支撑我国高度重视人工智能治理问题，除发布《新一代人工智能治理原则》，还探索建立人工智能治理国际交流平台，推动发展负责任的人工智能。据了解，人工智能创新发展试验区以城市为单位建设，通过重点推动人工智能技术示范、政策试点和基础设施建设等工作，促进了人工智能与经济社会发展的深度融合，为智能时代的城市治理提供了重要支撑。李萌表示，新冠肺炎疫情发生以来，许多城市因势而为，加快人工智能的推广应用，极大提高了诸如病区管理、流行性病学调查、药物研发、辅助医疗诊断、社区防控等工作的效率。“大量的人工智能技术投入到实际运用中，在医疗健康、智能制造、物流配送、在线办公等领域催生了新的应用场景。在疫情监控、风险分析预警、交通出行、同行查询等方面，也提高了社会治理的水平。”他表示，科技部将以人工智能试验区为抓手，指导试验区加强内涵式发展，全面落实新一代人工智能发展规划任务，促进任务的落实落地，促进人工智能更好地服务城市可持续发展。在加大人工智能技术的研发方面，将及时总结城市发展面临的治理难题和迫切需求，提炼人工智能的科学问题、技术问题，围绕自身的特点加强人工智能在交通、医疗、教育等城市治理领域的关键核心技术研发。在推动人工智能赋能城市发展方面，将大力培育人工智能新兴产业，利用人工智能技术提升传统行业和服务业水平，有效地服务经济高质量发展和社会民生改善。在探索智能时代城市治理的新方式方面，将推动出台相关政策和措施，营造人工智能健康发展的良好环境，充分利用人工智能来提高政府治理效率和服务水平。“城市人口密集、资产集中、应用场景丰富，迫切需要发挥人工智能的作用来提高城市运行的效率，加快走向可持续发展的道路。”李萌说。（中国工业新闻网）

2020年，人工智能已经深刻地走进了人类生活。但是人工智能不断智能化发展的同时也带来了一些现实问题：人工智能的责任归属、法律边界该如何处理？还有人们最关心的：人工智能是否真的会威胁到人类……出品："格致论道讲坛"公众号（ID：SELFtalks）以下内容为腾讯研究院法律研究中心副主任、首席研究员蔡雄山演讲实录：很多时候我们会把人工智能理解为机器人，这是大家比较简单的一个理解，事实上人工智能现在已经深入到我们生活的各个细节。比如现在的地图导航，我说我想到哪里，它就能导到哪里，这是人工智能的语音识别应用。一个扫地机器人，扫地的时候它可以躲避障碍物。目前最大的问题是扫地机器人虽然可以躲避障碍物，但是地是否已经扫过，它没办法区分，还需要人工的操作。所以现在有人说：“人工智能现在主要还是靠人工”。打开手机APP，所有的APP里面基本有人工智能，比如人脸识别、语音识别、图象识别等等，都是人工智能技术的应用。大家不要把人工智能狭隘的理解成机器人，人工智能已经深刻的走进了我们的生活。人工智能带来的问题人工智能不是一个神话，也不是一个笑话。那么人工智能的时代会给我们带来什么样的法律问题，或者制度方面的问题呢？请大家看两首诗，名字都叫《偶得》，其中一首是人工智能写的，另一首是宋代的词人秦观写的，哪一首是机器写的？很多文学修养很好的人会觉得，右边这首诗不会是秦观写的，因为“水气昏昏上接天”的“昏昏”好像不符合古典诗词的韵味。但是右边这首正是宋代词人秦观写的，而左边看起来非常工整的这首诗是机器写的。那么问题来了，左边的这首诗毫无疑问也是有创造性的，这首诗知识产权属于谁？是机器还是操作机器的人？人工智能的法律边界这个故事并不很遥远，微软机器人小冰，它出了一本诗集，叫做《当阳光失去了玻璃》，由100多首诗组成，署名作者是小冰。但是小冰是一个软件，所以问题怎么解决呢？他们把问题提交给律师事务所，去寻找一个法律方面的答案。所以未来当机器可以写诗做文的时候，知识产权属于谁？当达到著作权创作标准的时候，知识产权属于谁，这就是产权的问题。和产权相关的另外一个问题，是数据的问题。很多科学家讲，现在的AI主要通过大数据的喂养来实现的。那么在人类的农业社会，最重要的生产资料是土地、房屋，最重要的法律制度就是产权制度。到了工业时代，最重要的东西不一定是土地、房屋，而是知识产权，比如商标、专利等等，比如可口可乐的商标就价值连城，发展出来的最重要的法律制度是知识产权制度。到了人工智能时代，数据就像传统工业时代的石油和天然气，数据已经成为一种新的生产资料，那么在这个时代中，最重要的制度是和数据相关的制度。比如，个人的数据应该怎样保护；这个数据是属于企业还是消费者；数据能不能进行交易？这些制度是和数据相关的制度，是人工智能时代非常重要的法律制度。而这个制度现在全世界都在探讨，中国也有很多案例，目前来看没有特别明确的规则，还需要进一步探讨。我再举一个例子，是责任相关的。比如，现在无人驾驶的汽车，当无人驾驶的汽车出现了车祸由谁承担责任？问题的复杂性在于，传统上说是由汽车销售商和制造商，但是当机器可以学习的时候，自动驾驶的系统也在不断更进。很多时候我们找不出事故的原因，因为机器通过深度学习，有非常复杂的算法，我们找不出事故的原因，那么谁来承担这个责任？比如传统来说，交通肇事有刑事责任，那么当无人驾驶的汽车出现了交通肇事，谁来负这个刑事责任？是生产汽车的厂商老板吗？这对传统的法律制度框架也是一种挑战。是不是人工智能时代会对我们的法律主体带来一些挑战？大家都知道，法律上有两种主体，即自然人、法人。公司企业是一个拟制的法律主体，当有一天人工智能发展了，智力和人一样，那么机器人能不能成为法律上的主体？这也是一个可以思考的问题，机器人可不可以拥有财产？可不可以谈恋爱？可不可以有投票的权利？这都是我们值得去思考的问题，当然它比较遥远，但是有些国家已经开始探讨了。比如，欧盟在去年的时候就提出，是不是可以赋予机器人电子上的人格，让它可以享受权利、承担义务。我想说的是，从产权、责任包括法律主体角度，人工智能时代对传统的制度带来了一些挑战。机器人威胁论但是整体来讲，这些挑战都是我们通过理性思考和制度设定可以去解决的。最后我想说，现在有很多观点讲人工智能怎样去毁灭人类，还有一些威胁论。其实我觉得，我们真正担心的应该是人。我们不用担心机器变得像人一样聪明，真正应该担心的是，人会变得像机器一样没有情感，非常麻木，没有价值观。这样的世界才是可怕的世界。我们应该带着一些美好的价值向往，走进人工智能时代。“格致论道”，原称“SELF格致论道”，是中国科学院全力推出的科学文化讲坛，由中国科学院计算机网络信息中心和中国科学院科学传播局联合主办，中国科普博览承办。致力于非凡思想的跨界传播，旨在以“格物致知”的精神探讨科技、教育、生活、未来的发展。获取更多信息。本文出品自“格致论道讲坛”公众号（SELFtalks），

Rambus IP核产品营销高级总监Frank Ferro当前，随着人工智能/机器学习(AI/ML)的极速兴起，智能技术正被广泛应用于制造业、交通、医疗、教育和金融等各个领域，人工智能将掀起下一次工业革命。中国作为全球人工智能发展最快的国家之一，正备受瞩目。根据德勤最新发布的统计预测数据显示，2020年全球人工智能市场规模将达到6800亿元人民币，复合增长率(CAGR)达26%。而中国人工智能市场的表现尤为突出，到2020年市场规模预计将达到710亿元人民币，自2015年至2020年，五年间的复合增长率高达44.5%。近年来，中国正在积极推动人工智能与实体经济的融合，从而实现产业的优化升级。2017年7月，国务院印发了《新一代人工智能发展规划》，这一规划与2015年5月发布的《中国制造2025》共同构成了中国人工智能战略的核心。这份具有里程碑意义的规划，对人工智能发展进行了战略性部署，力争到2030年把中国建设成为世界主要人工智能创新中心。此外，2020年是中国的新基建元年，而人工智能作为一大重点板块，势必成为新基建的核心支撑。在此背景下， 中国人工智能产业规模在2019年末达到510亿元人民币，其中人工智能企业超过2600家。随着中国加速推进人工智能应用以引领经济增长，这一趋势将推动计算机硬件和软件各方面的快速发展。Rambus在最新发布的白皮书中探讨了内存带宽对AI/ML的重要作用，特别介绍了HBM2E和GDDR6内存优势和设计注意事项。白皮书还解释了每种内存在整个AI/ML架构中的适用性，以及如何利用Rambus HBM2E和GDDR6接口解决方案来实现一个完整的内存子系统。以下是白皮书的一些重要内容：AI/ML步入高速发展期作为AI/ML的关键应用场景，训练与推理能力的发展，从某种程度上代表着人工智能的高速发展。从2012年到2019年，人工智能训练集增长了30万倍，要求人工智能计算机硬件和软件的各个方面都需要不断的快速改进。与此同时，人工智能推理正在网络边缘和广泛的物联网设备中采用，包括在汽车/ADAS中。支持这一发展速度需要的远不止摩尔定律所能实现的改进，摩尔定律在任何情况下都在放缓，这就要求人工智能计算机硬件和软件的各个方面都需要不断的快速改进。内存带宽是影响AI发展的关键因素内存带宽将成为人工智能持续增长的关键焦点领域之一。以先进的驾驶员辅助系统(ADAS)为例，第3级及更高级别系统的复杂数据处理需要超过200 GB/s的内存带宽。这些高带宽是复杂的AI/ML算法的基本需求，在道路上自驾过程中这些算法需要快速执行大量计算并安全地执行实时决策。在第5级，即完全自主驾驶，车辆能够独立地对交通标志和信号的动态环境作出反应，以及准确地预测汽车、卡车、自行车和行人的移动，将需要超过500GB/s的内存带宽。随着新一代AI/ML加速器和专用芯片的快速发展，新的内存解决方案，如高带宽内存(HBM、HBM2、HBM2E)和GDDR6 SDRAM(GDDR6)渐被采用来提供所需的带宽。HBM2E和GDDR6助力新一轮人工智能应用浪潮鉴于AI/ML的需求分流的特性，内存的选择取决于应用：训练还是推理。HBM2E和GDDR6这两种高带宽内存，都可以起到至关重要的作用。对于训练来说，带宽和容量是至关重要的需求。特别是考虑到训练集的规模正以每3.43个月翻一番的速度增长。此外，在数据中心运行的训练应用程序因电源和空间所致的限制越来越大，因此有一个提供更佳能效和更小尺寸的解决方案是一大加分。考虑到所有这些需求，HBM2E是AI训练硬件的理想内存解决方案。在推理的情况下，带宽和延迟对于实时操作的需求至关重要。对于人工智能推理这一日益具有挑战性的领域，GDDR6是一个理想的解决方案。建立在成熟的制造工艺基础上，其出色的性价比使其适合广泛的采用。Rambus提供全面且现成的HBM2E和GDDR6内存接口解决方案，可集成到AI/ML训练和推理SoCs中。最近，该公司的 HBM2E内存接口解决方案实现了创纪录的4 Gbps性能。该解决方案由完全集成的PHY和控制器组成，搭配业界最快的，来自SK hynix的3.6Gbps运行速度的HBM2E DRAM，该解决方案可以从单个HBM2E设备提供460 GB/s的带宽。此性能可以满足TB级的带宽需求，针对最苛刻和最先进的AI/ML训练和高性能的加速器计算(HPC)应用而生。总的来说，训练和推理有其独特的应用需求，可以通过定制内存解决方案来支持。HBM2E是AI训练的理想选择，GDDR6是AI推理的理想选择。设计师可以通过与Rambus合作来克服这些架构中固有的设计挑战，从而实现这些高性能内存的长处。特别提醒：本网内容转载自其他媒体，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或

近日，首都医科大学宣武医院卢洁教授团队在Nature子刊《Nature Communication》在线发表了题为《Rapid vessel segmentation and reconstruction of head and neck CTA using 3D convolutional neural network》的研究论文。该研究首次利用3D卷积神经网络设计开发一个可实现头颈CTA血管分割的后处理系统，自动完成头颈CTA血管重建，通过人工智能（AI）自动去骨，在提高精准度的同时，避免二次扫描，降低患者辐射剂量。论文第一作者为傅璠博士、通讯作者为卢洁教授。目前，临床完成头颈CTA的图像后处理主要依赖于技师手动勾画重建，平均一个病人的后处理时间约20-30分钟。随着头颈CTA检查数量的不断增多，后处理重建技师的工作压力逐渐增大。同时，由于头颈血管走形迂曲且与颅骨关系密切，对人工智能的算法也提出了更高要求。本研究利用基于生理解剖结构分区的3D神经卷积网络，分别对主动脉弓、颈动脉及颅内动脉进行精准分割提取，结合连通性生长预测网络（CGPM），完成头颈CTA血管重建。图1：CerebralDoc系统的骨分割和血管分割流程图。a: 3D ResU-Net结构单元实现头颈CTA中骨和血管的自动分割；b: 全系统流程图，ResU-Net 1和ResU-Net 2用于实现骨分割，ResU-Net 3 实现血管分割，最后CGPM生长网络用于血管断裂处的连接，完成图像后处理。本研究纳入多中心共18766例行头颈CTA检查的患者（9370例男性和9396例女性，平均年龄63.2岁）进行模型构建，算法评价指标戴斯相关系数、血管加权分数和召回率均达到90%以上。之后前瞻性纳入152例CTA图像进行AI重建与技师手动重建的比较，AI重建的合格率为92.1%，且与手动重建相比，AI重建VR图像的血管边界更光滑、最大密度投影重建（MIP）图像的去骨效果更佳。本文同时总结分析了2019年7月-11月该系统在宣武医院的应用情况。该系统将图像的平均后处理时间由14.22±3.64min减至4.94±0.36min，技师点击次数由115.87±25.9下减至4下。图2：AI重建和手动重建图像质量的比较。第一列可见AI 重建图像血管管壁更加光滑，分支显示更远；第二列可见手动去骨受扫描的影响较大，g图可见血管周围大量骨残留影响其观察，对同一病例AI通过增强扫描完成去骨，去骨效果良好，同时避免进行二次扫描。本研究报道的人工智能头颈CTA后处理重建是目前国内首个针对头颈血管分割提取的大规模研究，研究结果不仅体现了卷积神经网络在医学图像后处理的应用优势，而且反映了人工智能后处理重建系统在临床的应用价值和潜力。未来人工智能有望继续为推进疾病精准诊断，优化医疗服务流程，提高医疗服务效率做出更大贡献。来源：宣武医院

从战胜韩国围棋天才李世石的“阿尔法狗”，到拥有主持人、记者、歌手、诗人、画家、设计师等多种职业，甚至可以发单曲、出版诗集，人工智能正在随着技术的不断进步，高调融入我们的生活，并且展现出了令人类叹为观止的智慧。利用量化的云数据进行天气预报，探索使用实时天气数据来控制输出。现实的变革正在冲击着每一个“现代人”的想象力。身处变革中的个体，明显感受到了时代转化进程的加快：科学技术对人类生活的介入深度，早已远超以往。过去的科学技术对人类的影响，仅仅如衣服一般停留在表面；而在未来，科技于人类的关系将是“嵌入式”的无所不在。不知不觉，“焦虑”正在成为现代人的普遍情绪。未来的不可预见让人们感到失控：当全身上下都是传感器，整个世界都是“可编程的”时代来临，作为人类，在被人工智能“吃干抹净”之后，还能留下什么样的“舍利子”？迎接挑战：未来属于STEAM人才不可否认的是，我们确实在享受人工智能为我们带来的生活便利。人工智能已经融入千行百业之中：于生活，从扫地机器人、AI助手，到人脸识别、个性化推荐，这些科技产物于我们早已司空见惯。于工作，人工智能正在将人类从重复劳力型工作中解放出来，去从事更加富有创造性的工作，从而提高整个社会的活力。于商业，通过人工智能分析用户行为大数据，精准把握用户的痛点，让商家总能售卖“你真正想要的产品”。但这也是人工智能对于人类潜藏的危机。一部分劳动力被替代，人类的隐私在大数据时代下基本处于透明状态，当整个社会充斥着规则化、程序化的机械，人类的“自我”世界会随之退化。为了应对未来人工智能时代的竞争，人类也需要积极备战。麦肯锡在2017年的一份报告中提到，预计到2030年，将有多达3.75亿的人需要变动工作和学习新技能。而达成这种能力构建，传统的单学科、重书本知识的教育方式就开始有些“不够用”了。这是一个信息爆炸带来高速变化的时代，我们学习知识的速度永远赶不上问题产生的速度。而现代生活遇到的复杂问题也与过去的知识体系产生了断层，远不是单一学科的知识储备可以解决的。我们需要学会用机器学习和处理信息，用大脑整合创新思想，用系统思维思考问题来应对未来。知识，不再是象牙塔中的“神谕”，而是调度资源解决问题的落地能力。不畏挑战：应变力、自信、创造力成为“STEAM”人才，仅仅拥有相应的学科知识基础是远远不够的。掌握复合式的学科知识以及解决问题的能力，对大部分人来说是有难度的。而解难题的成功概率，取决于是否具备挑战未知的“逆商”。研究显示，孩子天生具有学习能力。98%的3岁儿童具备天才水平的创新思维能力；而到了25岁，拥有这种能力的人只剩下不到2%。大部分人都在成长过程中被旧有的思维桎梏、打压、萎缩。为了培养应对人工智能时代的“未来”型人才，我们更应该注重从小培养孩子构建“STEAM”学科能力的底层密码：应变力、自信与创造力。人生是场长跑，失败是必经之路，成功是硕果仅存。多少人，倒在了成长中无法应对“失败”的自我苛责上。自信必须从“娃娃时代抓起”。孩子们在面对挫折、失望等等负面情绪时，一般情况下无法进行自我调节，如果缺乏适当的引导，久而久之，孩子们就会丧失学习的兴趣，甚至失去探索世界未知的勇气。成功，是需要想象力的。成功，也是需要反复迭代的勇气的。在这一点上，区别于成人对孩童“你一定可以成功的”的童话式鼓励，在乐高教育发布的“乐造新世界”概念视频中，开宗明义讲述了生活的真相：“并不是所有的尝试在第一次就能取得成功”。乐造新世界，是一种人才培养的新态度：你可以充分发挥想象力去构建世界。但当结果不如你意时，拆掉重来又能怎样？新世界的美好永远值得被“乐造”。小小的乐高颗粒作为创造力的载体，可以创造无限可能：“建造-解构-再创造”。通过初始的建造，激发孩子对创造力的兴趣；在进一步的解构中，维持孩子的好奇心和探索欲望；通过不断建造和解构的循环往复，升华孩子创造新世界的能力。也许，我们人人都需要一点“乐造新世界”的勇气。在这充满不确定的一年中，当童音朗读出“没关系”这段话时，除了鼓励孩子不断探索未知的勇气，对过得很不容易成年人也是一种温柔。动手挑战：在实践中培养能力密码拥有应变力、自信与创造力，是成就“STEAM”型人才的底层密码。但止步于此，也是完全不够的。未来并非建筑在想象力的空中楼阁之上，想象力并不等同于幻想。如心理学家皮亚杰所说:“智慧的鲜花是开放在手指尖上的。”亲自动手实践，将想象力化作真实的形状，才有机会用一次次真实的结果试错、迭代。人与机器并存的高度人工智能时代，想要把控未来，必须进化为能够实现“人机合一”的新新人类：了解人工智能，驾驭智能算法。对于如何获取这种能力，科学的教学课程也显得至关重要。LEGO® Education SPIKE™Prime科创套装是针对不同学习阶段的“STEAM教育”产品和课程。课程轻松结合不同的学习主题，大部分课程可在45分钟课时以内完成——从拼搭建模型到编程，以及帮助学生们动手体验自己的创作。在学

智东西（公众号：zhidxcom）文 | 信仪智东西9月29日消息，昨天，2020 AIIA人工智能开发者大会主论坛在北京石景山首钢园区内举行。首钢园区内美团自动送货、自动驾驶汽车、自动滑板车在路上行驶，会议现场还有机器人帮忙导览和送水，演讲内容还会通过“百度AI同传”实时进行文字翻译和转写，科技感满满。这次会议聚焦人工智能的开源、开放、开发，为人工智能领域的开发者社区、开放实验室揭牌，发布了人工智能抗疫、智能化分级等方面的评测结果。在积极发展开源的同时，会上还同样强调人工智能环境下的道德伦理问题，针对人工智能的治理问题发布了白皮书。▲主持人与AI合成主播本次主论坛上半场由央视主持人携AI合成主播共同主持，在会上，中国人工智能产业发展联盟（AIIA）公布了5大核心信息，分别是：1、 为中关村开放实验室（人工智能领域）授牌、中关村人工智能开发者社区聚集区揭牌、数字人产业推进方阵暨中关村数智人工智能产业联盟数字人工作委员会揭牌；2、 发布人工智能抗疫、智能化分级和可信评估评测结果；3、 发布《人工智能治理白皮书》《智能文字识别（OCR）能力测评与应用白皮书》；4、 百度、旷视人工智能开源大赛颁奖；5、 发布“拥抱开源，共建AI开放创新高地”的倡议，并展现可信赖AI的功能。▲人工智能抗疫、智能化分级和可信评估结果通过的企业颁奖在会议过程中，小米副总裁崔宝秋呼吁开源贡献者真正合力，并为AI开源时代提出4个建议，华为昇腾计算生态发展部的刘鑫对华为昇腾处理器的现状及发展做了解读，百度副总裁刘雅雯解读了百度大脑飞桨深度学习平台的用途，旷视、腾讯等企业代表也分别上台展示了各家在AI开源方面的成果以及未来规划。在下午的主论坛上，杭州代表接过AIIA会旗，宣布AIIA 2021人工智能开发者大会正式启动。此外，来自司法、医疗、通讯等行业的代表分别介绍了针对不同群体人工智能挑战赛的情况。一、人工智能感知发展的同时，注重伦理道德治理会议伊始，工业和信息化部科技司副司长朱秀梅为大会致辞，她说，人工智能与实体经济的融合是当下的重点任务，目前人工智能依旧面临着产业落地场景、范围窄等问题。面对疫情场景，开发者要积极使人工智能赋能技术，成为科技抗疫的亮点之一，同时也要加强其他方面关键核心技术的研发，营造有序的产业发展环境。中国工程院院士郑南宁也通过大屏幕，向在场的嘉宾和媒体等传达了他对未来人工智能的看法，他认为，目前的人工智能还较局限在机器领域，未来人们可能会更关注机器更像人的方面。▲中国工程院院士郑南宁上个月，马斯克发布脑机接口的新闻引起了业界不小的轰动，对此，中国工程院院士戴琼海发表了自己对脑科学与新一代人工智能的看法。戴琼海从人工智能的历史谈起，他说人工智能的发展离不开脑科学的贡献，但是在人工智能和机器人领域著名的莫拉维克悖论（Moravec’s paradox）认为：“让计算机在智力测试或者下棋中展现出一个成年人的水平是相对容易的，但是要让计算机有如一岁小孩般的感知和行动能力却是相当困难甚至不可能的。”莫拉维克悖论指出：和传统假设不同，对计算机而言，实现逻辑、推理等人类高级智慧只需要相对很少的计算能力，而实现感知、运动等低等级智慧却需要巨大的计算资源。戴琼海认为，未来人工智能将会努力成为具有人格、品性的人，但是在这种情况下，人工智能伦理就更为重要，因此在伦理、道德、法律方面牢牢拴住人工智能尤为必要。▲中国工程院院士戴琼海在本次的AIIA大会上，中国信息通信研究院副总工程师王爱华发布了《人工智能治理白皮书》，她说这一白皮书的推出，能够让人们在当今的人工智能治理环境下，更好地了解人工智能的内涵、治理机制、治理进展等方面的信息。《人工智能治理白皮书》主要强调了以下5方面，包括：人工智能开辟治理新需要、全球积极构建人工智能治理机制、以伦理为导向的社会规范体系、以法律为保障的风险防控体系以及人工智能的治理展望。二、小米、华为等展示AI开源新成果在会上，华为、小米、百度、旷视、腾讯等企业代表纷纷展示了他们在AI开源方面的新成果。小米集团副总裁崔宝秋称，今年是AI、IoT、5G融合的智能新时代，从IoT到AIoT的过程是个质变，包括从GUI（图像交互）到VUI（用户交互），从个体到整体，以及从互联互通到以人为中心智能服务三个方面。崔宝秋说，在如今的AI时代，世界上各大AI巨头都在拥抱开源，AI和开源相互促进。但是在目前的开源时实践中，仍旧还存在着拿来主义、缺乏共享以及不够开放的问题，很多公司代码开源，而项目管理“闭源”的作为并非符合真正的开源精神。崔宝秋作为小米公司的代表在会上针对AI开源时代提出了四个建议，分别为：倡导包括代码开源和数据开源的广义上的开源、倡导开放、向善、合力的开源。华为昇腾计算战略与生态发展总经理刘鑫对华为昇腾处理器的发展现状做了解读。他说，华为的昇腾处理器是面向AI的处理器。从算法方面来看，过去业内主要还集中于发展创新业务，而未来各种场

作为现代产业变革的核心驱动力，人工智能在诸多领域的需求正逐渐爆发，人工智能产业发展与产教融合，也成为整个行业都在关注的焦点。2020年，人工智能产业发展有什么新趋势，人工智能教育应用又有哪些新理念，产教融合的创新实践对人工智能产业发展有何启发？9月21日于北京举办的“2020科技赋能教育——人工智能名师工作室”专场活动上，威盛人工智能研究院副秘书长黄鸣曦、北京理工大学教授杨毅、北京大学学习科学实验室课题研究组成员肖海明、腾讯人工智能高级教研经理赵天哲和中国职业创客联盟负责人程晨等，来自知名高校、科研机构、互联网头部企业以及创客联盟的专家，围绕人工智能产业发展及产教融合进行了主题分享，就“如何培养人工智能领域下的教育思维、如何提升创新能力、如何做好基础教学规划”等话题，与来自首师大附中、北京十三中、一七一中学、和平街一中等20余所学校的一线科技教师进行了互动讨论。圆桌会议环节，专家们围绕“如何让科技更好赋能创客教育”议题进行了集中深入探讨，在提升科技教师的科学思维与教学理念方面给出了明确建议。其中，威盛人工智能研究院副秘书长黄鸣曦在“关于现代产业发展与青少年人工智能教育方法”的主题分享中，展现了威盛人工智能研究院在科技赋能教育、人工智能教育应用等领域的探索实践成果，被认为是人工智能教育及应用的典范，引发现场专家及老师们的兴趣与共鸣。为践行科普理念和实践双升级，名师工作室特开展了以课程设计、开源硬件、图像识别、算法编程为主题的人工智能工作坊。来自威盛人工智能研究院的培训讲师张进，通过具体应用案例，带领现场的科技教师们动手实践，普及人工智能技术与知识。黄鸣曦表示，威盛人工智能研究院始终把“持续焕新人工智能教育思维和方法、不断推动人工智能教育课程创新和模式创新”作为核心任务，并结合自主创新实践案例，不断拓宽一线教师的科技视野和创新能力，多方联动推动产教融合，发展和培养更多科技教育人才。“2020科技赋能教育——人工智能名师工作室”专注于为科技教师提供更多学习、展示、交流的平台，推广大中小学相关课程教学经验，促进人工智能教育科技教师的能力提升。威盛人工智能研究院在普及人工智能热点前沿技术、突出科学思想方法传播、聚焦科学思想方法的研究等方面，与人工智能名师工作室的宗旨不谋而合。实际上，过去的几年里，围绕人工智能与中小学、中高职、大专院校等教育教学的融合发展方面，威盛人工智能研究院进行了持续深入的创新实践，推出的人工智能教育相关解决方案，对一线科技教师在课堂教学及知识、能力提升方面，起到很大的帮助，在行业内引发强烈反响。一方面，与全球人工智能专家及教育学专家，共同研究开发了各类人工智能课程，培养出一大批具备人工智能知识及素养的人工智能教师;另一方面，努力推动与中小学、中高职、大专院校等院校的合作，通过共建人工智能实验室在内的多种形式，推动校园AI教育的落地实践。现如今，人工智能已逐渐成为所有产业的基础，人工智能教育和产教融合，是推动产业发展的关键。未来，不论是研究机构还是AI领域行业巨头，只有不断拓宽产教融合创新能力，助力人工智能+教育发展，促进科技教师们在人工智能教育领域的能力提升，推动AI技术创新和产品成果转化，才能真正赋能科技未来，聚焦人工智能人才，引领新时代。威盛人工智能研究院也会积极响应国家号召，打造人工智能教育生态链，为国家培养人工智能领域的智能创新型人才，提供源源不断的新动力!

楚天都市报9月28日讯（记者刘丁维 见习记者张建林）今日下午四时，湖北省人民政府新闻办公室召开新闻发布会，解读“武汉市获批建设国家新一代人工智能创新发展试验区”相关情况，并回答记者提问。参加发布会的人员包括：省科技厅副厅长周德文；省发改委二级巡视员蔡铂；武汉市科学技术局副局长胡军；东湖高新区科创局副局长夏天。就会上，记者提出的，对于多地出台加快推进人工智能发展政策，湖北省科技厅制定出台的政策有何优势和特色这一问题，省科技厅副厅长周德文认为，“人工智能好不好用，有没有效率，不在行业领域的各种场景中应用，就是海市蜃楼。场景应用是检验人工智能的‘金’标准。”据周德文介绍，湖北省出台的《新一代人工智能发展技术创新工作方案》，重点通过搭建人工智能技术创新场景和赛道，倒逼人工智能关键核心技术攻关。搭建的示范场景可见可体验，能让人民群众切身感受到科技的力量；其次，《方案》通过典型场景示范，以点带面，能引领支撑全省相关产业智能水平整体提升。周德文强调，《方案》建立的“揭榜挂帅”机制，可以充分调动各个层面的人工智能建设需求，助力新基建，双循环建设。利用较少财政资金，可带动较多社会投入。与此同时，还可以围绕人工智能场景需求，通过政府引导，牵引龙头企业带动省内高校、科研机构开展最前沿人工智能技术攻关。【来源：楚天都市报】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

网络【天极网IT新闻频道】9月22日、9月24日，华为耀星・领航计划出海峰会分别在武汉、长沙召开，与全国开发者共同探讨中国应用出海新方向。《HMS Core机器学习服务助力开发者构建全场景AI》作为峰会的主要议题之一，华为机器学习服务(ML Kit)首席架构师出席了峰会，为开发者介绍了ML Kit丰富且功能强大的各类AI能力，助力开发者更快更好地开发各类AI应用。ML Kit面向全球开发者提供了文本类、语音语言类、图像类和人脸人体类等AI服务。ML Kit文本类服务：支持多语种识别，且识别准确率高，比如文本有30°的倾斜或45°的弯曲，ML Kit都能准确识别。因优异的性能表现，文本类服务深受国内外开发者的喜爱，日平均调用量超过3000万次。ML Kit语音语言类服务：峰会上主要介绍了ML Kit的实时语音识别(ASR)和语音合成(TTS)服务。华为自研的ASR算法，采用行业先进的深度学习技术，识别准确率可达95%以上(数据来源于华为实验室)。并且深度优化了ASR常用的购物搜索、影视搜索、音乐搜索以及导航等场景中的识别能力，进一步提高了这几类场景的识别准确率。ASR目前已支持识别中文普通话、中英文混说、英语、法语、德语、西班牙语、意大利语，后续还将提供更多语种的识别，为国内开发者面向全球推广自己的应用提供了极大的便利。作为ASR的“孪生”服务，TTS服务同样采用了华为自研的算法，采用深度神经网络合成方式，开发者可通过快速集成端侧SDK，实时输出音频数据，输出的音频顺滑、自然。ML Kit图像类服务：提供广泛应用的图片分割、图像分类等功能。其中ML Kit图像分割功能提供发丝级的抠图能力，贝格蓝斯产品经理程锡慧在现场给开发者分享了集成ML Kit图像分割服务的经验。贝格蓝旗斯下的ProKnockOut产品，通过集成ML Kit的图像分割能力，实现了APP中AI抠图、拍证件照、替换天空等多个亮点功能。程锡慧表示，ML Kit的图像分割服务不但效果好，而且为离线模式，用户数据不需要上传到云端，极大地保障了用户个人数据的安全性。她还表示，图像分割服务不仅帮助贝格蓝斯节省了开发和运营成本，还帮助提升了用户体验。ML Kit人脸人体类服务：提供人脸检测、人体骨骼检测、活体检测、手部关键点识别等功能。最新推出的数字人服务，引起酷似真人的发音和嘴部动作，在峰会现场受到了开发者的推崇。ML Kit不仅提供了能直接调用的AI模型，还提供了可供开发者自定义模型的服务。开源开放的MindSpore +Lite框架、零基础入门的AI Creat工具、ML自有的模型托管平台，为开发者训练自己的AI模型提供了端到端的便利。践行了ML Kit“把复杂留给自己，把简单留给开发者”的原则。从去年12月底发布至今，ML Kit国内外集成数已达数千个。正如华为消费者业务CEO余承东在HDC 2020中所说：“没有人能够熄灭满天星光，每一位开发者，都是华为要汇聚的星星之火。”我们期待ML Kit带来更多的AI服务，助力每个开发者发光! 免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。（广告资讯）

编辑导语：随着科技的发展，AI、机器学习等逐渐出现在我们的生活里，有了这些的出现，我们进行搜索时会变得更加准确和智能；本文作者详细介绍了机器学习在搜索中的应用，我们一起来看一下。AI、机器学习，是现在媒体的高频曝光词，市面上的很多应用都逐渐接入了AI的能力；搜索这样的‘古董’级产品，其实也是应用机器学习技术的先驱。本次从搜索的一个场景——搜索结果排序，来聊聊机器学习在搜索产品中的应用。一、为什么有机器学习排序先从搜索的常规三步骤：query解析->召回->排序说起。用户输入一个搜索关键词（也称为query），通过分词/语义理解后，将从系统数据库中召回大量相关的内容；接下来的问题就是如何对成百上千条的数据进行排序，把用户搜索意图最相关的内容排在前面。1. 传统的排序方法排序：是对一系列的数据按某些特征因子进行排名，特征的选择以及特征权重的赋予；将影响内容排序的先后，一套排序规则的确定通常需要产品专家与算法专家共同设计。对于特征的选择，可以按内容的属性特征与文本相关特征分为两类。内容的属性是由业务性质所决定，比如电商业务，内容属性特征就可以包括价格、销量、加购、收藏、库存、类目、品牌、上架时间、评论、商家信誉等；视频类业务就可以考虑播放时长、观看量、完播率、点赞、收藏、评论数、转发数、主题类型等。文本相关特征，则主要是query和内容的文本属性，如query对应内容文档的BM-25、TD-IDF分值、内容文档的不同范围（如标题、简介、广告词、URL链接、描述等）的语言模型得分等，这一块主要以算法专家主导。特征选取后，再对所有特征赋予一定权重，最后对加权的特征计算一个相关性的总分，就可以对结果进行排序，方便理解起见，把排序打分想象为以下的组合公式：F_score = W1*X1+W2*X2+…+Wn*XnX就是某一项特征，W就是对应特征的权重系数，在实际应用中，通常可以由产品与算法专家们基于对实际业务的理解并结合定期的数据反馈不断进行特征与权重的调整。2. 机器学习排序随着业务愈发复杂，特征愈发多样，影响一次搜索的因子可能达到几十甚至上百个，每个特征因子都由人工进行调权将变得愈发困难。那么能否把专家的经验固化为系统自动化的方式呢，机器学习排序的方式应运而出。机器学习，是教会系统从历史数据的事实中总结经验，形成规律并对未来新的数据进行预测。参照传统专家排序，机器学习解决排序问题的思路大致分为以下三步：定义学习目标、明确学习策略、找到达成目标的最优解。1）定义学习目标即系统要解决什么问题，对于搜索排序通常就是如何更好的提升结果的点击率；但是结合业务再深挖一步的话，指标选择可以更细化，比如电商则希望能提升订单的成交率，视频则看重点击后是否能提升观看时长等——不同的业务目标最终决定了机器要学习成怎样的结果。2）明确学习策略解决的是系统如何去学的问题，为此要给机器确定学习的范围与学习的养料。学习的范围，即判断系统达成目标需要包含哪些因素，解决思路其实与经典排序的特征因子选择的思想同出一源。让我们再回看上文提到的排序打分公式F_score=W1*X1+W2*X2+…+Wn*Xn，特征的个数及其意义，就组成了系统学习的范围框架；在选择特征因子这个过程中，特征的设计都可以由业务专家们提供指导；当特征因子的组合能愈发表征我们的学习目标，模型效果往往愈发逼近业务期望。比如我们现在要优化电商业务的搜索，假定目标是提升搜索带来的下单转化率，那么可以考虑从如下四个维度构建影响目标效果的特征：特征敲定了，接下来就是把数据来源拿过来——数据采集，如商品交易数据源头在订单系统，另外如行为数据，则需要对前端进行埋点采集；这可能会需要与多个业务系统对接或者从数据仓库中取数，在系统对接之前，一定要先确定数据的口径是否与特征意义保持一致。3）找到达成目标的最优解最后一步其实就是建模的过程，包括模型选择、模型训练、模型评估；有了特征数据，算法工程师可以依据经验选择某类机器学习的模型，对特征进行组合与学习，最终完成对目标的求解。以上是机器学习排序构建的思路，下面将用白话的方式简要介绍排序学习的算法原理，不关注技术算法的同学可以略过~二、LearningToRankLearningToRank（LTR）是一种用来解决排序问题的算法框架思想，本质上属于有监督学习的过程，感兴趣的同学可以参考文献1、2等进一步研究。1. 学习方式分类LTR按学习方式的不同分为三类，单文档方法（Pointwise）、文档对方法（Pairwise）和文档列表方法（Listwise）三类。1）Pointwise单文档方法是对于给定的查询query，某一单个文档结果与查询的关联程度，例如查询‘华为’，点击了华为手机，那么只有华为手机是与搜索词’华为’关联的，华为平板电脑、华为手表都是该查询词的负样本。2）Pairwise文档对方法考虑的是对于给定查询词query，返回的结果中两个文档对之间的相对相关

全文共2487字，预计学习时长7分钟图源：unsplash机器学习已然成为许多领域的大热词。但其实，真正了解机器学习的人还是少数，大多数人属于以下两个阵营：· 不懂机器学习算法；· 知道算法是如何工作的，但不知道为什么会工作。因此，本文试图阐述算法的工作流程和内容，尽力直观地解释其中的工作原理，希望能让你对此有豁然开朗之感。决策树决策树用水平线和垂直线划分特征空间。下图是一个简单的决策树，有一个条件节点和两个类节点，表示一个条件以及判断满足该条件的节点属于哪个类别。请注意，标记为不同颜色的字段与该区域内实际是该颜色或熵的数据点之间有很多重叠。要以最小化熵构造决策树，这种情况下，可以添加一个额外的复杂层。如果加入另一个条件（x<6，y>6），可以把相应区域的点标为红色。这个移动降低了熵值。该算法在每个步骤中都试图找到一种方法来构建树，使熵最小化。将熵的数量看作是“无序的”、“混乱的”，其对立面是“信息增益”——分频器为模型添加信息和见解的多少，具有最高信息增益（以及最低熵）特征的，分割位于顶部。这些条件的一维特征可能会被拆分，方式可能为：注意，条件1分离清晰，因此熵低，信息增益高。而条件 3就不同了，这就是它被放置在决策树底部的原因。决策树的构造确保其轻量级。随机森林模型随机森林模型是决策树的袋装版本（引导聚合），其主要含义是：每个决策树都要经过数据子集的训练，然后输入每个模型之间的传递，其输出通过如均值之类的函数以最终输出。袋装法（bagging）是一种综合学习形式。有很多类似的例子可以解释随机森林的有效性。以下是一个常见的例子：你要决定下一顿去哪家餐馆，需要他人的推荐，你必须回答“是或否”的问题，引导他们决定你去哪一家餐厅。你是选择问一个朋友还是问几个朋友，是普遍共识吗？除非只有一个朋友，多数人会选择问几个朋友。这个类比告诉我们，每棵树都有“思维多样性”，它们选择不同的数据，因此有不同的结果。这个类比虽简单明了，却未引起Andre Ye的注意。现实生活中，单一朋友选项的经验比所有朋友的经验都要少，但在机器学习中，决策树和随机森林模型是根据相同的数据进行训练，因此体验相同，集成模型实际上并没有接收到任何新信息。如果你请一位无所不知的朋友推荐，他也不会有什么反对意见。根据随机提取数据子集以模拟人工“多样性”的同一数据进行训练的模型，如何比对整个数据进行训练的模型表现更好？以具有重正等分布噪声的正弦波为例，这一单个决策树分类器自然是一个非常高方差的模型。选择 100个“近似器”，这些近似器随机选择正弦波上的点并生成正弦拟合，就像对数据子集进行训练的决策树一样。然后对这些拟合进行平均，形成袋形曲线，也就是一条更平滑的曲线。装袋算法之所以有效，是因为它降低了模型的方差，并以人为方式使模型置信度更高，帮助提高泛化能力，这也是装袋算法在低方差模型（如逻辑回归）中不起作用的原因。支持向量机支持向量机试图找到一个可以最好地划分数据的超平面，依靠“支持向量”的概念来划分两个类别。不幸的是，大多数据集并不是那么容易分离的。如果分离容易，SVM 可能就不是处理数据集的最佳算法了。考虑一维分离这样的目标是没有完美分隔线的，因为任何一个分离都会导致两个单独的类被归为同一个类。一个分裂的提议SVM 能够使用所谓的“内核技巧”解决这类问题，将数据投射到新的维度，使分离任务更加容易。例如，创建一个新维度，仅定义它为 x^2（x是原始维度）：数据被投射到新的维度，每个数据点在两个维度中表示为(x，x^)后，数据是完全可分离的。使用各种内核（最普遍、多式非分体、sigmoid 和 RBF 内核）、内核技巧可以完成创建转换空间的繁重任务，使分离任务变得简单。神经网络神经网络是机器学习的巅峰。相关发现以及在此基础上进行无限变化和改进，使其成为领域内深度学习的主题。不可否认，神经网络仍然不完整(“神经网络是无人理解的矩阵乘法”)，但最简单的解释方法是通用近似定理(UAT)。在其核心，每个监督算法都试图为数据的一些基本功能建模，通常是回归平面或要素边界。思考函数y=x2，它可以通过几个步骤建模为任意精度。这就是神经网络所能做的，也许会稍微复杂并且超越水平步骤（如下图二次线和线性线）来建模关系，但其核心就是一个分段函数近似器。每个节点都委托给分段函数的一部分，网络的目的是激活负责部分要素空间的特定神经元。例如，如果要对是否留胡子的男性进行图像分类，应将几个节点专门分配到经常出现胡子的像素位置。在多维空间的某个地方，这些节点表示数值范围。"神经网络为什么工作"的问题仍然没有答案，UAT没有回答这个问题。但它指出神经网络在某些人的解释下可以建模任何功能，可解释的人工智能领域兴起，通过激活最大化和灵敏度分析等方法回答这些问题。图源：unsplash这4种算法以及其他许多算法其实都是低纬度的，并且非常简单。这就是机器学习领域的一个关键点，我们声称在人工智能中看到的许多“魔

在过去的几年中，人工智能仍然是最热门的话题之一。为了有效地使用它，您需要了解其组成部分。实际上，下10,000个初创公司的商业计划很容易预测：以X并添加AI。通过添加在线智能来查找可以做得更好的东西在过去的几年中，人工智能仍然是最热门的话题之一。最好的头脑参加AI研究，最大的公司为发展该领域的能力分配天文数字，而AI初创公司每年收集数十亿美元的投资。如果您从事业务流程改进或为您的业务寻找新的想法，那么您很可能会遇到AI。为了有效地使用它，您需要了解其组成部分。人工智能让我们找出人工智能到底是什么。使人类通常执行的智力任务自动化的努力。因此，人工智能是一个涵盖机器学习和深度学习的通用领域，但还包括许多不涉及任何学习的方法。现代意义上的人工智能历史始于1950年代，当时艾伦·图灵(Alan Turing)和达特茅斯(Dartmouth)工作坊的作品汇聚了该领域的第一批爱好者，并在其中阐述了人工智能科学的基本原理。此外，为了成为当今世界科学的关键领域之一，该行业经历了利益激增和随后的衰退(所谓的“人工智能冬天”)的几个周期。值得一提的是强人工智能和弱人工智能的假设。强大的AI可以独立思考和意识到自己。弱小的AI被剥夺了这种能力，仅执行一定范围的任务(下棋，识别图像中的猫咪或 绘制图片，费用为432,500美元)。现有的所有AI都很薄弱，不用担心。如今，很难想象没有使用AI的任何类型的活动。无论您是开车，自拍照，在网上商店自己买运动鞋还是计划假期，几乎每个地方都有小型，薄弱但已经非常有用的人工智能为您提供帮助。机器学习学习的能力是智力的关键特征之一(人为而非真正的人为)。对于AI而言，一系列机器学习模型对此功能负责。它们的本质很简单：与经典算法不同，经典算法是一组清晰的指令，这些指令将输入的数据转换为结果，而基于数据示例和相应结果的机器学习会发现数据中的模式，并产生将任意数据转换为所需结果的算法。机器学习主要分为三类：1)监督学习 -根据数据示例对系统进行训练，每个示例均具有先前已知的结果。机器学习有两个最受欢迎的任务：回归和分类任务。回归是对连续结果的预测，例如房屋价格或制造业排放水平。分类-类别(类)预测，例如，电子邮件是否是垃圾邮件，书是侦探小说还是百科全书。2)无监督学习 -系统在数据中查找内部关系和模式。在这种情况下，每个示例的结果都是未知的。3)强化学习 是一种方法，在该方法中，系统将针对正确的行为给予奖励，而对错误的行为予以惩罚。结果，系统学会开发一种算法，在该算法中，它获得最高的报酬和最低的惩罚。理想的机器学习模型可以分析任何数据，找到所有模式并创建算法以实现任何期望的结果。但是，尚未创建此理想模型。您可以在Pedro Domingos的“主算法”中了解其创建路径。当今的机器学习模型专注于某些任务，它们各有优缺点。这些模型包括以下几种：1)线性回归 是从统计数据推导的经典模型。顾名思义，它是为回归任务(即连续值的预测)而设计的。例如，根据天气情况，多少柠檬水将被出售。2)Logistic回归 用于分类任务。它预测给定样本属于特定类别的概率。3)决策树 是经常用于分类任务的方法。在此方法中，给定对象的类定义为一系列问题，每个问题通常涉及答案是或否。4)K最近邻居 是一种简单快速的方法，主要用于分类。在这种方法中，数据点类别由与数据点示例最相似的k(k可以是任何数字)确定。5)朴素贝叶斯 ( Naive Bayes)是一种流行的分类方法，它利用概率论和贝叶斯定理确定在给定条件下某个事件(电子邮件为垃圾邮件)的可能性(在电子邮件中发现“免费贷款”一词20次) 。6)SVM 是一种受监督的机器学习算法，通常用于分类任务。即使每个对象具有许多相互关联的功能，它也可以有效地分离不同类的对象。7)集合 组合了许多机器学习模型，并基于投票或平均每个模型的响应来确定对象的类别。8)神经网络 基于人脑的原理。神经网络由许多神经元及其之间的连接组成。神经元可以表示为具有多个输入和一个输出的函数。每个神经元从输入中获取参数(每个输入可能具有不同的权重，这决定了其重要性)，对它们执行特定的功能，并将结果提供给输出。人工智能与机器学习与深度学习有什么区别https://www.aaa-cg.com.cn/data/2607.html一个神经元的输出可以是另一神经元的输入。因此，形成了多层神经网络，这是深度学习的主题。我们将更详细地讨论这一点。神经元结构图：具有两个隐藏层的人工神经网络：通过研究给定的示例，神经网络会调整神经元之间的权重，以便为对获得所需结果影响最大的神经元赋予最大的权重。例如，如果一种动物是条纹的，蓬松的还有猫的叫声，则它可能是一只猫。同时，我们将最大权重分配给猫参数。因此，如果该动物不是条纹且不是蓬松的，但是有猫的叫声-它仍然可能是猫。深度学习深度学习涉及深度神经网络。关于深度的意见可能会有所不同。一些专家认为，如果网络

AI技术在世界范围内属于顶尖范畴，许多国家都花费很大一部分精力去研究它。以往我们设计机器手臂代替工厂的普通劳工，提高工厂的生产效率。后面我们又设计智能机器人，能够替父母陪伴孩子，看顾家庭。接着男性跟女性机器人也面世了。"女性机器人"在日本卖脱销，男性称其"完美妻子"，满意度超高。前段时间"男性机器人"在欧美十分火爆，深受欧美女性的喜欢，他们高大威猛，顺从自己，体贴自己。后来"女性机器人"面世给了日本男性不一样的体验。"女性机器人"在日本被亲切地叫做"妻子"，因为在很多日本男性的眼里，这款机器人就相当于他们的妻子。这款机器人的设计采用的是防人体皮肤的材质，因此会让人感觉更加真实，体内的恒温系统会让他们保持人体的体温。再有就是这款机器人可以担任家庭中妻子的角色，为男性做家务打扫卫生，可以倾听男性的烦恼，听男性的抱怨，并且能够根据男性的情绪作出判断，给予安慰。"妻子"虽然是机器人，不像真人，但也有好处，机器人不会发脾气，让男性手足无措，也不会因为男性没有时间陪伴而大吵大闹，甚至是背叛，也不会向男性要求名牌的包装化妆品等奢侈品东西，这样的机器人让很多男性感到很放松。"妻子"最独特的一点，是可以定制相貌，制造商接私人定制，男性可以把自己喜欢的样貌发给制造商，制造商会根据男性的需求制造出专属于男性自己的机器人。每天对着一张喜欢的面孔，不会发脾气，温柔体贴，这样的机器人也难怪一面世就在日本掀起购买狂潮。

00:48随着疫情反弹，英国各地再次加强防御措施，伦敦圣潘克拉斯国际火车站特别购入了消杀机器人，帮助抗击疫情。这个高个子是丹麦一家技术公司研发的短波紫外线消杀机器人，疫情爆发后，他曾在多国和地区当起了消毒员，如今他被伦敦圣潘克拉斯国际火车站“雇佣”，在车站无人的时候对每个角落进行消杀。该机器人可发出波长约254纳米的短波紫外线，这种紫外线可以破坏微生物的DNA，实现消毒杀菌的目的，当距离目标一米距离时，短波紫外线的杀菌能力接近百分之百.这款2018年问世并投入市场的机器人，最初的目标客户是医院，今年新冠肺炎疫情在全球爆发后，不仅医院对这款机器人的需求增加，机场火车站等人流密集，人员复杂的公共场所，也纷纷购置机器人担当防疫安全员。虽说短波紫外线达到一定量时才会对人体产生危害，不过机器人工作时还是尽可能避开人群。除了短波紫外线机器人，圣潘克拉斯火车站还购置了一台超声波机器人，它可以同时完成清洁和消毒双重任务，工作人员遥控机器人滑出指定区域，让它进行两个半小时的作业。超声波机器人能够代替保洁人员工作，减少了人员被感染的几率，也让来来往往的乘客感到更安心。在圣潘克拉斯火车站之前，伦敦希思罗机场已经使用机器人协同抗击疫情。据了解，不少企业和公司也计划使用机器人对办公区域进行消毒。（编辑：斯雯）

原标题：展拓机器人技术线路图 洞察产业未来趋势机遇机器人产业被视为“制造业皇冠顶端的明珠”，是衡量一个国家创新能力和产业竞争力的重要标志之一。目前，青岛市提出打好“高端制造业+人工智能”攻势，全力打造世界工业互联网之都，而培育壮大机器人产业是其中一项重要内容。昨日，2020中国机器人产业发展大会在青岛召开新闻发布会。会上宣布，由中国机器人产业联盟、青岛市工业和信息化局共同主办，青岛高新技术产业开发区管理委员会承办的“2020年中国机器人产业发展大会”将于10月26日至27日在青岛隆重召开。青岛市人民政府副市长耿涛、中国机器人产业联盟执行理事长宋晓刚出席发布会并讲话。2020年中国机器人产业发展大会，将为青岛带来什么？中国机器人产业联盟秘书长郝玉成在会上回应记者提问，“近年来，青岛机器人产业在青岛的发展势头良好，有广阔的市场前景和较高水准的战略定位，本次大会将为青岛带来新机遇、新技术和新市场。”行业精英齐聚共商产业的发展与未来2020年是全球经济急剧变化的一年，也是我国机器人产业第一个五年计划的收官之年，更是布局机器人产业未来发展方向的重要时期。因此，如何清晰解读全球机器人产业发展趋势和内外部发展环境，积极应对挑战、抓住机遇，实现中国机器人产业的高质量发展，对我国机器人产业未来五年乃至更长一段时间的发展意义重大。记者在发布会现场获悉，本届大会将围绕“应对新挑战拥抱新技术抓住新机遇”的主题，聚焦国家产业政策、机器人细分领域与行业热点，举办2020中国机器人企业家峰会、2020中国机器人产业发展大会主论坛、国际机器人联合会IFR-中国机器人产业联盟——CRIA CEO圆桌对话、工业机器人主题论坛、服务及特种机器人主题论坛、机器人产教融合推进论坛、机器人行业与维护产业安全工作座谈会、统计信息工作会等近十场主题会议论坛及机器人成果展示等一系列配套活动。届时，来自国内外业界行业顶级专家学者、政府、企业领袖、行业组织、科研院所等各界人士，将为参会代表全面剖析机器人产业发展趋势、前沿技术、需求动向及产业发展热点问题，共同探讨新形势下机器人行业的发展与未来。权威报告发布洞察产业发展前景中国机器人产业发展大会是我国机器人领域最具权威性的行业年度大会之一，是业内外人士梳理研讨国际国内机器人产业发展态势、共商产业发展大计、引导机器人产业发展方向、促进业内外沟通交流的年度盛事和重要平台。大会自2012年以来已成功举办八届，是与国内外机器人行业企业家、行业精英、行业知名专家学者面对面沟通交流的重要平台。大会期间，将权威发布面向2035的智能机器人技术路线图、《2020中国机器人产业发展报告》、《国家出版基金项目：中国战略性新兴产业研究与发展——工业机器人》、2020年中国机器人产业联盟标准，并会同国际机器人联合会(IFR)共同发布2019年中国工业机器人市场统计数据等多项机器人产业权威报告，全方位多维度解读当下的机器人行业发展趋势，洞察产业未来发展趋势和机遇。集聚要素资源助推青岛机器人产业发展近年来，青岛市强力发起“高端制造业+人工智能”攻势，提出打造世界工业互联网之都，通过工业互联网平台赋能、产业资源汇集、核心环节产业化，培育千亿级产业新生态。7月，青岛对照山东省“十强”产业、青岛市15个攻势重新梳理，优化调整专班协调推进体系，成立了13个产业专班，涵盖新一代信息技术、新能源新材料、医养健康、现代金融、现代物流、现代高效农业、高端装备等产业。据青岛市工业和信息化局装备产业处副处长戴淑伦介绍，“机器人作为战略性新兴产业，是青岛高端制造业未来重点发展的方向之一。今年青岛市出台了《关于支持机器人产业加快发展若干政策措施的通知》，此项产业政策共10条，按照市委、市政府的要求在政策扶持上变‘大水漫灌’为精准扶持，并且遵循就高、从高的原则，主要对比深圳、安徽等国内一些先进城市来制定政策。”值得一提的是，本次活动承办地青岛高新区是国内首家“国家机器人高新技术产业化基地”，近年来青岛高新区在一系列政策支持及市场需求拉动下，集聚了一批关联度大、产业链长、具有核心竞争力的机器人研发及产业项目，正努力打造中国北方最大的机器人产业基地。截至目前，青岛高新区已经累计引进一百余个机器人产业链项目，总投资130余亿元，全市80%以上的机器人企业在此集聚。未来，通过大会平台，将进一步扩大青岛产业发展环境优良、机器人产业发展势头良好的影响，行业区域协同，促进青岛机器人等重点产业加快集聚发展。（文章来源：青岛财经日报）(责任编辑：DF372)

目前，人工智能技术愈发成熟，应用越来越普及，在餐饮行业都能见到其“身影”。以前，“智慧餐厅”只能在电影里出现，而现在已经来到了日常生活中，国内各地都开出了不少类似的科技餐厅，包括一些传统餐厅都开始使用智能餐厨设备，如餐饮机器人、送餐机器人等。图片业内人士表示，送餐机器人的应用可以一定程度上提高餐厅的送餐效率，降低人员成本，同时也能为顾客带来新的体验。一般来说，送餐机器人一次性可以运送多达十盘以上的菜品，传菜效率是人工无法比拟的，而且也能提升送餐过程的安全性，为餐饮服务人员减负。出于送餐机器人的诸多优势，越来越多的餐饮企业和餐厅都引入了相关产品，如海底捞已运用958台送餐机器人；巴奴在旗下30间餐厅启用近百台机器人协助传菜；外婆家上线200个送小吃机器人，并在疫情复工后启用送餐机器人传菜等。不仅是国内，送餐机器人在国外也备受好评，展现出强劲的应用优势与市场潜力。近日，日本软银旗下机器人子公司表示，将推出由加拿大Bear Robotics开发的自动送餐机器人，以帮助日本餐饮业应对劳动力短缺的困境，并确保在疫情期间能够保持社交距离。据悉，这款送餐机器人有一个托盘，并配备了3D摄像头和用于导航的激光雷达传感器。很显然，送餐机器人已经成为了一股风潮。除了能够为餐厅带来直接的成本利好外，机器人送餐对于餐厅吸引顾客来说，也是很大的助力。由于送餐机器人、无人餐厅的“黑科技”属性，必然会引起不少顾客的好奇，产生强烈的体验心理，并且还会乐意去分享这样的就餐新模式。有餐厅负责人就表示，自从餐饮机器人“入职”后，前来就餐的顾客和此前相比，有较大幅度的提升，为餐厅带来了不错的利润。而且，只要送餐机器人出场，就会吸引很多顾客拍照、拍视频，并分享到相应的社交平台或是线上生活平台，对于餐饮而言是免费引流。从餐厅设计布局到餐饮智能设备，这些年来餐饮行业的进步与变化历历在目。就餐饮机器人来看，其市场接受度和需求度都在快速增长，除了疫情影响、人力成本、顾客青睐等因素外，送餐机器人技术日趋成熟、产品成本降低是根本。而这一幕的实现，与人工智能、传感器等技术的升级与普及密切相关。国内不少的机器人制造商都具备了更加先进的技术实力，在开发机器人产品方面也更加得心应手，并且在不断提升送餐机器人的环境感知和运动控制能力，这使得机器人在送餐的过程中可以有更加稳定、良好的表现，从而获得餐厅、顾客的一致认可。据相关统计数据显示，2017年国内送餐机器人市场规模还只是千万级别，但是到了2020年上半年，国内送餐机器人市场规模已经接近12亿元，到今年年底必然将会超过这个数字。随着送餐机器人在技术创新上不断取得新的突破，“无人餐厅”得到更广泛的认可，有理由相信全球送餐机器人市场将呈现更加快速的增长趋势。届时，餐饮机器人有望成为服务机器人领域的一匹“黑马”，进一步激活服务机器人市场潜力，为整个产业的商业化落地带来更大的惊喜。

9月28日，2020中国机器人产业发展大会新闻发布会在青岛召开。青岛市人民政府副市长耿涛、中国机器人产业联盟执行理事长宋晓刚出席发布会并讲话。中国机器人产业联盟秘书长郝玉成介绍了2020中国机器人产业发展大会的整体安排和筹备情况。青岛市工业和信息化局一级巡视员尚立群出席本次会议。会议由青岛高新区管委副主任、工委委员蒲洪强主持。中国机器人产业联盟执行理事长宋晓刚中国机器人产业发展大会是由中国机器人产业联盟主办的，我国机器人领域最具权威性的行业年度大会之一，是业内外人士梳理研讨国际国内机器人产业发展态势，共商产业发展大计，引导机器人产业发展方向，促进业内外沟通交流的年度盛事和重要平台。大会自2012年以来已成功举办八届，是与国内外机器人行业企业家、行业精英、行业知名专家学者面对面沟通交流的重要平台。“2020年中国机器人产业发展大会”将于10月26-27日在青岛隆重召开。大会由中国机器人产业联盟、青岛市工业和信息化局共同主办，青岛高新技术产业开发区管理委员会承办，并由中国机械工业联合会（CMIF）、国际机器人联合会 (IFR)、韩国机器人产业协会(KAR)、台湾智慧自动化与机器人协会(TAIROA)、俄罗斯机器人协会 (RAR)、日本机器人协会(JARA)、美国机器人协会(RIA)、德国机械设备制造业联合会机器人与自动化分会（VDMA R+A）共同支持召开。凝聚行业共识，积极应对挑战2020年是全球经济急剧变化的一年，也是我国机器人产业第一个五年计划的收官之年，更是布局机器人产业未来发展方向的重要时期。因此，如何清晰解读全球机器人产业发展趋势和内外部发展环境，积极应对挑战、抓住机遇，实现中国机器人产业的高质量发展，对我国机器人产业未来五年乃至更长一段时间的发展意义重大。本届大会将围绕“应对新挑战 拥抱新技术 抓住新机遇”的主题，聚焦行业发展的若干突出问题，通过重点问题工作会、企业家峰会、大会论坛等多个层面多种形式，凝聚行业智慧，形成行业共识，促进机器人产业持续健康快速发展。届时，来自国内外业界顶级专家学者、政府、行业组织、科研院所、企业、资本及媒体等各界人士将齐聚一堂，共同探讨新形势下机器人行业的发展与未来。行业精英齐聚 共商产业发展大计大会为期3天，将围绕国家产业政策，机器人细分领域与行业热点，举办2020中国机器人企业家峰会、2020中国机器人产业发展大会主论坛、国际机器人联合会IFR-中国机器人产业联盟--CRIA CEO圆桌对话、工业机器人主题论坛、服务及特种机器人主题论坛、机器人产教融合推进论坛、机器人行业应对贸易摩擦与维护产业安全工作座谈会、统计信息工作会等近十场主题会议论坛及机器人成果展示等一系列配套活动。百余位行业顶级专家学者及企业领袖，将为参会代表全面剖析各领域发展趋势、前沿技术、需求动向及产业发展热点问题。大会同期还将召开中国机器人产业联盟成员大会。权威报告发布 洞察产业发展前景大会期间，将权威发布面向2035的智能机器人技术路线图、《2020中国机器人产业发展报告》、《国家出版基金项目：中国战略性新兴产业研究与发展——工业机器人》、2020年中国机器人产业联盟标准，并会同国际机器人联合会（IFR）共同发布2019年中国工业机器人市场统计数据等多项机器人产业权威报告，全方位多维度解读当下的机器人行业发展趋势，洞察产业未来发展趋势和机遇。集聚要素资源 助推青岛产业发展本次大会选择在青岛召开，源于青岛机器人产业发展所展现出的蓬勃朝气。近几年青岛市委、市政府认真落实习近平总书记视察山东、青岛的指示精神，努力打造山东对外开放桥头堡、国家一带一路国际合作新平台，强力发起“高端制造业+人工智能”攻势，提出打造世界工业互联网之都，通过工业互联网平台赋能、产业资源汇集、核心环节产业化，培育千亿级产业新生态。在青岛高新区高起点规划建设了青岛国际机器人产业园，全力打造国家级机器人产业集聚区，培育和引进了一批机器人龙头企业和新锐企业，发展势头良好。通过大会平台，将进一步扩大青岛产业发展环境优良、机器人产业发展势头良好的影响，行业区域协同，促进青岛机器人等重点产业加快集聚发展。寻找发展合作机会，洞察行业发展态势。金秋十月，欢迎更多关心支持机器人行业发展的企业与各界人士、媒体朋友们参与到大会中来，共商机器人产业发展大计！

中宏网山东9月28日电 自动诊疗的艾灸机器人、缓解疲劳的智能调理修复机器人、自动吸附清洁的船体除锈机器人、自动搬运托盘的林德搬运机器人、防爆消防灭火侦查机器人……在2020东亚海洋博览会上，一大批全自动机器人亮相，外观吸睛、功能多样，适用于各大行业，备受观展市民关注。在青岛世界博览城新基建与新产业展区，一辆通体红色的无人机吸引了不少目光。这架重约500千克的无人直升机前后分别有两个螺旋桨，机身上印制着“消防”字样。“这是公司最近自主研发的新型无人机产品，能够广泛应用于森林消防灭火、海上救生、应急抢险救生、重大灾情应急救援、物料输送等方面。”青岛澳西智能科技有限公司市场总监刘发德向记者介绍说。在无人直升机旁边，一个“大块头”也被不少人围观。“这是第一次亮相展会的雾炮消防灭火排烟机器人。”刘发德告诉记者，该机器人是一款集灭火、排烟和侦查功能于一体的多功能消防机器人，其带有的多种喷水模式，能够适用于不同情况下的灭火，可以快速移除火中热量并降低温度，从而实现灭火和排烟功效。位于海工装备与海洋科技展区内的哈工大机器人集团展位里，人气颇旺。哈工（青岛）机器人有限公司哈工智慧市场总监刘瑛正一边演示一边为大家介绍哈工大最新研发的机器人。“我们自主研发了这套中医问诊系统，这款艾灸机器人能够依托传感技术进行脉诊，并通过图像分析进行面诊、舌诊，搭配体质辩诊问题库，生成报告后传输到云端进行数据分析，会生成艾灸诊疗方案，机器人会根据方案通过点对点穴位为人体进行调理。”在中挪未来创新科技（青岛）有限公司展区，参观者们正在通过视频了解船体除锈机器人的工作过程。“它能自动吸附在船体上，把生锈的大船清理的干干净净。”一位小朋友告诉记者。高科技的运用不仅能够提高作业效率，还能够最大程度的解放人力。在林德（中国）叉车有限公司展位，两辆搬运机器人正在运作。“这款机器人采用西克安全CPU模块和多个安全扫描仪，能够实现360度全方位安全防护和三维立体障碍物检测，可以满足物流作业复杂工况。”工作人员向记者介绍，这款搬运机器人是传统托盘堆垛车的自动化尝试，不仅安全性高，还具备高性能、灵活性、可靠性、易维护等特点，额定承载1600千克，在重物搬运方面能够发挥较大作用。（通讯员 邵璐 图片来源 青岛西海岸新区）

客观得说，日本这款“妻子”机器人确实很逼真，甚至还有类人的恒温系统，各类功能也很丰富，而且支持定制。受到日本广大男性朋友喜欢也就不足为奇了。但是，机器终究是机器，从目前来看，依然只能算是功能更好一点的家政服务机器人。因为我们看到的报道，都是妻子机器人的优点。它的不足之处却并没有告诉我们。1、虽然逼真，但沟通没有灵魂人工智能虽然正在快速发展，但是自然语言处理（NLP）依然是一道大难题。以目前的技术，最多也是靠大数据分析出各种情景下的一些问答。真正做到和人类无障碍沟通，还相差十万八千里。现有的报道中，首个有公民身份的索菲亚看起来沟通很流畅，但其实背后也是程序员设置好了情景。主持人配合问话而已。如果，你随意宣泄情绪的问一句，机器人估计就得答非所问了。再加上各地方言口音偏差、环境噪音等等，自然语言处理还有很长的路要走。这个妻子机器人产自日本，日本算是机器人研发大国。技术虽然不差，但在自然语言沟通方面也还没有特别实质性的突破。在日本，很多高校正在积极研究NLP技术，希望提升机器人的自然语言处理能力。比如：九州大学，京都大学，奈良先端，东工大。他们都发表了不少研究文章。技术虽然在逐年进步，但依然还是没有灵魂的沟通。所以，机器人目前一个很大的不足就是沟通没有灵魂。无法在你需要的时候，给你恰当的言语沟通安慰。当然，你想做一些程序记录好的情景，她还是可以处理的来的。2、视觉分辨能力，也还有待提高在人工智能技术上，视觉分辨算是做的比较好的了。如今的摄像机分辨率都非常高，而且图像结构化的算法也越来越完善。机器人已经能够识别人、汽车、性别、眼镜、雨伞、文字等等。已经可以满足很多场景使用。所以机器人在家政服务方面，已经能够实现特定场景的服务了。比如：扫地、、擦灰、洗碗等家庭保姆服务。不过复杂一点的还是需要程序预置固定程序来实现，加上IOT互联来实现。妻子机器人也不例外，在她的做家务功能这块，只能做些简单家务。不要指望所有家务她都能做。要想做更多家务，恐怕只有两种办法，要么等技术进步，要么就把家里搞成智能家居，让机器人互联控制（就这恐怕还得厂家定制）。3、机器人如果发生故障，那将是个大麻烦妻子机器人因为外表加装了类似人体皮肤的硅胶，看起来和真人无异。但是，使用过程中如果硅胶损坏，你看到的就是冰冷的机器了。最坏的是，你自己还未必可以维修，毕竟她还带了恒温系统。只能拿回厂家维修。如果里面机器部件故障，或者程序紊乱呢？那就必须要返回厂家能维修。除了返厂维修麻烦外，还有一个更大问题就是你的隐私。这个妻子机器人天天和你在一起。传感器已经收集了很多你的信息，存储器里已经有你的不少隐私信息。这些隐私信息泄露了就更麻烦了。4、机器人的发展和人类的未来综合上面我们说到的目前机器人的一些不足，我们可以想象得到的是，妻子机器人要做到和完美实现你的伴侣的全部功能还相差甚远，不说生孩子那么复杂事，就沟通交流都还需很长一段时间。所以，当下人类还是该如何发展科技，就如何发展科技。妻子机器人只是一个家政服务机器人。那如果真有一天，科技已经达到了很高的境地。妻子机器人能够实现所有功能时，人类会怎么样呢？我们不妨也畅想一下，在那个社会里，通过肉眼已经无法区分机器人和人类了。那人类科学家自然会想出另外一个办法来区分。比如在机器人的程序里有特定的身份程序，只需要激活该程序就能辨别是机器人还是人类。同时，为了防止机器人造反，科学家必然会在机器人的程序里保留一段最高权限的安全代码。这段代码只要启动，可以让机器人重新回到一堆材料。不过，未来机器人如果真的很发达了，我们最要担心的是人类自己。人类或许会因为过度依赖机器人干活，自己把自己变成了一个极度慵懒的物种。最后，自己把自己懒到灭绝是有可能的。总结总之，日本妻子机器人虽然外形逼真，功能也不错。但是，以目前的机器人NLP自然语言处理、视觉分辨等人工智能技术还无法然机器人进行有灵魂的交流。所以，暂时只是让人类多一个家政机器人，并不会改变人类发展的走向。当然，随着技术发展，未来真实现类人机器人时，我们人类最要担心的是自己把自己懒死。

先画一个长长的长方形，这是机器人的头部。接着在长长的长方形里画上两个十字螺母当作机器人的眼睛。在长方形的下面画一个小长方形的方块，这个是机器人的身体。接着把这两个长方形用线连起来并画上机器人的脚。给机器人在头顶安排上两根信号接收天线。最后画上机器人的两只手臂。这样一个简单的机器人就画好了。可以简单给机器人涂个颜色。

说到“仿真机器人”相信大家都不会陌生，现如今很多电视剧、电影，都会采用“仿真机器人”的科技元素，让观众会有一种很新奇的感受，但是大家知道吗？其实现实中“仿真机器人”也是存在的，就比如中国香港的“索菲亚”、日本的“木户小姐”和美国的“亨利”等等，它们都是关注度比较高的仿真机器人。仿真机器人虽然有男女性别之分，但内部结构、功能性其实都相差不大，唯独外观不同，而之所以推出“仿真机器人”，是因为很多国家男女比例失衡，仿真机器人就能够做大很好的调剂作用，并且还能够让科学家们更好的研究。但令很多网友好奇的是，“男性机器人”为啥就火了，它能干啥？其实它不仅能够做家务、陪伴用户，还有一大“特长”！首先，仿真机器人是“人造物”，所以它的功能性会很齐全，它的手臂是机械手臂，因此能够实现很多的动作，而简单的打扫卫生、洗碗，机器人都可以轻松胜任。不仅如此，因为内部搭载了AI智能芯片，所以能够和家中的智能家居系统进行“互联”，所以当你想要开灯关灯、开空调关空调，只需要喊出指令即可，非常的智能化。其次，因为拥有AI智能中枢，所以机器人能够实现和用户实时对话，并且借助大数据的能力，机器人能够流畅回答用户的各种问答，而且它还精通多国语言呢！除此之外，男性机器人还拥有一大“特长”，那就是可以进行外观定制，无论是五官，还是声音和性格等，都可以提前定制，也正是因为有这一功能，所以仿真机器人的满意度一直非常高。虽然说，仿真机器人的功能性很强，但是却也有很多的缺陷，就比如行动范围有限、续航能力差，最主要的就是售价高，一般人也跟无法消费，所以即便研发出了仿真机器人，但却一直无法普及。对此，大家对于这样的机器人会心动吗？欢迎留下您的看点。

如今，机器人越来越多地处理管道的焊接、弯曲、切割、分离、转移和存储。得益于人工智能和机器学习技术，机器人将变得更加灵活，最终将完全取代完全重复的人工操作。机器人在焊接中非常普遍，机器人是传统自动化解决方案的很好的工具。即使没有太多空间，也可以使用机器人通过手工的钨极惰性气体（TIG）焊接沿管自身引导焊炬。由于复杂几何形状中运动的精确性和可重复性，它还确保了高质量的接缝。选择一种特定类型的机器人的基本标准是精度水平，即使在满负荷情况下，TIG焊接本身也要在5至10 mm的范围内。此外，使机器人易于编程并具有相应的传感器，特别是对于智能跟踪而言，激光焊缝跟踪传感器非常重要。在对精度要求相对较低的处理过程上，要么工艺链中包含具有特定要素的加工工具，该要素可以补偿不准确性（如抛光盘、磨头或挠曲的去毛刺主轴），或者精度问题多少都无关紧要。这种处理过程仍然经常由人来执行。但是，由于成本压力不断增加，质量要求不变或缺乏人力资源的影响，它们将越来越多地通过机器或自动方式进行处理。为了提高生产率，将激光焊缝跟踪系统连接到机器人上，操作会非常简单。只要产品质量受到劳动力的影响，机器人就具有巨大的潜力。到目前为止，机器人主要执行重复性任务，并以一致的精度和可重复性水平进行工作。未来的要求将有所不同，尤其是在专业服务机器人领域。如果机器人要转移到其他领域，它们将需要变得更加灵活，这在机器学习中可能会有所帮助。

“AI启杭 无限想象”——由中国工程院学术指导,杭州市人民政府、浙江省科学技术厅主办,浙江大学、中国人工智能产业发展联盟、中国工程科技知识中心创新设计分中心联合主办,杭州市科技局、市商务局、市市场监督管理局、市商旅集团、萧山区人民政府联合承办的第二届中国(杭州)国际智能产品博览会、2020 全球人工智能大会将于10月16日至18日在杭州国际博览中心(G20会场)举行。作为第22届杭州西湖国际博览会的核心项目,本届智博会和人工智能大会以“建设AI无限想象之城”为主线,聚焦新基建、新消费、新制造、新电商、新健康、新治理,推动人工智能、互联网、大数据与实体经济深入融合,设有“主题大会、高峰论坛、大赛活动、品牌展览”四大板块内容。将邀请相关部委领导、海内外人工智能领域的院士专家,来自海智基地、高校科研院所、人工智能龙头企业、投融资机构等数千名产业同仁共聚杭城,共同围绕人工智能产业热点、最新政策、研发创新等进行交流与合作,促进项目对接、展示前沿技术,打造成高水平、高层次、高质量的人工智能与数字经济领域政产学研金共聚的年度行业盛会、数字经济成果展、未来智能生活体验平台。展会亮点抢先爆! 看大咖!——潘云鹤、李兰娟等齐聚2020全球人工智能大会2020全球人工智能大会上,中国工程院院士潘云鹤,中国工程院院士李兰娟,图灵奖获得者、卡耐基梅隆大学计算机科学学院计算机科学与机器人专业教授拉吉•瑞迪博士,阿里巴巴副总裁华先胜,百度集团副总裁吴甜,商汤科技联合创始人 CEO徐立,科大讯飞联合创始人、轮值总裁胡郁等众多海内外重量级大咖,围绕人工智能的生态,将与大家共同探讨人工智能产业发展,以及疫情防控新常态下,人工智能如何推动医疗健康新变革等多个话题开展分享与讨论。同时,大会期间还将举办人工智能与数字经济高峰论坛、“普惠金融智能共创”智能金融高峰论坛、2020国家智能车发展论坛、“勤启未来,智联你我”——智能技术与人工智能产业融合高峰论坛、AIoT开发者生态高峰论坛等主题多样化的分论坛,与各界专家学者们畅想未来世界AI的无限可能。(潘云鹤院士)(李兰娟院士)竞风流!——群雄逐鹿、精英对决尽在赛事活动2020之江杯全球人工智能大赛之江杯全球人工智能大赛瞄准科研前沿与产业痛点,发布零样本目标分割、语音鉴伪、视频生成和无人车安全驾驶仿真四大赛题。此前已经连续成功举办了2届,逐渐受到了人工智能研究者与从业者的广泛关注与好评。本届大赛共设置多个奖项,奖金总额达260万人民币,同时还会有产业及人才政策等相关支持。初赛已于9月举行,在本次智博会和人工智能大会期间将举行决赛。(潘云鹤院士在2020之江杯全球人工智能大赛启动仪式上致辞)“市长杯”2020年杭州高价值知识产权创新创意大赛2020年杭州高价值知识产权创新创意大赛紧扣杭州重点产业,汇集全国优质社会资本,搭建创新成果转化与落地平台,助力杭州人工智能创新创意为代表的高端产业集群不断壮大,进一步提升城市品牌效应。本届大赛,深度聚焦智能产品,主题内涵全新升级;组别设置清晰,覆盖面更广;项目产业化落地需求精准匹配,实现共赢发展。挖尖货!——不容错过的智能品牌展华为随着5G、万物互联时代的到来,华为致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。作为全场景智慧生活领导者,其产品全面覆盖手机、个人电脑和平板电脑、可穿戴设备、移动宽带终端、家庭终端和消费者云等。无论是内外兼修的设计,还是前沿科技的加持,华为全场景产品都被视为行业破局者。(华为终端产品)商汤科技半导体是支撑新基建发展的关键技术。商汤科技自主研发的工业OCR一体机晶圆ID识别器能实现晶圆产线场景物料编号条码在线智能识别,助力半导体企业实现工业级降本增效。虚实融合的智慧体验同样少不了商汤的身影。商汤科技的SenseMARS平台是基于三维高精度地图重建等技术打造的混合现实平台,可应用于景区、展馆等城市级AI智慧文旅场景。(杭州市人工智能大会AR展示_一楼)CityDO集团CityDO集团是一家以大数据、人工智能、区块链等新兴技术为核心,以“数据运营+生态合作”为主要模式的新型科技企业。集团系列产品和解决方案在全国多个城市的数智政府、城市大脑、数智交通、数智文旅、数智乡村、数智社区、数智抗疫、超级菜场、绿色普惠金融等领域得到实践和应用。(全省首个数字资源超市)一造科技上海一造建筑智能工程有限公司(Fab-Union)是一家专注智能设计与智能建造服务的国家高新技术企业。公司展会的展区大量采用了机器人智能建造产品与技术进行搭建,如大型数字木构装置“游木”和智能移动木构机器人。结合多个智能建造实践项目的介绍短片,全面展示了公司从智能辅助设计软件到智能建造设备、智能建造产品、智能建造工程实践项目的全链条应用场景。(智能移动木构机器人)酷冷至尊科技酷冷电竞车首次亮相浙江,它有着12米炫酷车身,搭配超强改装的电竞箱体,全自动伸展舞台,还有顶级配置的

2020-09-29 18:51 |浙江新闻客户端 |见习记者 任明珠 通讯员 佘孝云企业抱团，强强联合！9月29日下午，浙江省人工智能产业知识产权联盟（以下简称“联盟”）在杭州未来科技城正式落地，成为省内第一家聚焦人工智能产业的知识产权联盟。“联盟”的成立将加强成员单位、企业间合作、资源共享，促进浙江省人工智能产业知识产权事业发展，推动知识产权强省建设。“联盟”成员阵容强大，涵盖省内人工智能产业相关企业、大学、科研机构、知识产权服务机构等多个行业领域，是其自愿结盟形成的知识产权保护合作组织。据悉，“联盟”以知识产权为纽带、以专利创造、保护、应用为基础，维护产业利益、保障知识产权健康、有序发展提供专业化知识产权服务。我省目前正积极布局人工智能产业发展，打造全国领先的人工智能产业发展高地，“联盟”的成立具有必要性与及时性。“对中小企业来说，加入‘联盟’将有效提升其市场地位、获得新能源或新能力。”浙江大学创新管理与持续竞争力研究中心常务副主任黄灿介绍，“联盟”内企业强强联合将提升企业效率，抱团进入新市场。据悉，“联盟”立足人工智能产业为成员提供知识产权运营、保护、服务等方面的支持。接下来“联盟”将通过对接人工智能行业专家学者成立专家库、搭建“专利池”、开展行业研究等工作为成员单位提供智力支持，并将成立若干服务部门，完善服务支持。“联盟”首批成员单位共43家，其中理事会成员单位13家，蚂蚁科技集团为理事长单位，浙江省知识产权保护中心为秘书长单位，杭州乐知新创人工智能科技服务有限公司为副秘书长单位。蚂蚁科技有关负责人表示，浙江省人工智能知识产权联盟是其加入的第一家联盟，未来将基于人工智能的经验做更多分享，贡献智慧成果。1601376706000

早在几年前,人工智能技术兴起之初就赢得了广大群众的关注,越来越多人工智能技术逐渐从云端转移到终端设备上。人工智能技术的发展应用是人类社会进步的全新机遇。高通也一直在研究人工智能技术,并且推出了高通人工智能引擎。抓住时代步伐,深耕人工智能技术研究多年以来,高通一直根植于现代科技技术的研究,高通在通信技术和人工智能技术方面拥有强大的优势。早在10多年前,高通就开始关于人工智能的研究,并且推出了高通人工智能引擎,并将其运用于移动处理器中。据了解,高通人工智能引擎拥有Adreno GPU、Kryo CPU和Hexagon DSP三种单元,通过这三个单元可实现灵活地执行AI运算的系统。由于系统中的每个内核构架不同,因此搜索引擎处理不同AI工作会有不同的角色价值。高通人工智能引擎为软件系统提供了SDK、Android NN API(Android O/P都支持)、Hexagon NN支持,这种系统支持各类框架其中包括Caffe、Caffe 2、TensorFlow、TensorFlow Lite、ONNX等。高通人工智能引擎应用于移动平台高通人工智能引擎可以协助终端系统完成更多人工智能运算,让终端设备能够满足不同用户的多种需求。目前,高通人工智能引擎被广泛应用于移动平台中,高通骁龙865 5G移动平台搭载的就是高通第五代人工智能引擎。第五代人工智能引擎可实现15万亿次/秒的AI运算能力,能够给用户使用手机的过程中带来更多的支持动力。在vivo Nex手机中,相机已经成为用户日常使用过程中最重要的需求之一,以前想要拍下一张出色的照片就必须调整手机摄影中的不同数值。有了高通人工智能引擎的支持,自动HDR、智能场景识别等功能可以帮助用户更轻松地拍下出色照片,人工智能前景无限,高通将紧抓机遇一直以来人工智能都受到各个行业的关注,未来人工智能技术很可能应用于更多的行业。相关数据表明,至2030年,人工智能将会为世界经济贡献至少15.7万亿美元的市场容量。随着5G时代的到来,人工智能技术的发展被赋予了更多的可能,越来越多的厂商开始希望通过高通这样的平台开发出更多优质的人工智能产品。事实上高通也非常乐意与这些厂商合作,共同推动人工智能的发展,目前,高通已经与全球多家先进的厂商和开发企业共同研究人工智能技术,优化人工智能应用。高通人工智能引擎,赋能终端设备更多可能。

德勤通常处于研究和洞察力游戏的顶部，一年前他们得出结论认为“人工智能竞争优势的窗口可能正在关闭。”他们基于第二版行业领先的数据得出了这一结论。企业中AI的状态报告。德勤(Deloitte)在报告中透露，采用AI的公司中有57%的高管认为，新技术将在三年内极大地改变其业务。38%的受访者认为，在同一时间段内，人工智能将对整个行业起到同样的作用，但是Deloitte的19分差距意味着，在更广泛的行业竞争“夺取领先优势之前，人工智能的采用者只有很小的窗口” ”。不过，现在，德勤已经发布了他们的《人工智能状态》研究的第三版，它揭示了人工智能的采用者几乎是一样的-“乐观”。显然，“超过十分之八的人报告说，人工智能将在未来两年内对他们的业务成功'非常'或'至关重要'”，并且将其归类为”至关重要”的人预计将从23%增长。现在在几年内达到41%。而且，他们并不担心其潜在的增长-被调查的采用者中有71%的人表示，他们打算在下一个财政年度进一步投资。对于德勤来说，这份最新报告强化了他们最初的猜测，即通过采用AI来获得竞争优势的窗口正在迅速缩小。业界领先的技术正变得越来越适合各种规模的企业使用，并且它正在迅速支配整个领域，并随后成为一种规范，而不是最富有的组织独有的专有性。Deloitte的专家表示：“采用AI在三年内实现业务转型的采用者数量增长了75%，而认为AI将在三年内实现行业转型的比例上升到了61%。值得注意的是，我们上次看到的19点优势已缩小至14：行业转型似乎紧紧抓住了早期采用者以AI为动力的转型。”显然，正如德勤所概述的那样，早期采用者的优势正在减弱。这是因为AI的功能正越来越多地集成到企业软件中，并且“有大量基于云的产品和工具可以加速AI的发展。”考虑到这一点，人工智能已经变得民主化，随后，您不再需要成为行业专家就可以使用它。“实际上，四分之三的采用者认为，人工智能将在三年内集成到所有企业应用程序中。真正的竞争优势可能取决于组织更创造性和更负责任地应用AI。”

编者按：本文来自微信公众号“IT桔子”（ID:itjuzi521），作者 实习生邹希妍，编辑 Judy。36氪经授权发布。这三个月内，中国人工智能的创业与投融资交易有以下值得关注的点：第三季度投融资交易事件 119 起，总金额 220.52 亿元，同比环比均有所下降；投融资交易事件融资轮次偏早期，早期事件数占比超 50%；8 家公司被并购，14 家公司 IPO——科创板成为最强通道；北京、上海、广东依然是我国发展人工智能的第一梯队；子行业方面，吸金能力最强的是智能驾驶、智能机器人、计算机视觉与图像。2020 年第三季度中国人工智能领域融资事件数有 119 起，同比下降 22.7%，环比下降 13.8%；融资金额约 220.52 亿元，同比下降 17.19%，环比下降 19.50%；平均单笔融资额约为 1.85 亿元，上个季度约为 1.99 亿元，去年同期约为 1.73 亿元。与去年同期相比，今年第三季度人工智能行业融资事件数量和融资金额均有所下降下降。融资金额相差较大的原因是去年同期 C 轮融资、战略投资事件吸金能力较强，共 169.32 亿元。例如去年同期城市级智能物联网平台特斯联获得了光大控股、科大讯飞、京东等投资方的 20 亿人民币 C 轮融资；互联网金融服务提供商乐信集团获得了太盟投资集团 (PAG)、华兴资本的 3 亿美元战略投资；而今年 Q3 的 C 轮只有 102.73 亿元，获投的典型企业有医学研究和试验发展领域服务商微创医疗机器人获得了 CPE、贝霖资本、高瓴资本等投资方的 30 亿人民币战略投资；智能汽车设计及制造商小鹏汽车获得了高瓴资本、红杉资本中国等投资方的 5 亿美元 C+轮融资。2020 年第三季度大多数融资事件处于早期融资阶段，其中种子轮、天使轮、A 轮融资事件共 63 起，占比 53%；B 轮、C 轮融资事件共 27 起，占比 23%；战略投资 24 起，占比 20%。今年第三季度我国人工智能行业有 117 家公司获得融资。获投公司前五的省市分别为北京、广东、上海、浙江、江苏，其中北京占比 29%，广东占比 23%，上海占比 17%，浙江和江苏分别为 7% 和 6%。北京获投的主要企业有医药行业大数据平台医药魔方、城市级智能物联网平台洞见科技、智能语音交互技术提供商标贝科技；上海获投的主要企业有人工智能视频异常分析服务提供商闪马智能、复杂机器视觉及工业机器人 AI 系统产品研发商聚时科技、一站式移动支付解决方案提供商收钱吧；广东获投的主要企业有人工智能计算加速芯片研发商鲲云科技、步态康复机器人研发商迈步机器人、心脏 AI 实时看护产品研发商旭宏医疗；浙江获投的主要企业有自然语言理解技术服务商微洱科技、大数据智能解决方案提供商实在智能、智能骨科手术机器人研发商键嘉机器人；江苏获投的主要企业有自动驾驶领域前装系统解决方案提供商知行科技、智能视频解决方案提供商新格视讯、机器人力控技术研发商盈连科技。由于政策支持、经济发达、文化教育水平高，北京、上海、广东依旧是人工智能孕育和发展的重要地域。IT 桔子将人工智能第一层级分为基础层、技术层、行业应用层、通用应用层。2020 第三季度基础层融资事件 22 起，占比 8%，融资金额仅占 4%；技术层融资事件 56 起，占比 20%，融资金额占 10%；占比同样偏少的还有通用应用层，融资事件 23 起，基本与基础层持平，但融资金额更少，只有 16.3 亿人民币，占比约 3%；相比之下，行业应用层无论在融资数量还是金额上体量都最大，其中融资事件 184 起，占比 65%，融资金额 394.3 亿元，占比 82%，吸金能力最强。2020 年第三季度，获投事件数最多的子行业是智能机器人，其次是智能医疗、智能驾驶、智能金融、计算机视觉与图像、深度学习、自然语言处理、数据平台等；获投金额最多的子行业是智能驾驶、智能机器人、计算机视觉与图像、智能物流、智能医疗、深度学习、模式识别技术、数据平台等。下面对吸金能力较强的子行业进行分析。2020 年第三季度智能驾驶领域共发生 17 件投资，主要集中在 A-C 轮。其中 A 轮投资事件占比 35%，B 轮、C 轮占比 36%。第三季度获投的智能驾驶典型企业有中天安驰，获得 SBI 投资 (思佰益) 的亿元以上 C 轮融资。目前，中天安驰为用户提供包括 ADAS&DSM 智能终端、高精度地图、AI 大数据云平台在内的智能驾驶整体方案和服务。新能源智能汽车品牌威马汽车获得了合肥市产业投资引导基金有限公司、上汽投资-尚颀资本的 10 亿人民币 D 轮融资。无人驾驶系统供应商智行者获得了华夏未名、新鼎资本亿元以上 C+轮融资。智行者深耕无人驾驶汽车领域，聚焦无人驾驶汽车的「大脑」，是国内提供无人驾驶系统多元解决方案的企业之一。自动驾驶领域前装系统解决方案提供商知行科技获得了禾裕壹号、建银苏州科创基金、明势资本、国家中小企业发展基金

氢能是公认的未来能源，也是中国能源转型和动力转型的重大战略方向。发展氢燃料电池汽车，被视为新能源汽车的终极目标。9月21日，财政部、工信部、科技部、发改委、国家能源局五部门发布《关于开展燃料电池汽车示范应用的通知》，决定开展燃料电池汽车示范应用工作。而就在第二天，深兰发布中国首个外部环境感知整车集成优化控制的人工智能系统。这是继本月4日,深兰科技与燃料电池领先企业上海清能达成战略合作后的又一重磅发布，搭载“大脑、心脏、神经”的中国首个外部环境感知整车集成优化控制的人工智能系统，为氢能物流车提供了更节能+更长途的解决方案。据了解，该系统能使燃料电池发动机氢耗最大降低25%，最大功率提升20%。在物流工况下使燃料电池发动机寿命最高提高了15%，续航里程最大增加20%，解决其最大痛点。深兰AI氢能源熊猫物流车控制模型并且，在近日举办的2020（第三届）中国智能物流技术装备大会暨物流技术装备企业家论坛上。深兰科技在人工智能技术研发落地、智慧物流生态建设和与物流头部企业联动方面获得行业高度认可，经大会评审，授予深兰2020年第三届中国物流技术装备“金智奖”和物流行业优秀技术与装备供应商两项荣誉。深兰荣获2020年第三届中国物流技术装备“金智奖”深兰荣获物流行业优秀技术与装备供应商称号深兰科技技术副总裁赵旭表示：“作为软硬兼备的人工智能企业，早前发布的基于完全自主知识产权的自动驾驶熊猫智能公交车，是国内第一辆且目前唯一的正向设计并获得国家工信部公告、规模化生产并大量上路营运的自动驾驶智能公交车。同时在整车开发设计方面，深兰也有深厚积累，基于外部环境感知的人工智能整车控制技术，就如同车的神经系统，能够根据外部温度、气候、上下坡、风速、路况等条件实时调整整车电耗、动力输出等，有效提高功效，并在熊猫智能公交车、熊猫物流、环卫车辆、大型机器人等设备上得以应用。此次发布的首个整车AI系统，也将进一步赋能行业智能化之路。”深兰科技技术副总裁赵旭有媒体评价道：上海正在打造人工智能高地，为数百家AI企业提供机会，在“AI+工业”“AI+教育”“AI+医疗”“AI+金融” 等十多个领域打造标杆场景。不过，“AI+氢能”还是首次亮相“。人工智能与氢能同时作为新兴产业的代表，具有巨大的潜力和无限的可能性，在更深层次的融和下，“双能合璧”必然将爆发出更惊人的能量。

▲ 2020中国创新创业成果交易会开幕式9月23日，以“ 数字变革 创新引领 ”为主题的2020中国创新创业成果交易会(下称：创交会)在广州开幕。设有展览、论坛、技术拍卖、项目路演等内容，重点展示人工智能、智能制造、节能环保、新一代信息技术、生物、新能源、新材料、航空航天、体育科技等高新技术领域的先进技术和产品。本届创交会根据企业专注领域的发展潜力、技术独创性、规模成长性等多维度因素评选得出“2020创交会技术创新成长企业20强”，其中包括来自广州的“科技战疫”的企业代表——广州赛特智能科技有限公司(以下简称“赛特智能”)。▲ 2020创交会技术创新成长企业20强颁奖据悉，自2017年成立以来，在不到三年的时间内赛特智能已经成长为国内低速无人驾驶与智能机器人领域的领先企业，参与了该技术领域国家标准《轮式移动机器人导引运动性能规范及测试方法》和两岸共通标准《室内物流机器人安全要求》的起草工作，深度布局该领域核心知识产权超过200项。在当今的疫情常态化防控的形势下，赛特智能研发团队结合了在疫情一线积累的感控经验，持续深入机器人创新型功能的研发，打造更加符合后疫情时代公共卫生防控需求的智能机器人并使之快速地落地应用，让技术真正地服务于社会。▲ 赛特智能市场负责人进行项目路演“疫情防控推动了大量的无人化需求，赛特智能在此前布局在多个赛道中的势能蓄势待发，智赛拉医院智能机器人和智赛洁无人驾驶清扫车在疫情战场上的行动以及获得各界的认可，证明了智能机器人的无限未来”在大会特邀的企业路演环节，赛特智能市场负责人蒋美玲向与会的知名投融资机构介绍道。路演现场，多家机构负责人给予鼓励并向赛特智能抛来橄榄枝。赛特智能荣获2020创交会技术创新成长企业20强，以技术成果创新破后疫情之浪▲ 2020中国创新创业成果交易会开幕式9月23~25日，2020中国创新创业成果交易会(以下简称“创交会”)在保利世贸博览馆4号馆隆重开幕。本届创交会以“数字变革、创新引领”为主题，由中国科协、国家发展改革委、中国科学院、中国工程院、九三学社中央、广东省人民政府和广州市政府主办，通过“线上+线下”的方式展示了3000多项创新创业成果。本届创交会共设六大主题展馆，在开幕后的市长巡馆活动中，温国辉市长与众来宾重点参观了本届特设的 “防疫技术成果展区”。该展区展出了在抗击新冠肺炎疫情过程中涌现出来的先进技术成果和创新产品，一共展示了20个企业的70个项目，其中包括了钟南山院士团队、广州赛特智能科技有限公司等优秀抗疫团队及企业的技术成果均在展示之列。▲ 广州市市长温国辉与众来宾参观主题展区据悉，在抗击疫情期间，作为广州“科技战疫”的企业代表，广州赛特智能有限公司(以下简称：赛特智能)是首批响应了疫情防控指令的人工智能企业，派出工程师先锋队驰援到疫情一线，也是国内首家在隔离病区部署机器人的企业。以“平平”“安安”为代表的智赛拉-医院智能机器人在抗击疫情的过程中发挥了巨大的价值，有效地减轻了一线医护人员的工作负担，并降低了医院交叉感染的风险。在疫情常态化防控的形势下，赛特智能研发团队结合了在疫情一线积累的感控经验，持续深入机器人创新型功能的研发，打造更加符合后疫情时代公共卫生防控需求的智能机器人并使之快速地落地应用，让技术真正地服务于社会。赛特智能也因此获颁大会组委会颁发“2020创交会技术创新成长企业20强”▲ 2020创交会技术创新成长企业20强颁奖此外，在本届创交会中，以赛特智能--医院智能机器人项目一批重点创新项目也再次完成签约，包括以色列Eshet Eilon先进果蔬采后处理及分选设备、OEL光源材料的运用与推广项目等。转载请注明出处。

释放高通终端人工智能潜力,突破人工智能研究界限|终端人工智能在未来几年时间中,人工智能和5G将会是行业中热议的话题。凭借这股浪潮,人工智能将会成为未来最具增长价值的行业之一。许多企业巨头也加紧布局人工智能领域,高通就是这众多企业之一。高通根植人工智能技术多年,推出了多款优质的人工智能产品,对于高通终端人工智能有着独到的认识和见解。人工智能无处不在近期,高通官方发布了一篇《我们让人工智能无处不在》的博客,通过博客内容我们了解到生活中AI智能可存在的场景,同时也让我们知道高通深耕AI领域多年的成果。如果一直都在关注高通官方发布会,你就会发现近几年每次发布高通晓龙平台,高通官方都会强调平台的AI能力已经算法算力。高通对于人工智能领域的关注度一直很高,品牌更是花费数10年的时间研究人工智能技术,从二零一五年正式发布第一代人工智能引擎,到高通骁龙 865 处理器,已经开始使用第五代人工智能引擎 AI Engine, AI性能更是得到了质的飞跃,更是可以达到每秒 15 万亿次运算。高通终端人工智能赋能多生活场景除了手机处理器运用到人工智能系统之外,生活中很多行业很多场景也都有人的影子。智能家居、智能汽车、智慧城市、智慧交通等多种终端智能设备,都得到了人工智能技术的赋能。虽然生活处处都有人工智能,但我们对人工智能的了解仍然不够深入。高通认为,如今我们正处于终端人工智能系统技术研究的初级阶段,深度学习这一技术还需要时机。5G时代的到来就是一个非常好的机遇, 5G 发展壮大将会为AI技术的深入提升提供有利的条件。未来,高通终端人工智能的潜力将会被激发,高通也将突破人工智能研究的界限,推动人工智能技术的深入发展与应用。转载请注明出处。

楚天都市报9月28日讯（记者刘丁维 见习记者张建林）下午四点，湖北省人民政府新闻办公室召开新闻发布会，介绍“武汉市获批建设国家新一代人工智能创新发展试验区”有关情况，并回答记者提问。武汉市东湖高新区科创局副局长夏天介绍，东湖高新区科教资源丰富，在光谷地区人工智能相关专业毕业生每年近万人，华中科技大学等多家高校还成立了人工智能学院。产业基础较好，应用场景多元。涵盖人工智能交通、制造、医疗等多个领域。特别是疫情期间，非接触式红外线测温、小区无人配送、在线教育等已展现出较强的生命力和广阔的应用场景。此外，东湖高新区拥有迈异科技、楚天云等一批行业云服务提供商，还有一批大数据中心，为产业发展奠定了较好的基础设施。早在2017年，就率先出台人工智能产业发展规划和政策，举办了“中国光谷人工智能产业大会”，在人工智能产业具有较好的发展基础。下一步，东湖高新区将围绕人工智能核心领域取得重大突破开展工作。在智能芯片深度学习、神经网络等基础算法精进突破；在计算机视觉、生物特征识别等关键技术深化优势；在智慧医疗、智能网联汽车、智能制造、智慧教育等应用领域加大应用场景示范力度，力争尽快形成产业规模。力争人工智能产业进入国内第一方阵，创建全国领先的人工智能产业人才培养基地。通过省市及光谷“3551”人才计划，吸引海内外高精尖人才和项目落户光谷。计划到2023年，东湖高新区人工智能核心产业规模达200亿元，带动相关产业规模超过500亿元。到2030年，将东湖高新区初步建成有全球影响力的人工智能产业发展高地。

编译 | Don编辑 | 陈大鑫机器学习算法十分强悍，能够对输入的数据进行深入的观察，建立从现实世界到所要解决问题的高质量的映射，从而让冷冰冰的机器做出近似于人类的高质量的预测和识别。如今，随着机器学习算法的高速发展，机器学习算法已经被广泛地应用于生活中，它们在潜移默化中影响并帮助着我们，比如在输入一段文本的时候，机器能理解我们的意思，这就是基于机器学习的自然语言处理以及文本挖掘技术；比如看到一张图片，机器就能迅速帮我们找出其中的人脸或者目标事物，这就是基于机器学习的图像处理技术；比如网购平台总是能高效精准地为我们推送令人怦然心动（忍不住剁手）的精美商品，这就是基于机器学习的推荐系统。然而，机器学习算法是个消耗算力的怪兽。当处理大规模数据的时候，现有机器学习技术通常都要付出巨大的时间成本来进行训练和学习。这个领域就叫做大规模机器学习（Largescale Machine Learning, LML），大规模机器学习的目标是想方设法从大数据中高效地挖掘和学习到数据之间的模式和联系，深入挖掘其中的有效信息。《A Survey on Large-scale Machine Learning》对大规模机器学习方法LML进行了系统的综述，为这个领域的未来发展描绘出了一个宏大的蓝图。以下是论文内容，AI科技评论对关键内容进行了编译。论文链接：https://arxiv.org/pdf/2008.03911.pdf我们首先根据算法的可扩展性（Scalability）对LML方法进行了三方面的划分，它们分别是：1、计算复杂度的模型简化；2、计算效率的优化逼近；3、计算能力上的计算并行性。然后我们根据目标情景再对这些话题进行细分，并根据它们的内在算法策略上的差异再次细分并详细介绍。最后我们分析了它们的局限性，并讨论了大规模机器学习方法未来可能的发展方向，以及需要进一步改善和解决的问题。1200+大规模机器学习论文综述机器学习是一个很神奇的方向，它能够给冰冷的机器赋以“智能”，让它们能够从繁杂无序的数据中“抽丝剥茧”，从而学习其中潜在的规律和“模式”。以往我们都是需要人类专家对数据进行“生无可恋"的研究、讨论和思考之后才能得到一些有用的信息，而如今机器学习能够自动完成这一切，而无需我们手动对这些抽象的信息进行发现和编码。机器学习方法固然好，但是它也有着一摞“难念的经”，其中最让它头疼的就是在面对大规模数据模型训练的“二次时间复杂性”问题。近年来，随着各种可穿戴设备的发展、手机等终端的普及，以及摄像头等数据源的疯狂增长，人们所拥有的数据大规模增长。想要从这些庞大的数据集中挖掘出有效的信息是一件很累人的事情，即便是对于拥有强大算力的计算机来说也是一样，这就让机器学习算法变得不堪重负。在实际中，甚至会出现数据过期没用了，但是模型还没训练结束的问题，让人哭笑不得。因此，为了充分挖掘大数据这座金矿，人们开始研究大规模机器学习这个领域。通常意义上来说，大规模机器学习的宗旨在于在有限的计算资源上解决一般化的机器学习任务，尤其是针对那些基于大规模数据集的场景。因此，大规模机器学习领域已经成为大数据分析的核心技术之一，如果没有它，可能后续的一切技术和操作都将不复存在。举例来说，在Waymo和Tesla Autopilot等自动驾驶汽车中，需要对感知的多种图像和传感器数据进行快速而实时的卷积计算处理，从而感知到周围的环境并作出及时的车辆操作（因为自动驾驶汽车的感知数据很丰富，包括视频、声音、雷达和距离传感器等，计算比较复杂，我们可不想看到出车祸了之后算法才告诉我们要刹车的“马后炮”）。又比如在线媒体和电商网站，如Netflix和Amazon，它们需要根据用户的浏览历史和购买记录建立实时高效的协作过滤模型，从而进行精准的推荐（应该没啥人会太关注昨天的娱乐圈热点，因为已经过时了嘛）。不论如何，大规模机器学习对于我们的日常生活起着至关重要的作用。在近些年，人们意识到数据才是企业资本的核心，因此人们对于大数据的青睐和分析需求与日俱增！而随着数据的爆炸性增长，大规模机器学习这一领域急需一些系统的调研和回顾文章，用以指导人们建立高效的机器学习算法平台，并设计与之配套的高效的机器学习解决方案。目前来说，学术界虽然已经发表了一些该领域的综述和调研报告，但是它们都多多少少存在着一些问题，而且不够全面。首先，它们都只关注大规模机器学习的一个方面，而忽略了各个方面之间的联系和互补。这就限制了它们对这一领域的系统理解，也让它们难以宏观地把握大规模机器学习的全貌，从而提出有助于该领域未来发展的建设性意见。比如，有些文章只关注预测模型部分，而忽略了之前的模型训练和优化部分；有些文章则忽略了处理高维数据的优化算法；还有的文章的关注点则比较独立和专一：仅局限于Hadoop生态系统中的分布式数据分析，而没有涉及其他工具和系统中的相关研究。在本文中，我们从计算技术的角度对200多篇关于大规模机

作为近年来最为火爆的尖端科技，AI人工智能能够为我们生活的各个方面带来巨大变化。尤其是工业制造领域，AI将会成为最为精准的质量监督员，以提高工业产品的制造精度。近日来自美国Argonne国家实验室和德克萨斯A&M大学的援救团队开发了一种新的3D打印零件缺陷检测方法，利用实时温度数据以及机器学习算法，科学家们能够在激光粉末床绒绒过程中的热历史与表面缺陷形成之间建立联系。试验性LB-PBF设置在研究过程中，科学家们利用了美国能源部APS的高功率X射线，设计并制造了带有现场红外摄像头的实验性PBF钻机。在3D打印过程中，使用照相机捕获温度数据，并同时使用X射线束从侧面查看打印过程，以观察是否形成了孔隙。有趣的是，当将热历史与各自的孔隙率曲线进行比较时，科学家们发现较低的峰值温度在逐渐降低后与孔隙率很少相关；另一方面，高峰值温度在下降和随后的升高过程中，很可能导致更多的孔隙率。该团队使用它们的数据以建立及其学习算法，创造可以让人工智能学习的机器学习模型。3D打印过程中的X射线成像虽然能够从红外成像中识别可能形成气孔的能力是一种非常强大的突破，但是处理大量生产设备时人类的参与却导致了效率降低。研究团队希望在未来几个月内，可以使用更多的数据集和更加复杂的机器学习模型，来开发和改进这项工作。(7507935)

作者 | Soren Sonnenburg等译者 | 刘畅导读：开源工具已经趋于成熟，这使其能构建大规模的自然场景下的系统。与此同时，机器学习领域为各种应用开发了大量强大的学习算法。但是，由于没有公开共享现有的实现方式，去真正的利用这些方法，从而导致软件的可用性和互操性较弱。本文作者认为，可以通过提高研究人员在源代码模型下发布软件的动机来明显改善这种情况。此外，本文概述了作者在尝试发布机器学习算法的实现时所面临的问题。作者认为，经过同行评审的软件资源以及简短的文档对机器学习和整个科学界非常有价值。概述机器学习领域发展迅速，为不同的应用提供了各种各样的学习算法。这些算法的最终价值在很大程度上取决于它们在解决实际问题中的成功。因此，将算法进行复制并应用于新任务对于该领域的进步至关重要。但是，目前很少有机器学习研究人员发布与其论文相关的软件和/或源代码。这与生物信息学界的做法形成了鲜明对比，后者的开源软件已经成为进一步研究的基础。缺少公开可用的算法实现是我们这一学科进步的主要障碍。我们相信，机器学习软件的开源共享可以在消除障碍方面发挥非常重要的作用。开源模型具有许多优势，这些优势将带来更好的实验结果重现性：更快地检测错误，创新性应用以及在其他学科和行业中更快地采用机器学习方法。但是，目前缺乏完善和发布软件的动机。已发布的软件本身在我们领域中没有标准的，可接受的引用方式。目前引用它的唯一方法是引用与代码相关联的论文，或者通过引用以某种技术报告的形式发布的用户手册。为了解决这一难题，本文提出了一种正式发布机器学习软件的方法，类似于ACM Transactions on Mathematical Software提供的用于数值分析的方法。注：本文作者随后简要解释了开源软件背后的思想，然后介绍了广泛采用开源的模型将产生的一些积极影响。接下来，本文讨论了当前主要的阻碍，并提出可能的改变以改善这种情况。最后，作者为JMLR（JMLR-MLOSS）中的机器学习开源软件提出了一个新的、单独的track。开源背后的思想开源软件的基本思想非常简单；程序员或用户可以阅读，修改和重新分发软件的源代码。尽管有各种开源软件许可，但它们都有一个共同的出发点，那就是允许自由交换和使用信息。开源模型更注重贡献者的协作。每个贡献者都可以利用网络中其他人所做的工作，从而最大程度地减少“重新造轮子”所花费的时间。开源的软件主要有下面的10个属性：1.免费重新使用2.源代码3.衍生作品4.作者源代码的完整性5.不歧视个人或群体6.不歧视工作领域7.许可证的分配8.许可不得用于特定产品9.许可不得限制其他软件10.许可必须是技术中立的开源的积极影响这一部分主要是简要概述开源软件及其与科学活动（特别是机器学习）的关系。读者可能会认为我们对开源的好处过于乐观，而没有讨论负面影响。事实是，要获得专有系统与开源软件之间抄袭的确凿证据是极其困难的。本文从道德，伦理和社会基础三个方面进行阐释，开源应该是机器学习研究的首选软件发布选项，并向读者介绍开源软件的许多优点。在这里，本文将重点放在用于机器学习研究的开源软件的特定优势上，该优势结合了科学进步以及软件生产者和消费者的需求和要求。作者从以下7点说明了开源的优势：1.科学结果的可重复性和算法的合理比较；2.发现问题；3.利用已有资源（而不是重新实现）；4.不断获得科学的工具；5.优势结合；6.在不同学科和行业中更快地适用某方法；7.出现协同标准。最后，作者使用一个表格总结了开源会带来的优点，一共有11条，分别如下：1.提高了科学研究的可复现性2.有助于公平比较在相同框架中实施的算法3.可以更快地发现问题4.可以修复bug和扩展外部来源的错误5.方法可以被其他人更快地采用6.可以使用高效的算法7.能利用现有资源来帮助新研究8.广泛的使用算法会使其得到广泛的认可9.可以开发更复杂的机器学习算法10.可以加速研究进展11.对新研究者和较小的研究小组非常有帮助开源社区当前主要的障碍尽管根据开源模型发布实现方式具有许多优点，但是当前很少采用此选项。作者认为，有六个主要的原因，总结起来概括如下：1、发布软件不能够被视为一种科学贡献2、公开与商业利益存在根源上的冲突3、发布开源软件的激励措施没有足够高4、机器学习研究人员不是一个优秀的程序员5、这种松懈能掩盖新方法的问题，并降低会议和期刊的接收难度6、存在一种习惯，对质量相似的论文采用相同的处理方法建议作者给出了提交高质量机器学习开源软件实现的描述。提交的内容至少应包括：1、一封书面信，说明该提交内容适用于机器学习开源软件部分，发布该软件的开源许可证，项目的网址以及要查看的软件版本。2、最多四页基于JMLR格式的描述。3、包含源代码和文档的zip或tar压缩的归档文件。结论综上，作者认为，采用共享信息的开源模型来实现机器学习软件对整个领域都非常有帮助。开源模型具有许多优势，例如提高了实验结果的可

第一部分主要讨论回归度量在后现代主义的世界里，相对主义以各种各样的形式，一直是最受欢迎和最受诟病的哲学学说之一。相对主义认为，没有普遍和客观的真理，而是每个观点都有自己的真理。在这篇文章中，我将根据目标和我们试图解决的问题来讨论每个错误度量的用处。当有人告诉你“美国是最好的国家”时，你应该问的第一个问题是，这种说法是基于什么。我们是根据每个国家的经济状况，还是根据它们的卫生设施等来判断它们？类似地，每个机器学习模型都试图使用不同的数据集来解决目标不同的问题，因此，在选择度量标准之前了解背景是很重要的。最常用的度量在第一篇博客中，我们将只讨论回归中的度量。回归度量大多数博客都关注分类指标，比如精确性、召回率、AUC等。为了改变这一点，我想探索各种指标，包括回归中使用的指标。MAE和RMSE是连续变量最常用的两种度量方法。RMSE(均方根误差)它表示预测值和观测值之间差异的样本标准差(称为残差)。从数学上讲，它是使用以下公式计算的：MAEMAE是预测值和观测值之间绝对差的平均值。MAE是一个线性分数，这意味着所有的个体差异在平均值中的权重相等。例如，10和0之间的差是5和0之间的差的两倍。然而，RMSE的情况并非如此，我们将进一步详细讨论。从数学上讲，MAE是使用以下公式计算的：你应该选哪一个？为什么？好吧，理解和解释MAE是很容易的，因为它直接取偏移量的平均值。与此对比，RMSE比MAE惩罚更高的差异。让我们用两个例子来理解上面的陈述：案例1：实际值=[2,4,6,8]，预测值=[4,6,8,10]案例2：实际值=[2,4,6,8]，预测值=[4,6,8,12]案例1的MAE=2，案例1的RMSE=2病例2的MAE=2.5，病例2的RMSE=2.65从上面的例子中，我们可以看到RMSE比MAE对最后一个值预测的惩罚更重。通常，RMSE的惩罚高于或等于MAE。它等于MAE的唯一情况是当所有的差异都等于或为零(在情况1中，所有观测值的实际和预测之间的差异都为2)。然而，即使在更为复杂和偏向于更高的偏差之后，RMSE仍然是许多模型的默认度量，因为用RMSE定义的损失函数是光滑可微的，并且更容易执行数学运算。虽然这听起来不太令人愉快，但这是一个非常重要的原因，使它非常受欢迎。我将试着用数学的方法解释上面的逻辑。让我们在一个变量中建立一个简单的线性模型：y=mx+b在这里，我们试图找到“m”和“b”，我们有数据(x，y)。如果我们用RMSE定义损失函数(J)：那么我们可以很容易得到m和b的梯度(使用梯度下降的工作原理)上述方程的求解比较简单，但是却不适用于MAE。然而，如果你只想从解释的角度比较两个模型，那么我认为MAE是一个更好的选择。需要注意的是，RMSE和MAE的单位都与y值相同，因为RMSE的公式进行了开根操作。RMSE和MAE的范围是从0到无穷大。注意：MAE和RMSE之间的一个重要区别是，最小化一组数字上的平方误差会得到平均值，最小化绝对误差会得到中值。这就是为什么MAE对异常值是健壮的，而RMSE不是。R方(R^2)与调整R方R方与调整R方通常用于解释目的，并解释所选自变量如何很好地解释因变量的可变性。从数学上讲，R方由以下公式给出：分子是MSE(残差平方的平均值)，分母是Y值的方差。MSE越高，R方越小，模型越差。调整R方与R方一样，调整R方还显示了曲线或直线的拟合程度，但会根据模型中项的变化进行调整。公式如下：其中n是样本总数，k是变量数。调整R方始终小于或等于R方为什么要选择调整R方而不是R方常规的R方存在一些问题，可以通过调整R方来解决。调整R方将考虑模型中附加项所增加的边际改进。所以如果你加上有用的数据，它会增加，如果你加上不那么有用的变量，它会减少。然而，R方会随着数据的增加而增加，但是模型并没有任何改进。用一个例子来理解这一点会更容易。这里，情况1是一个简单的情况，我们有5个(x，y)的观测值。在案例2中，我们还有一个变量，它是变量1的两倍(与var 1完全相关)。在案例3中，我们在var2中产生了一个轻微的扰动，使得它不再与var1完全相关。因此，如果我们为每一种情况拟合简单的普通最小二乘(OLS)模型，那么在逻辑上，我们就不会为情况2和情况3提供关于情况1的任何额外或有用的信息。因此，我们的度量值在这些模型上不应该增加。对于情况2和情况3，R方会增加或与之前相等。调整R方可以解决这个问题，在情况2和情况3调整R方会减少。让我们给这些变量(x，y)一些数字，看看Python中得到的结果。注：模型1和模型2的预测值都是相同的，因此，R方也将是相同的，因为它只取决于预测值和实际值。从上表中，我们可以看到，尽管我们没有在案例1和案例2中添加任何附加信息，但R方仍在增加，而调整R方显示出正确的趋势(对更多变量的模型2进行惩罚)调整R方与RMSE的比较对于上一个示例，我们将看到案例1和案例2的RMSE与R方类似

一名优秀的机器学习研究员有哪些特质？是码力超强？还是理论功底一骑绝尘？码力和理论固然重要，但是良好的习惯才应该是检验是否优秀的唯一标准。紧跟Arxiv Sanity Preserver的最新研究，让模型训练不眠不休，最大限度的利用Stack Overflow.....除了这些，还有哪些是成为高效ML研究者必备的呢？近日，一位网友在 Reddit 上发帖提问：「高效的机器学习研究者，都有什么样的习惯？」对此，不少网友纷纷留言支招，好不热闹。而此前，Open AI 的创始成员之一和研究科学家 John Schulman也专门写过一篇《机器学习研究指南》，从选择研究问题的能力到研究驱动力，再到具体的研究方法上，提出了自己的独到建议。我们先来看：一、培养选择正确的研究问题的能力在机器学习研究中，具备正确选择研究问题的能力，甚至比你本身拥有的技术能力更重要。而这种能力是通过长时间观察哪些想法最终成功、哪些观点最终被遗忘而培养出来的：那些成功的想法可能会发展成为一些领域内新观点和新进展的基石，而那些最终被忽略的想法可能是因为它们太过复杂或太过脆弱，又或者是带来的增量进展过小。这种日积月累的观察，能够让你学习到，哪些观点是有长远价值的，哪些观点可能只能够“昙花一现”。对于这种能力的培养，大家可能也在探索一些捷径，下面这几种方法可为大家提供一些参考：第一，阅读大量的论文，并有批判性地对这些论文进行评价。如果有可能的话，尽可能邀请机器学习领域的出色研究者来共同探讨这些论文。第二，尝试加入研究主题相似的研究小组，以此汲取他们的研究经验，并培养良好的团队协作能力。第三，在研究问题的选择上，可以向前辈研究者或其他有经验的研究者寻求建议。需求他人的建议并不可耻，而当你最终决定好一个正确的研究问题时，你的技能潜力就会被激发出来，并能够最大程度最好地进行研究。第四，花点时间思考怎样的研究才是有用的、能做出成果的，比如问问自己以下几个问题：理论在什么情况下是有用的？什么情况下，经验成果能够迁移到研究中？是什么让一些观点能够被广泛接受，而另一些却最终被遗忘？机器学习领域的未来趋势是什么？哪些研究方向有可能会让其他的研究方向望尘莫及？其中，第一点至第三点，目的旨在优化你的研究环境以及从其他研究者那里获得一些建议、汲取一些经验，而第四点则要求你自己进行独立思考。而第一点从第三点的重要性，想必可以从“几乎所有带有冲击性的、有影响力的工作都是由一小部分的研究团队和机构做出来的”这一事实得到验证。这并不是因为这些研究团队或机构的研究者比其他研究者要更聪明得多，而是因为他们站在“巨人的肩膀”上，拥有更高密度的专业知识和视角，从而能比社区中的其他研究者先行一步。不过如果你很遗憾无法在这样的环境中开展机器学习研究工作，也不要气馁，你也可能通过额外的努力，培养自己的专业能力和独特的视角，来走在别人的前面。二、研究由观点驱动还是目标驱动？（雷锋网(公众号：雷锋网)）选择好研究的问题后，一般而言，你可能会通过两种方式来决定接下来做什么：第一，观点驱动，遵照一些文献的观点来开展接下来的工作。如果你正好阅读到观点和思路与你接下来要开展的工作一致的论文，那自然是最好。接着你就可以开始一个项目来测试你的想法。第二，目标驱动，目标是发展一些你希望获得的新的 AI 技能，与此同时解决一些能够让你离最终目标更近一步的问题。在实验环节，你可以尝试测试一些文献中现有的方法，之后基于这些方法提出自己的新的方法来进行优化完善。当然，这两种方法并不是互斥的，任何机器学习子领域的研究都不可避免地涉及到一些目标（比如说目标检测），而所有“观点驱动”的项目也代表着该子领域发展目标的进展情况，从这个意义上而言，“观点驱动”的 研究实际上是“目标驱动”的研究的一种实例形式。而这里单独列出的“目标驱动”，指的是个人的目标比机器学习某个子领域的发展目标更明确，强调的是“成为第一个吃螃蟹的人”，而不是基于某项研究进行优化和改善。从长远来看，“目标驱动”的研究对大多数研究者而言更具有价值。“观点驱动”的研究存在一个很高的风险就是：可能会重复其他研究者的研究工作。世界各地的研究者阅读的文献材料都差不多，这让他们很容易产生相似的想法。而如果想通过“观点驱动”的研究来做出突破性的工作，就需要对你自己的研究课题建立独一无二的深度认知，并且能够以与社区其他研究者不同的视觉来开展研究，有些人可能能做到这样，但是做到的难度很高。而另一方面，“目标驱动”的研究下，你的目标本身就能够给予你区别于其他研究者的独特视角，并引导你提出别人未曾提出的问题，让你获得更大的进展。不仅如此，这种研究方法也会让你变得更有动力：每天清晨都能够带着对实现目标的憧憬起床。这会让你在起起伏伏的研究持久战中，更易于坚持下去。在团队协作方面，“目标驱动”的研究有助于团队研究者的协作研究并从问题的不同方面来开展研究工作。而“观点驱动”的研究由1到2人组成的“团队

雷锋网消息：据南大周志华微博，微众银行首席人工智能官杨强教授担任国际人工智能大会AAAI 2021大会主席。杨强教授的此次任职亦是AAAI大会历史上第二位大会主席，同时属华人首次。周志华教授在微博中提到，2020年前AAAI仅设程序委员会主席（Program Committe e chair），没有大会主席（ General chair）。由于近来投稿量剧增，为了使程序委员会主席能把精力集中在稿件学术质量把控上，2020年起才开始设置大会主席。杨强教授是人工智能业界的国际专家，在学术界和工业界做出了许多贡献，尤其近些年为中国人工智能和数据挖掘的发展做出了重要的贡献。杨强教授是国际人工智能界“迁移学习”（transfer learning）领域的发起人和带头人，同时也是国际“联邦学习”（Federated Learning）的发起人之一及带头人。他于2013年7月当选为AAAI Fellow，这也使他成为第一位获此殊荣的华人；之后又于2016年5月当选为AAAI执行委员会委员，是首位AAAI华人执委，2017年8月当选为国际人工智能联合会（IJCAI）理事会主席，是第一位担任IJCAI理事会主席的华人科学家。由此可见，担任 AAAI 2021 大会主席，也是顺理成章之事。比较巧合的是，不久之前，雷锋网 AI 科技评论恰好聆听了杨强教授做的一场报告。1月11日，在《清华-中国工程院知识智能联合研究中心年会暨认知智能高峰论坛》上，杨强教授做了《机器学习的几个前沿问题》的报告，针对人工智能算法方面的限制，在机器学习层面对几个前沿问题做了总结。在报告中，杨教授指出，在机器学习流程中的大多数环节都可以进行自动化设计；面对小数据集的困境，迁移学习是很好的解决方案；在隐私保护越来越重视的今天，联邦学习可以实现利用多方数据进行训练，还能够很好的保护每一方的数据隐私。AI 科技评论藉此机会，将杨强教授的观点分享给大家，如下——雷锋网(公众号：雷锋网) AI科技评论做了有删改的整理，未经杨强教授本人确认。1、机器学习如何规模化？虽然人工智能现在发展的非常火热，但是人工智能面临巨大的挑战，首先是人才的挑战，培养一个人工智能的人才，包括在学校里的培养，在实践当中培养，前后加起来需要耗费近十年的时间。那么人工智能技术本身是不是可以用来设计人工智能？在人工智能的具体应用环节，有的环节是否能够让人工智能来进行？换句话说，AI的算法是不是可以自动化的进行设计？要解决这个问题需要全面考虑AI算法，尤其是机器学习算法整个流程的每个环节，哪个环节适宜用自动化，哪个环节不能用自动化。机器学习的整个流程包括问题的定义、收集数据、建立特征工程、模型的训练和测试、应用，最后再将应用的结果反馈到第一步。所以这个循环的过程非常繁杂，有很多的环节需要人工智能的专家，这也是为什么一个人工智能落地的项目非常昂贵的原因。所以哪个步骤可以用自动化来解决？例如从定义问题出发，定义问题不仅仅是从过去知识学习的问题，还能够有意识的提出新颖的想法，甚至有些想法没有过去的经验可参考。因此我们断定在定义问题的环节很难引入自动化，但是后面的环节，例如数据的收集、数据聚合，然后形成特征工程，包括模型的训练其实都是可以自动化。在数学模型的概念上，机器学习目的在于使训练数据和模型之间的差别变得越来越小，整个过程是一个优化的过程，也是一个概率的过程。我们在寻找模型的时候，实际上是在配置的参数空间里面寻找。但是参数的数量，尤其是在深度学习里面的参数数量非常多，维度可以达到上亿。这些参数一般是机器学习专家来调节，那么如果使用机器，效果是不是更好？第二个环节，是性能的评估，即评估模型和训练数据差别，这个环节也可以部分的由机器来解决，虽然这个差别本身的定义还是由人来解决，即由数学家来定义一个模型和训练数据之间到底有多大的差别。所以，最近的一些分析，人工智能的基础是不是应该是数学，就体现在：数学家对距离的定义，即各种各样的在不同的空间，转化空间之间的距离的定义。那么如何高效的求解，在这个空间里面找到最佳的配置是一个优化的问题，所以总结起来为：数据的预处理、特征处理和模型训练。这几个方面都可以形成一些搜索空间，可以在这样的空间里面形成优化函数，例如上图左边是三个空间，那么在这三个空间就包括在右边的那个性能的空间里面。自动化的特征工程已经有非常好的平台，例如第四范式公司推出了AutoCross平台，他会把不同维度的特征自动的组合筛选，最后推出最优化的组合。同时现在比较困难的是在自动化机器学习里如何找到一个最优的网络结构，这也是拓扑空间的搜索问题。上图的右上角展现的是一个深度学习的拓扑结构，也即从一个神经元到另外一个神经元之间的连接，这种连接千变万化，而且影响是巨大。那么如何找到一个最佳的拓扑结构？这是比较难的问题，这个问题现在也在尝试自动化的方式解决，具体来说是引用了强化学习的概念，如上图左侧所示。首先在深度学习的

编译/VR陀螺正如iPhone和iPad所充分展示的那样，苹果公司目前许多硬件都依赖于通过触摸的方式进行输入，对于iPhone和iPad来说是通过触摸屏幕，而Mac则是通过触控板。但是，随着人们开始依靠AR进行工作和娱乐，他们将需要与未配备物理触摸传感器的数字对象进行交互。如今，苹果已为使用深度映射相机和机器学习检测触摸的关键技术申请了专利。根据专利标准，苹果的这款基于深度的触摸检测系统非常简单：外部摄像头在实时环境中协同工作创建三维深度图，从而测量物体（例如手指）与可触摸表面的距离，然后确定物体何时接触该表面。至关重要的是即使相机改变位置，距离测量也可以使用，实现这点的关键在于从机器学习模型进行的训练来识别触摸输入。该专利的插图显示了三个外部相机一起工作，以确定手指的相对位置，这个概念对于苹果搭载3个相机的iPhone 11 Pro的用户可能有些熟悉。预计类似的多摄像机阵列将出现在未来的苹果设备中，包括新的iPad Pro和专用的AR眼镜，使每个设备都可以通过深度映射场景并应用机器学习知识来判断手指位置变化的意图而轻松确定输入。有了这项技术，未来的AR眼镜可以消除对物理键盘和触控板的需求，将其替换为仅用户可以看到并能正确交互的数字版本。它们还可以让用户界面锚定到其他表面（例如墙壁）上，从而可以创建只能通过AR按钮操作的安全电梯。根据基于Sunnyvale的Lejing Wang和Daniel Kurz发明的技术，苹果今天获得了US10,572,072的专利。该专利于2017年9月底首次提交，并且包含了苹果公司对该技术的实际测试照片。这表明苹果公司的AR和深度相机研究不仅仅是理论上的。苹果首席执行官蒂姆·库克（Tim Cook）表示，AR将成为该公司未来的主要业务。来源：venturebeat

本文是一篇对 Scikit-learn 开发者的专访，原载于 towardsdatascience，AI 开发者编译整理，采访内容如下文。采访者：Haebichan Jung，TowardsDataScience 网站项目负责人。旧金山 Recurly 的数据科学家。受访者：Andreas Muller，Scikit learn 的核心开发人员，书籍《Python 机器学习入门》的作者，哥伦比亚大学数据科学研究所的科学家、讲师。Haebichan Jung：开源社区是如何维护 Scikit-learn 的？结构化的库的工作流程和所有权是怎么样的？Andreas Muller：首先是用户。大多数对 Scikit-learn 有贡献的人最开始都是用户。如果你不使用这个软件包，你就没有动力去做这件事情。其次，大多数伟大的贡献都是由人们的用例驱动的。有些版本是我为 Scikit-learn 编写的，因为我想使用它们。这些通常是最好的版本。你不想迎合软件太具体的用例，你不想在功能上加标签。第三，对于像 Scikit-learn 那样复杂的东西，你不想一开始就添加一些新的大功能。很多人都有他们最喜欢的模型，他们想通过将其添加到 Scikit-learn 中来开始他们的贡献。但是，现在将一个模型添加到 Scikit-learn 需要大约一年的时间。所以我真的建议从小事做起。我本人是从文档的排版开始的。改进文档总是受欢迎的。还有很多关于问题追踪的东西。Haebichan Jung：在机器学习工作流中实现 Scikit-learn 的那些人中，你看到了哪些常见的错误或低效的事情？Andreas Muller：一般来说，与 Scikit-learn 和机器学习相关的常见错误有两种。1.对于 Scikit 学习，每个人都可能在使用管道。如果你不使用管道，那你可能有些地方做错了。2 年前，我们引入了列转换器，它允许你处理具有连续和分类变量的数据，或者处理其他类型 One-Hot 编码器时，一切都很好。2。我在机器学习中看到的一个常见错误是没有对度量标准给予足够的关注。Scikit-learn 将精度用作默认度量。但一旦你有了一个不平衡的数据，准确度是一个可怕的指标。你真的应该考虑使用其他指标。我们不会改变默认的度量标准，因为准确性被广泛使用，而且有如此清楚的解释。但是，在机器学习中，查看其他度量并为你的用例考虑是否使用它们是最常见的问题。什么是管道？如果它不准确，还有什么其他指标更适合机器学习？在 Scikit-learn 中，每个 ML 模型都封装在一个称为「估计器」的简单 python 类中。通常在机器学习过程中，你可能会有一个带有一系列预处理步骤的分类器。管道允许你封装所有预处理步骤、特征选择、缩放、变量编码等，以及通常在单个估计器中具有的最终监督模型。所以你有一个对象来完成你所有的工作。它非常方便，能够使编写错误的代码出现的更少，因为它可以确保你正的训练集和测试集是一致的。最后，你应该使用交叉验证或网格搜索 CV。在这种情况下，重要的是所有的预处理都在交叉验证循环中进行。如果在交叉验证循环之外进行功能选择，可能会发生非常糟糕的事情。但在你的管道中，你知道一切都在交叉验证循环中。Andreas Muller 哥伦比亚系列讲座对于度量，它们通常在二进制分类中被忽略。在二进制分类中，精度取决于你的目标是什么。我喜欢看 ROC 曲线下的面积和平均精度。这些是某种细粒度的度量。我也喜欢看精确召回曲线（AUPRC）。这些指标的意义在于，它们不依赖于你应用的决策阈值，因为它们是排名指标。所以你需要决定在哪里设置阈值来表示「在什么概率下我说是 1 类还是 0 类？」。你可以研究的其他指标是 F1 指标或平均召回率/精确度，这些也很有趣。Haebichan Jung：Scikit-learn 包中是否有其他工具或功能让你觉得使用不足或被低估？Andreas Muller：有一个功能还没被充分利用，因为它还是很新的，它就是 Hist 梯度增强。这是 LightGBM 的根的实现，因此比以前的梯度增强实现快得多。它比 XGBoost 稍快，比 LightGBM 稍慢。目前它还不能支持缺失值的处理，但这个功能将很快在 2 周后的下一个版本中发布。它也不支持分类变量，这个功能将在明年春天左右发布。Haebichan Jung：你提到 LightGBM 很有意思，因为越来越多基于 python 的 ML 库正在发布，比如 Catboost，还有像 Pythorch 这样的深度学习框架。你觉得这些在 ML 领域成长的玩家怎么样？这种现象是竞争的反应吗？Andreas Muller：我认为在大多数情况下，多元化是好的。其中大多数框架提供了类似于 Scikit-learn 的接口，因此与我们的包兼容。由于 Scikit-learn 的应用非常广泛，所以开发速度很慢。我

中新网8月10日电 今天，亚马逊中国开启“2020亚马逊创新日”，首次揭秘创新“中国公式”背后的内涵，同时也从跨境网购、技术研发、亚马逊云服务(AWS)等层面深度解读了后疫情时代互联网创新科技，特别是人工智能(AI)和机器学习(ML)推动经济全面复苏和全球产业数字化革命的强大驱动力。亚马逊中国副总裁李岩川本次“创新日”活动延续了“全球资源本地创新”主题，也是亚马逊中国第三次以“创新日”形式展示全球及本地的创新成就。活动中，亚马逊中国副总裁李岩川分享了亚马逊全球的创新理念、文化和最新技术成果，并从技术应用、客户体验、商业模式三个维度解读了亚马逊为中国跨境电商行业带来的“智”的飞跃；亚马逊海外购中国技术负责人王毅则从技术研发的角度出发，展示了亚马逊为中国市场定制的本地化创新实践，并阐释了基于本地需求的创新如何成为全球创新的基石；AWS首席云计算企业战略顾问张侠则着重分享了AWS的创新实践，解读了AWS如何在支持亚马逊内部业务创新的同时，更为全球数百万客户的创新赋能，助力各行各业、各种规模的企业加速数字化转型、提高竞争力。同时，AWS一直致力于通过云服务和技术为各类机构赋能，促进科研创新以及人才培养，为经济转型和社会发展做出贡献。创新不止 以新“智”慧引领新消费在亚马逊，持续不断地创新是企业倡导的核心文化，这也是亚马逊在全球创新企业榜上一直名列前茅的原因。而亚马逊中国更是依托全球强大的技术实力，充分利用全球的创新成果，不遗余力地推动技术应用、客户体验及商业模式的创新，在打造“中国公式”的同时，为跨境电商行业健康快速的发展提供可借鉴的经验。在技术创新方面，亚马逊中国基于差异化的跨境网购模式，推出了独一无二的全球促销同步技术。该技术在保证正品的基础上，让消费者可实时享受美、英、日、德四大海外站点“同货源、同库存、同折扣”的跨境网购体验。这一跨国界、跨时区、跨品牌的创新技术使得中国消费者能获得更丰富的商品选择，更优惠的促销力度和超长的网络购物时间，从而真正的实现一站轻松购全球。与此同时，亚马逊也不断致力于提升客户的购物体验。亚马逊中国副总裁李岩川认为：“互联网技术和客户需求不断变化，唯一不变的是我们创新的脚步。”亚马逊海外购只是亚马逊在中国诸多创新举措和实践的一个代表。得益于全球先进的技术与资源优势，亚马逊将持续推动本土化创新，服务中国亿万消费者；同时为行业注入数字化转型的新动能，将亚马逊持续的创新之力与中国速度的内生之力相融合，最终惠及中国乃至全球的产业数字化升级。亚马逊海外购中国技术负责人王毅客户需求是科技创新的本源亚马逊25年的成功来源于始终遵循“顾客至尚”的核心价值观，这不仅体现在先进的商业理念上，更反映在持续不断的技术创新上。在诸如人工智能、机器学习、神经网络计算等先进互联网技术领域，亚马逊作为全球创新的领导者，在利用这些技术改变人们工作和生活的同时，也推动着产业走向数字化变革的新高峰。亚马逊海外购中国技术负责人王毅表示：“在亚马逊，技术创新不是商业利益驱动，而总是客户需求驱动，基于本地客户需求的创新更应该是全球创新的起点。”运用来自全球的技术创新成果，亚马逊中国根据本地客户需求，利用人工智能、机器学习等先进技术在细微之处持续提升客户体验和运营效率；而这些创新技术通过亚马逊的国际化平台，正在被多个海外市场所采纳，中国正逐渐成为亚马逊全球技术创新的典范和标杆。亚马逊中国开启“2020亚马逊创新日”AWS因创新而生为创新赋能AWS是亚马逊创新的成功案例之一，经过14年的发展已经成为一项年化收入超过410亿美元的业务。现在，AWS不仅为亚马逊的一系列革命性创新提供了技术支撑，更在以云服务为载体，赋能全球数百万企业和机构的数字化转型。AWS提供了超过175项全功能的服务，涵盖计算、存储、数据库、联网、分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面。全球数百万活跃客户，包括发展迅速的初创公司、大型企业和政府机构都信赖AWS，通过AWS的服务强化其基础设施，提高敏捷性，降低成本。同时，得益于遍及全球24 个地理区域的77个可用区的基础设施覆盖，AWS也担当了全球化桥梁的角色，助力中国企业出海走向世界，帮助海外企业植根中国市场。为了更好地为中国客户赋能，AWS正在加速新服务和功能落地中国。仅今年上半年，AWS就在中国区域落地了150多项云服务和功能。AWS首席云计算企业战略顾问张侠表示，“AWS一直致力于将全球领先的云计算技术落地中国，让中国客户获得与全球一致的云服务体验，并进一步助力各种规模的企业和机构拥抱数字化、智能化，加速业务转型和升级。”创新是亚马逊的DNA，也是亚马逊在全球25年发展和成功的基石。在当下的特殊时期，亚马逊希望通过此次创新日活动，分享其在创新技术和数字化应用领域的成功实践，以此来进一步推动在中国和世界范围内的技术创新进程，为经济复苏提供新动

来源：天仪坤博 发布时间：2020-09-25 06:43:13水陆两用管道检测机器人无线/有线双用ty-GSL03（专利）彭州管道机器人-淤泥CCTV天仪好口碑，ty质量好天仪仪器公司管道机器人有9款，推荐给您：ty-150无线管道检测机器人（详细资料请点击右边我们网址进入查看详情）ty-200无线管道检测机器人（详细资料请点击右边我们网址进入查看详情）ty-300水上漂无线管道检测机器人（详细资料请点击右边我们网址进入查看详情）ty-400水上漂无线管道检测机器人（详细资料请点击右边我们网址进入查看详情）ty-GSL01全地形淤泥管道机器人（详细资料请点击右边我们网址进入查看详情）ty-GSL02水陆两用管道检测机器人（详细资料请点击右边我们网址进入查看详情）ty-GSL03水陆两用管道检测机器人ty-GSL04水陆两用管道检测机器人（详细资料请点击右边我们网址进入查看详情）ty-GSL05水陆两用管道检测机器人仪器特点：“水上漂浮”的管道检测机器人，是指能漂浮在水面上面，以陆地上面行走为主、水面行走为辅，“水陆两用”的管道检测机器人，是指能在管道陆地上面行走，也能在管道水面上面行走，且漂浮在水面上面，且带双推力风扇，这样不管管道里面无水有水都能使用，也不管里面水有多深，突破了目前同行只能在无水或者水很少的情况下才能检测的难题，我们做到了！！！！1、 无线管道检测机器人都采用无线信号控制2、 全部采用塑料外壳材质3、 机器人增加行走记米功能4、 摄像头带双激光，能感知堵塞大小，裂隙面积大小功能，为管道检修难度提供直接的参考依据，（同行没有）5、 带底盘浮力海绵，使机器人漂浮在水面上面行走自如快捷（同行没有）6、 带双推力风扇，使机器人在水面上面行走更加快捷（同行没有）7、 带分析软件，能现场分析缺陷，生成缺陷报告摒弃同行认为优点的缺点:1、摒弃气压充气功能，同行管道机器人使用之前需要检测气压，我们一直没有搞明白，为什么需要加气，是不能做好防水吗? 听说同行气压不够是不能操作的，这个功能我们不需要 (我们没有)，该防水的地方是一定防水的，2、摒弃前后双摄像头功能, 同行一般需要前面和后面两个摄像头, 来控制爬行机器人的前进与后退, 这个后视摄像头, 我们不需要(我们没有), 因为我们的摄像头可以朝后面观看3、摒弃同行使用的信号线绞车，采用无线遥控控制爬行器行走，减少拖带，轻便，使用方便，速度快，重要的事情说三遍：无线的是没有信号线绞车，没有绞车，没有绞车（我们没有）注意：考虑到客户使用的习惯问题，这款目前做出了有线无线双用的了，是以无线为主，有线为辅的方式给客户选择！！！！仪器参数：一、 显示主机参数：1、7寸高清彩色液晶显示屏；2、win7，触摸屏显示3、功能：带录像功能、拍照功能；4、内置电池：高能可充电锂电池；充电一次可以使用8小时5、工作电压：12V；6、控制模块：傻瓜式操作；二、 无线中继器技术参数 （公司秘密，数据不外传）1、2.4G无线控制传输。2、5.8G无线图像信号回传3、带大容量锂电池，充电一次可以用8小时左右。三、 无线机器人爬行器参数：能陆地上面行走，水面上面也能行走，且不惧水有多深，1、控制方式：无线控制行走，无线图传功能2、行走方式：四轮驱动3、摄像头：水平360°无限旋转、仰俯90°可以观看前后左右四周4、激光标的：带双激光测量堵塞，缺陷程度；5、灯光：12个远光灯+6个小LED灯光6、转向方式：前轮转向，转弯灵活度高7、行走速度：陆地3公里/小时，水面行走0.5公里/小时8、爬坡≥45°9、自带大容量锂电池，充电一次可以使用8小时左右10、带行走记米功能，0~9999米适合400~3000mm的管径服务好工业机器人这一门课程，它是目前高校中数控专业的一门基础课程，大部分院校该课程主要是表达了当前我国国内工业机器人的基本机构，以及使用到的运动学以及动力学方程等内容，有效的帮助学生提高机电一体化综合技术的应用能力，为高校数控专业的学生能够在日后有一个好的发展道路奠定了坚实的基础。在当前高校中，机械类专业的学生他们所学的课程主要包含有：工程力学，工程制图，机械设计，制造工艺等课程，这一些课程都和工业机器人课程有着紧密的联系。因此，高校当中的学生想要很好的学习工业机器人这一门课程便需要掌握上述几门课的课程内容。总体上可以说工业机器人这一门课程是对前期课程内容的一次全面应用，从而能够在一定的程度上使得学生对于机械专业的认知提升到一个新的台阶。好另外，还要考虑标识在显示装置上的首字母易于用户辨认，消除用户使用时的疑惑。对于一个产品而言，其借由形态与使用方式与用户建立使用关系。例如，门窗上装着把手，则人就通过把手打开，以此建立使用关系。门窗的推拉是由门窗的向内向外打开来决定的，如果搞错了打开方式，则就不能顺利打开。因此，在设计服务机器人时，难度在于以设计让用户轻松地获得机器人的使用方法，而进行后续的

21世纪，科技日新月异，科技发明层出不穷。工作机器人更是夺人眼球的资本家宠儿。一天24小时不知疲倦的创造利润，可以精确重复无数次规定的工作指令而不会厌倦。不用交各种保险，更是避免了各种劳资纠纷。只需要请几个机械师就可以了。很多大量用工企业都在推出自己的工作机器人并尝试运用在许多不同的工作场合。一时之间，失业的危机感在大部分人脑袋里萦绕不退。其实大可不必担心，工作机器人只会大规模替代掉一些危险或者简单重复的工作，这是大势所趋，毕竟，每个国家都缺乏足够且合适的劳动力，比如法国，都需要黑叔叔来补充人力缺口了，很多国家为了鼓励国民生育，纷纷推出生育大礼包。工作机器人是用来应对以后人力不足的尴尬局面，毕竟生活要继续。人口生育率不足的国家对工业机器人的需求是刚需，但人类的社会结构注定了工业机器人不可能大规模普及，因为人们大规模失业的话，所带来的种种社会问题是会完全破坏人类阶层结构的，一个简单的本质：没有穷人，就不会有富人！一个稳定的社会是262结构，如果没有了中间的6，剩下上层的2也是无法维持一个完整的社会架构，毕竟，没有消费主力了，还需要机器人生产什么？到时候，他们还得哭着喊着求着你去工作！毕竟，6才是维持人类社会经济生活的基石。小伙伴们听到这里是不是特轻松？人类的铁饭碗牢不可破哦！但还是要多做一些准备，多学习多充电。人类最伟大的地方一直都是创意和想法，最不可能被替代的只有人类的创造力！结束语人类前进的步伐不可阻挡，自己多做准备总是对的。

OnRobot推出机器人砂光系统OnRobot推出了OnRobot Sander，这是一种全电动随机轨道砂光机，适用于自动精加工应用，包括砂光和抛光，更多信息尽在振工链。传统的打磨自动化解决方案通常需要机器人技术的背景来实施和维护。随着OnRobot Sander的推出，制造商现在可以使用一个完整的现成的打磨工具，该工具可以轻松地与所有主要的协作型和轻型工业机器人一起使用。完整的Sander软件包囊括了OnRobot客户快速而轻松地启动磨砂应用所需的一切：即插即用的磨砂工具，各种标准的磨砂和抛光垫，易于使用的编程软件，可选的力／扭矩传感器和砂砾更换器，无需操作员干预即可在不同的砂粒之间自动切换。进一步提高可用性借助直观的内置软件，可以在Sander上轻松编程简单的表面处理应用程序。但是OnRobot在工具上增加了一个“保存位置”按钮，使可用性进一步提高，使用户无需使用机器人的示教器即可手动设置航路点。Sander软件带有不同的路径规划选项－指南，形状和点，并允许用户调整旋转速度，优化循环时间和一致性。OnRobot首席执行官Enrico Krog Iversen：“ OnRobot致力于为中小型企业提供可负担的，以应用程序为中心的易于安装和维护的解决方案。“ OnRobot Sander是一种多功能的打磨工具，可提供客户期望的自动打磨技术的所有功能和优势，而无需传统上与自动打磨工具相关的所有麻烦和成本。”OnRobot Sander支持平坦，弯曲和不均匀的零件几何形状，并配有可替换的标准垫片，可用于多种材料。添加力／扭矩传感器可使砂光机适应表面变化或零件未对准，同时提高一致性和质量并降低废品率。通用机器人协作机器人支持OnRobot Sander的所有高级功能，但是该工具可以轻松地与任何主流机器人品牌集成。与气动砂光机相比，可节省大量成本Sander是一种轻巧的解决方案（1．2千克（2．64磅），带衬垫）解决方案，将其无刷电动机的功率（最高10，000 RPM）与运行成本相比较仅占气动打磨系统成本的5％。传统的气动砂光机使用外部空气压缩机，这非常昂贵并且容易泄漏。同时，Sander的无刷电动机耐用且可靠，使用寿命等于或大于竞争对手的气动系统。“ OnRobot致力于通过向自动化领域完全陌生的公司提供现成的解决方案，使自动化，按产品逐个产品和按应用逐个民主化。我们消除了与自动化相关的成本和复杂性，使我们的客户拥有完成工作所需的最重要的功能。” Iversen解释说。能提供更安全的工作环境打磨通常是肮脏和危险的工作，对工人有一系列潜在的健康风险，从高振动的手动工具引起的令人衰弱的“白指综合症”到微粒物质引起的肺损伤。OnRobot Sander消除了这些风险，并使用3M干净的砂纸圆盘，这些圆盘允许抽取更多的灰尘，从而与竞争的系统相比，可为工人提供更安全的环境。“在OnRobot，我们看到了刚接触机器人技术的公司越来越多的兴趣，但他们正在寻找通过自动化来补充现有劳动力的方法。这些公司正在寻找简单，用户友好的解决方案，例如OnRobot Sander，可以轻松地将其部署在每个应用程序域中的各种任务上。”机器人涂饰市场将在整个亚洲增长2016年，全球机器人切割，去毛刺和精加工（CDF）市场价值约为5亿美元。预计到2024年，这一数字将达到13亿美元，其中CDF机器人预计将在2017年至2024年之间以20％的复合年增长率增长，占50，000多台。亚洲对CDF的需求很高，广泛应用于汽车，金属，电子，化工，塑料，家具和木材等各个行业。对精度，高质量输出和更快生产的需求不断增长，有望提高该地区的采用率，更多信息尽在振工链。

“我有一个近乎完美的同事，他每天做着固定的工作，从来不会抱怨，也丝毫不会犯错，只是总‘逃避’聚餐让人有点遗憾……”在“智能、普惠、链接――360数科技术开放日”上，360数科AI科学家燕鹏举博士就向与会嘉宾隆重介绍了这个“完美的新同事”――基于360数科智能语音机器人核心技术打造的北斗机器人平台与巨浪智能语音平台。360数科AI科学家燕鹏举事实上，随着技术快速发展，机器人在金融、医疗、制造等场景的使用规模不断提升。数据显示，2020年我国工业机器人市场规模预计突破60亿美元，服务机器人将突破40亿美元。尤其是在金融领域，从用户信息核实到注册并申请服务，再到贷后提醒等场景，智能语音机器人随处可见。燕鹏举表示，相比人工，机器人有效通话成本由7元降至0.15元以下，平均时间由8分钟降至3分钟，不眠不休、不受情绪影响，且对话设计精细，能够帮助降本增效，降低风险。洞察对话机器人在金融业的应用价值，360数科基于人才梯队、技术积累、场景打磨、策略智能化等优势，研发了智能语音机器人，以及北斗机器人平台与巨浪智能语音平台，能够完成83%的资产清收工作、90%的电话营销工作、91%的客户服务工作以及100%的质检工作，让大规模的用户触达与服务成为可能。据介绍，360数科机器人平台底层是机器学习、用户意图管理、知识库管理等内容，中间层是机器人产品，最终服务于电核、贷后提醒等业务环节。其中，智能语音机器人以语音识别技术对电话数据进行标注并做出模型，将用户语音转化为文字，再以自然语言理解技术，理解用户文本含义，最后通过语音合成，向用户传达拟人化音频，达到与用户持续沟通的效果。此外，360数科机器人平台还能通过会话分析了解还款意向、拨打有效性等，进一步提升应用效果。目前，在智能语音机器人的支持下，360数科配合新开发的新版贷后管理系统，客户接通率提升了5-6%，日均有效通话时长上升了48%。同时在疫情期间，360数科“疫情通”智能机器人服务覆盖18个省、39个地区，累计拨打26万次电话，总拨打时长超4400小时，累计输出健康普查报告8万篇，以科技力量切实助力疫情排查工作，社会效益凸显。除了自用，360数科也致力于推进智能语音机器人等服务向不同金融合作伙伴的输出。360数科CEO吴海生在会上致辞时表示：“360数科认为实现公司的2.0阶段，就是把最佳实践向行业去推广，回到创业的初心，就是把真正我们所拥有的能力去分享出去。”对于金融行业智能语音机器人的未来，燕鹏举认为将面临两大技术挑战。一是高准确率，如重口音、方言以及语音识别的累计错误、复杂多意图，导致语音识别准确度受限；另一个是小样本与快速定制，当下，多样化的新场景、用户的个性需求等都对语音识别提出了定制化的新要求，且少量样本的语音合成也带来极大挑战。基于此，360数科将进一步提升技术水平，支撑企业自身与合作伙伴更好地服务用户，做“机器人时代的统领者”。

由国际机器人联合会 (IFR) 发布的《新世界机器人工业机器人 2020》(The new World Robotics 2020 Industrial Robots) 报告显示，目前中国工厂有 78.3 万台工业机器人在运行，机器人的保有量增加了超过14万台，增长 21%，新增进口量位列全球第一。美国的机器人数量则增加了近2万台，排名全球第四，落后于日本和韩国。2019 年，新机器人的销量仍处于高位，出货量约为 14.05 万台。虽与 2018 年相比减少了 9%，但仍是有史以来第三高的销售量。“中国是目前世界上最大，增长最快的机器人市场。“这里每年安装的机器人数量最多，且拥有最多的可操作机器人。这种快速发展在机器人史上是独一无二的。”国际机器人联合会主席 Milton Guerry 说：“中国是目前世界上最大，增长最快的机器人市场。“这里每年安装的机器人数量最多，且拥有最多的可操作机器人。这种快速发展在机器人史上是独一无二的。”亚洲-澳大利亚 - 概览亚洲-澳大利亚仍然是工业机器人最强劲的市场，该地区的运作存量增长了 14%，2019 年达到了约 16.88 万台。继中国的 78.3 万台之后，日本以约 35.5 万台工业机器人(增长 12%)排名第二。紧随其后的是印度，创下约 2.63 万台的新纪录，增长 15%。在印度，工厂中的工业机器人数量在五年内翻了一番。亚洲新安装的机器人约占全球供应量的三分之二。中国近 14.05 万台新型机器人的销量虽低于 2018 年和 2017 年这两个创纪录年份，但仍然是五年前销量(2014 年：5.7 万台)的两倍多。亚洲前三大市场的安装速度都有所放缓——中国(减少 9%)、日本(减少 10%)以及大韩民国(减少 26%)。在中国，71% 的新型机器人绝大多数是从国外供应商处进口的。中国制造商仍然主要面向国内市场，并在国内获得了越来越大的市场份额。外国供应商将约 29% 的产品销往汽车行业，而中国供应商仅占 12% 左右。因此，与国内供应商相比，外国供应商受中国汽车行业业务下滑的影响更大。

近日，常州华怡明都酒店集团携手洛必德科技，将智能服务机器人应用于集团旗下五星级酒店——明都紫薇花园酒店。洛必德智能服务机器人的加入，科技加持下，这座浪漫唯美的花园酒店，更增添了时尚前卫的摩登现代感。渔舟唱晚滆湖秀，紫薇醉美明都情！常州明都紫薇花园酒店，是属于具有江苏省旅游行业“创新发展优秀项目”称号的华怡明都酒店集团旗下的花园酒店，在常州豪华型酒店榜单中排名前三。酒店拥有各类豪华客房，符合国际标准、精致温馨。齐全的现代化配套设施给每一位商旅贵宾营造一个舒适的家外之家。酒店拥有600亩公园，环境宜人。客房内可俯瞰紫薇主题公园，花园式酒店格调优雅，信步可达西太湖，独享休闲度假养生之体验。洛必德智能服务机器人就是住在这花园中，让现代科技与优雅古典格调相碰装，打造浪漫、温馨、智能便捷的入住新体验。从办理入住开始，洛必德服务机器人可带领客人抵达房间。机器人可自动乘坐电梯，无需人工参与，无接触服务，智能更安心。智能服务机器人提供24小时贴心管家服务，客人只需要在房间手机小程序下单，机器人即可上门送货。足不出户，便可享受无可比拟的明都温馨关怀。洛必德智能服务机器人与紫薇明都花园酒店一起，贴心、细致的服务，赢得了入住客人的诸多好评。未来，洛必德机器人也将助力华怡明都酒店集团，让客人在常州的商务休闲之旅更多了份科技的温暖，共同创造中国酒店品牌价值。

（原标题：启发少年儿童编程梦想 KOOV机器人编程线上公益课第二期如期而至）由索尼（中国）有限公司联合中华少年儿童慈善救助基金会共同举办，“KOOV机器人编程线上公益课”第二期重磅上线！此次活动报名于9月30日全网启动，报名时间截止至10月9日。所有报名者均可免费参与此次为期一月的公益课堂，成功毕业者将获得由索尼（中国）有限公司及中华少年儿童慈善救助基金会共同颁布的结业证书。本次活动是继“KOOV机器人编程线上公益课”第一期受到广大青少年编程爱好者的热烈响应及普遍欢迎后，推出的第二轮公益课程项目。为了让更多的同学迈入编程世界的大门，在科学的海洋里乘风破浪，此次索尼（中国）有限公司公益升级，将为前五百名报名者免费提供价值1699元的KOOV可编程机器人启蒙版，如若顺利完成课堂任务及结课活动，机器人套件将作为奖励直接赠与报名者。公益编程，再度起航4月2日，索尼宣布设立“索尼新型冠状病毒（COVID-19）全球援助基金”。作为索尼在教育领域探索的前沿阵地，索尼国际教育接过了教育援助的重任，“KOOV机器人编程线上公益课”项目由此温情启幕。依托索尼强大的品牌感召力及KOOV自身领先的教育研发成果，“KOOV机器人编程线上公益课”第一期吸引了超过500个家庭、200余学生最终参与到课程当中，为因疫情留守家中的孩子们打开了一扇通往未来的天窗。“KOOV机器人编程线上公益课”成为索尼积极履行社会责任的一个缩影，利用自身的科技优势，给受疫情影响的人们带来最切实的援助。如今“KOOV机器人编程线上公益课”第二期如期而至，携少年儿童的编程梦想再度出发，希望通过线上公益课，让更多零基础的孩子接触编程，点亮科技之光。KOOV可编程教育机器人套件启蒙版索尼公司总裁兼CEO吉田宪一郎表示：“去培养、发展和担当下一代孩子们创造力培养是索尼重要的社会责任，也是未来的方向。”一直以来，索尼在努力提升自身经济价值的同时，积极践行“为了下一代”的企业社会责任理念，投身教育公益事业。编程教育作为一门启发儿童智力、锻炼独立思考能力的综合性学科，对青少年的教育发展起到了促进作用。KOOV希望通过各种公益活动，让更多的孩子通过编程开拓眼界、构筑梦想，激发学生好奇心和自主学习能力，培育探索精神，掌握未来世界的钥匙。“KOOV 机器人编程线上公益课”第一期上课实况探索编程教育新模式新冠肺炎疫情期间，3亿学生被迫“云上学”，这一场罕见规模的在线教育实战演练，触发了人们对信息时代教育理论和教育模式的深刻思考。始终走在教育科技领域前沿的索尼国际教育利用互联网思维模式和技术，促进编程教育的结构重组、流程再造。首先对教育资源和内容进行有效筛分，KOOV机器人编程线上公益课第二期的课程设置在第一期的基础上进行全面升级，结合孩子们的接受程度与课堂兴趣点，为其提供更安全可靠、开放包容、丰富精彩的编程教育资源；其次，完善线上教育新基建，一方面鼓励更多的教师加入，为编程教育注入更多新鲜血液，一方面将教学成果链接KOOV赛事体系，在实战中锻炼学生的创造力以及开拓未来的思维能力，让他们超越学校、年级、学科的边界，实现共同探讨、共同学习。“KOOV 机器人编程线上公益课”第一期老师备课中KOOV始终坚持用创意和科技的力量感动世界，希望通过完善的课程体系与套件，给少年儿童播种下编程学习的种子，启发下一个世代的信息技术人才。随着STEAM教育市场的发展，以及教育科技的进步，拥有强大技术沉淀的索尼必将继续拓宽教育边界，加大在教育公益领域的投入，为少年儿童提供更加个性化的教育服务产品，激发学习内驱力，促使学生自由、全面发展。

这是一个受磁场驱动的微型机器人，动图中它正朝着目标蹦跶。恒定磁场下，它还能给大家表演一个转圈圈。可能有些人会觉得，磁驱动微型机器人已经并不罕见了，甚至有点儿平平无奇。但是，上面这款机器人可不普通，它带有神经元，能通过体外方式在神经簇之间形成并操纵神经网络。因此，为大脑功能和相关疾病的研究实现了新突破。为何构建「体外神经网络」？这款机器人由韩国脑研究所和韩国大邱庆北科学技术院（DGIST）下属的机器人工程系、DGIST-ETH 微型机器人研究中心、脑与认知科学系共同研发。2020 年 9 月 25 日，该团队的论文正式发表于顶尖学术期刊《科学》子刊《科学进展》（Science Advances），题为 A magnetically actuated microrobot for targeted neural cell delivery and selective connection of neural networks（一种用于定向神经细胞传递和神经网络选择性连接的磁驱动微型机器人）。一直以来，脑科学研究者都在尝试，希望更加深入地理解大脑的学习、记忆、运动、感觉处理和决策等功能，而大脑中这些功能的实现都离不开神经连接。要研究神经研究，科学家们提出了一种通过化学和电生理方法进行脑功能分析的「体外神经网络」研究方法。为什么要在体外研究甚至是操纵神经网络？原因在于，这种方法可以在尽可能降低外部影响的前提下，在大脑目标位置进行精确的、有选择性的神经连接，从而测量神经活动、确定神经元的交流方式。当然，它也可以帮助理解受伤或功能出现障碍的神经元轴突再增长。微米级磁驱动机器人那么，体外神经网络要如何实现呢？为了形成并控制细胞神经突生长的模式，各国科学家们都曾尝试过了化学、物理、机械方式，而韩国脑研究所和韩国大邱庆北科学技术院（DGIST）科学家们的思路则是设计一款机器人。当前，已有研究成果表明，由磁驱动的球形、螺旋状和毛刺状多孔球形微型机器人可在体内或体外实现靶向细胞传递。但韩国研究团队表示：此前的研究主要集中在制造各种外形的微型机器人，并在外部电源下将细胞装载到微机器人上。据我们所知，还没有科学团队报道过利用微型机器人调节神经突排列和神经连接的研究。因此，他们设计了一种载有神经元的 3D 磁驱动微型机器人，可通过外部磁场将神经网络精确传送到两个神经簇之间的间隙处，再选择性地连接神经网络。同时，细胞外动作电位通过微型机器人载有的神经元从一个神经簇传送到另一个神经簇。据论文介绍：我们设计的机器人具有可重现、可选择和精确连接的优势。上图 A 展示的是两个神经簇之间的神经网络主动构建，这一过程中主要依赖的是内置于机器人的一片高密度多级阵列芯片，这种芯片可以测量到轴突信号传输。上图 B 主要展示了微型机器人的具体尺寸——高 27μm、宽 5μm、深 2μm。可以看到，机器人顶部有一个凹槽，侧面还有翻转指示。C 部分展示了利用基于双光子聚合（TPP）的三维激光光刻技术和沉积镍（Ni，用于磁性）层、二氧化钛（TiO2，用于生物相容性）层制备机器人的过程。D 部分则是机器人的扫描电子显微镜图像，可见这种机器人是微米级大小的。机器人培养神经元机器人设计好了，下一步就要开始尝试培养神经元了。实验中：实验组是：机器人凹槽上小鼠颅脑神经细胞的神经突增长；对照组是：玻璃基质（也就是平面）上小鼠颅脑神经细胞的神经突增长。科学家们利用免疫荧光图像展示了两组的神经元凸起数量变化。结果显示：实验组（机器人）：细胞高度约 40μm；对照组（玻璃基质）：只观察到少量细胞。神经突厚度约为 2-5μm，神经元胞体厚度约为 10-20μm。也就是说，与对照组相比，利用机器人可以成功培养出神经元，在对存活率没有显著影响的情况下神经突也得以增长。研究团队表示：微型机器人具有在 2 周内运输、培养神经元以及以所需方向引导、连接神经突生长的潜力。体外神经网络新突破在神经元培养的基础上，这款微型机器人打造了神经网络，而这一过程是通过在神经簇阵列上对机器人施加磁场影响实现的。科学家们的设计是，通过 8 个电磁线圈半球的线性叠加及其顶部的一个电荷耦合装置（ CCD）相机产生强度为 20 mT 和 1.2 Hz 的磁场。下图中，白色虚线框表示神经网络，红色虚线框表示机器人的目标点。实际上，要想实现神经网络主动连接，一个关键就是将培养在机器人上的神经元精确地传递和定位到指定位置。虽然附着在机器人上的细胞增加了额外重量，可能会影响机器人的前进，但科学家们借助磁场实现了精确控制——精度在几十 μm 级别（误差范围约 10％）。如上图所示，神经元在 10 秒内到达了目标位置，并在 1 分钟内精确对齐了连接网络所需的神经簇。不仅如此，科学家们还经过测定显示：微型机器人的运作并不会影响细胞活力。至此，利用微型机器人培养神经元、形成物理和功能性神经网络连接成为可能。就未来的发展方向而言，研究团队表示：

斯帝尔机器人科技成立于2005年，定位于“柔性技术专家”，专注于柔性抛光打磨系统的研究，为抛光打磨行业提供柔性机器人解决方案。斯帝尔在硬件上拥有核心的专利技术、在软件算法上拥有全球，的AI技术，在工艺上积累了多年的经验数据，通过这三者的强势结合，构建了斯帝尔难以逾越的技术壁垒，而斯帝尔将其核心技术致力于服务全球客户，站在世界的高度服务全球客户，用智能制造方式为人类创造生产力。斯帝尔在机器人制造业中沉淀了15年的历史，以非常高度专注的精神专研柔性打磨机器人核心技术的研究：基于AI技术的机器人感知神经网络技术，斯帝尔这种精神在机器人细分行业中非常难得。对于复杂器件的打磨需要复杂的系统进行操控，即便是熟练的工人也没有办法完全具有打磨质量持续稳定的把握。而斯帝尔发现了这个痛点，则专注于打磨机器人中的仿人触感技术，能够实现稳定性的进行批量产品柔性打磨，同时解决了公差动态智能补偿的问题，解决了当前全球工件抛光打磨存在的问题难点。斯帝尔机器人的打磨系统是一种柔性力控打磨系统。因工业机器人准确、可靠、灵活等优势，越来越多的制造企业正在尝试使用工业机器人进行工件打磨、抛光、去毛刺等工作。然而给工业机器人编写精确复杂的打磨轨迹是一大难点。传统的离线编程解决方案能够解决轨迹编程复杂的问题，但是它要求工件一致性好，工作站标定精确，这使得工业机器人在打磨过程中安装、调试和使用难度依然很大。斯帝尔通过快速轨迹生成技术及力位混合控制技术大大简化了复杂轨迹编程问题和机器人标定问题。在打磨过程中引入力控还大大提高了工件的打磨质量，加工效率以及设备安全性。斯帝尔柔性力控打磨系统可在短时内对绝大部分复杂高难度工件完成机器人打磨工艺调试，如模具、导弹、航空叶片等产品。在竞争激烈的年代，斯帝尔抛光打磨机器人秉承着“智能改变世界”的企业理念，坚持科技创新，以其技术服务于全球客户，并且斯帝尔在全球经济化增长的情况下，通过抓住产业变革的新机遇，把握智能制造的突破口，积极构建全球打磨应用生态圈，为全球传统行业的技术革新以及制造业的专心升级发挥其自身的贡献!

当家长把孩子送到幼儿园，孩子入园的第一件事就是晨检。传统的人工晨检大多是保健老师看看孩子的双手，看看孩子的口腔，摸摸孩子的口袋，再问一些问题。这样的晨检比较费时费力，而阿童目晨检机器人，可以帮助老师快速有效地做好晨检工作。阿童目晨检机器人能自动识别儿童身份，并作出问候。4秒内完成“签到、自动测温、手检、身高、体重”等检测，并拍照留存，实时显示。晨检机侧面还有“体温、手检、咳嗽、口腔、外伤、指甲”等辅助功能。拥有完善的晨检体系，完成晨检数据的显示与储存。阿童目晨检机器人的优势：改变传统人工晨检，大大减轻老师的工作量。快速健康筛查手足口，有效预防流行性疾病。检测数据实时储存、分析、上传、推送，实现校园数据化管理。3C幼教系统打造校园科技特色，轻松提高效率。计算机算法处理技术和大健康云平台相结合，实现数据跟踪管理。阿童目晨检机器人不仅外观好看，使用起来还更全面、更高效、更精准。阿童目晨检机器人无需刷卡，人脸识别。能够测量身高体重，记录孩子成长。

炫酷“黑科技”之二：人工智能为电视行业带来活力手机、电脑行业的异军突起，得益于人工智能的快速发展，而电视行业总因为创新不足、技术偏弱等因素被消费者诟病，电视市场亟需一股新鲜血液为其注入活力。经过多年不断的探索，海信集团在人工智能领域也取得了一定的进步。在本次推出的“黑科技”中，海信集团将HI Table技术引入了电视产品中，“TV、Ai、IOT、社交”的智慧生活服务功能更是让消费者眼前一亮，使得消费者对海信电视爱不释手。自从有了人工智能的加持，电视不再只是满足消费者观看节目需求的机器，它也将向手机、电脑一样，成为消费者与朋友、亲人沟通的桥梁，通过海信云游戏、云视频、云健身等黑科技，来增进人与人之间的情谊。

人工智能是引领未来发展的战略性技术，是新一轮科技革命和产业变革的重要驱动力量。我国人工智能总体水平处于全球第一方阵，产业规模保持稳步增长，与实体经济加速融合。我们必须推动产业创新发展和高质量发展。人工智能是引领未来发展的战略性技术，人工智能是新一轮科技革命和产业变革的重要驱动力量，促进人工智能和实体经济深度融合，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态，是推动质量变革、效率变革、动力变革的重要途径。我国人工智能新技术、新产品、新业态持续涌现，与制造业、交通、安防、能源、医疗、金融、教育、城市管理、消费零售等各行业融合步伐明显加快，在技术创新、应用推广、产业发展等方面成效初显。人工智能具有巨大的社会和经济效益，它的迅速发展将深刻改变人类社会生活、改变世界。当前，世界主要国家和地区都将人工智能视为引领未来发展的战略性技术，纷纷发布国家级战略规划，投入大量资源，积极推动人工智能技术研发和产品应用，以期培育新的经济增长点。众多专业机构对全球及我国人工智能产业规模进行了分析。高德纳（Gartner）认为，2018年全球人工智能市场规模达1.2万亿美元；到2022年，人工智能驱动的商业价值将达3.9万亿美元；普华永道预测，到2030年，全球人工智能市场规模（含人工智能带动的产业规模）将达15.7万亿美元；德勤预计，2020年全球人工智能市场规模将达6800亿元，中国人工智能市场规模将达710亿元；IDC分析，2018年中国人工智能市场规模达17.6亿美元。虽然数据间存在差异，但都显示出对人工智能产业发展前景的乐观态度。从不同的数据中能够看出，人工智能的产业规模可以简单分为两大部分：一部分是人工智能硬件（含人工智能芯片、专用服务器、人工智能整机产品）、软件、信息技术服务等，可称为人工智能核心产业或“智能产业化”的部分，这是人工智能技术、产业发展的基础；另一部分是人工智能与工业、农业、金融、商贸等行业结合带来的增量市场规模，可称为人工智能融合产业或“产业智能化”的部分。对于后者，虽还没有公认的统计数据，但业界普遍认为，这部分市场规模将是人工智能核心产业的市场规模的数倍。我国高度重视人工智能发展，人工智能发展势头迅猛。我国人工智能总体发展水平处于全球第一方阵，被公认为仅次于美国，位列全球第二。计算机视觉、自然语言处理等方面的技术指标领先，智能机器人、消费型无人机等产品已具备国际竞争力甚至具备了一定领先优势；人工智能论文发表总量和引用量、专利授权量居世界前列；一批龙头骨干企业加速成长，创新企业特别是独角兽企业数量位于全球前列。人工智能在制造业、农业、交通、物流、金融、医疗健康、商贸、家居、城市管理等领域的应用日益广泛并已取得明显效益。2018—2019年，我国人工智能产业已实现快速发展，主要体现在以下三大方面：一是人工智能技术创新持续推进。我国的计算机视觉、智能语音语义处理、智能机器人、智能驾驶、消费级无人机等技术已处于国际先进行列；智能网联汽车、智能服务机器人、智能无人机等产品创新活跃；人工智能芯片、机器学习算法的持续创新成为产业发展引擎。百度、腾讯、京东、科大讯飞等骨干企业的引领作用持续增强；机器视觉与智能语音、自动驾驶、智能机器人、人工智能芯片等方面涌现出一批初创型“独角兽”企业，成为细分领域领跑者。寒武纪、中星微、地平线等初创企业通过产研结合的发展思路，在人工智能芯片领域积蓄了一定的研发实力。计算机视觉技术中，以静态物体识别技术发展最为成熟，动态图像和场景识别技术尚且存在较大上升空间，百度、旷视科技、商汤科技、格灵深瞳等企业的技术实力较为领先。语音识别技术近年来发展迅速，目前行业识别准确率已达到95%，科大讯飞、百度、搜狗、出门问问等企业有较大技术优势。我国芯片和算法的优化提升了计算机视觉和语音识别的应用成熟度。人脸识别成为计算机视觉技术的竞争热点，格灵深瞳等创新企业有望在动态视觉检测中取得关键突破。科大讯飞等国内语音识别技术商利用数据优势，推动语音识别技术平台化，进一步提升多场景下的语音识别准确率。二是人工智能产业进入蓬勃发展期。我国人工智能产业规模保持稳步增长，投融资更为理性，新增企业数量趋缓。产业规模方面，赛迪研究院分析认为，2018年中国人工智能核心产业规模超过987亿元。投融资增长方面，2018—2019年，我国已成为全球人工智能投融资规模最大的国家。目前，中国人工智能领域的投融资规模占全球总量的60%，北京的人工智能融资金额和笔数都遥遥领先于其他地区，上海和广东的人工智能投资也很活跃。同时，从2014年开始，中国人工智能投融资活动的早期投资的占比逐渐下降，投资活动日趋理性，但A轮融资还是占主导地位。企业发展方面，2018年我国人工智能企业数量已达1011家，位列全球第二，仅次于美国的2028家。我国的人工智能企业高度集中在北京、上海和广东。在全球人工智能企业最多的20个城市中，北京以395家企业位列第一

2020年9月29日 讯 /生物谷BIOON/ --日前，一项刊登在国际杂志Nature上题为“Cytoplasmic control of intranuclear polarity by human cytomegalovirus”的研究报告中，来自美国西北大学等机构的科学家们通过研究开发了一种新型的AI技术（人工智能技术），其或能帮助识别病毒如何控制细胞内的变化。研究者指出，病毒可以控制细胞核内的结构和遗传极性，这一研究结果强调了感染过程中基因组组织的重要性，以及AI技术到底能在多大程度上帮助科学家们识别复杂的细胞内改变。病毒能以多种方式控制细胞，从存在于细胞核中能直接控制基因表达的病毒蛋白，到能在细胞表面或细胞质中发挥作用能控制细胞信号网络的蛋白等，研究者表示，在各种情况下（包括在病毒感染期间），细胞核如何以及为何会移动并重组，或许还是后期需要进行深入研究的一个问题。研究任何细胞内过程的一个核心问题就是，在细胞培养物中的每个单一细胞发生的事件到底有多大的异质性，在感染过程中我们可以有一些未发生感染的细胞，其中一些感染失败，而在那些被感染的细胞中，每个细胞都处于不同的感染阶段，这在实验上或许很难控制或者同步化。图片来源：CC0 Public Domain研究人员能实现对单一细胞进行成像，但这一过程却需要分析大量的细胞来了解真实发生的情况，而这往往很容易发生错误；作为人类，我们很难不去关注那些非常引人注目且更加明显的表现形式，但这可能会产生更为主观的分析，或者会在无意中夸大对人类而言更容易看到好和进行研究的表现型。为了简化这一过程，研究人员开发出了一种自动细胞成像系统，该系统能使用基于AI的网络（卷积神经网络）来识别和分析感染细胞的特性。由于此前可用的图像分析工具的局限性，于是研究人员尝试利用计算机视觉技术的最新进展来开发新的分析管路，而这些技术目前正在迅速改变我们的世界。具体而言，研究人员能为系统提供大规模的训练数据集，从而就能帮助学习如何识别受感染的细胞和细胞中不同的感染阶段；一旦这种网络得到了训练，研究人员就会重编程显微镜来搜寻并对含有细胞培养物的盖玻片进行成像分析，因此该系统就能对哪些细胞处于感染状态即处于何种感染阶段进行分类。研究者能对系统进行编程来识别特定的参数，比如细胞核中的特定蛋白质的高度和位置，并生成测量强度的“线路扫描”或细胞中整个特定区域的“平均投影”。研究者Walsh说道，当对成千上万的细胞这样操作时，我们最终就会得到一个用户独立的其完全无偏见的“空间免疫印迹”，用于检测被感染的细胞，而不包括未被感染的细胞或与你的分析无关的细胞。利用该系统，研究人员就能从感染细胞的样本中识别出一条广泛的调节途径，这种途径能够产生强大的乙酰化微管结构（即存在于细胞质中的管状结构），其会附着在细胞的核膜和核内蛋白上从而帮助控制肌动蛋白丝，而这反过来又重组了细胞核内部结构，并能控制其结构和遗传极性。让研究人员惊讶的是，病毒能够在细胞质中形成微管结构，并能有效抓住核表面，然后利用这一点以由内向外的控制形式来重组细胞核的内部结构，此外研究者发现肌动蛋白丝似乎也参与其中了。本文研究结果或能改善研究人员理解感染细胞中基因组组装的基本分子机制，以及这种组装如何促进机体的整体感染；研究者希望通过提供一种相对无偏见的人类巨细胞病毒复制阶段的神经网络技术来帮助构建能常规使用的社区化标准，从而推动更为深入的研究。（生物谷Bioon.com）参考资料：【1】Novel AI technique identifies viral control of intracellular changesby Melissa Rohman， Northwestern University【2】Procter， D.J.， Furey， C.， Garza-Gongora， A.G. et al. Cytoplasmic control of intranuclear polarity by human cytomegalovirus. Nature (2020). doi：10.1038/s41586-020-2714-x

新一轮科技革命到来，产业也正在发生巨大的变革。“智能+”已经不是停留在纸面上的畅想，而已经逐渐落实到日常生活的方方面面。疫情期间，人工智能在医疗、公共管理、物流配送方面的赋能，让更多人感受到了技术驱动行业发展带来的巨大便利。人工智能和实体经济深度融合发展是产业变革的新路径，也是新的经济增长点，而在疫情的催逼下，国内人工智能产业加速发展。今年8月，国家发改委、科技部、工业和信息化部联合发布的《国家新一代人工智能标准体系建设指南》指出：“加强人工智能领域标准化顶层设计，推动人工智能产业技术研发和标准制定，促进产业健康可持续发展。”去年9月，科技部发布《国家新一代人工智能创新发展试验区建设工作指引》（下称《指引》）明确，到2023年，布局建设20个左右试验区，截至目前，包括北京、武汉、浙江德清在内等13个城市通过科技部的授权批准，建设国家新一代人工智能创新发展试验区（简称“试验区”）。作为赋能型行业，对传统产业渗透是人工智能融合应用最具潜力的发展方向，特别是“AI+制造业”是提升生产力的重要途径。中国人工智能产业发展主要集中应用层，产业链的短板主要在上游基础层。基础能力（基础层）方面，中国仍然相对薄弱，难以与亚马逊、微软、谷歌等国际巨头抗衡。产业链中游的技术层上，计算机视觉、智能语音、自然语言处理等应用算法研发是中国目前三大主要技术方向，相对成熟。应用层，人工智能赋能城市管理、医疗、交通、制造等领域较快发展。然而，人工智能对产业经济和社会生活的赋能还存在巨大未释放潜力。围绕人工智能产业发展的问题和难点，澎湃新闻（https://www.thepaper.cn/）记者采访了全球高校人工智能学术联盟秘书处上海盖亚人工智能中心理事长、上海交通大学人工智能研究院副院长王延峰。人工智能产业发展，该啃的硬骨头一定要自己啃。虽然目前国内所造产品工艺较为粗糙，但可以先用起来，形成生态，给这些产品迭代升级的机会。澎湃新闻：与国外相比，我们人工智能产业链的短板主要在哪个环节？王延峰：无论应用层，还是在核心技术层，中国人工智能发展都处于国际第一梯队。但我们基础研究确实较弱，主要是“一软一硬”两个方面。硬件是支撑整个人工智能发展的专利技术，包括GPU、DSP、FPGA、ASIC在内的基础硬件（芯片）。在通用GPU方面，有很大的短板，特别是现在华为海思又被美国打压，我们面临很大的困难。英伟达（NVIDIA ）的GPU具有无可撼动的霸主地位，中国用的也是英伟达的GPU。虽然中国也有企业在做，比如寒武纪，但基本只做涉及到终端的推断（inference），并不是一个通用GPU、通用计算平台的概念。目前的形势下，这方面短板令人担忧。软件方面主要是开源开放平台。开源开放平台是人工智能技术研发和产业化的关键基础设施。目前，中国尚未形成自主可控、具有国际影响力的人工智能开源开放平台。目前全球几大开源社区主要是：Google的TensorFlow、Facebook的Presto，最大的开源社区GitHub也被微软收购了。开源开放平台涉及到生态构建，我们的核心是要构建自己的生态。GPU也一样，要有自己的生态才行。只有形成生态，我们自己生产的东西才能运用到整个产业链。所以，基础研究的“一软一硬”两方面要加大力度发展。美国断供，这其实也在倒逼我们发展。目前这两块已经有所布局，希望未来两到三年能够形成突破。澎湃新闻：有没有可暂时用来缓冲的替代品？王延峰：一个国家要发展，该啃的硬骨头必须自己啃，这是没办法的。但是，还是要把自己生产的产品用起来，形成生态后迭代升级。比如，5纳米工艺芯片不让用了，先用28纳米及以上工艺的芯片，只不过功耗、集成度等方面差一点。因为现在人工智能所用芯片更多在服务器端，功耗各方面不如手机那么严格，先不苛求最高工艺。但是，不能说我们自己生产的没有国外好，就不用它，不用就永远没有人家的好。用起来才会形成生态，不用起来就永远没生态。国内有巨大的市场，只要我们用自己的，加速迭代前进，也是有望解决的。我们要把生态用起来，给我们自己产品迭代升级的机会。各地争相建设人工智能试验区是好事，但是要避免地方保护主义。同时，每个城市的布局和建设要依据自身的产业优势和特色。澎湃新闻：目前国家出台了13个人工智能试验区，还有一些地方也在申请中。这么多试验区建设，如何避免发展的同质化？王延峰：我个人认为，这些不存在同质化竞争。人工智能的落实，大方向是以城市为载体，这些需要地方政府来引导推进。因为地方要进行产业升级和创新，而以试验区方式推进能够更好协调，也能够更好起到示范作用。目前阶段多批一些试验区反而更能带动AI产业发展。但是发展过程中要避免地方保护主义。建成后的人工智能地方示范区不开放给外地市场，这就有一些局限了。至于一些大城市的主要方向相似。譬如北上广深等大城市人工智能产业方向几乎都集中在城市管理、医疗、汽车、交通等领域，我觉得这些不是问题，因为这些城市的建设和发展一定是基于

2020AIIA人工智能开发者大会将于9月28日至29日举行首次落户京西多场重磅活动将在石景山首钢园举办一年一度的AIIA人工智能开发者大会有哪些看点？随小编一起来看看吧！饕餮盛会，专业人士视角主论坛将邀请国家相关部委领导、北京市相关领导参会并发表致辞，从宏观层面介绍国家政策趋势，为技术产业发展提出新方向。中国工程院院士、中国人工智能产业发展联盟常务副理事长郑南宁等多名国内人工智能领域顶尖专家，百度、小米、旷视、思必驰等行业龙头企业代表将分享人工智能技术、产业和应用领域的最新进展和热点。形式多样，内容丰富多彩大会拟设主论坛、10个技术与应用前沿分论坛，主题将聚焦5G、智能客服、内容安全、计算机视觉、智能语音及数据资源共享、信创、RPA等热点，深入人工智能基础研究及创新应用，结合时局解析人工智能最新动态展开深入交流。重磅发布，多项创新成果大会将围绕人工智能生态构建和创新技术应用，发布多项亮点成果。包括全国首个“可信AI示范区”评选结果；发布及解读中国人工智能产业发展联盟2020年人工智能产品和服务多个领域的标准、规范、测试情况、白皮书报告等多项成果。多项赛事全面启动作为本届大会的亮点之一，百度、旷视开源大赛，AIIA2020杯人工智能大赛，2020中国（小谷围）人工智能创新创业大赛等多项专业赛事已全面正式打响战鼓，开启报名通道，进入竞赛PK模式。最终将花落谁家？大会上将一一为大家揭晓，让我们拭目以待。AI小课堂，开发者专享业内龙头企业百度，具有实际开发和产品运营经验的人工智能专业导师、工程师……专为开发者设计的公开课，大咖们将分享“独家秘笈”，以及宝贵的实战经验，与国内人工智能开发者畅聊AI技术发展风向、探讨开源生态。硬核技术，创新演绎盛况本次开发者大会将采用线上线下融合并重的形式，通过使用增强现实、5G、超高清直播、在线会议等先进技术，全面实现论坛、产品技术展示、技术交流、研讨会、报告发布等重磅内容，全方位、立体式、多角度呈现大会盛况。先睹为快，冬奥智能场景大会将在会场外设置自动驾驶汽车、智能新零售、智能滑板车等人工智能创新应用体验区，邀请与会嘉宾和开发者进行体验，全面展示首钢园冬奥智能场景。传统工业园区遇上人工智能将碰撞出怎样的火花？在石景山区首钢园就能找到答案在首钢园区常常会经历“偶遇”应接不暇的各类自动驾驶车仿佛是科幻大片的场景北京市智能网联汽车示范运行区（首钢园）、首钢园自动驾驶服务示范区、中关村（首钢）人工智能创新应用产业园、5G产业园区……首钢园有着越来越多的新名号。放在几年前，没人能想到曾经老派传统的工业园区还能玩“高精尖”成为吸引高端企业和人才的新磁场这方曾经淬火锻冶的钢铁热土，将打造首都城市复兴新地标与冬奥会筹办、老工业区有机更新、绿色高端发展紧密结合，着力转型发展。首钢园区将面向全世界开放自动驾驶合作，园区聚焦产业配套基础设施，例如率先建设5G车联网提供5G网络支持，入驻园区的自动驾驶企业将享受停车场、充电桩、仓库等服务保障以及示范运行道路、酒店等服务设施。尤其值得一提的是，作为创新驱动的领头羊，中关村也向新首钢伸出“橄榄枝”——中关村（首钢）人工智能创新应用产业园，将为新首钢注入新鲜血液。2020年，AI正在赋能百业，推进各行各业进入智能时代。新首钢园城市更新实践已见成效，生态环境品质明显提升、空间载体项目加快推进、产业生态持续优化......一批拥有底层技术的企业在首钢落地，国际化特征的活力复兴开始呈现。作为首都城市西大门和新时代首都城市复兴新地标，新首钢地区将带动首都西部地区转型升级。来源：创新石景山编辑：石景山区融媒体中心 石大力

2020中国人工智能年度评选开启，4大类别7大奖项申报正式启动2020-09-28 12:07 来源：消费日报网评选标准 ：1、业务能力：商业模式、市场占有率、商业化能力、营收情况等;2、技术能力：科研实力、研发投入、创新能力等;3、资本能力：融资情况、财务状况等;4、其他：企业综合情况、品牌影响力等。2020中国人工智能商业领军人物TOP30将评选出中国 AI最强商业领袖，参选条件 ：1、国籍是中国或所属组织主体或业务主体在中国;2、个人从事领域或所属组织主营业务是人工智能及相关;3、带领团队在AI领域取得较大商业化突破或创新发展，极大推动人工智能技术的落地及商业化进程，对行业有突出贡献，能引领行业商业化发展。评选标准 ：1、商业化能力：技术转化能力、商业化落地能力、营收情况等;2、技术能力：技术成就、创新能力等;3、其他：个人背景、行业影响力、组织影响力、管理能力等。2020中国人工智能最佳产品TOP10将评选出最受关注的 AI产品，参选条件：1、人工智能相关的产品;2、产品已具备成熟技术，已经投放市场且得到市场验证;3、近一年有过重要的技术创新或更新迭代，极大的推动人工智能技术的落地及商业化，并对行业发展有突出的引领作用。评选标准 ：1、综合情况：产品功能、应用场景、创新点等;2、落地情况：市场占有率、客户情况、营收状况、解决的核心痛点等;3、其他：品牌影响力、用户口碑、产品性能、产品生态等。2020中国人工智能最佳解决方案TOP10将评选出最创新的 AI解决方案，参选条件：

随着人工智能上升为国家发展战略，人工智能的发展逐渐展现出声势浩大的趋势。国家战略需求以及技术人才缺乏等宏观因素，高校人工智能专业的建设已经提上日程。人工智能作为一门新型学科，师资队伍搭建是绕不开的核心问题。如何对现有师资力量，进行转型培训及技术提升，是摆在广大高校面前的迫切课题近年来校企联合逐渐紧密，以产业发展需求、专业交叉和融合、服务引领为向导，构建了诸多的校企合作教师培养平台。由于人工智能学科具有交叉性，涉及多种学科的对教师的知识体系、教研能力、技术水平提出了更高的要求。因此采用通过教师到企业内部，进行技能培训学习的方式，不仅提升了教师的实际技能应用水平，还拓宽了高校的人工智能技术知识图谱，同时也给人工智能师资队伍的成熟、壮大提供了条件。但由于针对人工智能技术的师资队伍的培训体系还不够完善，在培训课程中相关知识、实践课程等方面还存在着不足，大多教师培训还在以集中化的短期培训为主。通过使用搜索引擎，对“人工智能师资培训”进行关键词搜索，对近期的新闻资讯翻阅发现，当前校企合作的师资培训大多都为五至七天的课程，不同机构的课程内容均不一致，大致包含:Python编程、tensorflow/Opencv框架、CNN(卷积神经网络)、RNN(循环神经网络)、代码实操课程等。看似课程专业知识满满的背后，由于培训设计的时间短暂，每个科目的学习时间仅有短短的一天，课程内容极度浓缩，缺乏了专业知识的深度，基本等同于高级知识科普。人工智能技术应用领域广泛，知识体系也是庞大的，这非常的考验教师的综合能力水平。因此仅仅通过“高级知识科普”的课程学习，是无法真正掌握人工智能技术的。“知其然而不知其所以然”的学习结果，培养出只了解一些人工智能简单应用案例的教师，是无法搭建起高校的师资队伍，更不可能支撑起人工智能学科的教学体系。人工智能学科的建设不能急于求成，一名教师只有通过长期，系统化的学习人工智能知识体系，并通过大量的企业项目实践，才能真正的掌握人工智能技术。以当下师资培训较为成功的成都猎维科技有限公司为例:课程设置上看，从编程到数学、从框架到算法、从图像到语音、从理论到实践，基本涵盖了当下人工智能算法领域的教学体系。课程设置合理，能够全面具体的讲解当下人工智能包含的知识，并在大量实践项目中让教师完整掌握人工智能学科知识，而学习时间周期一般为六到八个月。除长期培训以外，还可以采用分批次学习的方式进行培训。如人工智能专业中包含大量的高数知识，但与应用数学的知识体系有不小的差异，因此，可以专门派本校的数学教师学习人工智能向的数学内容，会将学习时间大幅度降低。同理，如计算机系老师学习编程、框架等内容，会具有很大的优势，不同科目的老师学习不同的科目知识，汇总形成整个人工智能课程体系。但即便如此，也需要一到两个月的时间，才能真正掌握人工智能的技术知识。人工智能学科建设任重道远，不能急于求成。相信各大高校，在日后人工智能师资团队搭建的探索中，会摸索出一套高效、可复制、专业的师资培训方式，提升师资力量的顶层设计能力，打造出具有国际化视野的“高、精、尖”人工智能师资队伍，为我国培养出更多高技能人才，进而推动我国人工智能技术的发展。（来源：中国网）

人工智能(AI)确凿是计较机科学的一项革新性豪举，在来日几年和几十年里，它将成为全部当代应用的焦点组件。这既是一种威逼，也是一种时机。人工智能将被布置以增强防备和打击网页动作。别的，新的网页攻打手法将被发掘，以行使人工智能技术的分外缺点。末了，人工智能对大批练习数据的需求将扩大数据的紧张性，咱们务必从新界说怎样对待数据护卫。谨严的环球管理将是确保这一划期间的技术将带来宽泛分享的平安和繁华的环节。人工智能与大数据普通来说，人工智能是指能够或许在实行某些使命时替换人类智能的计较对象。这项技术当前正以极迅速的速率开展，非常像二十世纪后期数据库技术的指数级增进。数据库曾经开展成为驱动企业级应用的焦点底子办法。一样，来日几十年应用的新增代价，估计大片面将由人工智能驱动。在以前的十年里，为了处分被称为“大数据”的新征象，数据库曾经有了显赫的开展。这指的是当代数据集的范围和环球范围之大，这些数据要紧来自计较机体系，而这些计较机体系险些分泌到了通常生存的方方面面。人工智能与网页平安险些每天都相关于庞大数据泄漏或导致数百万美元丧失的网页攻打的消息报道。网页丧失无法计算，国外钱银基金构造觉得，环球金融部分每一年的网页丧失在1000 - 2500亿美元之间。别的，跟着计较机、挪动装备、服无器和智能装备的日益遍及，威逼露出的总量每天都在增进。只管贸易和政策界仍难以明白网页平台新发掘的紧张性，但人工智能在网页平安中的应用正预示着更大的变更。人工智能的根基目标之一是将以前需求人类智能才气实现的使命主动化。削减一个构造为实现一个项目而务必应用的任务力资源，大概削减一片面务必用于通常工作的时间，能够极地面进步服从。比方，谈天机械人能够用往返答客户服无疑问，医疗助手AI能够用来凭据患者的症状诊断疾病。在一个简化的模子怎样应用于人工智能的简略防备,从服无器和网页日记行纪录举止组件能够被贴上“敌意”或“和睦”，另一片面工智能体系能够应用此数据集分类练习来区分网页攻打，而后，该体系能够作为一个主动尖兵，从平常举止的庞大布景杂音中挑出不平凡的调查后果。数据的新代价人工智能技术将以另一种方法变化网页情况，由于其对数据的渴慕变化了数据的代价，从而将以前没用的大批消息变化为能够从新行使的消息。只管某些网页攻打仅旨在毁坏，导致毁坏或导致紧张毁坏，但非常多网页攻打却妄图篡夺计谋资产，比方常识产权。 越来越多的网页空间侵犯者在玩永远游戏，他们有望获得目标未知的数据。 人工智能体系行使乃至无害数据的才气激励了“数据悬停”的计谋-网页一片面能够网页的任何消息并将其存储以供来日计谋应用，即便当前对该应用的界说还不明白。眷注我，涉猎更多精美好文

据《麻省理工科技评论》近日报道称，联合国儿童基金会数字连接政策专家史蒂夫·沃斯卢领导起草了一套指导方针，旨在帮助政府和公司制定人工智能(AI)政策时，要考虑儿童需求。其官网发布了该方针中的9项要求。据估计，儿童至少占在线用户的三分之一。沃斯卢说：“我们谈论的不是少数群体。儿童也拥有成年人的权利。”他认为，儿童正处于智力、情感和身体的发育阶段，非常容易被塑造，这套指导方针可以保护他们免受人工智能的负面影响。这套方针与此前对AI的指导方针不甚相同，除隐私、安全、公平和可解释性等主题外，还关注了AI对儿童的适用性，更考虑了儿童的独特发展需求，强调了人工智能系统应该对孩子也是可以解释的。除了减轻AI危害外，该方针的目标还在于鼓励开发可以增进儿童成长福祉的AI系统。例如，如果设计得当，基于AI的学习工具应该能加强儿童的批判性思维和提高其解决问题的能力，并且也可适用于有学习障碍的孩子。情感AI助手虽然技术还不太成熟，但也应能提供心理健康支持、改善自闭症儿童的社交能力。又如，谨慎使用面部识别功能可以帮助识别被绑架或被拐卖的孩子。同时，方针还强调儿童应该接受有关AI的教育，并鼓励他们参与AI的发展。沃斯卢说，这不仅仅是在保护他们，更赋予了他们创造未来的权力和动力。

一种新颖的人工智能系统，比以往任何一种方法，都能更有效地识别大脑显微镜图像中的神经元。该系统通过“拓扑数据分析”，改进了跟踪神经元及其连接的当前方法，帮助改善大脑神经元定位。著名的冷泉港实验室（CSHL）的研究团队使计算机机器学习比以前的任何方法，更有效地识别大脑显微镜图像中的神经元。研究人员提高了追踪神经元及其连接的自动化方法的效率，随着研究人员正在试图绘制大脑密集互连的神经网络，这项任务的需求越来越大。他们通过教计算机识别神经元的不同部分来做到这一点，每个部分都有不同的特征。这样的连接图对于认知大脑如何处理信息以及产生思想和行为至关重要。该研究成果发表在最近一期的《自然-机器智能》杂志上，论文作者中有6位中国学者，其中论文主导之一、王于苏（Yusu Wang）对拓扑的想法进行了概念化，霍冰星（Bing-Xing Huo）准备数据，李旭（Xu Li）做算法的评估，林梦宽（Meng-Kuan Lin）做包括在线校对界面的设计和托管的数据准备工作。论文主导、帕塔-米特拉（Partha Mitra）教授表示，近年来，新的成像技术和扩展的存储数字图像的能力，已导致海量数据的产生，没有足够的专家来分析所有这些图像，他的团队开发了这种新的人工智能工具，通过老鼠和其他模型生物的实验研究，捕获了大脑神经元的路径。“这个研究项目是建立起虚拟的神经解剖学家。之所以需要这样做，是因为所做的工作传统上是由需要数十年培训的专家来完成的。他们有大量的知识，看过（但不清楚）成千上万张图像，他们了解图像的含义，可提供专家的判断和解释。”米特拉说，自动化方法必须要接管这项工作，但是计算机在解释视觉信息方面不如人类。解剖学专家可以在复杂的显微镜图像上迅速识别单个神经元，对于算法而言并不那么明显，至少是在没有进行广泛训练的情况下，这种训练允许计算机一次又一次地从大型数据集中学习，这种现象并不明显。“现代机器学习技术还不够好，所缺少的是，他们通常没有我们作为人类做出这些判断所需要的某些先验知识或信息。” “因此，我们需要建立某种先验信息。”研究人员通过使用一种称为拓扑数据分析的数学形式来完成此任务，这种方式将事物视为具有如丘陵、山谷和曲线的三维空间。米特拉说，拓扑有时被称为“强调连通性的橡胶板几何形状”，而几何形状则依赖于精确的长度和角度。研究人员所建立起来的这个虚拟神经解剖学家，其准确性远远超过以前为追踪神经元而构建的人工智能程序。新技术的关键是将可能的神经元映射到拓扑上。如图所示的人工智能精确追踪神经元示例中，山丘之间的线表示可能的连接。研究人员通过使用这样的数学描述，描述了神经元部位的形状、包括细胞体、细长的轴突和分支的树突。神经元的整体形状差异很大，但是通过向计算机展示神经元如何使用几种基本形式进行连接，该团队大大提高了该程序检测轴突和树突的能力。米特拉说：“在可预见的将来，自动图像分析仍需要人工校对，以确保科学应用的质量，但是通过提高计算机的准确性，这种新方法大大减少了专家必须完成的工作量。”该研究是美国脑计划其中的一部分。米特拉希望这种方法将解开大脑如何连接的奥秘，以便人类可以了解大脑实际上是如何工作的。参考：https://www.nature.com/articles/s42256-020-0227-9

学习是自己的事情，不要找什么借口！别做阿Q也别做南郭先生，做自己！机器学习工作流的最终目标是建立一个机器学习模型。我们从数据中得到模型。因此，正是数据决定了模型可以达到的性能上限。有许多模型可以适合特定的数据。我们能做的最好的事，就是找到一个模型，它能最大限度地接近数据的上限。我们不能真的期望模型可以学习数据范围之外的其他东西。一点经验之谈：经验法则：无用输入，无用输出。经典例子：盲人摸象也许用盲人和大象的比喻来说明上述观点是恰当的。故事是这样的，一群盲人，他们从来没有遇到过大象，想通过触摸大象来了解和概念化大象是什么样子的。每个人触摸身体的一部分，如腿、牙或尾巴等。虽然他们每个人都了解一部分现实，但没有一个人对大象有全面的了解。因此，他们没有一个人真正了解大象的真实形象。看个图呗：现在，回到我们的机器学习任务，我们得到的训练数据可能是大象的腿或象牙的图像，而在测试处理过程中，我们得到的测试数据是大象的完整画像。如果发现我们的训练模型在这种情况下表现不佳，这并不奇怪，因为我们首先没有更接近现实的高质量训练数据。有人可能会想，如果数据真的很重要，那么为什么不把“高质量”的数据，如大象的全身肖像，而不是大象身体的某些部位的快照，输入到算法中呢？因为，在面对问题时，我们或机器，就像“盲人”一样，常常因为技术问题(例如数据隐私)或仅仅因为我们没有正确地认识到问题，而难以收集到捕获问题本质特征的数据。在现实世界中，我们得到的数据在有利的情况下反映了现实的一部分，或者在不利的情况下可能是一些噪音，或者在最坏的情况下，甚至与现实相矛盾。不管机器学习算法如何，人们都无法从包含太多噪音或与现实太不一致的数据中学到任何东西。是不是对机器学习又有了新的收获，日拱一卒，循序渐进！

-------机器学习和深度学习都可以发现数据模式，但是它们涉及截然不同的技术机器学习和深度学习都是人工智能的形式。准确地说，深度学习是机器学习的一种特定形式。机器学习和深度学习都从训练和测试模型开始，并经过优化找到一个权重使模型效果更好。两者都可以处理数字（回归）和非数字（分类）问题，尽管在对象识别和语言翻译等多个应用领域中，深度学习模型往往比机器学习模型更适合。机器学习说明机器学习算法通常分为有监督的（训练数据有标记答案）和无监督的（可能存在的任何标签均未显示在训练算法中）。有监督的机器学习问题又分为分类（预测非数字答案，例如错过抵押贷款的可能性）和回归（预测数字答案，例如下个月在曼哈顿商店出售的小部件的数量）。无监督学习可进一步分为聚类（查找类似对象的组，例如跑鞋，步行鞋和正装鞋），关联（查找对象的常见序列，例如咖啡和奶油）和降维（投影，特征选择） ，以及特征提取。分类算法分类问题是有监督的学习，要求在两个或多个类别之间进行选择，通常为每个类别提供概率。除了需要大量高级计算资源的神经网络和深度学习之外，最常见的算法是朴素贝叶斯，决策树，逻辑回归，K最近邻和支持向量机（SVM）。也可以使用集成方法（模型的组合），例如“随机森林”，其他“装袋”方法以及增强方法（例如，AdaBoost和XGBoost）。回归算法回归问题是有监督的学习，要求模型预测数字。最简单，最快的算法是线性（最小二乘）回归，但一般不应止步于此，因为它通常会返回一个中等的结果。其他常见的机器学习回归算法（缺少神经网络）包括朴素贝叶斯，决策树，K最近邻，LVQ（学习矢量量化），LARS套索，弹性网，随机森林，AdaBoost和XGBoost。值得注意的是，用于回归和分类的机器学习算法之间存在一些重叠。聚类算法聚类问题是一种无监督的学习问题，它要求模型查找相似数据点的组。最受欢迎的算法是K-Means聚类；其他包括均值漂移聚类，DBSCAN（基于噪声的应用程序基于空间的聚类），GMM（高斯混合模型）和HAC（分层聚类）。降维算法降维是一个无监督的学习，它要求模型删除或组合对结果影响很小或没有影响的变量。这通常与分类或回归结合使用。降维算法包括删除具有许多缺失值的变量，删除具有低方差的变量，决策树，随机森林，删除或组合具有高相关性的变量，后向特征消除，前向特征选择，因子分析和PCA（主成分分析）。优化方法训练和评估可以通过优化监督算法的参数权重，找到最适合数据真实性的一组值，从而将监督学习算法转变为模型。算法通常将最速下降的变量用于优化程序，例如随机梯度下降，它是从随机起始点多次执行的最速下降。机器学习的数据清理没有干净的原始数据，为了满足机器学习怼数据的要求，必须过滤数据。例如，1、查看数据，并排除所有缺少大量数据的列。2、再次查看数据，然后选择要用于预测的列（特征选择）。进行迭代时，可能需要更改此内容。在其余列中排除仍缺少数据的任何行。3、纠正明显的错别字并合并等效答案。4、排除数据超出范围的行。例如，如果您要分析纽约市内的出租车行程，则需要过滤出市区外边界以外的上，下纬度和经度行。还可以做更多的事情，但这取决于收集的数据。这可能很乏味，但是如果在机器学习过程中设置了数据清理步骤，则可以随意修改并重复进行。机器学习的数据编码和规范化要将分类数据用于机器分类，需要将文本标签编码为另一种形式。有两种常见的编码。一种是标签编码，这意味着每个文本标签值都用数字代替。另一种是一键编码，这意味着每个文本标签值都将变成具有二进制值（1或0）的列。大多数机器学习框架都具有进行转换的功能。通常，独热编码是首选，因为标签编码有时会使机器学习算法混淆，以为编码列应该是有序列表。要将数字数据用于机器回归，通常需要将数据标准化。否则，具有较大范围的数字可能倾向于主导特征向量之间的欧几里得距离，其影响可能会以其他场为代价而被放大，并且最陡的下降优化可能会难以收敛。有多种方法可以对数据进行标准化和标准化以进行机器学习，包括最小-最大标准化，均值标准化，标准化以及按比例缩放到单位长度。此过程通常称为特征缩放。机器学习的特征工程特征是被观察的现象的个体可测量特性或特征。“特征”的概念与解释变量的概念有关，该解释变量在诸如线性回归之类的统计技术中使用。特征向量将单行的所有特征组合为数值向量。选择特征的部分技术是选择一组最少的解释问题的自变量。如果两个变量高度相关，则要么需要将它们组合为一个功能，要么应将其删除。有时人们进行主成分分析以将相关变量转换为一组线性不相关变量。人们用来构造新特征或降低特征向量维数的一些转换很简单。例如，Year of Birth从中减去Year of Death并构造Age at Death，这是寿命和死亡率分析的主要独立变量。在其他情况下，特征构造可能不是那么明显。拆分数据以进行机器学习在有监督的机器学习中，通常的做法是将数据集划分为子集，以进行训练，验证和测

晓查 整理量子位 报道 | 公众号 QbitAI新冠疫情的出现，让许多AI医疗技术浮出水面。但是AI一直黑箱问题存在，如果AI对过程都不能做到可解释，又怎么能放心让它来诊断病患呢。而关于机器学习可解释问题的书籍少之又少。最近，一位来自复旦大学的研究生朱明超，将一本少有的书《Interpretable Machine Learning》（可解释机器学习）翻译成了中文。这本书最初是由德国慕尼黑大学博士Christoph Molnar耗时两年完成的，长达250页，是仅有的一本系统介绍可解释性机器学习的书籍。朱明超近期完成了这本书的翻译和校对工作，目前已经开源放到GitHub网页上。朱同学在翻译过程中还和原作者进行了多次讨论，中文版还得到了Christoph Molnar本人在Twiter上的推荐。“可解释”是这本书的核心论题。作者认为，可解释性在机器学习甚至日常生活中都是相当重要的一个问题。建议机器学习从业者、数据科学家、统计学家和任何对使机器学习模型可解释的人阅读本书。《可解释的机器学习》该书总共包含 7 章内容：第一章：前言第二章：可解释性第三章：数据集第四章：可解释的模型第五章：模型无关方法第六章：基于样本的解释第七章：水晶球Molnar表示，虽然数据集与黑盒机器学习解决了很多问题，但这不是最好的使用姿势，现在模型本身代替了数据成为了信息的来源，但可解释性可以提取模型捕捉到的额外信息。当我们的日常生活中全都是机器和算法时，也需要可解释性来增加社会的接受度。毕竟要是连科学家都研究不透“黑盒”，怎样让普通人完全信任模型做出的决策呢？这本书的重点是机器学习的可解释性。你可以从这本书中学习简单的、可解释的模型，如线性回归、决策树和决策规则等。后面几章重点介绍了解释黑盒模型的模型无关的一般方法，如特征重要性和累积局部效应，以及用 Shapley 值和 LIME 解释单个实例预测。对各种解释方法进行了深入的解释和批判性的讨论。它们是如何工作的？优点和缺点是什么？如何解释它们的输出？本书使你能够选择并正确应用最适合你的机器学习项目的解释方法。这本书结合了各类现实生活中的例子来介绍相关的概念，同时搭配参考链接帮助读者进一步学习了解。另外朱同学的GitHub上还一直在坚持翻译Goodfellow的《机器学习》，还在翻译中配上了自己编写的Python代码供参考。有兴趣的同学也可以顺带去参考学习。最后附上《可解释机器学习》一书的项目地址：https://github.com/MingchaoZhu/InterpretableMLBook

来源：智通财经网智通财经APP获悉，据市场消息，苹果公司(AAPL.US)确认收购机器学习公司Inductiv，该公司开发的人工智能技术可用于识别和纠正数据集中的错误。Inductiv的工程团队近几周已加入苹果，团队将从事Siri、机器学习和数据科学方面的工作。Inductiv的技术可以利用人工智能自动识别和纠正数据集中的错误，因为“干净的”数据集对于机器学习非常重要。机器学习是一类热门的人工智能技术，能够帮助软件自我优化，减少人工的干预。对于这笔收购，苹果给出了惯用的声明，即苹果“不时收购规模较小的科技公司，我们通常不讨论目的或计划”。Inductiv是由斯坦福大学、滑铁卢大学和威斯康星大学的几名教授创立的。

AI电话机器人接口在哪里比较好？ 电话机器人那么厉害。 你怎么工作？ 首先，需要把电话号码引入电话机器人。 在新的编号说明任务后，单击编号说明后，电话机器人开始打电话。然后，电话机器人打电话，通过与客户的简单交流，初步判断和分类各意向等级的客户。 另外，通话声音、文字同步记录留在云中，便于销售员跟进顾客。 最重要的是，电话机器人要模拟销售精英和顾客的实际语音交流。 筛选必须明确不等于成交。 汇港通电话机器人呼叫的作用是，代替人工寻找面向顾客的工作，语言技术已经输入的电话机器人是全面的，但后续的销售员需要跟进。 电话机器人通过持续的学习和优化，智能呼叫适合自己的企业，所有的设计都以人性为标准。 仔细研究现在的电话销售，发现电话销售的正常拒绝率达到了96%以上。 即，100个电话中有96个电话中断，这96个无效电话中，约95个处于从最初电话中选择顾客意向的过程中。 因此，如果把面向顾客的筛选工作交给电商销售机器人完成的话，电商销售员只要跟进顾客意向，生产效率就会大幅提高。 调查了金融行业智能语音机器人的业绩，工作时间内的电话开通率为44.22%，客户意向比为75%，这是非常惊人的数据，金融行业的平均意向率为13%，智能语音电销机器人当然可以提高企业的效率。汇港通电话机器人整天支持技术。 根据你的问题，设定预想的问题，在交流过程中，遇到类似的问题时，自动识别后，催促用户回答，自然引导客户，更好地完成售前信息收集。 比如，客户说我感兴趣，但我想知道你们的钱。 汇港通电话机器人通知用户，专家与他交流，不要着急，告诉他安抚顾客的感情，避免顾客的问题。 电话机器人在一年左右大幅度削减了人工费的支出。 电话机器人可以提供稳定的通信线路和专业的CRM对接规格管理。 自动筛选和标记客户意向，便于有效统一。 电话机器人总是保证100%的热情和友好态度，按照流程实施规模化操作，直接避免客户感情影响引起的人员纠纷，提高客户服务的偏好度。 AI电话机器人接口哪个好？ 电话机器人的出现不打算取代这个行业的员工。 真正的意思是改变传统意义上的调用方法。 以更重视用户体验、更重视通话细节、更重视数据安全为中心，通过分解用户需求来满足需求，提高转化率。 电话机器人的出现，对整个产业的能量赋予不仅要重视自动化方面，还要重视细致的需求挖掘和数据分析方向。 所以，企业每月能进一百万的电话机器人，到底是什么神器呢？

近年，中国光伏产业在政策及投资热情的推动下实现了增速发展，数据显示，2019光伏发电累计装机达到20430万千瓦，同比增长17.3%。我国光伏发电资产规模巨大，若按照平均7元/W计算，存量资产规模超过10000亿。存量电站集聚、增量电站飙升，而电站系统的高效运行，后期精细化运维的重要性不言而喻。当下以人为主的传统运维方式捉襟见肘，智能化运维已成为大势所趋。组件“智能”清洗太阳能电池板是光伏系统重要的核心部件，太阳能电池板能够实现对太阳能的收集，并将太阳能转换为电能。因此组件正常运行对光伏发电系统的稳定具有重大意义。但是，经过长期使用，光伏组件会积累大量的灰尘，灰尘的遮挡往往成了发电量影响较大的一个环节，而光伏组件积灰若不进行清洁，由于自然环境的作用，会造成积灰分布不均匀，从而导致热斑的产生，引发安全风险。热斑长期存在、温度过高会造成EVA脱层、背板烧穿等严重的安全隐患。因此，需要定期对光伏组件进行清洁，组件清洗成为光伏电站运维的主要内容之一。据北极星太阳能光伏网统计，今年年初以来，包括三峡新能源、国家电投、中能建等开启多轮运维招标。从运维招标的内容看，组件清洗占比较大。部分企业的组件清洗在一年内完成2次、6次不等的清洗工作。其中，今年4月，国家电投、华能、华电在内的多家光伏电站业主进行了电站运维组件清洗招标，规模超600MW。今年年初到现在，三峡新能源的组件清洗规模达到730 MW；8月中节能公布354MW组件清洗成交公告。通常光伏组件清洗分为人工清洗、高压清洗车清洗、机器人清洗。首先，人工清洗的方法会大面积增加遮盖区域，降低组件对阳光的吸收，而且还会对组件产生压力使组件出现弯曲或损坏。且清洗的工作周期按雇佣的工人的比例为4人/天大约能清洗1MW，对于一个20MW的电站来说需要耗时20天，费用约为1.6万到1.8万。人工清洗针对小容量的电站且光伏组件积尘较少的电站较适用，对大型光伏电站来说会消耗大量的人力与水源。其次，高压清洗车清洗，是将水储存至交通工具的水箱，通过增压泵打压进行吸、排的一个过程，将水输送到高压管路，再通过高压喷嘴喷出低压高流速的水柱，以切向或正向冲击光伏组件来达到除尘的效果。最后，机器人进行清洗，这种方法不仅可以对组件表面的灰尘和杂质进行清理，同时还能够根据天气的变化，例如雪天情况，实现快速全面的清理工作。机器人可以不间断的运行降低运行成本。通过对比发现，人工清洗的运维时间较长、效率较低；高压清洗车清洗，这种清洗方式操作简单，虽然提升工作效率，但高压清洗车对光伏组件阵列有要求，阵列道路需能使高压清洗车通过；显而易见，随着人工成本逐步提升，前二者清洗方式已经不适合市场需求，机器人清洗更胜一筹。组件最佳发电状态的保持，采用机器人清洁，能够保持清洁程度的客观的统一性，可以规避人工清扫的主观原因。常规灰尘影响，采用机器人运维的电站，清洁前后发电量基本提升在5~8%，中度、重度灰尘，可以达到10%~15%以上。为努力提高电站发电量，保障设备安全运行，智能化运维服务正在成为光伏电站的“护航者”。瑞得恩看到了这一契机，面对亟待解决的运维市场痛点，平价上网来临之既，瑞得恩提出了光伏电站一站式全天候智能运维的解决方案，并率先推出行业领先的光伏电站智能清扫系统。值得关注的是，运维主管许小峰介绍，单台清扫机器人在电站补充水和电后可连续工作，假如按每天工作十几个小时预算，基本1-2天时间完成1MW电站的清洗运维工作。清扫机器人大大提高了运维效率，许小峰表示：“智能运维采用智能化的监控管理云平台直观的反映站内设备的运行状态，结合先进的无人机巡航补充人工巡检作业、清扫机器人代替人工清扫服务，将原先粗放式的人工运维方式转型为精细化电站管理。”清扫机器人加速升级今年，瑞得恩着力于将光伏组件清扫机器人投入到电站现场的实际应用中，目前清扫机器人更多的是与合作客户试用测试阶段，反馈客户的需求，不断完善产品更高性能。首先，从外观体积上来看，便携式清扫机器人带水仅有28公斤左右，体积仅有700*720*220(mm)，单人可操作，携带运输方便。其次，从维修维保服务方面看较为简单方便，设备可以在室内进行日常存储和保养，可以在使用之前对设备进行检修、维护，减少了设备在电站现场出现的故障概率性。随着182、210等大尺寸光伏组件产品加速落地，针对不同的光伏组件尺寸，瑞得恩设计的机型，偏重于156型电池片，60片和72片的组件类型。不过，为了适应阵列类型、夜间作业等，清扫机器人已植入了视觉控制的插件，由视觉判断几横几竖的阵列类型，判断是60片的组件还是72片的组件，从而自动规划执行不同类型的清扫轨迹。许小峰透露：“针对大尺寸的光伏组件，后续可以通过软硬件的配合来实现大尺寸组件的电站场景的稳定运行。”针对中东、北非等水资源匮乏地区，瑞得恩的光伏组件清扫机器人采用干扫、湿扫两种清洁模式。据介绍：“干扫清洁效果相比湿扫差一点，后续计划改进干扫加吸尘的清洁方

9月28日，“智佳智能产业园”签约仪式在菏泽举行。作为菏泽市及高新区“双招双引”又一重要成果，该项目的签约将推动菏泽智能终端产业快速发展，为全市“231”特色产业体系发展注入新动能、聚集新力量。市委副书记、市长陈平出席仪式并见证项目签约，市政府党组成员、高新区党工委书记、管委会主任郭保存，市政府副秘书长、办公室主任孟凡荣，高新区党工委副书记、管委会常务副主任冯艳丽，高新区党工委委员、管委会副主任杨绍青等参加活动。生产平板电脑、AI机器人等智能产品，菏泽将打造智能产业园智能手机、智能车载终端、智能家居终端、可穿戴设备、工地手持终端、智能AI机器人……当下，智能电子产品的应用场景非常丰富，人们对这些智能终端都已耳熟能详，智能终端产业作为经济发展的新引擎，几乎已经融入到了现代经济社会的各种领域。智能制造发展虽然持续向好，但就地域分布来看，明显存在“南强北弱”现象，雨后春笋般接连涌现的智能制造产业园区也多数分布在南方城市。与市场的日新月异相比，菏泽的智能制造业发展相对滞后，产量小、规模弱，甚至存在空白。为加快我市在智能制造的快速发展，菏泽高新区审时度势，不断加大智能制造项目的招商引资力度，频频与高科技制造企业对接，积蓄发展后劲。经过前期的多次接洽协商和深入交流，菏泽市与智佳集团达成共识，拟引进该企业的智能终端产品全产业链，打造“菏泽版”的智佳智能产业园。据了解，智佳集团是一家智能终端产品全产业链的国家级高新科技企业，专业从事以智慧城市业务、手机、平板电脑、智能家居、POS机、智能穿戴、智能AI机器人等智能电子产品的研发、生产、销售为一体，同时开发网络平台及5G产品的技术研发，综合研发实力在AI智能机器人领域处于领头羊的地位。据介绍，即将落户到菏泽高新区的智佳智能产业园项目，科技含量高、含金量十足，其建设内容包括自动智能主板贴片设备，自动智能终端成品（含智能手机、平板电脑、AI机器人、智能戴产品等）生产线，进口注塑机，其他模具研发配套，CNC数控机床、冲床、洗床等。“项目落地后，将逐步引进智佳集团的智能终端产品全产业链，比如一部手机或一个平板电脑，其主板制造、外壳制造和相关的外设零件组装，都将移植到菏泽高新区。”高新区经发局相关负责人说。菏泽高新区与深圳智佳集团的签约，将发挥各自的资源和技术优势，在目前国内新兴的智能电子产品领域进行合作，为菏泽智能制造行业的发展构筑新平台、拓展新领域、注入新血液。多重优势叠加，菏泽高新区将打造信息技术产业园智佳智能产业园项目不仅科技含量高，而且在提高经济效益、提供就业岗位、扩大出口贸易、引领信息技术产业方面，都起到积极作用。据了解，智佳集团在2019年实现了综合销售收入122亿元，纳税3.7亿元。正是因为经济效益和社会效益俱佳，菏泽高新区才向其抛出了“橄榄枝”。该项目将分两期推进，一期投产后，计划2021年实现产值8亿元以上，纳税约2400万元。不仅如此，记者注意到，该项目二期将新增5G事业部、直播带货事业部、跨境电商事业部等，同时将上下游100余家配套企业引进落户菏泽高新区。这就意味着，该项目将利用智佳集团的配套优势，整合供应链优势模式，创造更多高薪就业岗位。同时，将利用该公司的进出口优势与经验，统一集中成立一般贸易进出口企业，在保持之前原有的进出口贸易基础上，加大进出口力度，扩大代理进出口规模，促使每年的进出口金额超过10亿美元，并每年持续增长。“高科技含量、高效益增长和高质量发展”，这是菏泽高新区对智佳智能产业园项目的定位，也是对该项目日后发展提出的要求。作为产业科技新城，菏泽高新区正不断在技术创新中为主导产业赋能，按照全市“231”特色产业体系建设，将规划建设“生物医药、新材料、信息技术和健康食品”四个产业园区，智佳智能产业园项目的落成，对信息技术产业园区的打造，起着引领、示范、带动的作用。来源:菏泽高新区

KF194川崎KAWASAKISCARA机器人维修伺服控制盒维修以地减少工艺流程中的瓶颈。同样重要的是要有足够的劳动力为机器人提供零件，公司也应考虑利用机器人焊接集成商的知识来提供建议和帮助以优化工艺流程;3。机器人上的MIG和消耗品会影响生产率和盈利能力。机器人的MIG和机器人上的易损件共同负责将电流引向电弧以完成焊接，使它们成为整个系统的组成部分。为了获得佳质量并避免昂贵的维护，维修或更换停机时间，公司需要选择一种机器人MIG，该适合于应用中所需的安培数，占空比和冷却能力。使用冷却或电流不足的自动MIG可能会导致性能问题并导致过早失效。这两个因素都会增加成本和停机时间。同样地，使用提供比所需的安培数更高的安培数的机器人MIG会增加总拥有成本，因为通常情况下。自动MIG的成本与安培数成正比。公司还需要选择其易损件。触头，喷嘴，固定头（扩散器）和衬里仔细并妥善它们，以获得佳的生产率和更低的成本。寻找在前端具有更大质量并且进一步埋在气体扩散器中的触头–这两个功能均有助于尖端抵抗电弧产生的热量。具有锥形连接的易损件牢固地配合在一起，以提供良好的导电性，这也减少了热量积聚，并有助于使易损件的使用寿命更长。具有长尾巴和粗螺纹的触头也是简化安装的一个不错的选择-它们实际上消除了交叉螺纹，因为在螺纹接合之前，尾部在扩散器内将触头同心对齐。这种易于安装的设计非常适合经验不足的焊接操作员，他们可能不太熟悉易耗的转换。它还有助于减少与跨线程相关的故障排除的计划外停机时间。具有锥形连接的易损件牢固地配合在一起，以提供良好的导电性，这也减少了热量积聚并帮助易损件使用寿命更长。与自动MIG一样，将消耗品的类型与应用程序进行仔细匹配可以使公司不必解决过早的故障和/或造成高昂的停机时间（更不用说生产中断）。它还可以避免他们为应用程序支付过多的易耗品。公司在选择易损件时还应考虑焊接方式，由于脉冲焊接等技术对易损件的要求特别苛刻，并且通常需要重型选件才能长时间承受电弧的热量。对于这些应用，请寻找采用硬化插入件制造的接触嘴，它们更耐电弧腐蚀和磨损。它们的使用寿命通常比铜或铬锆尖的使用寿命长10倍。通过减少任务的计划内停机时间，公司可以通过这种方式恢复因更换针尖而造成的生产力损失多达95％。外围设备可以帮助提高机器人焊接操作的投资回报率。外围设备是指集成到机器人焊接系统中以大化其性能的任何其他设备。其中包括喷嘴清洁站（有时称为铰刀或飞溅清洁器），防飞溅喷雾器，钢丝钳和颈部对准工具。不幸的是，一些公司低估了外围设备的价值，将它们视为不必要的成本，并且没有意识到它们可以在减少停机时间和返工，提高质量和提高生产率方面发挥重要作用。例如考虑喷嘴清洁站。顾名思义，该外围设备通常在机器人焊接操作的例行暂停期间清洁喷嘴上的污垢，碎屑和飞溅物。这种清洁作用有助于防止可能导致焊接缺陷，昂贵的返工和生产率下降的保护气体覆盖率损失。该设备还可以帮助前端耗材持续更长的时间-更长的消耗品寿命意味着更少的停机停机时间和更少的更换费用。添加防溅喷雾器可通过添加防溅化合物来防止飞溅物堆积和其他污染物，从而进一步延长易损件寿命和性能。从长远来看，对此类外围设备的前期投资可以通过帮助机器人尽其所能，可以节省可观的费用并提供更好的投资回报：比半自动焊接操作更长的时间完成一致的高质量焊接。外围设备，例如喷嘴清洁站或铰刀（如此处所示）通常可以帮助公司在机器人焊接操作中获得更好的投资回报。它们可以减少停机时间并帮助维持更高质量的焊缝。对熟练的操作员进行适当的培训以监督机器人焊接单元至关重要。机器人焊接操作需要持续的监督和维护，并且该工作需要由经过适当培训的熟练操作员来完成。在考虑对机器人焊接进行投资时，公司应谨慎评估可用的人才库。通常，熟练的焊接操作员和/或具有自动焊接经验的员工是监督焊接单元的佳人选。经过机器人集成商或OEM通常可以提供的适当培训后，这些员工可以提供必要的操作和故障排除技能，以确保机器人焊接单元中的长正常运行时间。作为常规培训的一部分，对于要监督机器人的操作员来说，有必要计划和执行系统的例行预防性维护。实施预防性维护有助于地减少不必要的停机时间，并使机器人焊接系统更平稳地运行。如果能够在问题出现之前解决并延长机器人焊接设备的使用寿命，则可以保护公司的投资，并首先确保该设备寻求的生产率和利润率。公司应考虑对机器人焊接集成商进行审查确定与人员培训相关的可用性和成本。通常，培训需要持续一到三周，具体取决于所需的认证级别，并且经常提供继续的教程。请仔细计划，良好的设备选择和适当的培训都是“必不可少的”用于利润丰厚的机器人焊接操作。

日本美女机器人走红！弄疼了还会哭，表情也太生动了吧日本是一个科技比较发达的国家，总是能研究出一些有趣的东西，比如说一种叫做人妻椅的工具，是专门为家庭主妇量身定制的，这种椅子可以很轻松的挂在厨房的柜子上。家庭主妇在洗碗切菜时，可以选择坐在人妻椅上，这样不仅可以很好的保护腰部和脊椎，还能让厨房里的工作变得更加轻松一些，不过很多网友表示这项发明非常鸡肋，在使用上有很多的不便之处。而最近日本又发明出了一个美女机器人，这个机器人的特别之处就是会对疼痛作出反应，被弄疼之后甚至还会哭。这个美女机器人五官非常精致，而且触感和皮肤非常相近，远远的看去，就像是一个真正的美女。研发这项机器人，主要目的是为了医学院的学生，老师可以通过学生为机器人看牙的过程，判断学生的专业素养，据说专家们为这个机器人设定了很多微表情的程序，所以老师也可以根据机器人的微表情来判断学生在治疗过程中，是否能够很好的控制力度。不过目前这个机器人禁止对外销售，这大概是怕过于智能的机器人取代人类的位置吧。对此大家有什么看法呢？欢迎评论留言。

机器人 9月27日讯，近日发改委产业司赴中国机器人产业联盟开展调研，详细了解了当前机器人产业的发展形势和市场走势，并与联盟有关专家就“十四五”进一步提高我国智能机器人产业的技术水平和核心竞争力进行了深入研究。阿策看好机器人产业上市标的将迎来产业政策拔估值和景气向上提业绩的戴维斯双击。先讲政策的必然性。以国内大循环为主体、国内国际双循环的新格局是我国经济体系的未来长远方向，而十四五规划就是我们具体的行动路线，会指明具体的前进方向和里程碑事件（KPI）。阿策此前讲过，十四五落实双循环战略的破局点在于消费端扩容提质与制造端生态进化。制造端的看点在效率工具的渗透率、自主率提升，提升企业匹配需求、创造需求的能力。对比投入产出表，欧美在三大要素（信息技术、通用设备、教育）投入领先，而我国大多数传统工业品最终产品的附加值比率较低，提升空间广阔：1）信息技术领域，计算机、通信设备、数据中心、工业软件、工业传感器、系统集成等领域渗透率或有较大提升空间；2）通用设备领域，工业机器人、高档数控机床、智能分拣等未来自主率提升空间或较大；3）教育领域，职业教育等领域渗透率有望提升。工业机器人有着显而易见的成长性因素支撑：1）人口老龄化；2）工业机器人价格下降；3）下游制造业市场集中度提高；4）下游制造业转型升级；5）相比北美、日韩等国家和地区明显的渗透率提升空间；既有着成熟的产业发展背景，又有着迫切的提质增效需求，工业机器人产业必然是国家十四五期间重点支持的方向之一。再来讲讲业绩释放的周期性，行业景气是紧随下游行业固定资产投资周期的。宏观角度，最简单的一条，工控自动化增速和 PMI 指数具有较强相关性。行业普遍认为 PMI 指数在一定程度领先工业自动化大概 2-4 个季度。而当前制造业PMI已经连续6个月位于50上方，可预见的行业景气回暖。行业中观，据统计局数据，8月工业机器人产量同比+32.5%，增速达两年内峰值，1-8月累计产量13.7万套，同比+13.9%。我国工业机器人主要服务于汽车、3C等制造领域，8月汽车产销量持续增长态势，产量同比+6.3%、销量同比+11.6%，1-8月汽车固定资产投资累计同比降幅持续收窄至19.3%，3C累计同比扩大至+11.7%，自动化升级需求随下游行业复苏而增强。除了下游情况，另一参照指标是日本工业机器人订单情况。日本工业机器人订单一般领先我国产量6个月左右。日本订单金额从19年3月起降幅缩窄、11月起增速转正，20年7月结束疫情导致的负增速，同比+3.3%，延续此前复苏态势。此外，20H1日本机器人出口销售额同比+17.4%，其中，出口中国的销售额同比+37.7%，侧面佐证我国机器人行业复苏趋势，需求正处旺盛期。综上，建议关注持续关注我国工业机器人产业链投资机遇。工业机器人三大核心零部件知名厂商：（文/君临策）

随着越来越多的高楼大厦拔地而起，建筑物外墙清洗维护行业逐渐兴起，不过高空作业事故时有发生，以机器人取代“蜘蛛人”已成必然趋势。企查查数据显示，目前我国共有2.4万余家高空作业相关企业，其中山东省共有1.1万余家，占比高达47%。2019年，行业新注册量达5636家，同比增长29.3%，相关公开专利数量达到728件。此外，72%的相关企业注册资本低于500万。高空作业行业正处于快速发展阶段，良好的行业前景及国家对本行业的扶持政策吸引了诸多国内企业进入本领域。随着高空作业行业的不断成熟，国内企业的不断成长以及国外企业对国内市场拓展力度不断加大，市场竞争将日趋激烈。企查查数据显示，近10年我国高空作业相关企业年注册量逐年攀升，2010-2013年平均注册量达769家，2014年起行业进入快速发展阶段。2019年相关企业注册量达5636家，同比增长29.3%，比10年前数据增长近9倍。地域上，企查查数据显示，山东省拥有的高空作业相关企业数量最多，达1.1万余家，占据了全国总量的47%，遥遥领先于全国其他各省。浙江省、河南省分别以1522家和935家排名二、三位。注册资本上来看，企查查数据显示，全国72%的高空作业相关企业注册资本在500万以内。其中注册资本在100万以内的占29%，而注册资本在100-500万的则占43%。注册资本在1000万以上的相关企业，占总量的13%。我国高空作业机械产品通过学习、引进和消化国外先进技术开发了许多新产品，其产品的技术水平和产品质量都不断提高，达到和接近了国际同类产品的水平，在国内市场中竞争力强，市场销路好，产量也增加较快。企查查数据显示，2015-2018年我国高空作业相关公开专利数量逐年递增，2018年相关专利数量达5年来最高，达862件，同比增长56%。2019年相关公开专利数量稍有下降，达728件，同比下降15.5%。

工业机器人的发展迅速，在过去的几十年中，AGV、机械臂等工业机器人技术已经发生了巨大的变化，并且在部署的数量和种类也发生了变化。下面，我们一起来了解工业机器人对企业带来的好处吧。工业机器人给制造业带来的好处有许多，其中首要是提高生产效率。相比人工劳动AGV、机械臂等工业机器人能更快地完成作业，并且能24小时连续作业，无需休息。其次是节省人工成本。如在某印刷电路板行业应用六轴机械手臂机器代替人工上下料、打磨等简单重复的作业，可以代替2~4个人工（白班/夜班两班倒），因此使用工业机器人，确实能大幅降低人力成本。而且，因为机器相对人的可靠性，还能减少品质缺陷带来的报废费用，也没有因为人的个性带来的管理问题，从而节省管理费用。提高生产的一致性。AGV、机械臂等工业机器人一旦设置好就能准确、重复的运动，无需管理，能保持质量的高度一致性。在某些方面，工业机器人既是员工又是质量控制系统，他们没有偏好，消除了人为失误的可能性，每次都会生产出可以预见的良好产品。 减少人工流动对工厂生产带来的影响，减少劳资纠纷。企业在运营过程中需要花费大量的精力来填补重复人工作业的岗位缺口，临时工稳定性和可靠性差，或需要花费大量时间学习生产流程，且机械重复或有危险性的操作过程影响员工的健康和安全。AGV、机械臂等工业机器人无需培训直接上岗，不会离职非常稳定，能够在保证安全的前提下提高工作效率。近年来，在珠三角、长三角、环渤海等制造业比较密集的地区，搬运、码垛、上下料、包装等单调、频繁的作业，或是涂胶、焊接等危险、恶劣环境下的作业，应用工业机器人代替人工已经成为比较常见的现象。尤其是AGV搬运机器人，因为搬运高效、准确的运行，能够有效地衔接各生产环节，在指定时间，将物料输送至指定位置，使生产率得到了大幅度的提高，因此得到很多企业的青睐。

近期，一名加拿大人在网络上发布的一段视频显示，一只四条腿的黄色机器人在人行道上游荡。这段视频在社交平台上播放量超千万，引起了人们热议。有的人在夸赞技术炫酷，有的人则说自己感到恐惧，强烈抨击机器人技术。“机器人”一词来源于上个世纪20年代，捷克作家卡雷尔·凯佩克发表的科幻剧本《罗萨姆的万能机器人》。该剧预告了机器人的发展对人类社会的悲剧性影响，引起了人们的广泛关注。在此之后，以机器人的发展与人类生活之间产生的矛盾为原型，制作了很多电影，游戏、电视剧等艺术文化作品，比如近几年的热门游戏《底特律：变人》，该游戏以三个机器人的视角，展现了从一个只会执行命令的“商品”到一个意识独立，感情丰富的“人”的转变，该游戏一经问世，就再次引发了人们对机器人的热议。机器人的发展是否能够对人类产生威胁？这一话题被人讨论过无数次，到底是何答案？相信每个人都有自己心中的“哈姆雷特”，小编不在赘述这一问题，今天小编带大家认识一下近几年那些走进人们视野的机器人明星。索菲亚（历史上首个获得公民身份的机器人）索菲亚是由中国香港的汉森机器人技术公司（Hanson Robotics）开发的类人机器人，是历史上首个获得公民身份的一台机器人。索菲亚看起来就像人类女性，拥有橡胶皮肤，能够表现出超过62种面部表情。索菲亚“大脑”中的计算机算法能够识别面部，并与人进行眼神接触。阿尔法狗（围棋机器人）阿尔法狗（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”， 是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。Harmony（全球首款性爱机器人）美国加州Abyss Creations公司宣布，第一代性爱女机器人Harmony已经成功研发出来，该款具有学习能力，会和人类产生情感的性玩偶，预计在2017年4月中推出。有别于传统性爱人偶死板的面孔及身体，Harmony将会具备12种人格特质，包括天真、善良、性感等等。同时，机器人身体内部拥有加热器，可以模拟真实的体温。最亮眼的功能还是Harmony的可进化AI系统，其能都不断学习进而和人类发展出真实感情。Harmony具有学习能力，能通过手机APP来进行更新。阿特拉斯（谷歌研发的机器人）“阿特拉斯”是人形机器人，身高近1．5米，体重近75千克，像人一样有头部、躯干和四肢，“双眼”是两个立体传感器。atlas由谷歌旗下的波士顿动力公司研发。Atlas的的产品迭代大概经历了三个大的版本更新。2018年5月，波士顿动力公司展示了升级版的Atlas人形机器人，该机器人已经可以实现单腿跳跃。大狗机器人（Bigdog）因形似机械狗被命名为“大狗”。由波士顿动力学工程公司专门为美国军队研究设计。它不仅仅可以爬山涉水，还可以承载较重负荷的货物，而且这种机械狗可能比人类都跑得快。“大狗”机器人的内部安装有一台计算机，可根据环境的变化调整行进姿态。“大狗”既可以自行沿着预先设定的简单路线行进，也可以进行远程控制。大狗机器人被称为“当前世界上最先进适应崎岖地形的机器人”，但是我们应当冷静地看待这种机器人。可能未来会有一天，这种机器人会像科幻电影《终结者》中“T-800终结者”能够对人类执行残酷无情的杀戮任务。今天所介绍的仅仅是人工智能机器人的冰山一角，近年来人工智能的发展如火如荼，智能机器人的发展更是突飞猛进。小编还是希望有更多优秀的机器人被创造出来，更好的为人类的生活服务。当然，前提是它们都可控。

目前，大数据+深度学习+大算力构成了人工智能的主要发展模型，但更多的数据、更强的算力和改进的算法却未必会让人工智能更聪明。有专家指出，人工智能未来发展的关键并不是简单提高算力和增加数据，而是要重新思考智能模型。古希腊哲学家德谟克利特曾言，“我宁可找到一个因果的解释，也不愿意成为波斯人的王”。可见，推理能力，是人类智能的重要体现。目前，尽管人工智能在语音、图像识别等特定领域、特定类别下，水平已经比肩甚至超过人类，但对日常生活中的事情进行推理，AI却是一筹莫展。例如，电影《教父》里有这么一个场景：一个黑手党对糕饼店老板说：“这个店太漂亮了，但是如果有一把火把这个店烧了，那就太可惜了。”显然，这句话背后的意思，不是劝老板准备好消防设备，而是恐吓老板赶紧交保护费。这个结论对人而言是显而易见的，但对于AI则很难理解。再如，张三问李四：“你最近忙吗？”李四回答道：“我眼圈黑得可以扮熊猫了。”对于AI来讲，李四的回答和张三的问题是风马牛不相及的两句话。目前AI缺乏因果推理能力“目前AI所学的语料库里，只涉及数据之间的相关概率，而没有数据之间的因果关系；更关键的是，AI算法里很少包含推理的模块。”8月24日，清华大学心理学系和脑与智能实验室教授刘嘉在北京智源人工智能研究院举行的“人工智能的认知神经基础”重大研究方向发布会上指出，而在人的大脑里有专门的认知结构来进行推理以寻找因果关系。事实上，人类随时随地都在寻找事件的因果解释，甚至会把一些完全无关的东西关联在一起。可以说，因果推理是人的一种本能行为。有人说，今天的人工智能是大数据+深度学习+大算力，未来的人工智能就是更多的数据、更大的算力加上改进的机器学习算法。这么说对吗？“这么说并没有真正回答问题，属于线性思维。深度学习在人脸识别等方面取得重大进展，但并未真正解决感知问题，例如对抗性图片可以欺骗人脸识别系统，这不是个案，而是揭示了深度学习的根本性缺陷。因此，人工智能未来发展的关键不是简单提高算力和增加数据，而是要重新思考智能模型。”北京大学计算机科学技术系教授、北京智源人工智能研究院院长黄铁军表示。什么是智能？“我认为智能是系统通过获取和加工信息而获得的一种能力，从而实现从简单到复杂的演化。比如说动力系统，汽车、飞机通过油和电等能量进行运动，但这不是智能，如果一个系统能够获取信息并通过加工信息获得能力增长，它就是智能。”黄铁军说。黄铁军表示，作为智能载体的系统可以是有机生物体，也可以是无机的机器，包括计算机。寄托在有机体上的智能称为生物智能，以机器为载体的智能称为机器智能。而把人工智能理解为“人工设计制造的智能”是偏颇的。借鉴生物智能拓展研究途径“生物智能研究是脑科学的一部分，属于自然科学范畴。如同其他自然科学一样，大脑作为研究对象基本是稳定不变的，人类的进化不会在几十、几百年有多大变化。大脑是已知的最复杂的系统，所以脑科学常常被称为自然科学的最后疆域。”黄铁军指出。机器智能是技术科学的前沿，黄铁军表示：“因为人工智能这种系统的复杂程度是随着人类的设计、开发以及环境的互动变得越来越复杂，所以机器智能的研究对象是一个不断扩展变化的对象，我认为智能科学是技术科学无尽的开放疆域。”“生物大脑是亿万年进化的产物，机器智能没必要也不可能再从头进化一遍，而是应该在生物大脑的基础上向前发展。”黄铁军表示。例如，目前的机器视觉采用摄像头和计算机算法，虽然取得了很好的效果，但是存在计算复杂度高、成本高等问题。黄铁军团队研制的新型视觉传感芯片仿照生物采用脉冲方式表示视觉信息，不需要大算力就能完成超高速视觉任务，成果表明可从结构和机理上模仿生物大脑，再通过光电系统特性大幅提高性能，这是人工智能未来发展的重要途径。据介绍，北京智源人工智能研究院在2019年发布的5个研究方向中，将“人工智能的认知神经基础”作为2020年首个重大研究方向，旨在将神经科学、认知科学和信息科学进行交叉融合，加强人工智能和脑科学的双向互动和螺旋发展，揭示生物智能系统的精细结构和工作机理，构建功能类脑、性能超脑的智能系统，以视觉等功能和典型模式动物作为参照物测试智能水平，为人工智能未来发展探索可行道路。刘嘉表示，从认知神经的角度考虑，理解智能有3个层级，硬件层面、表征与算法层面以及计算目标层面。对应到生物智能中，分别是脑神经结构与功能、生物神经网络模型以及认知模型。课题组将分别从3个层面进行研究：生物基础、网络模型、生物视觉。其中，将围绕“生物视觉的认知神经基础”用多种脑成像的方法，探究大脑的精细结构、阐明生物视觉的认知功能和计算架构；进行“AI的脑解析”，利用认知神经科学的研究方法打开人工智能（深度学习网络）的黑盒子；探索“类脑的AI”，基于生物视觉认知的研究成果，构建类脑视觉信息处理的模型与算法。“以认知神经为基础，人工智能将进入一个新的发展轨道，尽管它的发展不会像大家想象那么快，因为很多技术挑战需要解决，但只要方向对头，速度还是

9月17日，"众智连城――三维家百城千企智能制造升级扶植计划"发布会首站在福建厦门举行。三维家从厦门出发，将走进全国百城，全面赋能小微定制企业的数字化和智能化升级，以大数据和人工智能帮助家居企业降本提效，助力全行业的高速增长。众多小微企业面临着疫情后时代的严峻市场考验，也陷入了增长乏力的困局和迷茫，三维家DMS设计拆单系统应运而生，让小微企业的企业主看到了降本增效，提升效率的希望，为企业破局再发展打下一针强心剂。数字化转型刻不容缓 树立前后端一体化优质标杆面对疫情给经济形势带来的不确定性，如何帮助中小家居企业度过当前的"危"，并且寻找未来的"机"，是此次计划的核心。三维家大客户中心总经理曾冬在会上表示，家居产业是个高度离散的市场，从消费、设计、生产、设备端都存在着亟待升级的诉求。在面向家居产业"数智化"浪潮的当前，如何实现前后端一体化，让传统家居制造业向数字化升级转型，三维家为行业提供了新的技术和助力。作为诞生于厦门的知名家居企业，金牌厨柜很早就抓住了转型升级的机遇，成为家居企业数字化转型的标杆。本次活动现场，金牌厨柜与九牧、松霖等品牌与三维家负责人一同参与了"三维家前后端一体化优质标杆"颁奖仪式。金牌厨柜、九牧厨卫、松霖家居获颁发"三维家前后端一体化优质标杆"金牌厨柜负责人郭裕木介绍到，金牌厨柜与三维家在打通前后端一体化后，有效地让前端销售，到设计报价再到下单流程提速200%，提高下单准确性的同时降低了人工成本。在后端生产的审单排料环节，一次审单通过率显著提升，实现最快3分钟排料，排料速率提高2.4倍。郭裕木分享到，数字化时代已到来，转型关乎着企业的前景和发展。金牌与三维家将把数字化融入业务运营之中，实现企业经营数字化和数据资本化，达成业务高速扩展和创新。三维家全面赋能中小微企业 实现数字化智能化改造中国家居市场拥有5万亿的庞大市场规模，不管是上市企业，还是中小微企业，数字化改造的需求一样存在。中小微定制工厂面对生产流程自动化程度低，过度依赖人工等痛点，亟需通过一套数字化系统减少设计生产流程，降低企业成本，实现业绩的高速增长。自2013年成立以来，三维家已逐步深入到家居产业的各个环节，强化大数据和人工智能在家居各场景的深化应用，并帮助超过1000家家居工厂完成前后端一体化布局。三维家为了深度赋能小微定制企业用户，在产品矩阵上进行了纵向扩充，开发并推出了DMS设计拆单系统，解决设计、生产、管理全流程的难题。三维家DMS设计拆单系统能够实现智能设计，一键精准拆单，智能排料对接生产，解决前后端数据不通的问题，真正实现家居的"所见即所得"。同时，三维家DMS设计拆单系统能帮助小微定制企业进行有效的CRM运营管理，在线进行渠道商、客户、订单的运营管理，订单扫码即可快速入库，减少订单错漏问题。业主也可通过系统查看订单方案全景图，实时自主查询生产进度，有效提升客户满意度。三维家将会给予客户服务"四个一"承诺，提供专业技术对接支持，第一时间相应企业咨询与需求，帮助企业一次性打通前后端一体化。发布会上，三维家同时推出了前后端一体化人才的定向培养和输送计划，为企业定向输送人才，加速产业造血，强化企业人员的技能提升，实现企业、门店的协同提效。在未来，三维家将持续以大数据与人工智能为依托，以创新技术和产品走进全国百城千企。三维家将提供设计、生产、管理全流程数字化解决方案，低门槛、高效率地帮助小微定制工厂实现前后端一体化，让定制工厂早日实现智能化与数字化的升级改造，享受数字化生产的硕果。愿景在望，情怀在途，步伐坚实的三维家，必将成为"中国制造2025"的中坚力量。

9月15-17日，2020全球硬科技创新大会在西安高新国际会议中心隆重举行。本次大会由科技部、中国科学院、中国工程院、上海证券交易所指导，科技部火炬中心、陕西省科技厅、陕西省地方金融监管局、中共西安市委、西安市人民政府主办。在16日下午举办的人工智能创新峰会上，加拿大工程院院士杜如虚、亿欧公司联合创始人王彬、君义投资合伙人王东、高新兴机器人CEO柏林、世邦魏理仕华西区战略咨询部资深董事何乐晔、上海商汤科技智能产业研究院主任刘志毅、金山云首席算法架构师兼人工智能产品中心负责人苏驰、赛灵思人工智能业务资深总监姚颂、新看点创始人兼CEO冷煜、银星智能首席技术官闫瑞君、康力优蓝CMO副总经理赵博韬等嘉宾出席本次活动。亿欧公司联合创始人王彬代表人工智能创新峰会主办方致辞。他在致辞中表示，随着5G、边缘计算等技术不断发展，硬科技将无处不在。在消费领域，零售厂商能够通过人工智能提高商品周转率，其发展潜力越来越取决于研发投入；在金融领域，人工智能的参与度不断提高，改变了保险产品的精算和设计模式；在大健康领域，人工智能在制药过程预测、智能影像和基因产品领域都有应用。借助5G和边缘计算的发展，硬科技将让人们的生活更加美好。加拿大工程院院士、华南理工大学吴贤铭智能工程学院院长杜如虚教授带来《韧性智能制造助力制造业应对危机》主题演讲。在国际竞争中，中国制造业能否获得抵御灾变、迅速恢复的“韧性”至关重要。杜教授认为，提高韧性，首先需要产品设计创新、制造技术创新和供应链市场的创新；其次，企业用可重构机床、可移动堆栈等设备，增强生产的柔性；最后，企业信息、模型和控制决策层面也需要具备韧性。知名数字经济学家、上海商汤科技智能产业研究院主任刘志毅带来《双循环下的科技创新与AI治理》主题演讲。他认为，双循环不是一个封闭的生态，反而更加开放，并且对外合作还能够推动国内经济发展。商汤科技过去是以算法为主的供应商，现在开始做平台级的服务、研发自己的芯片。不管是政府业务，还是在教育医疗等细分领域，商汤科技将在实践社会抱负的过程中实现商业价值。世邦魏理仕华西区战略咨询部资深董事何乐晔发布《人工智能发展及西安策略报告》。他介绍说，随着现代城市向数字化方向发展，未来城市可能拥有一个新的模矩尺度。有了Wi-Fi、大数据和AI之后，未来城市功能会越来越复合化。城市是对空间使用效率和时间使用效率最大化的追求，如何通过人工智能等现代科技，将城市效率提高到一个新的阶段，将是城市管理者面临的新课题。金山云AI首席算法架构师、人工智能产品中心负责人苏驰带来《云计算与AI深度融合，加速产业智能化升级》主题演讲。他表示，AI技术到产业应用需要一段历程。从数据收集、准备和标注，到模型训练和优化，整个生产环境都需要管理和配置。因此，AI落地需要一体化的服务。金山云希望从底层数字化做起，通过各种IoT设备到上层平台，实现IoT数字化、智能化、产品化的完整落地。赛灵思人工智能业务资深总监姚颂带来《AI芯片何去何从》主题演讲。他介绍说， AI芯片不同于通用芯片，而更像互联网逻辑：一端是需求，另一端是供应商，所以芯片生态才是中国厂商追赶的难点。他认为，云端的市场已经比较拥挤，更大的市场空间在终端，因为每个应用场景都非常庞大，需求差异巨大。目前AI芯片行业的下滑很快就会到达最低点，未来人们将看到越来越多的AI芯片在更多场景中发挥价值。在圆桌论坛环节，君义投资合伙人王东、高新兴机器人有限公司创始人、董事长柏林、新看点创始人兼CEO冷煜、银星智能CTO闫瑞君和康力优蓝副总经理兼CMO赵博韬等投资界和产业界大咖，围绕《人工智能开启智能时代》，共论人工智能在产业界的发展。君义投资合伙人王东介绍，君义投资从去年9月确定硬科技方向，目前已经服务大概200多个项目，其中包括5G、AI、芯片、物联网等多个硬科技领域。他表示，早期AI公司应该考虑生存，而不是关注搭建自己的平台。先关注场景需求，然后再开发匹配的算法，用场景去定义AI，才是初创公司的生存之道。高新兴机器人有限公司创始人、董事长柏林介绍，高新兴机器人主要服务警方需求以及重点企业园区、高端物业巡逻。他表示，机器人需要结合很多技术，包括人工智能、传统安防、云平台、大数据等技术；机器人公司不可能涉猎所有技术，而是做减法，即尽量标准化或者固化一些场景，实现快速落地。康力优蓝副总经理、CMO赵博韬介绍，康力优蓝的商用机器人覆盖四大场景，共有12套不同的产品。他表示，技术研发、产品应用和产品落地是相辅相成的关系。针对国际商业竞争环境，他认为中国企业家的决心和意志力是最强的，危机反而助推了产业智能化、无人化进程。银星智能CTO闫瑞君介绍，银星智能主要业务是清洁机器人，今年家用清洁机器人出货量高达200万台。他表示，产品研发应该兼顾产品落地，否则公司现金流无法保证；如果只考虑产品落地，而不考虑技术研发，产品可能缺乏竞争性或者亮点不足。在人工智能领域，企业既要脚踏实地，又要

前言互联网从业者近几年最熟悉的词汇莫过于智能、算法、AI。随着海量数据存储及计算能力的发展，人工智能AI已成为一种底层能力，在结构化数据计算、自然语言处理、计算机视觉等领域广泛应用。本系列将围绕人工智能AI基础能力与设计领域智能化展开，如果你是设计师或产品经理，你可以了解到入门AI的基础知识、人工智能是如何影响设计与交互，把握智能设计的「可」与「不可」;如果你是算法或技术同学，本系列不会涉及前沿算法的分享，但你也可以了解到在设计专业领域我们对于智能化的一些思考。AI x Design 人工设计智能人工智能AI作为底层能力，其目的不是为了替代传统设计师的工作，而是通过计算机的算力(计算能力)与规则，提高强化设计能力与效率，通过让机器学会设计把机器变成设计师的助手。设计智能的突破，其实得益于AI算法框架(深度学习模型)的提出和普及，近些年的设计智能主要应用在设计语义提取、风格识别、风格迁移、设计评价推荐、设计对抗生成等。举个栗子，小米CC9手机在发布时便推出了一个叫「魔法换天」的功能，用户拍摄一张带有天空背景的照片，可以变换成晴天、阴天、夜晚等各种不同风格的天空。对于「换天」，从交互设计上的呈现模型看，只是用户端「设计风格」的一键切换;但如果我们从实现模型来看，首先需要实现图片语义切割，让机器学会分辨什么是天空;接着，通过海量不同风格图片数据的输入让机器学会什么是风格，这中间就会应用到不同的算法模型，比如#卷积神经网络CNN#结合#注意力机制Attention Networks#进行关键特征抽取实现风格分类;最后，可以再通过#对抗生成网络GAN#的生成模型和判别模型训练输出最优的目标风格图片，完成用户的「魔法换天」操作。经典的设计智能例子还有很多，作为交互设计，上述的算法模型框架和实现细节可能不是我们的重点，我们需要关注的其实是AI算法的能力与边界，从而思考AI如何影响产品交互与用户行为。要想掌握算法的能力与边界，那接下来的基础入门概念你一定不能错过。算法之美1. 「算法是什么?算法怎么用?」通俗来讲，算法其实就是数学公式，是有限且确定的一套解决方案或解题步骤，对算法来说输入A和输出B必须是固定的，算法只负责中间的输出逻辑。比如说，为了计算加减乘除，老师总结出了乘法口诀;再比如，为了让用户更快地收到商品，配送系统研发了路径规划优化算法。在场景应用上，算法必定是基于某个业务场景痛点，为了解决某一类业务问题抽象，脱离了业务场景算法便失去了意义。在解决业务问题的同时，需要保证方案的准确以及完整，这也是算法同学通常在交付算法模型时会使用的两大评测指标：准确率与召回率(查全率)。简单来说，准确率衡量的是算法模型去预测某个对象或事件时多大比例是预测准确;而召回率评判的是算法模型在待预测对象或事件堆中能预测出的比例。准确优先就是更准，召回优先就更全，任何算法没办法同时做到既准确又完整，只能是基于业务场景和优先级两利相权取其重，但在大多数的电商推荐场景下更加关注准确性。2. 「算法还分监不监督?」刚刚提到算法是约定好输入输出下的一套解决方案，那么在逻辑黑盒的训练和学习方式上，会分为有监督学习和非监督学习。有监督学习，就是我们提前和机器约定好什么是A什么是B，机器按照我们的标准进行训练学习;有监督学习要求算法模型的输入必须经过人工预先处理，也就是数据打标。经典的有监督学习方法，包括回归以及分类，基础数学中的回归方程其实就是一种有监督学习。无监督学习，顾名思义，我们无须定义好标准和规则，算法会通过特征抽取自动进行训练学习。无监督学习一般会通过聚类算法来实现。3. 小结算法是约定好输入输出的解题步骤，要让机器学会判断，可以手把手教它(有监督)，或者是放养式让它自学成才(无监督)。机器学习VS深度学习如果说算法是解题方案的话，机器学习与深度学习更像是不同阶段的解题思路与解题结构。1. 「深度学习与机器学习有什么区别呢?」再回到我们的例子上，高考不仅会有客观题，还会有主观题，假如这次我们机器来给作文评分，传统的机器学习很难按照人类的思维方式和行文逻辑去分析。深度学习的出现，使得机器能够「像人一样思考」，通过仿生神经网络的建立，机器能学会和理解复杂事物间的联系，并通过感知外界优化自身网络结构。也就是说，深度学习模型，其实也是机器学习的一种，只不过学习方式变成了，通过构建类人脑神经网络结构的多层感知结构，以及低维特征的组合及向量化，来挖掘样本数据特征，从而建立数据与结果的关联关系。要想更好的理解深度学习与神经网络，我们首先得了解人脑是如何感知与理解信息(数据)的。中间的网络图是抽象化的人脑结构表示。每个圆圈代表一个神经元，每个箭头代表一组神经突触，信息从左侧输入层进入，中间经过若干个隐藏层以及不同权重的神经突触传播，从右侧输出层输出;不同权重的神经突触会过滤或是加强不同优先级的信息，从而指导人的行动。基于人脑神经网络结构，深度学习模型首先通过Embed

在昨天召开的新闻发布会上，市科技局副局长祖延辉表示，市科技局将在五方面加大力度，进一步支持天津市智能制造发展自主创新。一是鼓励科研院所来津发展。对落户我市并已组建科研团队、科研生产设备到位、已开展研发工作的国家级、省部级科研院所,区别情况，给予最高3000万元的资金补助。二是支持创建综合性技术创新中心。支持技术创新中心提升研发创新能力，鼓励综合性技术创新中心搭建检测实验室、购买研发仪器设备、开展关键共性技术研发。对综合性技术创新中心的研发创新能力建设项目安排项目总投资30%的财政补助资金，每年最高500万元，连续支持3年。三是支持市级企业重点实验室升级为国家级重点实验室。对市级企业重点实验室升级为国家级的，给予100万元专项资金补贴。四是对科技创新2030—“新一代人工智能”重大项目，涉及人工智能、智能制造的国家科技重大项目、国家重点研发计划重点专项等立项的项目，给予每个项目总经费30%、最高3000万元的资金支持。五是支持国家新一代人工智能创新发展试验区重大项目、平台，开展关键技术研究和创新成果应用示范，重点支持智慧城市、自主算力引擎、智慧港口、车联网应用等示范场景建设，实施智能赋能制造、产业集群培育等重大工程，对符合条件的项目、平台，给予项目总投资30%、最高1000万元资金支持。

爱康集团旗下体检中心都配备了Airdoc眼底高清照相设备。借助大数据和人工智能，实现千人千面精准服务在健康体检服务领域，借助大数据和人工智能技术，可以实现千人千面的精准服务，从而更有效地进行健康管理。其中，眼底高清成像是爱康集团人工智能的主要应用之一。“通过人工智能技术在眼底成像中的应用，可以及时发现4类严重威胁眼健康的眼底异常情况。”爱康集团创始人、董事长兼CEO张黎刚介绍，截至2020年8月，已有超过百万人在爱康做了眼底成像检查，整体异常检出率为74.8%。结果显示，中度及重度豹纹样改变的检出率为40.6%，视网膜血管异常的检出率比例为39.9%。爱康集团联合国家科技信息资源综合利用与公共服务中心眼科大数据联合实验室及Airdoc发布了国内第一个基于视网膜人工智能评估的《百万体检人群健康蓝皮书》。首都医科大学附属北京同仁医院副院长魏文斌指出，通过人工智能在眼健康管理过程中把高危人群筛选出来，针对高危人群提供一对一的个性化健康管理措施，很有必要也很有意义。此外，高血压、糖尿病等慢病均与眼健康息息相关，视网膜是全身唯一一个能够直接观测血管和神经的组织，不仅能够观测眼底疾病，还能直接观测全身性的血管疾病、全身性神经疾病以及其他疾病。在张黎刚看来，医疗产业的发展离不开医生，随着人工智能、大数据等新科技与医疗的结合，以人工智能、大数据与基因检测主导的医疗健康行业已经到来。未来，在爱康体检中心，心电将实现全部联网，借助人工智能读图，从而放大医生专家的经验和能力。应用基因检测等最新技术提供人性化健康服务人们对疾病的认识与技术水平的进步密不可分，这不仅仅是在疾病治疗领域，预防同样如此。作为一家体检机构，爱康集团也在关注、探索、应用基因检测等最新技术，从而提供更加舒适、人性化的健康管理服务。以肠癌为例，国家癌症中心最新发布的《2015年中国分地区恶性肿瘤发病和死亡分析》数据显示，2015年我国新发恶性肿瘤病例数约为392.9万例，2015年全国恶性肿瘤死亡例数约为233.8万例。结直肠癌是少数能通过筛查做到早期发现、早期治疗的恶性肿瘤之一。结直肠癌在癌前病变（腺瘤）发展成恶性病灶前有一个较长的过程，为疾病的早诊、早治提供了足够的时间。体检时的直肠指检是目前较为常用的检查方式，但由于传统肛门指检的不舒适、隐私差等特点，不少人在体检中直接选择放弃该项目。2016年，爱康集团与诺辉健康建立战略合作关系，为体检人群提供更好的肠道健康评估服务，其中便包括多靶点粪便FIT-DNA联合检测技术常卫清。2020年5月，中华预防医学会肿瘤预防与控制专业委员会、爱康集团以及诺辉健康联合发布2020版基于分子诊断的《中国体检人群结直肠癌及癌前病变白皮书》，其中超7万份有效检测结果采用了常卫清进行检测。诺辉健康“常卫清”检测结果为阳性的人群，其肠镜检出异常中超7成为癌前病变。爱康通过与诺辉健康的合作，让用户居家采集粪便样本，再将样本邮寄进行检测，采用用户易于接受的、非侵入性的方式，帮助人及早发现癌前病变。疫情来袭，爱康人挺身而出2020年初，突如其来的新冠肺炎疫情考验着各行各业。作为健康体检和健康管理行业的领军企业，疫情来临之际，爱康集团在全国各地的医护人员积极参与到当地的疫情防控中，同时通过免下车、延长采样时间等，助力核酸检测，最大程度体现了社会医疗机构的价值。“每个人都抢着做事情，拼尽全力。支援雷神山医院，是自己作为医学专业人义不容辞的事情。”疫情暴发伊始，爱康集团各地医护与员工就积极参与到各地疫情防控中，其中包括支援武汉雷神山医院。在武汉随后进行的全市范围的核酸检测工作中，近300位爱康人挺身而出，从北京、上海、天津等九个城市千里驰援，加上350位来自武汉、宜昌、孝感等湖北当地的爱康人加入，650位爱康人携手同行。从白天到夜晚，昼夜不停；面对行动不便的老人和残障人士，主动出击，上门采样，做到不漏一人。最终，几十万份核酸检测及抗体检测的采样工作在10天内如期完成。4月30日，爱康集团在位于北京朝阳区日坛东路的北京庇利积臣门诊部（爱康国宾日坛分院）内正式启用“免下车”新型冠状病毒核酸检测采样点，这在北京医疗机构中是第一家。此后，“免下车”核酸检测采样点相继落地上海、广州等。“免下车”2分钟快检，24小时出结果，有效避免人群聚集交叉感染，提升核酸检测采样效率，助力愿检尽检。6月，北京新发地疫情暴发，爱康北京医护团队在高温下、暴雨中进行核酸检测采样工作，联合第三方检测机构在两周内为超过10万人次提供核酸检测和抗体检测服务。7月，大连保卫战打响，爱康大连医护团队主动请战支援社区核酸检测采样。【产品美学】截至2020年8月初，爱康集团已在北京、上海、天津、香港等52个大城市设立142家体检与医疗中心，与全国200多个城市超过720家医疗机构建立合作网络。2019年《财富》全球500强在华企业中的255家、《福布斯》榜上中国规模排名前列100强中的93家均选择了爱

科技与文化碰撞带来的火花，让我们对历史的表达有了更多可能。大热的AI（人工智能），其在文化领域的广泛应用，就是印证。花样频出的各种“新玩法”，正在拉动文化消费产生“新流量”，为文化产业延伸出新的发展链条。“看”百年前老济南当人们走进博物馆，观赏那些历经岁月的文物典藏、人物画像时，当翻看历史档案，查阅已经蒙尘的文字、泛黄的相册、失帧的黑白影像时，可能有过那么一个闪念，思索这些文物曾经的所有者，画像中的先人，到底拥有怎样的音容笑貌，又经历过哪些悲欢喜乐？而AI技术，似乎能满足这份渴望，探索沐浴着同一片月光的大地上，那些曾经鲜活的故事。马车缓缓走进城门，来来回回的人力车里还混着几个年幼的车夫；大街上，行人熙来攘往，小孩子聚在一起，不住地回头，望向身着西装、头戴礼帽、留着八字胡的洋人；泺源门下，小推车载着两个娃娃晃晃悠悠行进，路人们走走停停，忽而在路边站定，好奇又迷茫地望向镜头……单看这些描述，你一定以为是某部影视剧里的画面吧。其实，这是百年前清末老济南的影像，出自加拿大国家档案馆，据数据库记载，其拍摄于1912年之前。当下网络上发布的彩色版，正是利用AI技术进行了人工智能上色和补帧修复。原来的默片还被巧妙地加入了扬琴曲目《阳关三叠》等民乐，一系列的“神操作”，让原本相对粗糙的原始画面生动起来，有了浓浓的烟火气。《龙须沟》等旧片修复游戏开发者、独立艺术家胡文谷（以下称“大谷”）在B站的视频账号“大谷的游戏创作小屋”上有一个名叫“历史的彼岸”的专栏，今年已经连续发布了一系列的“AI修复”作品，包括“AI复原百年前北京影像”“AI上色60年前首都建设大场面”“AI还原秦代兵马俑”等，都曾登上微博热搜。在这些视频里，影像画面由黑白变得颜色鲜艳、饱满、活泼，拍摄技术的限制和年代久远导致的失帧卡顿变得流畅清晰，静态的兵马俑在AI的运作下也能“动起来”。传承于街头巷尾的传统礼节，清朝末年的国民生活，新中国成立初期拔地而起的人民大会堂……一幕幕历史画面拨开时间的帷幔走到我们面前，古人今人实现了一次“穿越时光”的“对望”。打开弹幕后，感叹满屏可见——“这是先人们的Vlog吧”“古人肯定想不到，后世的我们能看见他们”“才过了一百多年，这个世界已经发生了如此翻天覆地的变化”。随着AI技术的发展应用，不少传统经典艺术作品都“活”了过来。2019年7月，华为终端官微发布了运用高科技还原的《春江花月夜》古乐谱，就是用AI学习“破译”的。将1300多年前的声音重现于世，带领人们穿越到歌舞升平的大唐盛世。还有最具代表性的“旧片修复”。为了让这些经典的作品能够以更适应现代观看体验的形式再度登上荧幕，一批专业修复师在幕后开展了大量的工作。这是一项工程量巨大且极需工匠精神的任务，从胶片扫描、画面修复、调色校对、声音修复、声画合成到输出成片，繁琐的工序需要耗费极大的人力、物力和财力。单纯的人工修复效率极低。首映于1934年的老电影《渔光曲》的修复工作耗时近两年。AI技术的出现推动了经典老片重映的高潮。《开国大典》《大话西游》《海上钢琴师》《泰坦尼克号》《千与千寻》等影片的修复版重映，给观众带来了一波“怀旧风”，更是用技术实现了高质量经典作品的新生。据资料显示，目前国内中影数字修复中心、爱奇艺等都利用技术优势推出了老电影修复计划。中影数字修复中心的肖博团队利用AI技术开发的“中影·神思”人工智能图像处理系统，已经成功修复了《马路天使》《血色浪漫》《亮剑》等经典影视作品，耗时为原手工修复的四分之三，成本则只有原来的一半。爱奇艺的ZoomAI视频增强技术仅需12小时就可以完成一部电影4K版本的修复增强并上线，仅2019年一年就修复了《劳工与爱情》《早春二月》《龙须沟》《白毛女》《小蝌蚪找妈妈》等22部中国电影和动画经典之作。要靠“人”来“掌舵”从口口相传到笔墨字画，再到音像影视，从胶片到数字化，用来记录的介质在不断发展进步，但承载其中的人类信念从未改变：将历史刻下来，把文明传下去。小到一张来自童年的泛黄的全家福，大到一段国家时代变迁的影像，都是每一个生活在这片土地上的人留给岁月的印迹。作为保存和传承的必经之路，“修复”的工作一直默默地延续在人们敬畏历史的道路上。目前的计算机视觉已经随着人工智能和深度学习技术的发展不断进步，图像处理技术的应用门槛也逐渐降低，人们通过自学也可以掌握一些简单有趣的AI应用，甚至有一些一键修复老照片的APP和小程序在社交网络走红，我们只需要上传图片后稍作等待，就可以实现老照片“焕然一新”。AI图像修复还有很多有趣的“用武之地”，比如AI程序可以生成我们的童年照和老年照，甚至还可以推测一对新婚夫妇未来孩子的模样；智能家居互联互通，还能和我们进行交流互动；AI主播能够24小时不间断播报新闻；智能写作机器人3秒钟就能完成2000字的文章；无人机可以代替人工进行喷洒农药、运送救灾物资甚至进行军事作业；AI修复和脸部自动联想等技术也可以为侦破刑事案件提供

2020-09-16 18:32:45来源：光明网作者：责任编辑：赵艳艳 9月15日，百度联合央视新闻举办的“百度世界2020”大会在线上召开，如同大会的主题，这是一场“万物智能”的盛宴。百度创始人、董事长兼CEO李彦宏在直播中讲到，AI可以给生活带来巨大改变，给经济带来巨大成长动力，给社会带来更多正面影响。新经济，“新”就新在传统产业智能化。产业智能化就是“产业”+“AI”，用人工智能技术去重塑现有产业的生产经营模式、销售服务模式等等。传统产业智能化是技术发展成熟的结果在人类发展历程中，蒸汽机、铁路、公路、电力等都曾在不同阶段支撑着人类经济社会的发展，他们被称作是传统基础设施。而当前，社会正在加速由工业经济时代向数字经济时代转变，以物联网、云计算、人工智能等为代表的新一代信息技术为新一轮经济发展提供了高经济性、高可用性、高可靠性的技术底座，可以称之为数字经济的新基础设施。AI技术走过了从简单的逻辑器到机器学习再到深度学习的历程，已经成为一个取得大量发明专利、拥有广泛社会需求、涉及多样运用场景的庞大成熟的行业市场。技术发展本身最大的目的就是应用，只有将AI与传统产业有机结合起来，才能让人工智能“脱虚向实”。为企业在管理、生产、决策、服务等环节上提供完善的解决方案，正是AI技术不断迭代革新走向成熟的意义。正如百度CTO王海峰所说，“人类社会正处在第四次工业革命的开端，人工智能成为第四次工业革命的核心驱动力”。在这次百度世界2020上，代表中国AI技术高度的百度大脑升级至6.0版，成为“AI新型基础设施”。百度大脑对外开放270多项领先的AI能力，凝聚230万开发者，模型数量超过31万，是业内最全面、最领先、服务规模最大的 AI 开放平台。并帮助开发者高效地应用AI技术，辅助企业制定一整套的智能化管理、智能化生产、智能化决策、智能化决策服务，让技术真正的在企业的管理效率、生产效率提升中展现出价值，这才是AI技术不断迭代革新走向成熟的意义。科技企业是产业智能化发展的核心动力传统产业智能化是产业未来的发展方向。具体而言，智能化对生产的作用目前可以分为以下两类：其一，充分调动生产所需的一系列资源。突如其来的疫情以及波诡云谲的国际形势，让传统产业受损严重，原有供需产业链均受到了不同程度的冲击，企业需要基于现有的市场环境，重新布局原材料供给和产品销售渠道，此时AI就可以根据市场反馈、交易情况等提供针对性的解决方案。其二，显著提升产业效率。比如百度的人工智能为电力、金融、通信等行业构建了智能客服，帮助企业实现降本增效等等。通过智能化还有助于产业发展充分切合市场变化。笔者在著作《5G新产业：商业与社会的创新机遇》中曾提到柔性生产线，借助人工智能、大数据等技术，企业生产规划可以缩短时滞效应，实时根据市场销售反馈来进行调整，提高生产效率。但是，大部分企业并不具备足够的能力来翻越技术门槛，他们需要“借力”。在这个过程中，科技企业，尤其是大平台、大玩家需要发挥非常重要的作用。比如，在百度世界上展示的国内首个L4级自动驾驶的前装量产车。在5G应用大背景下，百度Apollo 历时7年的研发的全无人驾驶，已经可以满足完全无人驾驶的三大要素：“前装量产车”、“AI老司机”、“5G云代驾”。其技术落地成为Robotaxi实现商业闭环的必要条件，必将加速中国自动驾驶大规模商业化部署。又比如，百度大脑作为“软硬一体的AI大生产平台”，在“软”的方面，飞桨深度学习平台可以让开发者更便捷地开发、更高效地部署模型；“硬”的方面，百度自研的AI芯片百度昆仑2相比1代产品，性能又有了大幅提升，将能够更好地满足各种场景的AI计算需求。更为重要的是，除了技术上具备领先优势，百度飞桨和百度昆仑也让中国在AI操作系统和AI芯片两大AI核心底层技术上拥有了自主知识产权。作为百度AI多年技术积累和产业实践的集大成，说百度大脑是中国AI技术发展的领导者也不为过。展望智能经济新时代，随着AI、5G、物联网等技术的大规模部署，万物云化逐步加速，云计算逐步成为数据时代的“中流砥柱”。百度智能云基于百度大脑，将领先的AI技术持续对外输出，绘出一幅各行各业加速智能化升级、实现“万物智能”的智能时代景象。例如，在能源行业，国网山东电力应用AI打造智能巡检，正在帮助电力巡检工人快速、高效、安全地完成工作，不用在巡检路上每日奔波、日晒雨淋。百度与中国建材共同打造智慧工厂、智慧物流、数字矿山、工业无人驾驶、数据中心等，促进建材生产向智能化、绿色化、高端化发展。百度推出的新一代人工智能办公平台“如流”，让企业办公更智能、更高效。百度与应急管理部合作，用AI预警多起水灾、森林火灾、地震等自然灾害，守护每一个人的人身和财产安全。王海峰有个形象的比喻：作为人工智能的云平台，百度智能云就像武侠小说里少林寺的藏经阁，将百度领先的AI技术能力融汇成无数“内功心法”和“武功技能”，赋能给各领域有需求的企业和个人。一

近期，工业和信息化部部长肖亚庆在出席第四届金砖国家工业部长会议时强调，“积极支持5G、人工智能、工业互联网等领域新产业新业态发展”。根据工信部发布的报告，2019年，我国人工智能核心产业规模达510亿元，企业数量超过了2600家，已是全球独角兽企业集中地之一。随着政府新基建一系列政策信号的释放和落地，人工智能产业迎来新的红利，为相关企业提供服务的办公园区也如雨后春笋般涌现。而位于创新桥头堡深圳的金地威新软件科技园，早在2012年便将目光瞄准人工智能产业，致力于打造人工智能产业创新生态系统。金地威新软件科技园定位为高新产业研发办公，以人工智能、芯片、5G通讯为主导产业。园区吸引了众多高精尖企业，世界500强及上市公司的租赁面积超过70%。入驻企业包括英特尔（世界500强、国际芯片巨头）、英伟达（世界500强、人工智能芯片巨头）、大疆创新（无人机巨头、中国人工智能领域民营科技企业第一名）、亚马逊（世界500强、人工智能云服务龙头企业）、歌尔声学（声学龙头、领先的智能设备生产商）、研强物联（领先的智能设备生产商）等。2019年，地平线机器人入驻园区，进一步促进了人工智能产业生态的完善。此外，母公司金地集团在园区落地了智汇港湾人工智能孵化器，为初创型企业提供场地孵化、股权投资、专家资源等全周期服务。作为政府重点支持的“企业服务联络站”和“国际化重点园区”，园区正进一步加强公共服务平台工作，为人工智能企业赋能，在政企与行业之间搭建沟通桥梁。为了精准助力企业发展，争取更多政策及资源支持，园区与深圳市投资推广所、南山区科创局、工信局、工商联、企服中心等政府机构建立了交流对话平台，并定期开展以人工智能为主题的活动。如携手粤海街道办举行“人工智能·赋能百业”分享交流活动，走近人工智能独角兽公司商汤科技；主办“未来已来”芯片及5G大咖论坛会，邀请物联网行业及大咖与企业联动等。另外，园区还与人工智能产业协会及科研机构展开深度合作，加强企业与行业的专业互动，并促进企业与科研机构协同创新，在核心算法、高端芯片等关键共性技术上实现重点突破。除了软性的运营服务，园区还积极完善5G网络覆盖，为企业测试、应用升级提供硬件支持，全力服务企业发展。金地威新软件科技园在人工智能领域的成绩得到了政府认可与市场肯定。2019年8月，园区被广东省工业和信息化厅评为“广东省人工智能产业园”，成为深圳市唯一获此殊荣的产业园区。今年初，园区被写进《2020年南山区政府工作报告》，成为深圳打造人工智能产业的排头兵。入驻企业实力超群，创新产业氛围浓厚，软硬件服务优质，再加上政府的政策支持，金地威新软件科技园未来定能推动人工智能产业的快速发展，为社会经济转型升级提供动力。【关注百家号乐居财经，洞悉房产市场风云变化。】文章来源:乐居财经

来源：金融界基金作者：机器君金融界基金09月17日讯 融通人工智能指数(LOF)A基金09月16日下跌1.12%，现价1.514元，成交115.47万元。当前本基金场外净值为1.4956元，环比上个交易日下跌1.08%，场内价格溢价率为0.09%。本基金为上市可交易型股票型基金、指数型基金，金融界基金数据显示，近1月本基金净值下跌8.15%，近3个月本基金净值上涨9.22%，近6月本基金净值上涨14.52%，近1年本基金净值上涨29.66%，成立以来本基金累计净值为1.4956元。本基金成立以来分红0次，累计分红金额0亿元。目前该基金开放申购。基金经理为何天翔，自2017年04月10日管理该基金，任职期内收益49.56%。最新基金定期报告显示，该基金重仓持有中兴通讯（持仓比例4.56%）、兆易创新（持仓比例4.48%）、用友网络（持仓比例4.13%）、歌尔股份（持仓比例3.88%）、海康威视（持仓比例3.77%）、科大讯飞（持仓比例3.32%）、紫光股份（持仓比例2.53%）、卫宁健康（持仓比例2.31%）、中科曙光（持仓比例2.31%）、浪潮信息（持仓比例2.28%）。报告期内基金投资策略和运作分析在严格遵守基金合同的前提下实现持有人利益的最大化是本基金管理的核心思想，并将此原则贯彻于基金的运作始终。本基金运用指数化投资策略，通过控制股票投资权重与中证人工智能指数成份股自然权重的偏离，有效控制跟踪误差，为投资者提供投资中证人工智能指数的一个有效工具。? ?本报告期内，本基金日均跟踪偏离为0.07%，年化跟踪误差为1.38%，符合基金合同约定。报告期内基金的业绩表现截至本报告期末融通人工智能指数(LOF)A基金份额净值为1.4537元，本报告期基金份额净值增长率为26.27%，同期业绩比较基准收益率为22.86%；? ?截至本报告期末融通人工智能指数(LOF)C基金份额净值为1.4524元，本报告期基金份额净值增长率为13.50%，同期业绩比较基准收益率为12.56%。?? 管理人对宏观经济、证券市场及行业走势的简要展望今年上半年，全球经济体都受到了较大的冲击，但横向比较看，中国经济受冲击程度较小，恢复速度较快，预计全年将达到一定的正增长。从宏观流动性看，海外主要经济体尤其是美国进行了很大的货币宽松，而中国对宽松保持了一定的克制，着重引导资金进入实体经济。此外，国家大力支持科技创新，并全面深化和推进改革，这些措施将有利于中国经济的稳定健康发展。? ?在经济不断恢复，流动性适度宽松，资本市场改革推进，资金配置意愿提升等多种因素下，证券市场总体走势相对平稳，但市场的结构化差异仍将持续，优秀板块和公司仍将持续获得超额收益，如消费、科技、医药中的部分子板块将持续受益于业绩和估值双提升。人工智能被市场广泛认为是下一代科技方向，随着资本市场改革和注册制的实施，越来越多的人工智能企业将受益于直接融资，同时也给指数提供了更好的成分股基础，使得人工智能指数不断优化，我们认为，人工智能指数基金是投资人工智能板块的良好工具化品种。

本文最初发表在 datascience 网站，由 InfoQ 中文站翻译并分享。前 言如果你已经完成了自己的一些数据科学项目，那么现在，你可能已经意识到，达到 80% 的正确率还不错，并不是很糟糕！但在现实中， 80% 的正确率是无法达到的。事实上，在我工作过的大多数公司，都希望最低正确率至少要达到 90%（或他们正在关注的任何指标）。因此，为了显著提高你的正确率，我将与你讨论你可以掌握哪五个技巧。我强烈建议你要通读这五种技巧，因为这些技巧有很多细节，而这些细节尚不为大多数初学者所知。读完本文后，我想你应该会明白，在决定你的机器学习模型的性能方面起作用的变量，比你想象的要多得多。话虽如此，本文介绍了你可以掌握的五个技巧，能够改善你的机器学习模型！1. 缺失值处理我见过的最大的错误之一，就是人们对缺失值的处理，这不一定是他们的错。网上很多资料都说，通常要通过均数填补法（Mean imputation）来处理缺失值，用给定特征的均值来替换空值，但这通常并不是最好的方法。例如，假设我们有一个现实年龄和健康评估分数的表格，并假设一个 80 岁的老人缺少健康评估分数。如果我们从 15 岁到 80 岁的年龄范围内去平均健康评估分数，那么这名 80 岁老人的健康评估分数似乎会比他实际应该的分数要高得多。因此，你要问自己的第一个问题就是，为什么数据一开始就缺失了？接下来，让我们考虑处理缺失数据的其他方法，除了平均值 / 中值填补法：特征预测建模法：回到我刚才提到的关于年龄和健康评估分数的例子，我们可以建立年龄和健康评估得分之间的关系进行建模，然后使用这个模型来找出给定年龄的预期健康评估分数。这可以通过多种技术来实现，包括回归分析、方差分析等等。K 最近邻填补法：使用 K 最近邻填补法，缺失数据用另一个相似样本的值来填充，对于那些不知道的，就用距离函数（即欧几里得距离）来确定 K 最近邻的相似度。删除行：最后，你可以删除该行。通常不建议这样做，但当你有大量的数据要处理时，这样的做法是可以接受的。2. 特征工程第二个可以显著改进机器学习模型的技巧是通过特征工程。特征工程是将原始数据转换为特征的过程，这些特征更好地表示人们试图解决的潜在问题。不过，这个步骤并没有具体的方法，这就是为什么说数据科学既是一门科学，又是一门艺术。尽管如此，但还是有一些你可以考虑的事情，如下。将 DateTime 变量转换为一周中的某一天、一年中的某一个月等等。为变量进行分桶操作。（如，对于高度变量，可以这样分桶：100~149 厘米、150~199 厘米、200~249 厘米等等）。组合多个特征和 / 或值来创建新特征。例如，由 Kaggle 主持的泰坦尼克号生存挑战赛中正确率最高的模型之一，设计了一个名为 “is_women_or_child” 的新变量，如果这个人是妇女或儿童，则为真，否则为假。3. 特征选择可以大大提高模型正确率的第三个技巧是特征选择，即选择数据集中最相关 / 最有价值的特征。太多的特征会导致算法过拟合，而太少的特征又会导致算法的欠拟合。有两种我喜欢使用的主要方法，你可以使用它们来帮助你进行特征选择。特征重要性法：一些算法，如随机森林或 XGBoost，允许你确定哪些特征在预测目标变量的值时是最“重要”的。通过快速创建其中的一个模型并进行特征重要性的处理，你将了解到哪些变量比其他变量更为有用。降维法：作为最常用的降维分析技术之一，主成分分析（Principal Component Analysis，PCA）采用了大量的特征，并使用线性代数将它们约简到较少的特征。4. 集成学习算法改进机器学习模型的最简单技巧之一就是简单地选择一种更好的机器学习算法。如果你还不知道什么是集成学习（Ensemble Learning）算法，那么现在就是学习它的时候了！集成学习是一种将多种学习算法结合使用的方法。这样做的目的是，与单独使用单个算法相比，它能允许你实现更高的预测性能。流行的集成学习算法包括随机森林算法、XGboost 算法、梯度提升算法和 AdaBoost 算法等。为了解释集成学习算法如此强大的原因，我将举一个随机森林的例子：随机森林包括使用原始数据经过自助法（Bootstrap）处理的数据集创建多个决策树。然后，模型选择每个决策树的所有预测的模式（大多数）。这有什么意义呢？通过依赖“多数为胜”模型，它降低了单个树出错的风险。例如，如果我们创建一个决策树，即第三个决策树，它将预测为 0。但是如果我们依赖所有 4 个决策树的模式，那么预测值将为 1。这就是集成学习的力量！超参数调整最后，有些技巧虽然不经常谈到，但仍然非常重要，那就是调整模型超参数。你必须清楚地理解你正在使用的机器学习模型，否则，你很难理解这个模型的超参数是什么。来看一下随机森林的所有超参数：class sklearn.ensemble.RandomForestClassifier(n_e

下载地址：https://www.yanxishe.com/resourceDetail/2365?from=leiphonecolumn_res0910内容简介 · · · · · ·科学计算可视化（Scientific Visualization，SciVis）是计算机图形学的一个重要研究方向，是图形科学的新领域。随着计算能力的不断增强，科学数据中使用的物理模型以及模拟空间的大小都在不断提高。本书尝试性地将机器学习理论应用于科学计算可视化中，大大提高了数据中特征识别的鲁棒性和准确率，同时结合流场数据可视化技术的具体实现，详细阐述这两个领域结合的理论和存在的关键问题。本书内容主要包括：科学计算可视化的内容、技术现状和挑战，机器学习基本理论，使用 Boosting 和 CAVIAR 两种方法进行科学计算可视化的理论和方法等。本书可作为高等学校计算机或非计算机专业研究生科学计算可视化课程的参考书，也可作为从事流场数值模拟和流场可视化技术的研究或开发人员的参考书。作者简介 · · · · · ·张丽，博士，齐鲁工业大学信息学院，2009年9月—2010年2月，美国密西西比州立大学航空航天系访问学者，2010年3月—2011年8月，美国俄亥俄州立大学计算机科学与工程学院访问学者。2014年至今，主要讲授面向对象程序设计、数据库系统等课程。补充说明 · · · · · ·本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。如需删除，请联系 kefu@yanxishe.comAI 研习社已经和阿里大文娱、旷视、搜狗搜索、小米等知名公司达成联系，帮助大家更好地求职找工作，一键投递简历至 HR 后台，准备了一些内推渠道群。雷锋网雷锋网雷锋网

今天我们来说下模型评估的领两个指标：ROC曲线、AUC指标，其实与前面提到的P-R曲线相似，只是坐标不一样而已机器学习之查准率与查全率。ROC曲线也是根据模型的预测结果对样例进行排序，并逐个把样本设定为正例来计算横、纵坐标值，与P-R曲线不同的是其横坐标是“假正例率”，纵坐标为“真正例率”，下面先简单白话一下这两个指标：真正例率：所有正例中，预测为正例且确实是正例的占比，分母是正例数。假正例率：所有负例中，预测为正例但真实是负例的占比，分母是负例数。从定义和图形来看，曲线越往左上角接近模型越好，初始设定分类阈值最大，比如设置为第一个样本预测概率，此时则只有1个样本被设定为正例，此时真正例数为1，假正例数数0，也就是上图的左下角，然后再把分类阈值设为第二个类别的预测概率，注意因为是排过序的，所以此处有2个预测正例，然后再计算两个指标，就有了ROC曲线，当为左上角时，表示正例全部预测正确，且没有错误识别的。与P-R曲线类似，外部ROC曲线效果更好，如果时交叉的话AUC越大越好，AUC就是ROC曲线内部面积。

「脑机接口」的脑洞，还能怎样大开？前段时间，科技狂人 Elon Musk 现场展示了 Neuralink 最新进展，和他的三只小猪一起冲上热搜。有人说这才是前沿科技，大呼一个全新时代要开始了；也有人说这便是霍金所说的外星人，马斯克也只是高配版贾跃亭罢了。其实，在此起彼伏的褒贬声中，小朋友们有很多问号，比如：植入了以后如何充电？数据中断怎么办？再比如：更新换代或者损坏维修的时候又得取出来吗？可以看出，不少人将关注点放在脑机接口产品与大脑之间的关系是否稳定这一问题上，而这也是该领域研究人员一直以来想要做出的突破。就在最近，一组美国加州大学旧金山分校（UCSF）威尔神经科学研究所的科学家经研究证明，瘫痪患者通过大脑活动控制电脑光标的过程可以通过机器学习做到，无需大量的再训练。UCSF 对此的描述是：首个在瘫痪患者身上展示的“即插即用”脑机接口。看来，脑机接口真能“即插即用”了。脑机接口“即插即用”这项研究于 2020 年 9 月 7 日发表于知名学术期刊 Nature Biotechnology，题为 Plug-and-play control of a brain–computer interface through neural map stabilization（基于神经地图的稳定脑机接口即插即用控制）。借助脑机接口恢复瘫痪患者运动能力、还原神经性疾病患者语音能力的报道已经屡见不鲜了，但阻碍脑机接口实际应用的一大局限便是可靠性。想象一下，一款产品每天都要重新设置和校准，还不能进入大脑的自然学习过程，就像一个人一生中每次骑自行车都要从头学起。为此，研究团队的目标很明确：开发出一种无需重新校准而保持产品性能稳定的脑机接口技术。长期植入 ECoG 电极阵列上图展示的是一个 ECoG 电极阵列，ECoG 全称是 electrocorticogram，指「皮层脑电图」，即颅内的脑电图扫描。这是一种侵入的方式，植入电极、将电极直接置于大脑的暴露表面，从而记录大脑皮层的电信号，不论是手术环境还是术外环境均可使用。一个 ECoG 阵列包括一块电极，大小就像是一张便利贴，手术中它可以放置在患者大脑表面。ECoG 电极阵列能够长期、稳定地记录神经活动，并已被批准用于癫痫患者的疾病发作监测。据 UCSF 官方介绍，此前脑机接口技术使用的是一种「针式电极阵列」，这种阵列可以穿透脑组织、获得更敏感的记录。但其缺点就在于：随着时间推移，信号往往会转移或丢失。电极穿透脑组织时，免疫系统会进行排异。可以说，ECoG 阵列虽然比传统植入物的敏感度低，但其长期稳定性似乎弥补了这一缺陷。研究中，团队向瘫痪患者大脑长期引入了 128 慢性皮层脑电图（ECoG）植入物，从而稳定监测信号。据悉，研究团队在此之前已经获得了在瘫痪患者脑中长期植入 ECoG 阵列的调查性器械批准，这一做法也是在测试 ECoG 阵列作为长期、稳定的脑机接口植入物是否安全有效。基于已植入的 ECoG 阵列，研究人员尝试让瘫痪患者控制假肢和自己的手，结果是：患者可以借助植入物来控制屏幕上的光标。大脑和机器学习系统“成为伙伴”此外，团队开发了一种脑机接口算法，利用机器学习将 ECoG 电极记录的大脑活动与用户预期的光标移动相匹配。最初，研究人员每天遵循重置算法的标准做法，同时患者看着屏幕上移动的光标，想象脖子和手腕会做出的动作。慢慢地，计算机算法会自我更新，光标运动与由此产生的大脑活动相匹配。值得一提的是，大脑信号和机器学习增强算法之间持续相互作用，性能在较长的一段时间内都并未降低。据 UCSF 介绍，在没有再训练的 44 天里，脑机接口的性能没有下降，患者甚至是连续几天不练习也保持住着此前的表现。这背后的原理则是，长期闭环解码器能实现自适应，其中解码器权重可在多天内跨多个会话进行，因此实现了神经地图的合并和所谓的“即插即用”（原文是 plug-and-play）。不仅如此，控制特性（指长期维度堆叠）还会有所增加。随着时间的推移，患者大脑能够放大神经活动模式，从而有效地推动人工接口通过 ECoG 阵列消除效率低的信号，而这一过程正如大脑学习复杂任务的过程那样。不难看出，研究团队通过稳定的信号监测，让大脑和机器学习系统随着时间的推移建立了稳定的“伙伴关系”。因此，研究团队表示：设计出一种不会被束缚手脚的技术，切实改善瘫痪患者的日常生活，是我们一直以来希望看到的。实验数据表明，基于 ECoG 的脑机接口可能正是这种技术的基础。通过利用 ECoG 接口的稳定性和神经可塑性，我们为可靠、稳定的脑机接口控制贡献了一条思路。让人工学习系统适应大脑复杂的长期学习模式，是以前从未在瘫痪患者身上尝试过的。就未来的研究方向而言，论文作者之一、威尔神经科学研究所神经病学副教授 Karunesh Ganguly 博士表示：我们下一阶段研究的关键目标是探索 ECoG 阵列对于更复杂的机器人系统（包括假肢）的长期控制。

【TechWeb】9月4日消息，据国外媒体报道，为期3天的2020年度柏林国际电子消费品展览会（IFA 2020）特别展，已在当地时间周四开始，将持续到周六。作为继年初的拉斯维加斯国际消费类电子产品展览会之后，线下举行的又一大电子消费类产品盛会，柏林国际电子消费品特别展会，将展示物联网、5G、智慧生活、混合现实、人工智能等众多领域的创新成果，参展厂商也将推出大量的新品。国内的电子产品厂商TCL，也参加了今年的展会，并在展会期间推出了多款芯片，其中就包括新一代的视听处理器。从外媒的报道来看，TCL在IFA 2020期间推出的新一代视听处理器，名为AiPQ Engine Gen 2，是在当时时间周四，也就是这一展会开始的第一天推出的。外媒在报道中表示，同目前高端电视中的很多处理器一样，TCL新推出的AiPQ Engine Gen 2视听处理器，由机器学习算法驱动，可实时优化声音和画质，有望提高TCL旗下采用QLED和Mini-LED屏幕的最高端电视的声音和画质。外媒在报道中还表示，结合TCL的QLED和Mini-LED技术，新推出的AiPQ Engine Gen 2视听处理器，可使用户在TCL的4K电视上，享受非4K的电视内容，拥有更好的色彩表现。

8月28日下午，由上海-亚马逊 AWS 联合创新中心举办的亚马逊 AWS SA Immersion Day (Workshop) SA Hours 线上技术培训会圆满结课。多家入驻企业的员工报名参加了本期培训，讲师由两位 AWS 的方案架构师担任，为学员们带来 AWS 基础服务介绍、Amazon SageMaker，以及一项动手实验。第一位讲师就学员们所关心的 AWS 基础服务内容为大家做了详细讲解。AWS 全球云基础设施是最安全、扩展性和可靠性最高的云平台，可提供来自全球数据中心的 175 多种功能全面的服务。无论是需要通过一键单击在全球部署应用程序工作负载，还是想要构建和部署更接近最终用户的特定应用程序，使其延迟达到个位数毫秒级，AWS 都能在企业需要的位置和时间为您提供云基础设施。越来越多的客户选择 AWS 来托管他们的云基础设施，并在其所到之处实现性能、安全性、可靠性和可扩展性的提高。AWS 连续第九年被评为 Gartner 全球云基础设施即服务魔力象限领导者，在两个测量轴（执行能力和前瞻性）上都获得了行业前 6 大供应商中的最高分。AWS 云计算优势最多的功能最大的客户和合作伙伴社区最安全最快的创新速度最成熟的运营专业能力数字经济时代，人工智能（AI）及机器学习（ML）已经是新一轮产业变革的核心驱动力。尽管深知 AI/ML 能为企业和机构的创新发展注入强大动能，一些企业依旧保持观望态度，只因他们不知该如何应用机器学习。第二位讲师就企业如何培养机器学习能力及使用机器学习技展开了培训内容。Amazon SageMaker 作为一项完全托管的服务，可以帮助开发人员和数据科学家快速构建、训练和部署机器学习 (ML) 模型。SageMaker 完全消除了机器学习过程中每个步骤的繁重工作，让开发高质量模型变得更加轻松。Amazon SageMakerAmazon SageMaker 可以轻松在生产环境中一键式部署您的受训模型，以便您开始针对实时或批量数据生成预测。您可以跨多个可用区在自动扩展的 Amazon ML 实例上一键部署模型以实现高冗余。您只需指定实例类型以及所需的最小和最大数量，SageMaker 将负责其余工作。SageMaker 将启动实例、部署您的模型，并针对您的应用程序设置安全的 HTTPS 终端节点。您的应用程序只需为此终端节点提供 API 调用，即可实现低延迟、高吞吐量推理。借助此架构，您可以在几分钟内将新模型集成到应用程序，这是因为模型变化不再要求应用程序代码随之变化。培训最后是动手实验环节。讲师通过实操的方式向学员们详细演示了Amazon SageMaker 的具体使用方式及各项相关服务。数家入驻企业参与了由此次线上培训会，现场气氛热烈，讲师与学员们互动频繁。经过此次培训和交流，学员们也对 AWS 的产品、服务、技术，及初创企业如何构建 SaaS 应用有了更进一步地认识和了解，加强了入驻企业与 AWS 之间的联系。上海-亚马逊 AWS 联合创新中心依托 AWS 的全球品牌影响力和国际化的应用创新成果，未来将持续为入驻企业提供更多的 AWS 技术培训会，敬请期待！

昨天说了下伯努利分布、二项分布这两种离散概率分布机器学习之离散概率分布，今天把另一个连续概率分布说一下。正态分布：如果某个变量从两端往中间的分布越来越高，也就是两端最低，中间最高，你就可以把它看作是符合正态分布了。比如像我们这个行业，技术很差的不多，技术很牛的也挺少，但你慢慢往中间还可以的方向看，人就越来越多了。正态分布概率密度函数正态分布曲线公式中μ是均值，σ是标准差，当μ＝0，σ＝1时就是我们常见的标准正态分布了，从图形中可以看出μ决定了曲线中心位置，σ决定了曲线的幅度，σ越小越陡。均匀分布：均匀分布概率密度函数均匀分布曲线定义中a、b是边界，均匀分布的意思是(a,b)内的概率或重要度是一样的，以外的没有贡献或者不重要。泊松分布：泊松分布概率函数泊松分布图形泊松分布是描述某段时间内的事件发生概率。指数分布：指数分布概率密度函数指数分布曲线指数分布是描述泊松分布事件发生时间间隔的概率分布。

arXiv276preprint arXiv:2005.08502, 2020[2] https://github.com/Microsoft/SEAL[3] Gilad-Bachrach, Ran, et al. [4] Wagh, Sameer, et al. Eternal Sunshine of the Spotless Net: Selective Forgetting in Deep Networks, CVPR 2020[13] Ginart, Antonio, et al. Making AI Forget You: Data Deletion in Machine Learning, NeurIPS 2019[14] Bourtoule, Lucas, et al. Model Inversion Attacks that Exploit Confidence Information and Basic Countermeasures, CCS 2015[16] Cen, Shicong, et al.

基于树的分类模型是一种监督机器学习算法，它使用一系列条件语句将训练数据划分为子集。每一次连续的分割都会给模型增加一些复杂性，这些复杂性可以用来进行预测。最终结果模型可以可视化为描述数据集的逻辑测试的路线图。决策树对于中小型数据集很流行，因为它们容易实现，甚至更容易解释。然而，他们也不是没有挑战。在本文中，我们将重点介绍基于树的分类模型的优缺点以及克服它们所取得的进展。决策树的构造下面的示例描述了只有两个特性和两个类的样例数据集(左)。决策树算法从根节点中的所有15个数据点开始。该节点被称为不纯节点，因为它混合了多种异构数据。在每个决策节点上，算法根据减少杂质最多的目标特征对数据集进行分割，最终产生具有同质数据的叶节点/终端节点(右)。有一些常用的测量杂质的指标-基尼系数和熵。虽然不同的决策树实现在使用杂质度量进行计算时可能会有所不同，但一般的概念是相同的，并且在实践中结果很少有实质性的变化。分区过程会继续，直到没有进一步的分离，例如，模型希望达到一个状态，即每个叶节点都尽可能快地变成纯的。在进行预测时，新的数据点遍历决策节点序列，以达到确定的结果。优势它们是直观的，容易理解的，即使是非分析背景的人。决策树是一种不要求数据集服从正态分布的非参数方法。它们能够容忍数据质量问题和异常值，例如，它们需要较少的数据准备，比如在实现之前的缩放和标准化。此外，它对分类变量和连续变量都很有效。它们可以在数据探索阶段用于快速识别重要的变量。问题决策树容易发生过拟合，当函数过于接近训练数据时发生过拟合。当决策树模型在训练数据中学习到颗粒状的细节和噪音时，就会影响到它对新数据做出预测的能力。创建一个过于复杂的模型，会冒着用从未见过的数据做出糟糕预测的风险。决策树的方差很大。如果数据集很小，结果可能会非常不同，这取决于如何分割训练和测试样本。改进在最近的一段时间里，为了进一步提高基于树的模型的潜力，对树类的模型进行了重大的改进和验证。下面的流程记录了这个过程:早期停止(Pre-Pruning)通过防止模型学习过于具体和过于复杂的模式，有几种方法可以减少过拟合。限制节点分割的最小样本限制树最大深度分割需要考虑的最大特性数因为很难提前知道什么时候停止生长。可能需要一些迭代来调整这些超参数。建议在对树进行训练时可视化，从较低的max_depth开始，然后迭代递增。修剪(Post-Pruning)修剪是通过删除不利于模型预测能力的叶节点来实现的。这是简化模型和防止过拟合的另一种方法。实际上，一个完全成熟的决策树可能有太多冗余的分支。修剪通常是通过在模型构建之后，在验证或测试数据集上检查模型的性能来完成的。通过删除对性能产生最小负面影响的节点(称为成本复杂性剪枝)，它降低了复杂性，并允许模型更好地泛化。Bagging (Bootstrap Aggregation 采样聚合)Bagging是一种集成技术，通过考虑在同一数据集的不同子样本上训练的多个决策树模型的结果，来减少预测的方差。当数据的大小受到限制时，这种方法特别有用。根据问题的不同，所有模型的预测使用平均值、中位数或众数值进行组合。随机森林随机森林(Random Forest)是一种集成学习方法，使用不同的特征子集构建多个树模型，无论是否采样(即Bootstrap)。它可以有效地处理具有许多变量的高维数据集，因为只使用其中的一个子集来构建单独的树。限制每个树模型的特征数量的思路是为了消除它们之间的相关性，当决策节点一致使用强预测器时就会发生这种情况。高度相关模型的协作并不能有效地减少结果的差异。随机森林算法的特点是通用性强，训练速度快，准确率高。值得注意的是，这种方法通常用于理解数据集和确定变量的重要性，因为它与解决问题有关——排除有价值的特征会导致错误的增加。BoostingBoosting是另一种集成学习，它结合弱学习者来提高模型性能。弱学习者是预测相对较差的简单模型。提升的概念是按顺序训练模型，每次都试图比之前更好地适应。一种被称为自适应增强(AdaBoost)的方法，根据先前的结果修改数据点的权重。对于后续的每个模型构建实例，正确分类的数据点权重更小，错误分类的数据点权重更高。较高的权值可以引导模型学习这些数据点的细节。最后，所有的模型都有助于做出预测。梯度提升(和XGBoost)梯度提升方法随着复杂性的增加而增强。梯度提升不是在每次构建模型时调整权重，而是将后续模型与前一个模型的残差进行匹配。这种方法可以帮助树在性能不好的地方逐渐改进。换句话说，它迭代地提高了单个树的精度，从而提高了模型的整体性能。梯度提升受制于许多必须仔细考虑的参数。当数据集中的关系高度复杂和非线性时，它是有效的。极端梯度提升(Extreme Gradient boost，简称XGBoost)是对标准梯度增强方法进行了一些添加的实现。首先，它使正则化成为可能，这进一步有助于减少过拟合。开发XGBoost的目的是优化计算

e公司讯，大族激光(002008)9月17日晚间公告，为了稳定公司机器人业务核心管理团队，激发其研发创造力，公司拟以8000万元的价格，向智人团转让公司持有的大族机器人50%股权。智人团为王光能控制的员工持股平台，智人团股东王光能、张国平为大族机器人核心管理人员。交易完成后，公司持有大族机器人43.5%股权，大族机器人不再纳入公司合并报表范围，预计交易可实现投资收益1.22亿元。

微软聊天机器人专利曝光 可模仿用户9月8日消息，美国专利及商标局近日批准微软一项名为“语言风格匹配代理”的专利申请。通过该专利技术，聊天机器人的对话风格和表情将更像人类。专利说明显示，聊天机器人可以通过机器学习来识别用户的语言特征，并模仿用户的语言风格及面部表情。与用户语言风格及表情一致的机器人可能会更容易被信任和理解，并使人机交互更加自然。据悉，该项专利提交时间为2019年2月28日。

扫地机器人从一开始就被贴上了“智能”的标签,但它的智能性并不被大众所认可,清扫也容易出现始料未及的状况。但随着技术的升级,尤其是定位技术的革新,让扫地机器人“洗心革面”,成为众多家庭的清洁小能手。现在,人们普遍以“定位技术”为最主要的衡量标准,是因为它对扫地机器人的清洁力、覆盖率和清扫效果等指标有着决定性的影响力,其重要性是不言而喻的。那扫地机的定位技术有哪些呢?接下来就给大家科普下。扫地机器人的定位技术目前市面上规划式扫地机器人采用的定位方式有LDS激光雷达定位系统和vSLAM图像位移定位系统。LDS激光导航定位系统,通过高速旋转发射激光,再通过激光发射后触及障碍物反射回来的时间判断自己和障碍物之间的距离,从而判断相对位置,实现定位。它的优点在于定位精度高,即使是无光环境也能精准定位。vSLAM图像位移定位系统这一导航技术,通过内置摄像头来获取数据,进而在较为复杂的环境中实现实时定位,随后再进行构图和路径规划。但需要注意的是,它对硬件性能要求高,一旦遇到较为复杂的环境,会导致信息量会暴增,算法复杂度上升,有可能影响精准定位;而且当室内光线较暗或者远距离测距时极易受影响,产生定位误差。扫地机器人的扫不干净怎么办定期清理尘盒尘盒满后,要及时清理干净。这样可以保证尘盒有足够的空间重新收纳垃圾,同时还能让吸风口维持畅通,正常吸尘。另外,还能让过滤网保持干净清洁,避免堵塞而降低吸尘效果。定时清理底部区长期使用扫地机器人,其底部容易粘附上灰尘,如果不定期清理,会遮挡住底部的地检传感器,可能导致传感器报错,影响清扫。定期更换配件耗材配件使用时间久了会有一定损耗,为了保障扫地机器人的清扫效率,需要定期更换边刷、滚刷以及过滤网。清扫时忌搬动扫地机在正常清扫时,要避免手动搬运到其他地方进行清扫,不然可能会造成扫地机定位便宜,清扫路径发生混乱。扫地机器人推荐1、日本由利uoni智能扫地机器人由利扫地机器人V980 Plus采用由利定制研发的全新ASAR-V9动态路径规划系统,并借助第8代激光导航系统和先进的AI路径优化算法,能递进式光速扫描全屋环境并构建出地图。全身配备25组传感器,可以让扫地机器人轻松应对家庭环境,避免在清扫过程中撞坏家具和损坏自身。另外,仿人工跪式拖地的“弓”字型清扫路线,可高覆盖全屋清洁。对于尘盒垃圾,它还能一键自动清理纳入尘袋中,垃圾回收率高达99%,这得益于它搭载的自动集尘技术;搭配4.2L的大容量尘袋,可以一月一抛,让人彻底解放双手。2、戴森Dyson智能扫地机器人戴森是英国知名吸尘器品牌,专注于产品的研发创新,工作目的为用科技来简化人们的生活,旗下扫地机器人体积不大,可强力吸附颗粒物以及微尘、虫螨,植入的第二代数码马达和8个圆锥气旋是其品牌专利,可提供高气动功率,达到增强吸力的目的,每秒通过气流可达到7升。3、艾罗伯特iRobot智能扫地机器人iRobot在机器人领域一直都十分有名,但是之前的重心是放在军用机器人的制造,后来才投入到家用机器人的行业当中去的。iRobot扫地机器人一直使用最新的技术,清洁效果好尤其是宠物毛发等,不易缠绕。更是最早使用自动集尘功能的扫地机。4、俐拓Neato智能扫地机器人NEATO来自于美国硅谷,品牌意为干净优雅,2010年发布第一新品,俐拓扫地机器人运用了独有的硅谷自动驾驶技术,可实现直道加速和弯道减速,墙边则慢速贴边打扫。俐拓还能建立3D数字地图,实现分区打扫,强大的智能算法使其清洁覆盖率更高,且不重复。5、科沃斯Ecovacs智能扫地机器人科沃斯公司创立于1998年,科沃斯原先就起步于家用小产品家电产品,直至2009年年初,科沃斯才开始进入扫地机器人智能家电市场,在进入不久后推出经典款地宝系列,随着科技快速推进发展,科沃斯不断推出高性能、易使用、用户粘合度极高产品,目前已成为国内扫地机器人领军者。6、石头Roborock智能扫地机器人成立于2014年的石头科技,同年以小米生态链为助势跳板,在扫地机器人领域异军突起。旗下产品已有石头扫地机器人、米家扫地机器人、米家手持吸尘器和小瓦扫地机器人。其中,最新推出石头扫地机器人T7 Pro,配置了双目视觉导航避障功能,提升了扫地机器人学习能力。飞利浦电子是世界上最大的电子品牌之一,在欧洲名列榜首。飞利浦电器早在1920年就进入了中国市场,是国内普遍认为的高端小家电和照明设备品牌。飞利浦扫地机器人有别于其它竞争对手厚重的机身,因为它的机身厚度仅有150px厚,能轻松穿越各种桌子和床底等一些狭窄的空间,能尽可能地把沙发或者家具底下的灰尘垃圾都打扫干净! 8、福维克Vorwerk智能扫地机器人福维克是德国一家专业从事清洁电器、食品加工设备以及净水处理器的制造商。其最新推出的扫地机器人VR200采用了LSD激光导航规划系统,可360°全方位镭射扫描家居环境;搭载遥控运行设计,操作简便。而贴边的D型机身,提高了清洁覆盖率。9、三星SAMSUNG

央广网上海9月16日消息（记者韩晓余）第22届中国国际工业博览会昨天（15日）在上海开幕，新松“火弧”机器人智能焊接系统在工博会现场首发问世。作为面向弧焊应用深度开发的全新产品，“火弧”凭借机器人系统、焊接系统、工艺系统三位一体的精湛设计和卓越性能，首发现场即达成订购近200套。新松“火弧”机器人智能焊接系统正式启动（央广网发 新松供图）新松工业机器人BG副总裁陈为廉表示，长期以来，新松以自主创新为基因，不断夯实基础理论，加强应用研究，诸多对制造业、民生领域影响深远的技术与产品竞相涌现。“火弧”机器人智能焊接系统是新松创新成果的重要延续和全新升级，新松将在市场检验中持续精进技术、锤炼品质，更好地服务于国民经济重点领域。新松“火弧”机器人专为高要求的弧焊应用开发，采用流线型外观设计，中空弓形手臂减少工件干涉，提高作业灵活性，确保最佳姿态，可进行无干扰高密度布局。机器人具有更卓越的动力性能，可满足苛刻生产节拍下的高精度、高速度、高稳定性作业。机器人采用汽车发动机专用铝合金的特殊铸造工艺实现轻量化设计，送丝机紧凑集成在机器人本体，有效提高送丝的稳定性，集成走线管设计科学，有效提升机器人的焊接适用性。可坐式或吊装，胜任小回转半径和狭窄区域作业。新松“火弧”机器人智能焊接系统（央广网发 新松供图）“火弧”机器人智能焊接系统集成多功能焊接软件包，具有摆动库、断续焊、电弧重启、断点恢复等多种功能，面对复杂多变的应用环境具有强大适应力，可灵活适应新的加工任务，快速复制高质量的焊接工艺，在胜任规模化生产任务的同时也可进行小批量、定制化生产。作为由新松实现一体化设计的机器人焊接系统，“火弧”的控制系统和机器人本体均由新松公司自主研发设计，同时集成高暂载率、高熔敷率、高送丝速度的机器人焊机以及重载荷高强度空冷枪颈焊枪等周边配套。零件、部件、整机、系统逐级严苛测试，生产制造工艺精益求精，产品质量严格控制。核心技术自主化和系统设计一体化，也为客户按需定制和缩短采购周期提供了有力保障，在售前、售后的技术服务形成了独有优势。售后服务借助新松集团在全国布局网络，与各个区域中心深度整合，形成了本地服务、及时响应、高效沟通的优势。

据《国家邮政局公布2020年上半年邮政行业运行情况》报告数据显示，2020年上半年全国快递服务企业业务量已累计完成338.8亿件，较2019年同比增长22.1%。快递物流行业的蓬勃发展，为我国物流效率的提升提出了更高要求，也为当前物流体系中效费比最低的“最后三公里”末端物流配送改革吹响了“冲锋令”。据统计，“最后三公里”配送的每公斤成本是干线物流的8倍、同城10km物流的5倍。谁能更好地解决“最后三公里”，谁就能把握未来物流体系地话语权。那么，面对“最后三公里”这一末端配送难题，目前又有哪些好的解决方案呢？01 现有解决方案分析传统的办法是，以人冲量。即由快递人员一件一件的上门送达，或者让快递人员用小车拉着快件，在片区的每个小区门口，定时定点摆放快递。但倘若遇到客户不在家的情况，只能电话协商一个临时解决办法。在面对急速增长的业务需求的时候只能大幅增加人员，而这在人工成本日益高企、客户需求场景日益复杂的现实下，越来越难堪大任。于是产生了升级版本——智能快递柜。将流动性的配送变成了小区内的定点配送。智能快递柜能够较好地解决客户的寄取件时间个性化问题，并节省物流末端配送人力成本。然而这种以逸待劳的存柜方法并不是万能的：因存储费用问题，在今年疫情阴影笼罩全国期间，杭州业主率先爆发了对智能快递柜的抗议，并拆除了小区的智能快递柜。其实，业主们所抗争的并不只是存储的费用问题，更多的是对物流配送公司惰性物流的担忧。此外，亚马逊也推出了末端无人机配送方案。无人机能较好满足灵活配送的要求，替代人类从事低效益工作。但末端无人机配送同样存在着几个巨大的问题：续航短、载重低注定只能堪任协助配送这一角色，低空飞行的安全问题也更加引发人们的担忧。与无人机相对的另外一种方案便是，AI物流配送机器人，一种面向于“最后三公里”环节的物流机器人，而不是用在物流仓库中的管理分类机器人。相比于无人机配送，AI物流机器人不仅能很好地解决续航短、载重低等问题。更巧妙的是，在安全性上这一问题上，公众的安全担忧恐怕远不及物流机器人对自己的安全担忧大。如果说无人机避重就轻，选择了一条道路情况较为简单的空中线路，那么AI物流机器人则是攻坚克难，先去啃这块“硬骨头”。02 AI物流机器人如何结合实际生活应用作为为解决物流末端配送“最后三公里”问题诞生的物流机器人，它将怎样切入我们的实际生活使用呢？客户在电商平台或者物流平台上自由选择配送方式，比如末端配送方式选择物流机器人配送。当这件快件被干线物流网络送达到客户邻近的配送站，配送站人员根据客户的选择将快件放入对应的物流机器人存储箱中。物流机器人携带着大量快件，根据不同客户的时间需求，设计自己的最佳路径。并且能够自行应付一定复杂程度的道路路况，比如避障、会车等。当物流机器人按照客户约定时间段即将到达客户收货地点时，自行提前电话通知客户下楼或者出门取件，从而完成整个完全基于客户个性化设定的配送服务。在这样一个AI物流机器人配送方案中，不仅可以节省大量人力成本、提高“最后三公里”的末端配送效率，还可以给客户提供丰富多样的配送选择。然而，以上全是对AI物流配送机器人的美好想象。要想这种机器人能够实际落地，我们又要解决哪些问题？03 AI物流机器人的技能树“最后三公里”场景下的道路是非结构化的，物流机器人虽是低速行驶，却要处理极为复杂的博弈需求。包括在凌乱的社区道路避让人群、车辆、猫狗及各类障碍物，实现转弯、急停、会车、倒车等操作。机器人要实现安全和效率的平衡，或者说解决freezing robot problem（机器人冻结问题，指一旦环境超过某种复杂度，机器人会认为所有向前的路径都不安全，于是会在原地“冻结”以避免碰撞等）。更复杂的是，当障碍物自身拥有意图并且不断快速变化时，对物流机器人的意图识别、决策规划和整车制动能力要求也就极高。比如在仅容一车通行的道路上发生汇车，物流机器人要判断对方意图，是减速靠边还是优先通行，并据此作出行驶决策，但对方车辆意图实时变化，可能第一瞬间决定减速，下一瞬间又改变主意、加速通过，物流机器人必须根据对方意图实时调整自己的判断。而这些数据处理和意图识别等能力可以总结为物流机器人自身的AI智能“大脑”。智能“大脑”越强大，我们就越放心它在道路上行驶。除此之外，我们还希望物流机器人能够有足够的安全冗余设计。比如，当路况复杂度超出机器人所能处理的情况时怎么办？机器人的测距传感器坏了导致产生了碰撞怎么办？如果机器人实在不小心撞到人又怎么办？等等这些意外情况，都是需要机器人在做系统安全设计时需要考虑到的。最后功耗续航还有成本控制也是重中之重。如果机器人功耗控制不住，不仅会大大降低载荷量以及使用效能，甚至可能还会衍生出新的散热功耗需求。而成本方面，如果制造成本以及使用维护成本过高，与实际的经济社会发展脱钩，也会导致物流机器人被研发机构束之高阁。既然物流机器人的技术要求如此之多，现在市面上有没有可以满足以上技能要求

9月16日，2020中国工博会进入展期的第二天，位于7.1馆E001展位的上海节卡机器人科技有限公司（简称“节卡机器人”）举行盛大新品发布会，面向全球正式发布新一代节卡All-in-one共融系列协作机器人。发布会上，节卡机器人首次提出JAKAS（Smart, Simple, Small）产品理念，融合已达到行业领先水平的节卡机器人智能硬件、图形化编程与无线示教、机器人视觉与安全防护等技术，节卡All-in-one共融系列协作机器人做到了产品极致创新。Smart-极智慧智能编程与主动防护实现人机共融针对小批量定制化的柔性生产趋势，节卡机器人开发了机器人快速智能编程系统。“在机器人末端安装自带可调节光源的高清摄像头，同时融合视觉算法，机器人可智能识别、感知机器人工作场景。机器人通过观测演示过程，实现了基于操作特征而非简单的轨迹重复的机器人学习编程，最终达到人机技能的快速有效传递。” 节卡机器人CTO许雄博士在发布会上介绍道。节卡机器人CTO许雄博士作新品介绍据了解，节卡共融系列协作机器人还融合了节卡机器人自主研发的碰撞保护算法，内置力矩反馈模块，可设置不同等级的碰撞保护力度。当碰撞力矩达到设定的力矩上限时，机器人及时停止，避免导致人员受伤或设备损坏，实现人机安全协作。“具备基于视觉和力觉的多重主动防护安全机制的节卡共融系列协作机器人，实现了人机共融环境中各种复杂工况条件下机器人与现场工作人员安全共融的协作生产。”许雄补充道：“拥有一级视觉防护+二级碰撞保护+卸力回弹+防夹推拉的多重防护功能，支持自主配置安全空间和安全等级，实现了机器人安全空间全覆盖。”Simple-极简单简易界面与敏锐视觉完成快速部署便捷示教基于节卡机器人首创的无线示教、图形化编程技术，用户可在PAD、手机等移动终端对机器人实时远程操控和作业编辑，编程界面直观易学，实现了机器人编程“零门槛”的极简体验。当前的协作机器人领域，视觉应用需求巨大，机器人与视觉结合的技术和产品可以解决大部分的自动化需求，视觉应用将成为实现智能制造2025的关键推动技术。据介绍，节卡共融系列协作机器人集成了节卡机器人自主研发的JAKA Lens视觉技术。JAKA Lens视觉为用户提供网页版的视觉配置界面，具备目标识别、视觉定位、相机管理、手眼标定等功能，可快速实现2D视觉项目的配置和管理，提高了协作机器人和视觉技术的易用性，大幅缩短了机器人集成的时间。JAKA Lens视觉可以通过图像处理算法提取图像特征，从而实现2D视觉检测、定位和安全防护；通过高像素的3D相机获取物体的三维信息，通过节自主研发的点云配准算法进行处理，实时获取目标物体的三维位姿，从而实现3D点云配准。“无线示教、图形化编程以及JAKA Lens视觉等技术相结合，显著降低机器人的应用门槛，减少了操作用户的培训和使用成本，消除机器人使用地域限制，帮助用户便捷快速地对机器人进行部署和示教。” 许雄说。相信，搭载JAKA Lens视觉、感知增强、机器人自学习、AI等技术的节卡共融系列协作机器人将在生产生活的各类场景中被广泛应用。Small-极小巧智能硬件与生机电光技术打造全新产品节卡共融系列协作机器人配备行业领先的、由节卡机器人自主研发的Minicab机器人控制器。据介绍，该控制器通过优化机械结构、搭建ARM平台、简化电路结构等方法，在不降低关键技术指标的同时，大幅降低协作机器人的成本和体积，最终实现体积仅180*128*47mm，重量仅1.1Kg。“与市场同类产品相比，我们的产品空间优化了80%以上，可面板密集部署或桌面放置，极具市场竞争优势。”许雄说，“截至目前，Minicab控制器已获得数十项核心发明专利，主要涉及机器人本体、运动控制、伺服驱动、视觉防护、力控保护等技术。”除此之外，节卡共融系列协作机器人采用智能一体化关节，集成了伺服驱动器、编码器、制动器、电机及减速器等部件，体积小、重量轻、负载大。“节卡共融系列协作机器人高度集成智能硬件，借助生、机、电、光等一体化（All-in-one）技术，达到极致小巧的产品形态。”许雄说。节卡机器人新品一经发布，便受到广大客户的围观和咨询。值得注意的是，在9月15日工博会开幕式上，节卡机器人被宣布成为今年荣获CIIF大奖的10家获奖企业之一，而申报的产品技术正是此次发布的节卡共融系列协作机器人。凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网赞同其观点，也不代表本网对其真实性负责。您若对该文章内容有任何疑问或质疑，请立即与后台小编联系，平台将迅速给您回应并做处理。注明本公司原创内容，转载请与我们联系哦！

阿里云迭代至2.0 正式进军机器人赛道2020-09-17 20:37 作者：李立 来源：中国经营网云钉一体”和“云端一体”则是数字原生操作系统的重要组成。云钉一体为企业开发应用提供了一个全新的平台，让应用开发更加容易。云端一体将推云入端，让万物能够拥有云的能力。“阿里正在做的事情就是基于云做新型终端。”张建锋指出。最直观的例子体现在阿里最新曝光的第一台云电脑“无影”，通过仅有名片大小的终端，就可以连接云端的服务，拥有一台无限算力的超级电脑。“随着云的发展，未来每个人在云上都会有一台自己的主机，随时随地把计算力进行扩充。未来每个人也都会有自己的云空间、云账号，这个事情必然会发生。”张建锋认为。不过据记者了解，目前无影仅向企业办公市场发售，暂未向个人市场开放。“小蛮驴”暂不追求变现在现场阿里还发布了第一款物流机器人“小蛮驴”，正式进军机器人赛道。作为阿里巴巴第一款轮式机器人，小蛮驴机器人集成了达摩院最前沿的人工智能和自动驾驶技术，具有类人认知智能。

近年来，人工智能技术发展呈现出井喷态势，自谷歌AlphaGo智能机器人与围棋大师的博弈中获胜后，人们开始意识到人工智能技术对将可能颠覆人类未来。对此，米克力美AGV认为人工智能接下来发展更加迅猛，未来还会变得更强！机器人将取代越来越多工种，给我们的生活方式带来大变革。人工智能技术推动了机器人的广泛和深入应用，近几年无人驾、金融机器人、医疗机器人、新一代工业机器人、AGV搬运机器人、餐饮服务机器人等不断刷新我们的认知！“机器人时代”已经到来，不管是在生活中还是工作中都有机器人的身影。比如说在医院有医疗服务机器人来进行指导患者就医、引导分诊等。在工厂图案切割、焊接等工艺有工业机器人人来完成，AGV小车代替了人工搬运。机器人将取代工种如下：1、单一性、重复性工作。智能仓储，无人酒店，无人车间，汽车装配线，这些比较单一性，重复性的工作，目前来说都可以用机器人来取代人类。现在，电商仓储分拣和搬运、在电子器件行业、食品行业、医药行业等制造行业都基本上都用AGV机器人去打了人工搬运。2、计算类的工作纽约的证券交易所，银行的后台管理核算工作，会计事务所中的财会和审计工作的一部分，人工智能的计算能力不用多说，这是它远远超过人类的优势之一。3、客服类工作现有的人工智能已经可以对话，强大的数据库可以让人工智能瞬间形成回答内容，取代各行业的客服工作比较适合。4.其他工作电话销售员、保险代理人、裁判、法律秘书、餐馆服务员、房产经纪人、快递员等工作被机器人替代的可能性超过90%以上机器人把人类从一些繁琐、重复可以批量化整体解决的工作中解放出来。米克力美AGV认为，虽然有很大一部分工作将被机器人取代，但是不会出现过高的失业率。因为每个行业都有引入机器人，这会产生大量的机器人应用相关的工作。随着机器人的大量应用，机器人产业将会是一个庞大的产业，从设计到生产再到销售，也会需要相应的人工。另外，还有一些的行业是机器人无法彻底取代的，这些行业仍旧需要相当数量的人工。

2020工业物流自主移动机器人重磅趋势抢先看！物联网智库 整理发布转载请注明来源和出处导 读随着传感器和人工智能技术的发展,人们开始为轮式移动设备引入越来越多的传感器和智能算法,不断增强其环境感知和灵活运动的能力,逐渐发展出新一代自主移动机器人AMR(Autonomous Mobile Robot)。传统AGV,其概念源自工业应用。自1953年第一台AGV问世以来,AGV就被定义为在工业物流领域解决无人搬运运输问题的车辆;但早期AGV的定义仅仅是我们字面上理解的“沿着地上铺设的导引线移动的运输车”。因为20世纪移动机器人技术不发达,AGV行业经历了40多年发展,市面上的AGV都还是在导引技术里面迭代升级,发展了电磁感应引导、磁导条引导、二维码引导等技术。AGV属于自动设备,需要沿着预设轨道、依照预设指令执行任务,不能够灵活应对现场变化。导引线上出现障碍物时只能停等,多机作业时容易在导引线上阻塞,影响效率。在大量的要求搬运柔性化的场景中,这类AGV并不能满足应用端的需求。随着传感器和人工智能技术的发展,人们开始为轮式移动设备引入越来越多的传感器和智能算法,不断增强其环境感知和灵活运动的能力,逐渐发展出新一代自主移动机器人AMR(Autonomous Mobile Robot)。与传统AGV相比,AMR在导航、系统调度和业务模式等方面都有着独特优势。AMR属于最新一代的移动机器人,短时间内应该也不会出现更先进技术产品。目前AMR的替代者主要还是传统AGV产品,虽然在很多柔性化需求高的领域,AMR有着AGV难以替代的优势,但是在一些柔性化需求并没有那么高的场景中,AGV有着先发市场份额优势。AMR市场概况随着深度学习算法的成熟商业化,属于AMR的时代来了。根据相关数据统计,到2022年,全球移动机器人中对AMR的需求、收入和销量预计将超过AGV。这是由于几个潜在的驱动因素:对制造业柔性的需求、产品周期缩短和加快、降低成本以及对人身安全的需求增加等。预计未来五年AMR市场将持续保持两位数增长。Interact Analysis调研预测,全球移动机器人市场预计在2023年将超过105亿美元,全球都在推动自主移动机器人的增长,但主要增长来自于中国和美国,总部设在中国和美国的AMR公司占据48%的市场份额,未来五年,中国将贡献30%的收入。目前,全球AMR市场中,激光导航AMR和视觉AMR领域都出现了一批领先企业,激光AMR由于发展较早,目前市场竞争更为激烈,国外代表企业有Fetch Robotics、6 River Systems、MiR等;国内则以极智嘉等企业为代表。视觉AMR由于技术难度相对较高,目前在全球范围内拥有成熟视觉导航技术的企业并不多,国外企业Canvas Technology为代表,国内灵动科技的视觉导航技术也已经十分成熟。目前,灵动科技ForwardX已研发出基于深度学习的“Forcos机器人感知决策平台”与基于机器学习的“f(X)多智能体调度系统”。经过近1年的研发投入,灵动科技ForwardX可实现单仓200台AMR的调度能力。此外,在移动机器人行业,涉及AMR产品的公司诸多,极智嘉、海康机器人、快仓、艾吉威、优艾智合、高通机器人、鸿海&凌华等都开始深耕AMR产品。AMR适用场景目前,在工业物流领域,AMR的主要应用场景可以分为两大类,物流行业和制造业,应用场景的不同,对物流设备的要求也会有一些差别。物流应用物流行业正面临着整体的智能化升级。智慧物流是指通过智能硬件、物联网、大数据等智慧化技术与手段,提高物流系统分析决策和智能执行的能力,提升整个物流系统的智能化、自动化水平。从下图智慧物流的发展阶段可以更直观地理解智能物流是智慧物流实现的基础。智慧物流应用的整体架构自上而下分为:智慧化平台(大脑)、数字化运营(中枢)、智能化作业(四肢),如下图所示:从其中可以看出,智能化作业即智能物流是智慧物流应用的基础环节,智能物流更强调的是能力,需要通过新技术的不断研发、创新来进行更新和迭代;而智慧物流则是一种整体模式,强调系统的互联互通及深度协同。近几年,我国物流业一直处于持续景气、向上发展的态势,因此智能物流产业存在很大的市场及发展空间。同时随着电子商务的快速和持续增长,每天都会发生的大量客户交付,给第三方物流和零售商带来了巨大的人力负担,这也迫使零售商对其供应链和履行策略进行重大改变。电商行业特有的仓库作业特点,采用AMR物流系统可实现多批次、小批量的门店补货,响应未来门店的当日配送需求,同时减少库存量,保证门店业务的发展,顺应“新零售“趋势。AMR机器人智能仓库的部署,可大大提高零售行业的仓储效率,减少人工成本的投入,并能在较短时间内实现投资回报。制造应用在制造业中,尤其是3C制造业,企业进行自动化改造,首先考虑的是成本问题。智能制造与智能物流项目需要大量的资金投入,无需环境改造的AMR显然更符合3C应用端的需求

还有主从联动、力控拖拽和轨迹复现、针对复杂曲面的轨迹示教的离线编程体验。除此之外，节卡机器人自主研发的JAKA视觉防护系统，以及对商业服务具有重要意义的机器人摄影、无人咖啡机也是展会流量担当。创新技术领跑全球协作机器人发展新方向近年来，节卡机器人在应用落地及创新、协作技术革新引领、共融协作前沿探索获得高度认可和充分肯定。9月15日上午，第二十二届“中国国际工业博览会大奖”（简称“CIIF大奖”）揭晓，包括节卡机器人在内的10家企业分获大奖。工博会是目前中国唯一一个经国务院批准具有评奖功能的展览会，“CIIF大奖”具有很高的含金量。纵观本次获得CIIF大奖的10家企业，全部涉及 “全球第一”、“国际首创”、“达到世界先进水平”等，在工业领域关键环节取得了重大进展，打破了行业壁垒。据悉，本次获奖的产品节卡All-in-one共融系列协作机器人，融合无线示教、图形化编程、视觉等机器人技术，提高了人机协作的安全性，大幅提高生产的柔性制造和自动化程度。节卡All-in-one共融系列协作机器人采用JAKA S³（Smart, Simple, Small）的产品设计原则，达到极致创新。Smart：极小巧，拥有高集成度核心组件。包括一体化关节、Minicab控制器、Lens 2D集成相机等协作机器人核心组件。节卡机器人许雄博士讲述：” JAKA Zu 7协作机器人自重仅为21kg，最大负载可达7kg，实现负载自重比1：3，优胜于国际同行的1：4，突破了轻量化机械臂的关键技术。同时节卡机器人自主研发的Minicab机器人控制器体积非常小(仅180*128*47mm)，重量极轻（仅1.1Kg），与同类竞品相比空间优化80%以上。JAKA Lens 2D集成相机配置了相机、镜头、光源三大模块，小巧轻便，外观精致，可快速安装，无需配置额外的视觉控制器。”Simple：极简单，快速部署便捷示教。基于节卡机器人首创无线示教和图形化编程技术，用户可在PAD、手机等移动终端对机器人进行实时远程操控和作业编辑。同时，JAKA Lens 2D视觉软件为用户提供网页版的视觉配置界面，具备目标识别、视觉定位、相机管理、手眼标定等功能，可快速实现2D视觉项目的配置和管理，显著降低机器人的应用门槛，减少了操作用户的培训和使用成本，消除机器人使用地域限制，帮助用户便捷快速地对机器人进行部署和示教。Smart：极智慧，智能编程与主动防护。针对小批量定制化的柔性生产趋势，开发了机器人快速智能编程系统。通过观测演示过程，实现了基于操作特征而非简单的轨迹重复的机器人学习编程，最终达到人机技能的快速有效传递。具备基于视觉和力觉的多重主动防护安全机制，实现了人机共融环境中各种复杂工况条件下机器人与现场工作人员安全共融的协作生产。“近年来，应用终端对协作机器人的接受度越来越高，需求越来越强烈，反过来也对机器人厂商提出了更高要求，急需根据市场迭代产品，未来，“人机共融”是整个机器人行业的趋势”。节卡机器人CTO许雄博士说。协作领头羊，行业新标杆协作机器人行业的快速发展无疑孕育了巨大的市场机会，但同时也在加快行业的新陈代谢，行业的发展进步与洗牌将同步进行。对于协作机器人厂商而言，当前最重要的解决自身生存的问题，从技术产品化到应用落地往往是众多厂商迈不过去的坎。基于上述情况，高工咨询和节卡机器人已连续两年联合发布协作机器人产业发展蓝皮书，行业蓝皮书受到上海市机器人行业协指导，以及上海交通大学机器人研究所、上海添唯认证技术有限公司等科研机构的支持，旨在帮助协作机器人产业链中相关企业了解协作机器人产业当前最新发展动态，把握市场机会，做出正确经营决策。工博会首日，《2020年协作机器人行业发展蓝皮书》在国家会展中心正式发布，上海市机器人行业协会会长戴柳、上海交通大学机器人研究所吴建华副教授、上海节卡机器人科技有限公司CEO李明洋发表了致辞。协作机器人领域的相关从业者、生态合作伙伴，以及媒体朋友共200余人见证了此次发布会。《2020年协作机器人行业发展蓝皮书》其中不仅仅有GGII对全产业链概况的详细分析，更有以节卡机器人为代表的协作机器人优秀案例。深耕市场，引航智时代短期来看，由于行业整体自动化水平提升需求的推动，3C、汽车零部件、教育等行业用量增加特别快；长期来看，传统的生产造业，如服装衣帽等大量劳动密集型行业需求更加旺盛。节卡机器人在开拓一个行业时会很慎重，一旦选定，就会投入大量的专注度，以期对一个行业的痛点进行专业化的解决。据悉，节卡小助协作机器人机器人不仅解放工人的同时可提升作业效率，可让企业在更短时间内收回投资成本，现已广泛服务于汽车零部件、3C、锂电、食品、化纤等多个行业的智能化生产线。据悉，除了发布节卡All-in-one共融协作机器人还发布了针对柔性制造的力控s版系列协作机器人应用及视觉产品。节卡力控s版系列协作机器人主要应用在机器人与人、机器人与环境的交互场景中。检测机

机器学习技术在币种分析中的应用谈到机器学习，大家可能会对这个AI方面的概念比较陌生，但如果提到谷歌AlphaGo，大家肯定就很熟悉了。当年谷歌人工智能程序通过机器学习的方式掌握围棋比赛技巧后，轻松击败了多个国家的围棋冠军，时隔3年世界冠军韩国李世石宣布退役时，还高呼AI不可战胜......通过机器学习训练后的计算机程序，在某些类似比赛和交易这样的博弈场景中，是比人类具有更高胜率的。非小号研究本次就做了一个硬核的试验：将机器学习技术应用在币种分析中，看看会有什么好玩的结论，以及是否真的能够帮助我们交易。我们的具体课题是，通过现有的市场公开数据预测明日收益率为正还是为负（即阳线还是阴线）。这是一个二分类问题，我们可以使用的模型有很多，这里我们选用了以下模型用于实验：逻辑回归LR、线性判别分析LDA、二次判别分析QDA、支持向量机SVC、决策树DT、随机森林RF、渐变提升树GBC等。（看不懂没关系，对该领域以外的普通人来说是真的太硬核了）本次用来试验的数据主要有三个方面：1、资产的历史数据； 2 、相关品种，如黄金原油美国三大股指等； 3、币圈相关币种数据，主要是主流币。完整的机器学习建立流程1.首先，特征工程特征工程是机器学习中最关键的步骤，没有之一。这有别于大众认知的AI能解决一切问题，人工智能是万能的认知。真实的情况是数据科学家们常挂在嘴边的一句话是“输入的是垃圾，输出的也一定是垃圾”，这意味着特征工程做得好不好会直接影响AI的“智商”。特征工程不止是数据需要清洗重新组合，还需要将数据进行标准化处理。2.其次，建模建模是一个简单的过程，模型在那里，无非是灌入数据后不断地调参优化。国内很多大互联网公司的AI团队也都是在常用模型中选择靴子不断优化，大家的过程都是一样的，没有什么捷径。3.评价模型效果模型的效果评估有很多，常见的有MSE，MAE，取代矩阵，ROC等。4.最终，应用当模型对数据的可解释度良好时，模型可用。一般这个可解释度要达到80％以上，90％以上更好，但如果100％可解释就需要注意是否出错了。对BTC的解释性数据一仅有高开低收量，及高开低收量计算的技术指标作为训练数据。得到各个模型解释度如下表所示：由上表可以得到，单纯的用高开低收量和技术指标作为特征，在以上机器学习模型中训练，无法很好地解释价格。其实仅从这里就能看出币圈属于弱势有效市场。技术分析得到的尺度是判断二分类正确概率是50％，即模型无效，也与弱势有效市场中技术分析无效，基本面分析和内幕信息有效相吻合。【补充知识】市场包含三种信息：历史信息，公开信息和内幕信息。各种信息分别对应不同分析交易策略：历史信息（股票交易额，收益等）对应技术分析；公开信息（消息，新闻，财报等）对应的基本分析；内幕信息对应的内幕交易。当市场有效时，市场已反映（消化）三种信息，故对三种信息的分析均值不能在市场获得优势，某种分析和交易策略均值无效；当市场为半强势有效时，市场已反映（消化）公开信息和历史信息，故技术分析和基本分析无效，内幕交易有效；当市场为弱有效市场时，市场只反映（消化）历史信息，故技术分析无效，基本分析和内幕交易有效。数据二不但有高开低收量数据，我们还增加了相关品种的数据，如美国三大股指，黄金，原油，币圈主流币种等作为训练数据。为什么认为美国三大股指，黄金，原油，币圈其他主流币种等数据可以插入基本面数据？虽然这些因素不是直接影响BTC的基本面因素，但是它们和BTC由相同的基本面因素影响，所以这些数据中包含很少的一部分基本面信息。由上表可以得知：在增加基本面替代特征后，解释度提升了10％以上。那么提高多少可解释度是模型极限？经过1000次的实验得到，当随机因子为1730时，随机森林RF模型的可解释度67％，这是所有实验中所有模型中可解释度最高的一组。模型效果的衡量：混淆矩阵混淆矩阵就是分别统计分类模型归错类，归对类的观测值个数，然后把结果放在一个表里展示出来。这个表就是混淆矩阵，把预测情况与实际情况的所有结果两两混合，结果就会出现以下几种情况，就组成了混淆矩阵。如下：ROC曲线ROC（Receiver Operating Characteristic）曲线，又称接受者操作特征曲线。该曲线最早应用于雷达信号检测领域，用于区分信号与噪声。后来用于评价模型的预测能力，ROC曲线是基于混淆矩阵得出的。ROC曲线中的主要两个指标就是真正率和假正率，其中横坐标为假正率（FPR），纵坐标为真正率（TPR），下面就是一个标准的ROC曲线图。横轴FPR:1-TNR,1-Specificity，FPR越大，预测正类中实际负类越多。纵轴TPR：Sensitivity(正类覆盖率),TPR越大，预测正类中实际正类越多。为什么解释性不强？1.交易量数据造假2.未有数据披露制度约束，未形成一体的基本面数据3.市场有可能存在内幕信息目前我们模型中的数据还不够全面，仍然需要更多的努力揭示更多的基本面信

“数据只是数千个故事的整合，讲述其中一些故事可以为数据赋予意义。”——Chip & Dan Heath本文最初发布于 Medium，经原作者授权由 InfoQ 中文站翻译并分享。数据是什么？数据是指在某领域中能够描述你所想解决问题的例子，而数据的选择则取决于你想满足的任务目标。下面是一些提供各种开源数据常用的网站，方便各位建立属于自己的机器学习应用，向成功更进一步。Kaggle - 井井有条的平台，学习者的乐园，在其内核的帮助下，甚至可以不用下载直接在平台上处理数据。UCI 机器学习数据库- 包含大量种类繁多的数据集，为机器学习社区服务。Data.gov - 提供各国的公开数据下载，从政府预算到学校成绩应有尽有。CMU 图书馆- 由卡内基梅隆大学（Carnegie Mellon University）提供的各个领域高质量数据集。谷歌数据集搜索 - 无论是出版者网站，数字图书馆，或者是数据集作者的网页，你都可以通过它搜索到。数据收集的下一步是数据转换，让数据更符合不同机器学习算法的的要求。如何准备项目中最独特的建模数据，一直都是机器学习项目中的难点。数据准备是指如何将原始数据转化为更适合建模形式的过程，而“数据的质量比复杂的算法更重要”。为了让原始数据所包含的信息更多也更明确，我们需要有一套可以解决任何建模问题的数据准备工作。在本文中，作者将以汽车价格预测数据集为例，带你一步步走进数据准备。数据准备的内容包括：数据清洗特征工程数据转换特征提取数据清洗这一步应该算是最难的一步，大多数真实生活中的数据都或多或少有因为观察时的误会而导致的错误，这时为了拿到干净的可靠数据，就需要利用专业知识来辨别数据属性中的异常值。数据清理过程不是件容易事，你需要花费大量时间来提升数据质量。不过值得庆幸的是，数据清理方法也有很多，例如：检测空数值或缺失行搜索重复行并将其移除基于统计技术，利用专业知识发现离群点确定列的分布情况，并剔除没有方差的列以下是用于清洗“汽车价格预估”数据集的代码片段：# 读取数据df_car = pd.read_csv('CarPrice_Assignment.csv')df_car.head(10) # 显示前十行数据df_car.drop(['car_ID'], axis=1, inplace=True) # 重复信息，丢弃 car_ID 列 # 检查列是否包含空数值df_car.isnull().sum()# 丢弃重复行df_car.drop_duplicates(inplace=True)# 根据其类型分配列名cat_variable = []num_variable = []for col in df_car.columns: if df_car[col].dtype == 'object': cat_variable.append(col) elif df_car[col].dtype == 'float' or df_car[col].dtype == 'int64': num_variable.append(col)# CarName 列中类别数量 df_car['CarName'].value_counts()# 检测数字变量中的离群点df_car[num_variable].describe()特征工程特征工程指的是从现有数据中创建新的输入变量的过程。一般来说，数据清洗可以算是一个减法的过程，而特征工程则是一个加法的过程。新功能的工程化是高度针对数据和数据类型的，因为其有助于隔离和突出关键信息，从而帮助算法“聚焦”于重要的东西，特征工程是数据科学家们为提高模型性能而做的最有价值的工作之一。一些常用的特征工程技巧如下：分箱（binning）取对数（Log Transformation）特征分割组合稀疏类特征工程与数据转换非常相似，但因为不同问题对相关领域知识的要求，特征工程被单独列为数据准备的技巧之一。以“汽车价格预估”数据集为例，特征工程步骤如下：# 分离汽车及其公司名称，从而进行特征分割# 检查 Company_name 列是否有重复数据 df_car['Company_name'] = df_car['CarName'].apply(lambda x:x.split(' ')[0])df_car['Company_name'].value_counts()df_car.drop(labels='CarName',axis=1,inplace=True)# 创建字典合并相似公司名称company_name_map_dict = { 'maxda' : 'mazda', 'vw' : 'volkswagen', 'toyouta' : 'toyota', 'Nissan' : 'nissan', 'vokswagen' : 'volkswagen', 'porcshce' : 'porsche'}df

在这篇文章中，我们将讨论什么是特征缩放以及为什么我们在机器学习中需要特征缩放。我们还将讨论数据的标准化，以及使用scikit-learn实现同样的标准化。什么是特性缩放? 特征缩放是对输入数据进行标准化/规范化所需要的重要预处理之一。当每一列的值范围非常不同时，我们需要将它们扩展到公共级别。这些值重新规划成公共水平，然后我们可以对输入数据应用进一步的机器学习算法。我们有不同的特征，其中一个特征的数据可能以公里表示，另一列的数据可能以米表示，最后一列的数据可能以厘米表示。在将算法应用到数据上之前，首先需要将数据放到“米”、“公里”或“厘米”的公共尺度上进行有效的分析和预测。缩放前输入数据在上面的数据集中，我们可以看到列1和列2中的值有非常不同的范围。第一列值表示年龄在30到90岁之间，而工资值在30000到15000之间变化。所以两列值的比例是截然不同的。在进一步分析之前，我们需要将其调整到相同的范围。缩放后的输出缩放值的一种方法是将所有列的值从0到1或者我们可以将它们的值放在-3到3之间。将值更新到新的范围的过程通常称为Normalization 或 Standardization.。下面是标准缩放后的数据输出。从数据中可以看出，所有的值都在-3到3之间。数据标准化后的数据如下。 可以看出，年龄和薪水的数据介于0到1之间。为什么我们需要特征缩放？要获得正确的预测和结果，就需要特征缩放。 如果某一列的值与其他列相比非常高，则具有更高值的列的影响将比其他低值列的影响高得多。 高强度的特征比低强度的特征重得多，即使它们在确定输出中更为关键。 因此，预测可能无法给出预期的结果，并且可能无法满足业务用例。机器学习算法也可能对范围较小的列不敏感，并可能导致不一致总而言之，功能缩放是必需的，因为：回归系数直接受特征范围的影响具有较高比例的功能比具有较低比例的功能更重要如果我们具有缩放值，则可以轻松实现渐变下降如果按比例缩放，某些算法将减少执行时间。一些算法基于欧几里得距离，欧几里得距离对特征尺度非常敏感。不同的特征缩放技术我们可以使用不同的缩放技术来缩放输入数据集。 我们可以应用以下任一方法：Normalization 或 Standardization什么是归一化（Normalization ）？归一化是在0到1之间缩放要素值归一化。这称为最小-最大缩放。在上式中：Xmax和Xmin是功能列的最大值和最小值X的值始终在最小值和最大值之间使用Scikit Learn进行数据归一化以下是使用Scikit Learn进行归一化的简单实现。import pandasimport numpy as npdataset = pandas.read_csv("./data/FirstDataset.csv")X = dataset.iloc[:, :].valuesfrom sklearn.preprocessing import MinMaxScalernorm = MinMaxScaler()X[:, 1:3] = norm.fit_transform(X[:, 1:3])print(X)什么是机器学习的标准化？标准化基于标准偏差。 它衡量功能中价值的传播。 这是最常用的之一。在标准缩放过程中，我们将特征的均值偏移为0，标准偏差为1。应用标准缩放器时，我们获得的值在-3到3范围内当对特征值应用标准偏差时，特征集中值的99.7％介于-3 SD（标准偏差）至3 SD（标准偏差）之间。让我们看一下示例：在上述情况下，值在-3到3之间标准化，因此减小了数据列中值的范围。 缩放这些值后，可以将其输入到机器学习算法进行进一步分析。import pandasimport numpy as npdataset = pandas.read_csv("./data/FirstDataset.csv")X = dataset.iloc[:, :].valuesfrom sklearn.preprocessing import StandardScalernorm = StandardScaler()X[:, 1:3] = norm.fit_transform(X[:, 1:3])print(X)在Scikit-Learn中应用Standard Scaler当数据遵循高斯曲线时，我们可以应用标准缩放器。 如果数据遵循高斯曲线，则标准偏差变得易于计算且有效，并且在预测时会给出出色的结果。对特征缩放敏感的算法下面给出了一些对特征缩放非常敏感的算法。 这些算法对特征缩放很敏感，因为它们取决于距离和高斯曲线。线性和逻辑回归神经网络支持向量机K均值聚类K最近邻居主成分分析对特征缩放不敏感的算法对特征缩放不敏感的算法通常是“基于树的”算法分类和回归树森林随机回归标准化和归一化这些关键字经常可互换使用。 虽然归一化是在0到1之间缩放值，但是标准化大约是将平均值设为0，将标准偏差

并非每天都有电信业的人参与发行食谱，而AI启发的食谱更是少见。但这正是沃达丰与伦敦帝国理工学院的研究人员和切泽夫·约瑟夫·约瑟夫（Jozef Youssef）合作完成的超级食品。该项目涉及帝国学院的DRUGS项目的发现，使用被认为具有“抗疾病特性”的成分设计配方。DRUGS使用AI和机器学习来识别有助于抵抗疾病的食物中的分子，例如胡萝卜，芹菜，橙子，葡萄，香菜，白菜，姜黄和莳萝。伦敦帝国学院首席计算科学家Kirill Veselkov博士在演讲中说：“我们看到诸如癌症，神经系统疾病和心脏病等慢性病的持续增长，其中发病的关键因素是不良饮食。研究表明，不健康的饮食是造成全球五分之一死亡的原因，良好的饮食和生活方式可以预防癌症。”该研究利用了沃达丰的梦实验室应用程序，它利用手机的处理能力来加速科学研究。在为手机充电时，该应用程序会聚合安装了该应用程序的手机的处理能力，以创建云超级计算机。沃达丰基金会受托人海伦·兰普雷尔（Helen Lamprell）表示：“人工智能等技术有潜力创建更智能的医疗保健系统，并改善患者的治疗效果。我们为DreamLab在Imperial的研究项目以及这套食谱的开发中，发挥如此重要的作用而感到自豪。”尽管AI和食品似乎并不是最自然的陪伴对象，但仍有许多公司希望将AI应用于食品。 例如植物干扰机，通过从风味组合中学习以创建新食谱，使用AI，从您立即可用的原料中创建食谱。

引言尽管许多潜在的药物靶标已经被发现，但是用于验证这些靶标的化学探针的开发却相对滞后。计算机虚拟筛选有望提供化学工具来解决这一问题，但长期以来一直受到假阳性率高的困扰：许多化合物相对于给定的目标蛋白结合打分排名很高，而在实验上并未显示出活性。机器学习方法目前并没有解决这个问题，本文认为这是因为没有对模型进行足够导向性的“诱饵”训练，大多数打分函数（scoring functions）在开发时对数据集的训练和测试都不够周全，因此导致模型过于简单或训练过度。作者首先建立了训练数据集（D-COID），该数据集旨在生成更具目的性的诱饵（decoy）复合物，并将这些复合物分别与可用的活性复合物匹配，通过使用该数据集进一步训练得到了基于XGBoost框架用于虚拟筛选的通用分类器（vScreenML）进而实现更有效的虚拟筛选，从而有助于在发现新的潜在药物靶标时为其提供化学探针来进行验证。虚拟筛选方法一般可分为两类：基于配体的筛选和基于结构的筛选。基于结构的筛选通过将化学分子库的每个分子依次对接到靶标蛋白三维结构的结合口袋中，并使用打分函数来评估每种对接的蛋白质-配体复合物的结合“质量”。打分函数直观上是为了替代给定蛋白质-配体复合物的预期强度（即其结合亲和力），通过使用打分函数选择最有希望的化合物进行实验验证。因此打分函数的准确性至关重要，也是基于结构的筛选成功与否的主要决定因素。但即使是该领域的专家使用他们自己喜欢的首选方法，其中可能包括各种对接过滤器乃至人工肉眼挑选，其预测化合物中也只有约12％的化合物能够表现出活性。当然，如果是在所筛选分子库限于含有对靶点具有天然亲和力的官能团的化合物的情况下，命中率也可能更高。相反，在没有使用其他过滤器或人工干预的情况下应用打分函数的命中率通常较低。命中率低的原因除了从建模复合物的结构中带来的不显著因素（如化合物溶解度，配体的质子化/互变异构状态建模错误等）之外，还可能归因于传统打分函数的局限性：这些函数可能包括单个能量项的参数化不足，某些可能重要的项被排除在外以及未能考虑项之间潜在的非线性相互作用。正是由于这些原因，机器学习方法特别适合开发新的在无需人工干预的情况下提高鉴定活性化合物能力的打分函数。但是进一步的分析显示，迄今为止，许多方法报告的人工基准实验中的有希望的结果可能无意中使模型过度拟合了训练数据：这可能是信息遗漏的微妙影响，当验证/测试数据并非真正与训练数据无关时，就会发生这种情况。其他研究表明，深度学习方法的出色表现可通过检测活性化合物与诱饵化合物的化学性质之间的系统差异来实现。这些假象中的任何一种都夸大了基于基准性能的期望，但最终在后续的前瞻性评估中对这些方法进行测试时，最终导致了不可转移和令人失望的结果。福克斯蔡斯癌症中心和堪萨斯大学的研究人员开发了结合机器学习方法的基于结构的药物筛选vScreenML，首先构建了一个新的数据集，该数据集旨在促进对机器学习模型的训练进而在现实虚拟筛选应用程序中发挥最大作用。为了建立该数据集，作者生成了一组“compelling”诱饵复合物，即一组模拟典型化合物的化合物，如果这些化合物在典型的虚拟筛选流程中能够被筛选出来，则会进入到实验测试。然后，使用此数据集来训练机器学习分类器进而将有活性的化合物从这些“compelling”的诱饵化合物中识别出来。1. 训练数据集的生成作者从PDB数据中挑选了一些有活性的复合物，主要包含那些具有与实际筛选过程中包含在他们的化合物库中相同的理化特性的配体分子，最终收集了1,383个活性复合物，然后对其进行能量最小化，进而避免无意中训练出仅区分晶体结构和虚拟筛选所产生的模型。接下来是得到诱饵复合物数据集，对于每种活性复合物，作者首先使用DUD-E server来识别50种具有与活性化合物相匹配的理化性质但化学结构完全不相关的化合物,然后得到每种候选诱饵化合物的低能构象，并使用ROCS针对活性化合物的3D结构进一步筛选这些构象。利用诱饵化合物与活性化合物的结构比对，作者将诱饵置于蛋白质的活性位点，并进行了与活性复合物相同的能量最小化（图1A）。作者将此数据集命名为D-COID（dataset of congruent inhibitors and decoys），并已公开提供给其他人免费使用。为了确认这种诱饵生成策略确实导致了一个具有挑战性的分类问题，作者应用了文献中报道的打分函数[nnscore，RF-Score v1，RF-Score v2，RF-Score v3，PLEClinear，PLECnn，PLECrf和RF-Score-VS]来区分D-COID数据集中的活性复合物和诱饵复合物，发现活性复合物的分数分布与诱饵复合物的分数分布有较大的重叠（图1B），这表明这些打分函数在应用于此数据集时鉴别能力有限。图1 D-COID训练数据集的生成图片源于PNAS. 使用独立测试集对vScreenML进行基准测试。

1，郑捷团队运用遗传学大数据构建蛋白质与人类疾病的因果关系网络来源：小柯生命图型化展示111对蛋白质和人类疾病之间的因果关系。涵盖心血管，癌症等8大类疾病。标注的PCSK9等蛋白质已作为药物投入实际治疗。9月7日晚23时，英国布里斯托大学综合流行病学研究所郑捷助理教授团队与医药企业深度合作，在Nature Genetics《自然—遗传》上发表了题为“Phenome-wide Mendelian randomization mapping the influence of the plasma proteome on complex diseases”的论文。该研究运用孟德尔随机化方法学，完整构建了1002种蛋白质与225种人类复杂疾病之间的因果关系网络。通过此因果网络和现有药物随机双盲实验（randomised controlled trials；RCT）的比较，该研究证实蛋白质和人类疾病因果关系的推论能有效提高药物RCT的成功率，深度揭示了蛋白质组的遗传学研究方法在药物靶点早期筛查中的重要性。2，Nano Letters：石墨烯杂化SERS纳米生物传感技术在单细胞水平上原位检测干细胞源性神经界面神经递质来源：奇物论神经递质活性的原位定量测量可以为干细胞分化、神经元网络的形成和神经退行性疾病的潜在机制提供有用的见解。美国新泽西州立大学Ki-Bum Lee和韩国西江大学Jeong-Woo Choi等人首次开发了一种氧化石墨烯(GO)杂化纳米表面增强拉曼散射(SERS)阵列，用于选择性和高灵敏检测多巴胺(DA)。利用GO杂化纳米SERS阵列，成功地实现了快速、可靠地测量了大范围(10-4~10-9 M)的DA浓度。此外，考虑到在单细胞水平上原位检测神经递质的挑战，开发的基于SERS的检测方法可以代表一个独特的工具来研究与DA或其他神经递质相关的单细胞信号通路及其在神经过程中的作用。3，首个即插即用、机器学习+脑机接口，使四肢瘫痪患者轻松控制电脑光标来源：学术头条9 月 7 日，影响因子比主刊 Nature 还高的《自然生物技术（Nature Biotechnology）》，发表了加州大学旧金山分校的一项突破性进展。加州大学旧金山威尔研究所的神经科学研究人员通过一个人脑控制假肢的研究证明，机器学习技术可以帮助瘫痪患者通过大脑活动学习控制电脑光标，而不需要大量的日常再训练。这项可以让大脑和机器学习系统随着时间推移建立稳定“伙伴关系”的“即插即用”技术的成功，正是过去所有脑机接口(BCI)研究工作一直追求的目标。4，Nat Metab | 韩敬东/周永合作利用人工智能鉴定生物年龄、衰老速率和生活习惯的影响来源：BioArt图注：因果推断从生活方式到衰老速率之间的分子中介2015年北京大学、中国科学院上海营养与健康研究所（中国科学院-马普学会计算生物学伙伴研究所）韩敬东研究组首次发表了基于三维面部图像预测年龄的方法，这项技术当时的误差为6.2岁，它比起其它衰老时钟有着无创廉价的优势，因此可以快速大规模收集数据，建立更精确的人工智能模型。2020年9月7日，韩敬东研究组与上海交通大学药学院周永研究组合作在Nature Metabolism上发表了题为Three-dimensional facial-image analysis to predict heterogeneity of the human ageing rate and the impact of lifestyle的研究论文。在此前的三维面部图像预测年龄的方法基础上，这项新发表研究综合了转录组数据、三维面部数据与生活方式调查数据三项因素，在近五千人的三维面部图像上训练深度学习模型，这一非线性年龄预测模型可以达到与实际年龄或目测年龄误差仅为2.79/2.90岁。这些可视化结果存储在人类血液基因表达与三维面部图像的关联（human blood gene expression – 3D facial image association, HuB-FI）数据库中，供其他研究者与公众查询。5，Alzheimer's & Dementia：华山医院团队发布，教育降低我国老年人群痴呆症发病率来源：梅斯神经最近，华山医院团队就在Alzheimer's & Dementia杂志发文，通过对比相隔20年进行的上海老年痴呆症和阿尔茨海默病流行病学调查（SESD）和上海老龄化研究（SAS）的数据，研究老年痴呆症患病率和发病率的变化。研究人员发现，SAS总参与者中痴呆症的患病率和发病率均高于SESD（患病率：6.44% vs 2.30%，P < 001；年发病率：2.58% vs 1.33%，P < .001）；在受教育年限≤6年的参与者中，SAS的痴呆患病率高于SESD（患病率：6.39% vs 3.07%，P < .001）；SAS的痴呆年发病率是SESD的两倍（3.63% vs 1.80

描述性分析df.describe().T从上述描述性分析结果简单总结如下：是否死亡：平均的死亡率为32%；年龄分布：平均年龄60岁，最小40岁，最大95岁是否有糖尿病：有41.8%患有糖尿病是否有高血压：有35.1%患有高血压是否抽烟：有32.1%有抽烟2. 目标变量# 产生数据death_num = df['DEATH_EVENT'].value_counts()death_num = death_num.reset_index()# 饼图fig = px.pie(death_num, names='index', values='DEATH_EVENT')fig.update_layout(title_text='目标变量DEATH_EVENT的分布')py.offline.plot(fig, filename='./html/目标变量DEATH_EVENT的分布.html')总共有299人，其中随访期未存活人数96人，占总人数的32.1%3. 贫血从图中可以看出，有贫血症状的患者死亡概率较高，为35.66%。bar1 = draw_categorical_graph(df['anaemia'], df['DEATH_EVENT'], title='红细胞、血红蛋白减少和是否存活')bar1.render('./html/红细胞血红蛋白减少和是否存活.html')4. 年龄从直方图可以看出，在患心血管疾病的病人中年龄分布差异较大，表现趋势为年龄越大，生存比例越低、死亡的比例越高。# 产生数据surv = df[df['DEATH_EVENT'] == 0]['age']not_surv = df[df['DEATH_EVENT'] == 1]['age']hist_data = [surv, not_surv]group_labels = ['Survived', 'Not Survived']# 直方图fig = ff.create_distplot(hist_data, group_labels, bin_size=0.5)fig.update_layout(title_text='年龄和生存状态关系')py.offline.plot(fig, filename='./html/年龄和生存状态关系.html')5. 相关性分析从数值型属性的相关性图可以看出，变量之间没有显著的共线性关系。num_df = df[['age', 'creatinine_phosphokinase', 'ejection_fraction', 'platelets','serum_creatinine', 'serum_sodium']]plt.figure(figsize=(12, 12))sns.heatmap(num_df.corr(), vmin=-1, cmap='coolwarm', linewidths=0.1, annot=True)plt.title('Pearson correlation coefficient between numeric variables', fontdict={'fontsize': 15})plt.show()04、特征筛选我们使用统计方法进行特征筛选，目标变量DEATH_EVENT是分类变量时，当自变量是分类变量，使用卡方鉴定，自变量是数值型变量，使用方差分析。# 划分X和yX = df.drop('DEATH_EVENT', axis=1)y = df['DEATH_EVENT']from feature_selection import Feature_selectfs = Feature_select(num_method='anova', cate_method='kf')X_selected = fs.fit_transform(X, y)X_selected.head()2020 17:19:49 INFO attr select success!

据国外媒体报道，合成生物学初创公司Zymergen在新一轮融资中筹集了3亿美元，这表明投资者相信生物科学可以以创新的方式用于生产产品。Zymergen公司CEO兼联合创始人霍夫曼(Josh Hoffman)说，这轮融资由总部位于英国的基金巨头Baillie Gifford & Co.牵头，Baron Capital和一家拒绝透露姓名的主权财富基金也参与了本次融资。此外，其他投资者包括现有的投资者DCVC、True Ventures和软银集团旗下的愿景基金（Vision Fund）。新融资的资本将为Zymergen生产从聚合物到杀虫剂等各种材料的方法提供资金，这是在软银旗下的愿景基金两年前牵头对该公司进行4亿美元投资后，资本市场对该公司的又一笔重大投资。根据股票交易网站SharesPost的数据显示，这轮融资对这家初创公司的估值为10.5亿美元。但公司CEO霍夫曼拒绝提供目前的估值。Zymergen的独特技术是通过控制微生物的基因来工作的。这家初创公司的科学家对这些微生物进行了数十万次甚至数百万次的测试，然后使用机器学习来观察哪种结果最有希望产生结果。一旦科学家设计出了理想的微生物，他们就会让这些微生物通过发酵产生分子。这些分子成为动物饲料、工业涂料或运用到公司正在开发的任何最终材料的一部分。“这是一个可行的策略”，诺贝尔奖得主、加州理工学院化学工程和生物化学教授弗朗西斯·阿诺德(Frances Arnold)说，“这个领域的前提是，你可以像自然制造分子一样，清洁、可持续地制造分子，通常使用可再生资源。”总部位于加州爱莫利维尔市（Emeryville）的Zymergen，虽然创立已经有7年的历史了，但它仍然没有多少有形的产品可以炫耀。这家公司正在源源不断地位很多公司运送材料，但大多数公司都不会说出它们的名字。这家初创公司表示，这主要是因为他们与客户达成了协议，其中包括想要保密自己竞争优势的大型农业公司，以及尚未准备好公布基于发酵根产品的制造商。公司首席科学官扎克·瑟伯(Zach Serber)说，随着消费者将这些材料融入他们的产品中，“毫无疑问会出现一点延迟”。今年早些时候，作为重要合作伙伴之一的住友化工有限公司曾与Zymergen公开表示，他们已经开发出了一个透明的聚合物薄膜弯曲但保留其强度,这有可能被用于将手机以新的方式折叠来使用。瑟伯将这种可能性比作液晶显示器取代笨重的阴极射线技术带来的一波创新浪浪潮。据了解，这项技术已经开发了4年，目前还没有任何企业使用这项技术的产品公布。但Zymergen表示，预计这种名为“透明”的薄膜将在今年晚些时候用于消费级电子产品。霍夫曼说:“硅谷面临的挑战之一是，将实体产品推向市场的时间比风险投资家习惯的时间要长一些。”他补充说，按照化工企业的标准，四年的时间短得令人印象深刻。“这需要时间。这不是一件你可以假装直到你做到的事情。”Zymergen公司CEO兼联合创始人霍夫曼该公司还实现了其他里程碑的事件。上个月，Zymergen和农业科学公司FMC宣布合作寻找化学杀虫剂的替代品。该公司已经对猫薄荷中发现的一种微生物进行了微调，并用它研制出一种尚未商业化的人类驱虫剂。Zymergen已经对工业和产品进行了广泛的涉及，但其他使用类似技术的初创公司有着更加明确的目标。比如，总部位于加州圣莫尼卡的初创公司Provivi最近获得了监管部门的批准，该公司针对秋天的甲虫(Armyworm)破坏墨西哥玉米作物造产生了阻碍。该产品是利用合成生物学开发的。“用以前的化学方法生产信息素太贵了，”诺奖得主、Provivi联合创始人阿诺德(Arnold)说。越来越多的初创企业将它们的存在归功于发酵和工程微生物的结合。Impossible Foods 就是这样生产汉堡的，Bolt Threads是这样生产丝绸的，Pivot Bio是这样生产化肥的。总部位于波士顿的创业公司Ginkgo Bioworks已经筹集了7.89亿美元的资金。和Zymergen一样，该公司也在多个行业销售基于其工程微生物的组件，用于制造包括气味和糖替代品在内的最终产品。一些合成生物学公司一直难以达到投资者的预期。因此，Zymergen的未来也面临很多困难。该公司的一些高管曾供职于Amyris公司，这家公司10年前上市时的价格是每股16美元，之后不久就飙升至每股250美元以上，但现在的股价约为3美元。许多微生物公司的梦想，都经历挑战和磨难。

未来网高校频道9月11日讯（记者 杨子健 通讯员 李哲）近日，云南大学教育部自然资源药物化学重点实验室肖伟烈课题组在天然产物权威评述期刊Natural Product Reports上发表文章，对基于机器学习的天然产物活性研究的进展进行了综述。该文章结合本团队的研究经验，在总结理论方法和分析文献案例的基础上，提出了一系列研究建议，拟在数据科学家和药物研究者之间架设一道有效沟通的桥梁。天然产物是药物分子的重要来源，但其结构发现具有“偶然性”，生物活性探索具有“随机性”，限制了天然产物的活性发现和深入研究。机器学习算法通过对现有天然产物的分子结构、理化性质和生物活性数据进行分析，建立天然产物活性的预测模型。与传统方法相比，机器学习方法并不根据已有知识对结构-活性关系进行预设，而是从数千个描述符中筛选出高度相关的参数，可以发现非线性的规律。在天然药物活性研究中引入机器学习方法的文献数量逐年递增，但仍然受到一些因素的制约，例如缺乏高整合度和标准化的数据库等。该团队于2018年开始首次针对抗炎活性的天然产物开展了系统性的化学信息学研究，并在此基础上开展基于机器学习和网络分析的天然产物活性-靶标预测方法及应用研究。教育部自然资源药物化学重点实验室张芮菡副研究员为论文的第一作者，肖伟烈研究员为通讯作者。该项目得到教育部重点实验室、化学科学与工程学院、云南大学双一流建设“分子与生命学科群”、云南省天然产物转化与应用重点实验室、中缅联合实验室平台及部门的支持；以及得到国家自然科学基金、云南大学-云南省科技厅“双一流”联合项目、省创新团队、省应用基础研究计划等项目经费的支持。

“郭毅可于2018年当选为英国皇家工程院院士和欧洲科学院院士。”作者：Stone Jin编辑：tuya出品：财经涂鸦据公司情报专家《财经涂鸦》消息，音频娱乐平台荔枝（NASDAQ：LIZI）于美东时间9月9日向美国证券交易委员会（SEC）递交6-k文件，任命郭毅可为董事会独立董事。公开资料显示，郭毅可本科毕业于清华大学计算机系，后在帝国理工学院获得计算逻辑博士学位迄今已在数据科学以及机器学习方面有着超过30年的行业经验。1999年，郭毅可创办InforSense公司并担任首席执行官，主要从事生命科学和医学大数据的分析研究。2009年，InforSense与研发软件供应商IDBS合并，郭毅可担任IDBS的首席创新官直到2018年。目前，郭毅可担任香港浸会大学副校长，负责学校整体研究战略规划与实施、研究设施的发展和研究生教育。此外，郭毅可自2002年起担任英国帝国理工学院计算机系教授，自2016年起担任帝国理工商学院的兼职教授。2014年，郭毅可创建帝国理工数据科学研究所并被任命为所长，并于2018年当选为英国皇家工程院院士(FREng)和欧洲科学院院士(MAE)。荔枝创始人兼首席执行官赖奕龙表示：“郭教授的加入，将带来他宝贵的行业经验以及国际化的管理经验，尤其在数据驱动的创新技术方面，帮助我们进一步加强技术创新能力、促进战略发展、同时提高我们在在线音频领域中的竞争力。”荔枝8月14日发布的第二季度业绩报告显示，Q2月活跃用户规模为5590万，同比增长29%；平均每月付费用户数为46.3万，同比增长51%。截至第二季度末，上传到平台的播客节目数量累计为2.15亿。

AI包括自然语言处理，对象图像识别以及通过试图模仿大脑认知功能的神经网络模型进行模式识别等功能。机器学习一词经常与AI互换使用，尽管有明显的区别。机器学习算法使用机器来了解给定的数据集。机器学习的一个子集包括深度学习，它在网络安全领域显示出了巨大的希望AI和ML不仅用于下一代SOC中，以增强检测和预防活动，而且越来越多地用于增强事件响应措施，例如遏制措施，故障单创建和用户参与分类和/或验证可疑行为。AI和ML的应用减少了每次警报所花费的时间，并改善了平均检测时间和平均修复时间。自动化与编排自动化和编排是NextGen SOC的基本组件。通过将高速机器搜索与（工具和平台的）高级控件相结合，分析人员可以使用更多数据，从而使他们变得更有效率，并帮助他们提供更多上下文相关的结果进行补救。这减少了威胁计数，并加快了分析人员进行评估和响应的能力。高级控件还可以防御零时差威胁，并提供有关此类威胁的更高保真度的数据。这些结果有两个主要好处：与传统的托管安全服务相比，安全性更高，而相同成本的价值更高。

最初专注于自动化重复性任务，人工智能（AI）和机器学习（ML）的集成为许多其他有用的应用打开了大门。IBC365研究了最近的十项产品发布和服务发展，其中一些专注于解决健康危机带来的挑战。1.基于AI的广告插入技术总部位于英国的Mirriad开始使用AI技术，将广告和产品在拍摄后以数字方式插入电影和电视节目中。据IBC365报道，Mirriad可以将品牌的瓶子数字化地嵌入桌子上，在现有广告牌上嵌入新广告，或者在背景电视上投放商业广告。该公司的平台使用AI来识别展示机会，然后使用视觉效果技术插入原始照片中没有的真实对象，或将现有品牌形象与新产品照片叠加在一起。这个想法已经引起了广播公司和广告商的关注。的确，在COVID-19大流行期间停产之后，生产商一直在寻找从其后目录中产生更多收入的方法。2.用于优化视频流的视频编解码器中的AIIBC365还报告了如何在AI自动化的软件中实现优化视频流工作流的未来进展。Haivision，Harmonic，InterDigital，iSize Technologies和V-Nova等公司正在研究在视频编解码器中应用AI和ML技术的不同方法。3.使用AI / ML将智能手机的水平格式转换为垂直格式法国新闻频道BFMTV推出了“实时垂直”技术，该技术可自动将标准电视流的水平帧转换为更适合智能手机的垂直格式。Altice拥有的BFMTV与法国新兴公司Wildmoka合作开发了该产品，该产品允许使用AI和ML技术将传统的水平电视格式自动“划分”为移动友好的垂直格式。

Google Maps是该公司使用最广泛的产品之一，它具有预测即将到来的交通拥堵的能力，因此对于许多驾驶员来说都是必不可少的。Google表示，每天都有超过10亿公里的道路在该应用程序的帮助下行驶。但是，正如这家搜索巨头在今天的博客文章中所解释的那样，得益于DeepMind的机器学习工具，其功能变得更加准确，该机器是总部位于伦敦的AI实验室，由Google的母公司Alphabet拥有。在博客文章中，Google和DeepMind研究人员解释了如何从各种来源获取数据并将其输入到机器学习模型中以预测流量。这些数据包括从Android设备匿名收集的实时交通信息，历史交通数据，来自地方政府的速度限制和建筑工地等信息，以及任何给定道路的质量，大小和方向等因素。因此，根据Google的估计，铺成的道路胜过未铺成的道路，而该算法将决定，有时需要更长的高速公路行驶，比在多条蜿蜒的街道上行驶更快。谷歌表示，使用DeepMind的AI工具可以将地图中的ETA准确性提高多达50%。 图片：Google所有这些信息都被送入DeepMind设计的神经网络，该神经网络挑选出数据中的模式并用它们来预测未来的流量。谷歌表示，其新模式在某些城市将谷歌地图的实时ETA的准确性提高了50%。它还指出，在COVID-19爆发以及随后的道路使用变化之后，必须更改用于做出这些预测的数据。“自2020年初开始锁定以来，我们发现全球流量下降了50%。”Google Maps产品经理Johann Lau写道：“自2020年初开始锁定以来，全球流量下降了50%，” “为了应对这种突然的变化，我们最近更新了模型，使其变得更加敏捷-自动对过去两到四周的历史流量模式进行优先排序，并在此之前的任何时间对模式进行优先排序。”这些模型通过将地图划分为Google所谓的“超级细分市场”来工作-相邻街道的集群共享流量。每一个都与一个单独的神经网络配对，该神经网络可以对该部门进行流量预测。尚不清楚这些超级段的大小，但是Google注意到它们具有“动态大小”，这表明它们会随着流量的变化而变化，并且每个都使用“ TB”的数据。此过程的关键是使用一种称为Graph Neural Network的特殊类型的神经网络，Google表示该神经网络特别适合处理此类映射数据。

9月10-11日，作为一年一度云计算领域的大型科技盛会，2020年度AWS技术峰会和合作伙伴峰会在线上成功举行。本年度峰会以“构建超乎所见”为主题，展示了AWS最新的云服务，探讨前沿云端技术及企业最佳实践。同时，AWS携手百家中国APN合作伙伴发布联合解决方案，重点覆盖金融、制造、汽车、零售与电商、医疗与生命科学、媒体、教育、游戏、能源与电力九大行业，帮助这些行业的客户实现数字化转型，进行数字化创新。作为AWS技术合作伙伴之一，中科创达凭借在智能操作系统、图形图像处理和人工智能领域优秀的技术，以及在推动机器学习服务AmazonSageMaker在中国落地和行业应用方面作出的卓越贡献，荣获2020年度APN人工智能与机器学习合作伙伴之星。今年4月，亚马逊云服务（AWS）中国区域推出AmazonSageMaker机器学习服务之际，中科创达率先将AmazonSageMaker集成到了中科创达智慧工业ADC（AutomaticDefect Classification） 系统，成为首批在AWS中国区域利用AmazonSageMaker的APN合作伙伴。 中科创达智慧工业ADC系统是2018年推出的工业视觉检测一站式解决方案，旨在帮助客户提升工业自动化和智能化水平。该系统包含缺陷自动化分类、新产品迭代数据清洗、业务作业员认证三个子系统，从作业员技能认证、数据集更新到新产品导入，贯穿工业检测的整个生命周期，有效帮助制造企业降本增效、提升产能。 中科创达智慧工业ADC集成了AmazonSageMaker后，使得制造业客户在工业生产中更加轻松地获得AI质检能力，通过AmazonSageMaker的弹性Notebook、实验管理、自动模型创建、模型调试分析，以及模型概念漂移检测等强大特性，加速智能制造的落地进程，帮助企业以更少的工作量和更低的成本更快地投入生产，在节约人力的同时，提升产品良率，释放产能，提高竞争能力。例如，在电气行业ADC系统的落地应用中，通过集成AmazonSageMaker，最终用户的一次性投入成本降低了42%，软件开发的工作量降低了39%，系统的上线时间缩短了50%，系统运行效率是传统检测的35倍。 目前，中科创达智慧工业ADC系统已成功应用到液晶面板、汽车制造、电子产品、化妆品制造、橡胶制造等行业。 此次，中科创达荣获2020年度APN人工智能与机器学习合作伙伴之星，是AWS对中科创达技术实力的最大肯定。未来，中科创达将依托AWS实现业务发展和持续创新，打造更加优秀的智慧工业视觉解决方案，满足更多客户的需求，加速全球智慧行业的智能化、自动化和数字化升级。原文标题：中科创达荣获AWS 2020年度APN人工智能与机器学习合作伙伴之星文章出处：【微信公众号：Thundersoft中科创达】欢迎添加关注！文章转载请注明出处。

大数据时代的隐私泄露如达摩克利斯之剑，高悬在每个网民头上，而关于如何保护数据隐私我们也走了很长的路。1977 年，统计学家 Tore Dalenius 给出关于数据隐私的严格定义：攻击者不能从隐私数据里获取任何在没有拿到数据之前他们所不知道的个人信息。2006 年，计算机学者 Cynthia Dwork 证明上述定义的隐私保护是不存在的。有一个直观例子可以帮助理解：假设攻击者知道 Alice 的身高比 Lithuanian 女性平均身高高 2 英寸，这样攻击者只需要从一个数据集里获得 Lithuanian 女性身高平均值（在接触数据前攻击者并不知道），就能准确获得 Alice 的精确身高，甚至 Alice 都不需要在这个数据集里。因此，对于一份有信息量的数据，不可能完全不暴露隐私信息。2018 年，史上最严苛的个人隐私保护法案《通用数据保护条例》（ GDPR ）正式生效，开创了互联网诞生以来的最大变革，数据隐私问题得到前所未有的重视。近日，雷锋网了解到，第四范式先知（ Sage ）企业级 AI 平台已经完成 PrivacySeal EU 认证工作程序，率先通过欧盟 GDPR 认证，成为国内第一款通过该认证的 AI 平台产品，实证基于第四范式隐私计算技术的数据安全性和可信任性，那么，他们是如何保护用户隐私安全的？为此，雷锋网(公众号：雷锋网)和第四范式的主任科学家涂威威聊了聊。匿名化或许是个伪命题？不知道有多少童鞋记得去年谷歌母公司 Alphabet Inc 因违反隐私数据法被罚款 5000 万欧元的事情，据说这是迄今为止欧洲范围内，一家公司因违反隐私数据法遭受到的最高额处罚金。多家英文科技媒体报道时，都用了 “record high”（破纪录地高）描述处罚力度之狠。为什么谷歌会受到如此严重的惩罚？首先，谷歌会收集自家相关应用和第三方网页访问的活动数据，通过安卓设备的“设备标识”以及“广告标识符”，将应用数据上传至谷歌服务器，并与用户的谷歌账户关联，形成了完整的闭合。简单来说，谷歌通过被动方式收集的所谓“匿名数据”与用户的个人信息相关联 ——绕了一大圈，最后大费周章用“合法手段”应用用户信息。同样地，Google Ad Manager 的 Cookie ID（跟踪用户在第三方网页上的活动缓存信息）是另一个据称是“用户匿名”标识符。如果用户在同一浏览器中访问Google应用程序，Google 可以将其连接到用户的 Google 帐户之前访问过第三方网页。换句话说，虽然通常在用户匿名的情况下收集信息，但 Google 明显拥有利用从其他来源收集的数据来对此类集合进行去匿名化的能力。Google 之所以出现这类问题，主要源于其产品在数据流转及应用上不严谨所致，同时，一些常规匿名化手段的技术缺陷同样不容忽视。而谷歌的广告业务几乎覆盖了 90% 全球用户，200 万个主流网站，也就是说不经意间我们的生活已经被谷歌的 “数据操控” 看了个清清楚楚明明白白。2010 年，个人隐私律师 Paul Ohm 就曾在 UCLA 法律评论中刊文指出，虽然恶意攻击者可以使用个人身份信息（如姓名或社会安全号码）将数据与个人身份进行关联，但事实证明，即便只拥有那些不会被归类为“个人身份信息”的信息，他们也可以达到同样的目的。Ohm 参考了 Sweeney 早期的一些研究，她发现 1990 年美国人口普查中有 87％ 的人可以通过两条信息进行唯一识别：他们的出生日期和他们住址的邮政编码。Ohm 还引用了 Netflix 以及其他有关数据泄露的案例，并得出结论：在传统的以个人身份信息为保护重点的匿名化技术下，几乎任何数据都无法实现永久的完全匿名。链接攻击、同质化攻击等方式都可能从匿名化数据中定位个人身份。例如链接攻击，通过数据的半标识符在其他能找到的表上进行查询，则可能找到对应的身份定位标识符以及其他敏感信息。2013 年，研究人员发现位置数据具有高度的独特性，因此更加难以匿名化。许多匿名数据库都可能间接泄露你的位置，例如刷卡消费或前往医院就诊。研究人员发现，通过每小时记录4次手机连接到的信号发射塔，就可以对 95％ 的设备进行唯一识别。如果数据更精细（ GPS 跟踪而不是信号发射塔，或者实时采集而不是每小时采集），匹配则会变得更加容易。于是，大家开始意识到“匿名化”这东西并没有那么安全，我们的信息还是会被窃取。所以，一向注重用户隐私的苹果在 2016 的开发者大会上提出了“差分隐私（Differential Privacy）”的概念。即通过算法来打乱个体用户数据，让任何人都不能凭此追踪到具体的用户，但又可以允许机构成批分析数据以获得大规模的整体趋势用于机器学习。将用户隐私信息储存在本机而非云端也是苹果保护用户隐私的方法之一。例如 Face ID 面容信息、Touch ID 指纹信息等都存储在 iPhone 的芯片上。不过，差分隐私还是无法避免多个相关数

学车时，如果遇到机器人教练，你的第一反应会是什么？人工智能技术的快速发展，让科幻电影里面的场景走进了现实。实际上，机器人教练并不是有真机器人做教练，而是在一辆教练车上装载一套智能系统，通过这台系统的语音、电子显示屏等装置对学员进行教学。学员无需教练员陪同，只需在教学车辆的的操作显示平台上自主选择教学模式和训练模块，机器人教练便可严格执行训练命令，全程采集学员训练数据，并对训练过程进行监督。一旦训练过程中出现不安全状况，机器人教练就会立即启动双路闭环的安全保障和风险体系，自动规避、切断学员的各种危险驾驶行为，确保训练安全。现在，越来越多的驾校开始引进机器人教练，相比传统的人工教练，机器人教练的优势显而易见，具备很高的智能化和安全性。自2016年，易显科技发布机器人教练1.0版本之后，机器人教练系列产品每年进行产品大迭代，不断实现功能进阶、智能化升级。9月16日，易显科技发布机器人教练5.0版本，该版本在原有版本的基础上，进一步实现了功能迭代和升级。据易显科技介绍称，目前，易显机器人教练已能够实现完全替代人工教练，并能够适配市面上所有的教练车型。机器人教练5.0可以完全支持训练场内无人驾驶，可全程助力零基础新学员开展基于全自动驾驶模式的智能示范教学；5.0版本还强化了40公里时速下的绝对安全，带给学员最贴近社会道路驾驶环境的实战化场景训练体验；还能洞察学员的驾驶风格以及驾驶行为中的深层次问题，并实时反馈给学员；在人机语音交互系统、外观设计等方面，也都有提升和改进。此外，机器人教练5.0版本，还在五个维度上为驾培机构赋能，简言之就是能省钱、能增加效率、学员体验好、有售后服务，同时还能有效积累和运用数字化资源。具体而言，能省钱主要体现在三个方面，1个教练可以带30+台机器人教练，每年可以为驾校节省95%的人工成本；机器人教练还可以带来360度无死角的安全防护，每年可以为驾校减少车辆碰撞维修费10000元左右；同时，相比传统人工教练，机器人教练自带流量，可以带来宣传效应，能够为驾校节省营销费用。能增加效率主要表现在三个方面，首先是能增加合格率，相对于人工教练，合格率平均可以提升10.88%；其次是增加招生人数，2019年易显机器人教练成功帮助驾校实现了32%的学员增量；再次，可以提升场地利用率，充分配置学员学车时间，实现驾校场地高效利用。学员体验好，可以从硬件上看，教练车在配件和选材上会严格把控，在学习过程中，机器教练教练可以完全实现替代人工教练，还可以根据学员驾驶行为数据，实现个性化教学。值得一提的是，今年疫情期间，易显机器人教练也是唯一凭借“单人单车”、“全程零接触”、“360度智能安全防护”等优势率先实现复工，从而最大化降低疫情带来的损失。在售后服务方面，机器人教练配备有7×24小时售后响应机制，通过区域售后中心机构设置，5分钟内可以实现快速响应，30分钟内可以通过线上故障诊断和解决；线上难以解决的，将会在24小时内派专员到现场进行维护。显而易见，机器人教练在能够满足驾培服务需求的同时，在数字化资源的积累和运用方面，可以通过后期的深度学习和云计算等技术，实现数字资产化，从服务流程到管理资源实现优化配置，从数字营销到实现流媒体链接和口碑传播等，从而帮助驾培机构实现数智化转型。自易显机器人教练推出以来，目前，签约驾校已达到136家，供给实现交付运营5630台。除了东方时尚、上海捷通等品牌驾校的大面积使用外，产品已辐射到全国各地。除此之外，易显机器人教练也得到了韩国、越南等驾培机构的密切关注，随着产品的逐步成熟，易显正在积极进行海外业务布局。结合自身二十多年的驾培从业经历，易显科技创始人马宏在接受钛媒体采访时表示，在易显整体的战略布局和规划中，机器人教练的确是一个重头戏，但只是业务的一环。众所周知，中国驾培行业既定的业务模式已然相当艰难，大部分驾校持续亏损，目前正在进入全新的洗牌和调整期，这种艰难期必定会催生行业新事物，机器人教练是新事物之一，但它不能解决驾培行业的全部问题，只是技术对驾培业赋能的一个表现形式。马宏表示，易显科技的初心和定位是要为驾培机构持续赋能，仅仅有机器人教练是不够的，要以机器人教练作为一个入口，围绕着数字智能驾培来进行业务布局，一方面基于数字沉淀来驱动驾培机构实现流程管理、革新营销职能，以及优化内部资源配置等；另一方面，易显�