随着最近的神经科学发现展示了做梦对记忆巩固的重要性，谷歌旗下的人工智能公司DeepMind率先研发了一项可让机器人做梦的新技术，以便提高它们的学习效率。 该公司通过并行方式使用梦境，重点研究游戏情境中负面的或具有挑战性的内容，提高人工智能的学习效率。 那么，对于机器人而言，什么是具有挑战性的情境呢？ 为了理解这个观点，需要区分使用监督式学习（supervised learning）方法和使用非监督式学习（unsupervised learning）方法的人工智能。 截至目前，许多令人印象深刻的壮举都由使用监督式学习方法的人工智能实现，即由程序员提供有序的“训练数据”，而人工智能则学习如何检测数据内的模式。这是训练机器的十分直接的方法，但肯定不是人类学习的方法。 DeepMind的研究人员主要关注非监督式学习方法，因为它最有希望创造出具有一般类人智能的人工智能。
打造具备道德自主能力人工智能装置的人该负什么样的责任？我们该如何透过有责任感的方式，为机器人添加道德能力？ 因此Scheutz认为，法律专家应该要提早定义出对机器人行为应负的责任，这是一个关键问题，特别是因为具备学习能力的机器人，也会在执行任务的过程中吸收新的知识。 ? 塔夫斯大学教授Matthias Scheutz与他在HRI实验室的机器人伙伴Cindy （来源：Kelvin Ma，Tufts University） 如何赋予机器人道德能力？ 要赋予机器人道德能力，就是让机器人在一个道德判断情境中，模仿人类的决策过程；而首先，机器人就是能意识到一个道德判断情境，接着依循所布建的推理策略──包括道德原则、基准与价值等。 Scheutz指出，现今的机器人与人工智能科技进展，已经能制作出具备自我决策能力的自主机器人，不过大多数这类机器人的功能仍然很简单，其自主能力也有限；因此它们有可能因为缺乏从道德角度来考虑的决策算法，而成为具伤害性的机器
领8888元新春采购礼包，抢爆款2核2G云服务器95元/年起，个人开发者加享折上折
该网络可通过训练学习环境动态，进而泛化到多种游戏环境之中；同时它还具有概念学习和推理能力，这就克服了深度强化学习的弊端，从而做到像人类一样重复使用概念。机器之心对该文进行了编译，原文链接请见文末。 人工智能在很多不同的游戏中的最新得分现在已经超越了人类的水平。但是这些成果又能在多大程度上说明人工智能已经可以像人类一样去思考游戏中的事物呢？ 我们使用了一个类似于打砖块的游戏来展示图式网络学习概念（concept）的能力，即从一种变体迁移到下一种变体。 图式网络在其它游戏中也同样展现出了可观的结果。 图式网络破解了更具挑战性的 Sokoban 问题 讨论 端到端训练和从原始像素中学习的能力通常被认为是深度强化学习的优势。但是，只有当它们能得到可以泛化的表征时，这些优势才是有价值的。 在存在随机动作的情况下，有效的学习图式也是我们一个积极研究的领域。 像打砖块、太空入侵者和推箱子这样的游戏可以用作开发新型人工智能算法的环境。
打造具备道德自主能力人工智能装置的人该负什么样的责任？我们该如何透过有责任感的方式，为机器人添加道德能力？ 因此Scheutz认为，法律专家应该要提早定义出对机器人行为应负的责任，这是一个关键问题，特别是因为具备学习能力的机器人，也会在执行任务的过程中吸收新的知识。 ? （塔夫斯大学教授Matthias Scheutz与他在HRI实验室的机器人伙伴Cindy ） 如何赋予机器人道德能力？ 要赋予机器人道德能力，就是让机器人在一个道德判断情境中，模仿人类的决策过程；而首先，机器人就是能意识到一个道德判断情境，接着依循所布建的推理策略──包括道德原则、基准与价值等。 Scheutz指出，现今的机器人与人工智能科技进展，已经能制作出具备自我决策能力的自主机器人，不过大多数这类机器人的功能仍然很简单，其自主能力也有限；因此它们有可能因为缺乏从道德角度来考虑的决策算法，而成为具伤害性的机器
据英国《每日邮报》网站2015年10月20日报道，俄罗斯武器制造商——俄罗斯联合仪器制造公司声称其研制出的新软件Unicum AI能赋予机器人自主决策能力，并已用于装备人工智能坦克。
中的二次开发，相反，用一套更加成熟的部署方案来替代 开发 V2 的过程 此次 V2 的开发 GitHub Action 真的很简单，这都要感谢 cloudbase-framework 提供的一键部署能力 产品介绍 云开发（Tencent CloudBase，TCB）是腾讯云提供的云原生一体化开发环境和工具平台，为开发者提供高可用、自动弹性扩缩的后端云服务，包含计算、存储、托管等serverless化能力
作者介绍：Jürgen Schmidhuber 被称为是赋予人工智能记忆的人，递归神经网络之父，2004 年到 2009 年，担任慕尼黑大学认知与机器人领域的教授，从 1995 年起就在瑞士人工智能实验室 ，这在某些现代屡获殊荣的深度学习系统中仍在使用。 它与现代屡获大奖的前馈式纯监督以梯度为基础的深度学习系统相似[A11-A12]（但它使用了本地非监督学习规则）。 这是在2000年后有效的深度学习系统，并且也是第一个神经分层时间记忆模型，也是第一个“很深的学习系统”。 附作者实验室的成就（非常厉害） （作为一个机器学习研究人员，我痴迷于合理的信度分配（proper credit assignment）） 在2009年，我们的深度学习人工神经网络成为了第一批赢得官方国际模式识别竞赛的深度学习系统
大会期间，约 4000 名来自世界各地的机器人、自动化系统及人工智能等领域的领军人物、顶尖研究团队代表及企业界人士齐聚中国澳门，共同探索智能机器人与系统领域的前沿科技，并分享并讨论相关领域的最新进展。 解读 Lifelong/Continual Learning 本次挑战赛将目光聚焦于机器视觉前沿领域，旨在通过比赛探索，赋予 AI 终生学习能力。 其中，终生学习能力于人类而言，则是持续从环境和经验中学习知识和技能；于机器人而言，则是以适应变化的环境和任务终生学习能力 ；而于计算机视觉，则需要从预先建好的数据集中一次性学习。 场景信息 - 环境信息是学习过程中的另一个因素，例如在厨房的场景下可以提高刀、炊具等物体的识别能力。先前的大多数研究都忽略了场景信息对于上下文识别的重要性。 该 workshop（研讨会）主要探究计算机视觉问题中的 Continul Learning 的能力。
据了解，美国加州大学伯克利分校的一个研究小组发现，像我们人类一样，机器人也具备“预见”能力，借助于视频识别技术，机器人在移动物体之前预测到可能发生的情况。 为了证明这一点，他们开发了一种新的机器人学习技术，让机器人可以提前进行思考，“以搞清楚如何操控之前从未遇到过的物体。”
【新智元导读】本文作者基于深度学习提出人工智能的五大分类：1.仅分类（C）；2.记忆分类（CM）；3.知识分类（CK）；4.不完全知识分类（CIK）；5.协同不完全知识分类（CCIK），希望能让我们知道我们目前处在人工智能的哪个阶段 因此，我想更针对深度学习领域提出我对人工智能的分类，而且我的分类更实用，对业者来说更有帮助。这个分类能让我们知道我们目前处在人工智能的哪个阶段，以及我们最终能到达哪里。 深度学习能力的实用分类： 1.仅分类（C） 这个级别包括完全连接神经网络（FCN）和卷积神经网络（CNN）以及它们的各种组合。 这些都是人工智能的根本问题，正如 Yann LeCun 所说： “如果智能是一个奶油蛋糕，无监督学习将是蛋糕胚，监督学习是蛋糕上的糖霜，而强化学习将是奶油蛋糕上的樱桃。 在 LeCun 看来，需要建立基础，我们才能在人工智能方面取得实质性进展。换句话说，在我们都能够建立“预测基础层”之前，添加再多的能力，比如存储器、知识库和合作代理，都是没有用的。
OpenAI 的核心志向是开发出算法和技术可以赋予计算机理解世界的能力. 他们有着自动学习数据集的自然特征的潜力，包含类型、维度或者其他特征. InfoGAN 对该空间引入了额外的结构通过增加一个新的包含最大化表示向量和观测值的小的子集的互信息目标函数. 这项工作更深的启示是，在训练生成式模型的过程中，我们最终会赋予计算机对世界和世界构成的理解
科研人员利用超级计算机和人工智能技术对肾脏受损程度和寿命进行了预测。 现在，科研人员已经能够通过基于人工智能（AI）的超级计算机模型，借助患者前往医院进行肾脏活检时获得的影像，量化肾脏受损程度及预测肾脏剩余寿命。 在《Kidney International Reports》杂志上发表的一项研究成果称人工智能可帮助在床边（point-of-care）进行预测及协助临床决策。 科研人员表示，将卷积神经网络（CNN）等机器学习框架应用于对象识别任务被证实有助于疾病分类，同时能够可靠地分析放射影像，包括恶性肿瘤。 基于CNN的机器学习框架依赖数字化影像的像素密度，而疾病的严重程度则由多个临床实验室衡量标准和肾脏存活率确定。
已经开发了几种方法来回答用户可能对能够计划和行动的人工智能系统的具体问题。然而，识别该问哪些问题以及计算用户可解释的系统总体能力的符号描述的问题在很大程度上仍然没有得到解决。 本文提出了一种方法来解决这些问题，通过学习使用低级模拟器的黑盒人工智能系统的限制和能力的用户可解释的符号描述。它使用分层主动查询范式来生成问题，并根据人工智能系统的响应来学习用户可解释的模型。 与前面的工作相反，我们考虑用户概念词汇表的不精确性导致无法直接表达代理能力的设置。此外，我们的方法不需要假设目标人工智能系统的内部设计或计算或学习任务解决方案的方法。 几个基于游戏的模拟器领域的经验评估表明，这种方法可以在完全可观察的场景中有效地学习使用确定性黑箱策略的AI系统的符号模型。 学习黑盒人工智能系统能力的用户可解释描述.pdf
2018年9月27日，德国马克斯·普朗克光学研究所所长弗洛里安·马夸特（Florian Marquardt）及其团队在物理期刊physical review X上发表论文《增强学习神经网络在量子反馈中的应用 》，该论文提出了一种基于人工智能算法的量子误差校正系统。 围棋游戏中的生成对抗网络在训练过程总可以自动产生同分布的样本，且具有人类难以达到的计算能力，因此这种人工神经网络算法能够满足量子误差校正的计算需求。 马夸特最后还指出，基于人工智能的模式识别不仅可以应用于量子矫正，而且在物理学的其他领域也能起到有效作用。
本周三，计算机方面的研究人员报道，在一组有限的视觉相关测试中，人工智能的发展已经超越了人类的能力。 上周四，麻省理工大学、纽约大学和多伦多大学的研究员在《科学》期刊上报道了一种可以单次对焦的新型机器学习。这种机器学习，在分辨简单的手写字符能力中优于人类的表现。 该程序能快速学习各种语言的文字并从中归纳总结。程序作者认为，这个能力和人类对概念的学习和理解的方式相似。 研究员从中选出一个字符集，包括创建字符所需要的图片和笔画，设置了五个考察学习能力的独立测试。 上个月，丰田工作宣布了一个为期五年的，十亿美元的投资，建立一个以 斯坦福大学为基础的研究中心，专注于人工智能和机器人方面。
编辑 | TGS 发布 | ATYUN订阅号 随着人工智能技术的不断进步，它已经悄然地融入到了各行各业中，近年来，人工智能的指数增长越来越快，在医疗保健领域更是极为突出。 在早期专注于提高新药发现的效率之后，如今的人工智能正在增强医疗保健在诊断、护理病人方面的能力。 仅仅十年，智能手机已经使全球绝大多数人的生活发生了改变，而人工智能的成熟可以让智能手机或者是其他电子设备变得更加“聪明”，进一步推进医疗保健的进步。 除了简单的日常护理，人工智能也涉及到了重大疾病，SkinVision公司开发的应用程序，可以发现早期皮肤癌，目前全球已有120万人使用。另外，该公司还提供在线咨询服务，月活跃量在150万左右。 在应用程序之外，人工智能正在创造全新的医疗设备，随着监管部门对这项技术的评估，该技术正在一点点成熟、完善。 嵌入人工智能的设备可以吸取消费者的经验教训，并将其应用到一个医疗生态系统中。
德国马克斯·普朗克光学研究所所长弗洛里安·马夸特（Florian Marquardt）及其团队在物理期刊physical review X上发表论文《增强学习神经网络在量子反馈中的应用》，提出了一种基于人工智能算法的量子误差校正系统 围棋游戏中的生成对抗网络在训练过程总可以自动产生同分布的样本，且具有人类难以达到的计算能力，因此这种人工神经网络算法能够满足量子误差校正的计算需求。 马夸特最后还指出，基于人工智能的模式识别不仅可以应用于量子矫正，而且在物理学的其他领域也能起到有效作用。
AI 科技评论按：李飞飞无疑是人工智能界最响亮的名字之一。她既对机器学习领域的发展做出了杰出的贡献，也是普通大众眼中温和的人工智能技术宣扬者，还是谷歌这一科技巨头的人工智能技术领导人之一。 这天早上的听证题为「人工智能——能力越大，责任越大」。 在像 ImageNet 等人工智能工具的帮助下，计算机可以学习一项特定的任务，然后以秒杀人类的速度行动。 李飞飞具有很强的发现并培养看似不同领域之间的联系的能力，这使李飞飞产生了 ImageNet 的想法。 在她的领导下，谷歌推出了面向公众的人工智能工具，有了这套工具，任何人不需要写一行代码就能开发机器学习算法。她在中国设立了新的实验室，致力于将人工智能工具用于医疗健康领域。
智能钛机器学习（TI-ML）是基于腾讯云强大计算能力的一站式机器学习生态服务平台。它能够对各种数据源、组件、算法、模型和评估模块进行组合，使得算法工程师和数据科学家在其之上能够方便地进行模型训练、评估和预测……
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
