首款可用于自动驾驶地图推出；本田与MIT等合作研究类人AI系统；谷歌利用AI帮助残障人士进行艺术创作

选文&评论 | 丁建峰 谢晟昆 李韩超

校对&编辑 | 李韩超

泡泡机器人推广内容组编译作品

Mapper推出首款用于自动驾驶汽车的机器地图 On-Demand Maps

近日，Mapper推出了其首款产品：On-Demand Maps 。该产品为开发人员和自动驾驶汽车公司提供了机器可读的地图，Mapper采用的是众包的模式，雇佣Uber或Lyft上的司机，使用他们自己的汽车，Mapper提供地图设备，改造成本约350美元。用一种包裹着汽车后视镜的设备，有四个机器视觉相机和传感器，可以测量线性和角度运动。另一个在汽车车顶上，由两个机器视觉摄像头，运动传感器和一个简单的激光雷达组成。司机使用该设备来映射密集的城市街道，因为激光雷达擅长捕捉三维结构的几何形状。该公司声称其方法捕获的精确度在5厘米以内。那么什么是机器地图呢？机器不会在乎漂亮的界面，夜间模式或者特别的字体。机器地图只是对机器导航目的地必不可少的信息汇总。它包括汽车周围世界的最新3D模型，以及在3D数据之上分层的语义信息层。Mapper是第一个机器地图的端到端提供商，它通过收集地理数据，将数据转换为高质量地图，并通过订阅服务大规模向开发商合作伙伴提供地图。Mapper正在构建世界上最大最新的3D机器可读基础地图库，使客户能够决定他们需要映射哪些城市，以推动业务发展。Mapper的地图以较高的精度来捕捉所有车道和交通系统的街景和位置的基础几何图形。尽管这种众包地图的方法可以更快的构建出机器地图数据库，但是目前国内的政策并不允许这么做。Mapper的商业化成功与否，都会对国内地图绘制趋势产生不小的影响。

无人驾驶汽车道德问题，我们需要的不仅仅是数据

无人驾驶汽车中的道德问题，一直以来是学界争论的焦点。当致命的撞车事故不可避免，我们希望无人驾驶汽车如何决策？近日一篇名为“The Moral Machine experiment”的文章就针对这个问题做了详尽的调研。来自233个国家的近4000万人在网上填写了调查问卷，问卷内容是在假设的无法避免的撞车事故中，你决定牺牲谁。这是经典的“小车困境”问题—在紧急情况下，如何考虑人们的优先顺序。

一些直观的发现：对于绝大多数参与者，人比动物的优先级高，年轻人高于年长的，多数人优于少数人。但调查也发现了一些令人不安的偏好：女性的优先级高于男性，高管优于无家可归的人，肥胖的人也一样。这个实验在范围和复杂性方面都前所未有，能帮助研究者们更好地了解世界各地的人们在这种困境中的偏好，但同时作者也告诫研究者不要将结果作为自动驾驶汽车的简单指南。这份调查使用了涉及两个特定结局的困境：要么撞到婴儿车，要么侧转撞向老人。但实际的决定涉及很大的不确定性：你可能无法确定前面的是个小孩还是个子较小的成年人，撞车是否致死，在高速行驶下的转向是否仍起作用。计算机可能会做出更好的预测，但这个世界本质上是“不确实的”，在某些情况下，要么这个要么那个的人性偏好只是告诉我们应该做什么。像这样的道德调查实验无法衡量我们希望选这个的程度，比如选择撞小孩的可能性是10%，撞老人是50%。从字面上看，无人驾驶汽车的每一个选择都是在不确定的情况下做出的，这和人有很大的差距。

像这样的研究本质上是有趣的，作者非常清楚地知道研究的目标和局限，在这些的基础上，我们需要更多地思考如何在不确定性下权衡我们的道德决策，并认真对待共同决定人工智能的未来的任务。

本田与MIT等合作研究类人AI系统

现阶段的人工智能系统像人类一样可以自我学习的人工智能系统似乎仍然遥不可及，但已经开始得到了一些研究机构的关注。本田位于美国的研究所近日宣布与三所顶尖的学术机构-MIT，宾夕法尼亚大学和华盛顿大学合作，共同推动认知人工智能领域的发展。

本田称这样的系统为“好奇型机器(Curious Minded Machines)”。具体来说，MIT的计算机科学与人工智能实验室(CSAIL)将集中研发能够感知预测未来的系统-通过感知周围环境，预测未来行动带来的影响；宾夕法尼亚的工程部门将和华盛顿大学Paul G.Allen带头的团队共同开发生物学和感知机器人模型，以在人类环境中安全地工作。“我们的最终目标是创造出能够与周围环境互动并不断自我学习的新型机器人”本田研究所的首席科学家Soshi Iba说，“这种机器基于“好奇心机制”，对学习和知识产生兴趣，通过了解人们的需求，并与周围的环境和其他人互动，不断完善改进自我，最终为解决复杂的社会问题提供服务”。

“好奇型机器”是本田早期的协作机器人领域的研究成果扩展而来。早在13年，本田就推出过基于Asimo的灾难救助机器人，四年后，更推出了E2-DR，不仅能够爬楼梯和梯子，还能对周围环境监测从而避开障碍物。

尽管学界普遍认为由于缺乏通用的范式，认知机器人或许永远无法触及真正的类人AI，同时也有很长的路要走，但本田无疑开了一个良好的开端。

谷歌利用AI帮助残障人士更好地使用艺术创作工具

美国有超过5600万残疾人，身体上的残疾不仅给日常生活带来了极大的不便，也限制了这些人使用互联网服务。为了帮助残障人士便捷地访问互联网，使用一些互联网创作工具，谷歌与纽约大学宣布了一项名为Creatability的研究计划，探索人工智能(AI)如何能够帮助盲人，聋人和有身体残疾的人们，为他们提供无障碍的互联网服务，尤其是那些艺术创作人员。

所有的研究项目都可以在官网上访问，同时谷歌也开源了代码，以促进开发人员开发出更有价值的实验性工具。得益于目前深度学习神经网络的强大学习能力，如PoseNet-一个基于Tensorflow的机器学习模型-用于实时准确的图像和视频人体姿态检测。使用现成的网络摄像头，你就可以用你的脸或鼻子敲出一个曲调，将数字和声音转化为草图，让手部残疾的人也能进行音乐创作。谷歌表示，其与无障碍社区的创作者们合作建立了这个项目。包括聋人作曲家Jay Alan Zimmerman，盲人科学家和设计师Josh Miele，以及Open Up Music的创始人Barry Farrimond 和 Doug Bott，他们与年轻的残疾音乐家们合作建立了这个包容性的管弦乐队。

这不是第一次AI用来帮助建立无障碍的产品。例如谷歌的DeepMind部门正在研究利用AI为聋人用户生成隐藏式字幕。 在2016年与牛津大学的研究人员进行的一项联合研究中，科学家创建了一个明显优于专业唇读者的模型，在200个随机选择的剪辑中，单词识别正确率为46.8％，远高于专业唇语翻译员的12.4％。

AI作画拍出40W美金

在上周结束的佳士得画与复制品拍卖会上一副AI创作的肖像画拍出了43万美金（300万人民币）的高价。这幅叫做Portait of Edmond Belamy的肖像画是由一家巴黎的艺术品收藏公司Obvious通过AI算法和15000张十四到二十世纪的肖像画的数据生成的。这幅画在10月23-25日的佳士得的画和复制品拍卖会上以43.25万美元的价格成交，成交价接近起拍价的45倍。这也是第一幅在世界主要拍卖行里第一幅成交的AI画作。Hugo Caselles-Dupré（Obvious公司的人工智能专家）解释说这幅画作是他们团队通过GAN（生成对抗网络）算法制作出来的。在画的签名部分写的是用来生成这幅画用到的算法公式。AI作画已经不是新闻，这次拍卖会还是赋予了AI的画作一定的艺术和市场的价值。

第一款由AI设计的香水

IBM研究部和德之馨(Symrise 世界第三大香精香料公司）宣布在他们经过一年的秘密合作后制造出第一款由AI设计的香水。这个叫PhilyraAI工具通过学习德之馨的170万个香料配方的数据集从中发现空白区域并且提出新的可能的配方。不仅如此它还会提出一些以前从来没有想到过香料的搭配。

这次AI的介入可以认为是香水工业从19世纪末期开始使用芳香分子之后至今技术上的重大创新。发明新的香料配方通常被人为是一门艺术也是一个很漫长的过程，通常需要6个月到4年左右的时间。由于AI的加入，这一过程被大大的缩短。

IBM和德之馨目前受到巴西的一家大型化妆品日用公司 O Boticário 委托去为00后的目标客户发明两款香水配方。IBM和德之馨通过这款AI系统产生了数个配方，然后在通过调香师从中最终确定出两款香水。通过一系列的用户测试，O Boticário决定将于明年发售这两款史上第一次由AI设计的香水。

一种因机器学习而诞生的LED荧光粉——硼酸钡钠

10 月 22 日，化学系教授 Jakoah Brgoch 及其实验室成员在 Nature Communications 期刊上发表了一篇论文，这篇论文介绍了通过使用机器学习算法而诞生的一种LED荧光粉——硼酸钡钠。该项目强有力地证明了机器学习对开发高性能材料有很大价值，高性能材料领域通常由试错和简单的实证规则主导。机器学习算法可以告诉我们应该看哪里，并指导我们的合成实践。该项目从 Pearson 的晶体结构数据库（Crystal Structure Database）中列出 118287 种可能的无机荧光粉化合物开始；而机器学习算法将这一数字削减到 2000 多。过了 30 秒后，它又生成了一份只有 20 几种可能材料的清单。该项目的研究人员表示表示如果没有机器学习，这个过程要花费数周。由此证明了机器学习能极大地加速发现新材料的过程。这项研究是研究者们使用机器学习和计算发现变革性新材料的努力之一。