0
| 本文作者： 劉偉 | 2018-03-09 18:37 |
據極客網報道，空客和IBM的人員將于今年夏天將Crew Interactive MObile CompanioN（CIMON）機器人頭部帶到國際空間站。這個機器人頭部從來沒有真正地連接到一個機器人身上，它是專門為國際空間站構建的 。這個機器人頭部將為國際空間站帶來人工智能。
歐洲航天局的宇航員Alexander Gerst博士將于2018年5月至12月期間在國際空間站停留，在那里他將成為第57批遠征隊的指揮官。在2018年6月至10月期間，Gerst將測試CIMON作為“技術演示者”的能力。
空客公司的一位代表表示：“CIMON旨在支持宇航員進行日常工作，例如通過展示程序或利用其‘神經’AI網絡及其學習能力為問題提供解決方案。它使用IBM云中的Watson AI技術，并且憑借其語音和人工智能，成為國際空間站上宇航員的真正‘同事’。”
我們已經有了一種叫做Dino的兒童玩具形式的Watson AI體驗。CogniToys利用IBM在Watson AI中創建的人工智能，并將它植入一個像Yoda一樣聲音的小型“恐龍”大腦中。
根據空客公司的說法，CIMON將“最早于2018年3月份”被發送到太空。在首次德國航天局（DLR）進行的拋物線飛行活動期間，CIMON將專注于在零重力下測試和優化GNC算法。這些算法將包括控制、導航和指導。CIMON在ISS上的另一個“練習”是與人類伙伴合作解決魔方問題。
CIMON也將在國際空間站上進行晶體試驗，并“進行復雜的醫學實驗”。這兩項練習中的后一項將使用CIMON作為“智能相機”。
雷鋒網消息 近日，蘭州中川國際機場正式啟用人臉識別系統，旅客通過“刷臉”就能快速登機。蘭州中川國際機場的“刷臉”登機系統，采用的是廈門瑞為信息技術有限公司的人證比對平臺，該平臺無縫嵌入“中航信”安檢、離港系統。
過去，旅客通過登機口時需要出示登機牌，啟用人臉識別系統后，就免去了這個環節。
據雷鋒網了解，機場的安檢口和登機口各架設了一臺USB人臉抓拍相機。旅客到達安檢口時，相機會自動抓拍并將數據上傳至后臺；待旅客通過安檢到達登機口時，后臺人臉識別系統將與先前拍攝的旅客人臉比對，如果一致，系統會自動放行，如果不一致，系統會自動報警。人臉比對耗時不到1秒，整個登機過程平均耗時8-10秒，極大提升了登機效率。
值得一提的是，中川國際機場使用的這套人臉識別系統全程“無感”，旅客無需直視鏡頭，只需露出正臉即可完成人臉識別和比對。
今年的AWE上，各大家電廠商紛紛玩起了“AI”概念，老牌家電廠商與互聯網巨頭的CP組合成了一股新風潮。
雷鋒網消息 3月8日，繼海爾、百度結成戰略同盟之后，老牌家電集團長虹和騰訊也宣布達成戰略合作。騰訊叮當AI助手解決方案將應用于長虹新一代智能電視。
騰訊叮當為騰訊在AI領域布局的核心產品之一，背靠騰訊AI Lab等平臺及騰訊內容生態體系，已在智能車聯、智能音箱、智能穿戴、機器人等多個領域落地布局。
騰訊叮當基礎的語義識別技術基于NLU（自然語言理解技術）和海量的語料標注數據。騰訊稱，目前騰訊叮當涵蓋的服務包括新聞、賽事、票務、快遞、音樂、股市、文學等，基于LBS的附近資源也已囊括。此外，騰訊叮當還支持在動態場景下的智能語音服務，比如夜跑、登山、散步時，想換一首歌曲，打字會影響步頻，這時候就可以讓人工智能助手完成。
此次長虹和騰訊聯手，意味著用不了多久我們將能夠在電視上與騰訊叮當進行交互了。
據新浪報道，最近頂尖學術期刊《科學》上發表了一項研究：普林斯頓大學和默沙東研究實驗室的化學家們合作開發出了一款人工智能系統，它可以精準地預測化學反應的產率，有望應用于新藥研發。
新藥的合成與制造本質上是化學反應。化學家們為了得到想要的分子，必須以合適的比例加入正確的原料，并提供恰當的反應條件。這聽起來雖然很簡單，但讓機器來預測和設計高產率的化學反應卻并不容易。一個典型的化學反應需要有大量不同的化學分子參與。而每一個額外分子的加入，都會為計算添加一個維度。
為了讓機器學會設計高產率的化學反應，需要幫助它建立一個多維度的模型。但從歷史上看，這一直是個瓶頸。其背后的原因在于這個模型過于復雜，而我們能用來訓練這個模型的數據卻遠遠不夠。幸好，隨著默沙東在機器人系統上的大量投入，現在我們能在短短幾天內，完成數千個化學反應。這產生了大量可以用來訓練AI的數據。
“我非常高興地看到，我們產生的數據質量很高，能用于建立有效的模型。”默沙東研究實驗室的Spencer Dreher博士說道。
在獲得了這些數據，并利用程序對每一個輸入進模型的化學品進行定量標注后，研究人員們考量了多種統計學模型的準確率。有趣的是，行業中常用的線性回歸模型在這一任務的執行上表現并不好，而表現最好的是一類叫做“隨機森林”（random forest）的模型。此類模型能從訓練數據庫中隨機提取出小量的樣本，構建決定樹（decision tree），而每一棵決定樹都能對特定的化學反應產率進行預測。這些預測會被綜合評估，產生一個總體的預測產率。結果表明，這款模型能很好地對訓練數據之外的化學反應進行產率的預測。
“只要幾百個反應數據，我們就能準確地用模型預測產率。化學家們甚至都不需要機器人的幫助，自己就能完成這些反應。”這項研究的第一作者Derek Ahneman博士說道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
