学术·产品

FB 与斯坦福大学提出加速自然语言处理的新方法。在新发表的论文里，研究者们提出了一个名叫 kNN-LM 的新方法，能够有效解决自然语言模型的文本映射难题，从而可以在不做额外训练的前提下，进一步加速自然语言模型的处理速度。

机器学习应用到青少年大脑研究之中。长期以来，科学家对于青少年大脑运行模式非常好奇，在最新的一项研究里，研究者利用机器学习分析了 693 名年龄在 8 到 23 岁的人的大脑核磁共振影像。通过对这些影像的分析，研究者可以更好地理解青少年大脑运行的模式，不同大脑之间的差异也凸显出大脑神经元的可塑性，这对于针对特定大脑结构的个性化治疗意义重大。这项研究发表在本月的 Neuron 上，你可以在这里查看相关细节。

利用机器学习，MIT 发现一种强大的抗生素。这项由 MIT 研发的机器学习模型发现了一种可以消灭「世界上最麻烦致命细菌」的抗生素。根据英国《卫报》的报道，研究者首先利用算法识别了可以杀死细菌的分子种类与分子特征，然后将其放在一个包含 6000 多种化合物的数据库里工作，从而形成不同于目前任何一种抗生素的抗生素。

实验结果表明，该抗生素可以消灭一系列对抗生素有耐药性的细菌菌株，包括鲍曼不动杆菌和肠杆菌科细菌，这两种细菌是世界卫生组织列为新抗生素关键目标的三种高度优先病原体之一。

新产品

DeepMind 发布两个面向机器学习开源生态 JAX 的开源库。JAX 被认为是 Tensorflow 的简化版，也被认为是 Google 强化机器学习开源生态的新布局，新发布的两个产品，分别是面向神经网络的 Haiku 以及提升强化学习的 RLax，这两个新产品都在 Github 开源。

阿里云发布 ECS 共享标准型 S6。根据其官方的说明，这款产品在性能提升 15% 的基础上，价格最高降幅达到 42%，「行业内最具性价比」，这款产品丰富了阿里云面向轻量客户的产品线，相关的产品介绍可通过这里详细了解。

阿里云 DNS 支持 DNSSEC。所谓DNSSEC，即「Domain Name System Security Extensions」的简称，可以极大减少 DNS 解析过程中被劫持或被投毒的风险，从而提升安全性，你可以在其产品帮助页面了解更多。

微软 Azure Sphere 可用。这款面向物联网的安全产品早在两年前就已经发布，它提供了一个类似 SaaS 的平台，内置了硬件、基于 Linux 的 Auzre Sphere 操作系统以及安全服务，相关产品介绍可通过微软 Azure 官网了解。

Google 向所有 GSuite 订阅用户发布「Smart Compose」功能。该功能的 Beta 版本已经在 2019 年 11 月发布，与之前 Gmail 里的「Smart Reply」类似，都是利用 Google 的 AI 能力，在文档撰写时提供更智能的建议，包括自动修正单词错误等，不过，目前的「smart Compose」只支持英文。

你可以在 Gsuite 官方博客里详细了解这个功能。

政府·面部识别

一份关于主要国家人工智能发展状况的分析报告。这份来自研究公司 Cognilytica 的报告分析了主要国家（包括美国、中国、法国、英国、以色列）的 AI 国家战略、研究状况、资本市场以及创业公司。

WSJ 援引报告的发现称，在中国，政府层面的战略以及来自创业公司的努力使得中国具备相当强的竞争力，但大公司，包括银行、制造业等大公司的 AI 应用方面落后于美国。

与此同时，各国政府的 AI 战略推进速度也在加快。美国五角大楼正在着手推进指导军方 AI 开发和落地的原则。根据五角大楼 AI 发言人的话称，目前军方对于这些原则的研究已经进入到最后阶段，很快将公布相关细节。

在英国，非政府咨询机构「Committee on Standards in Public Life」日前发布了一份面向政府以及 AI 从业者的报告，建议政府要努力确保 AI 应用过程的可信与负责任，报告指出，目前公共部门在 AI 使用中不够透明，外界很难知道政府在哪些领域使用了机器学习。

你可以在这里在线获取这份报告的 PDF。

更进一步，来自斯坦福大学和纽约大学的一份报告谈到了政府公共部门使用 AI 的效率，报告称，在面对高度复杂的 AI 系统时，政府公共部门远不如私营企业。

据了解，这份报告收集了 64 个非军事政府部门的 157 个应用案例，但由于缺乏足够的信息，研究人员只能分析其中的 61 个，通过对于高中低三种复杂结果的分类来看，大致如下图的分类：

这也意味着，由于缺乏复杂 AI 系统的应用，政府公共部门很难真正将 AI 技术纳入到复杂的流程中。

对于政府部门来说，简单直接快速获取「效益」，或许更具吸引力。在莫斯科，当地政府继续推进面部识别的应用范围，根据路透社的报道，莫斯科政府将通过面部识别技术监控那些处在新冠肺炎隔离状态的人，防止他们离开隔离房屋或酒店。

此前一段时间里，中国各地公众出行戴口罩的行为一定程度上干扰到了面部识别系统，但这个难题已经被中国科技公司攻克，商汤官网这样写道：

应用商汤AI智慧防疫解决方案的出入口通行模块，无需摘下口罩即可准确识别员工身份，记录出勤，在人员戴口罩的情况下，露出50%鼻梁时通过率可达85%

腾讯优图的算法也很先进：

官方称，这套AI既能对戴口罩者实现人脸识别，又能发现口罩佩戴错误人员，口罩佩戴识别准确率超过99%。

腾讯优图这套算法目前可实时检测戴口罩人脸、精准识别五种不同的口罩佩戴情形，并对未佩戴口罩或错误佩戴口罩的人员及时发现预警。

AI可精细识别的五种情形包括：未佩戴口罩、口罩仅遮挡嘴部、口罩仅遮挡下巴、口罩未遮挡面部、正确佩戴口罩。

行业·应用

争议中的 OpenAI

上周，MIT TR 发布了一篇关于 OpenAI 的深度报道。过去四年的时间里，OpenAI 向外人展示的一个关注通用人工智能（AGI）的非盈利研究机构（尽管他们已经开始商业化）形象，而其公司愿景更是这样写道：「primary fiduciary duty is to humanity」。

但 MIT TR 记者花了 6 个月时间，给出了另一个版本的故事，在技术竞争与商业盈利的压力面前，这家公司正在走向「Open」的反面。

这其中的一个代表性案例就是 OpenAI 发布自然语言模型 GPT-2 的过程，他们像一家公司而非研究机构一样不断向媒体「喂料」，利用公众对于 AI 的恐慌来展现自己的技术以及所谓「社会责任感」。

2019 年 7 月，微软向 OpenAI 投资 10 亿美元，这在当时被认为是一场「云计算换 AI 明星公司」的商业案例，我曾在去年的会员通讯里剖析过这个案例。

曾参与创建 OpenAI（现在已退出）的Elon Musk 在 Twitter 上转发了这篇文章，并指出，OpenAI 需要更开放，而所有（包括特斯拉）等先进的 AI 技术必须被监管。

Google

上周，Google Cloud 宣布收购位于荷兰的 Cornerstone 公司。根据 Google Cloud 发布的官方声明，Google 看中了这家公司在数据迁移方面的经验和技术，可以有效提升客户数据迁移上云的效率。

加速并购与战略调整，这也成 Google Cloud 换帅之后快速发展的动力，TechReader 的消息称，Google Cloud 正在通过内部架构调整，进一步加快国际市场的布局，在最新的财报里，Google Cloud 营收首次被披露，2019 年总体营收为 89.2 亿美元。

与营收一并快速增长的，还有庞大的客户群体，上周 WSJ 介绍了位于纽约的手工艺电商平台 Etsy 采用 Google Cloud 的故事，Etsy 主要看中的是 Google Cloud 的机器学习能力，利用云上的这些能力，快速构建数据模型，从而提升顾客购买体验。

应用案例

来看一组行业应用 AI 的案例。

全球最大的大宗交易市场 Liquidnet 利用 AI 构建新的数据服务，过去三年来，Liquidnet 收购了多家 AI 分析公司，基于此，这家公司构建了一个全新的数据服务。（WSJ）

IBM 计划利用 AI 和边缘计算制造一艘无人驾驶轮船。这艘船将按照 1620 年英国人前往美洲大陆的航线，轮船上将搭载边缘计算模块，通过卫星导航与 AI 技术，实现自主决策。（Telecoms）

利用 AI 探索图片压缩算法，通过与 IEEE 合作，Joint Photographic Experts Group 正在开发全新的图片压缩标准。（TNW）

「这些不存在的歌词」项目。这个项目利用神经网络生成的一组组歌词，用户可以从「悲伤」、「开心」等不同的情绪「区间」里选择任意一个主题，系统会自动生成歌词，每次刷新后的歌词都不一样。（Reddit）