，忆阻性神经混合芯片加速推动人工智能技术发展
近来全球开展忆阻性神经混合芯片的研发十分火红。
来自俄罗斯的一则报导：俄罗斯罗巴切夫斯基州立大学与多国科学家合作，提出了一种“忆阻性神经混合芯片”（MemristiveNeurohybridchip）的概念，芯片可用于紧凑型生物传感器和神经假体，该概念是基于神经细胞和微流体技术组合的现有和前瞻性解决方案，使“空间有序话动神经网络”的植入成为可能。
其实研发忆阻器技术在欧美早已开始了！忆阻器芯片具有非线性电阻记忆的独特性，在模拟信号处理系统具有广阔前景，此外还可用作电生理活动传感器，发挥信息积累和非易失性储存功能。
在清华大学自主研发的第二枚类脑芯片（发表在《自然》杂志上）也显示了忆阻器技术。今年2月27日由钱鹤、吴华强教授领衔的团队研发出一款基于多阵列忆阻器存算一体系统，在处理或训练卷积神经网络时能效优于GPU（以前沿用的图形处理器芯片）高两个数量级。
，DeepMind最新力作：分布式强化学习框架Acme，智能体并行性加强
近年来，在深度学习技术和算力提升的双重加持下，强化学习已经在众多复杂的AI挑战中取得了輝煌战绩。无论是象棋、围棋，还是王者荣耀，以及各类经典游戏，强化学习的表现都是足以令人叹服。
但深度强化学习在带来开创性进展同时也带来一些挑战：这些进步常常以底层强化学习算法的规模及复杂性为代价，并使得已公开的强化学习算法或idea变得难以实现。
为了解决强化学习算法由单进程原型到分布式系统扩展过程中智能体的重新部署问题，DeepMind推动了一种新的分布式强化学习框架“Acme”。
，神经调节算法——受人脑神经调节机制启发的人工智能新颖算法。
神经科学领域所发现的认知机理首次在多任务环境下发现了新的算法应用。
为利用人工智能更好地模拟人脑神经调节功能机制的关键打开了新视野。
尽管近年来人工智能领域取得巨大进步，但离人类智能还很远。当前的人工智能技术允许训练计算机智能体可以专门有针对性地对它们进行人工训练，以更好地执行某项特定任务。
人类通过使用一生中获得的技能，能够非常有效地适应新情况。例如一个学会在客厅走路的孩子也会很快学会在花园里走路。因为所学习得到的走路技能与大脑突触的可塑性有关，突触可塑性改变了神经元之间的联系。在客厅学习行走技能与在花园中行走所需快速适应技能则与神经调节过程相关。神经调节通过化学神经调节介质调整神经元本身的输入——输出特性：
模拟人脑神经突触的可塑性是当今人工智能所有最新进展的基础。
然而到目前为止，还没有科学研究成果提出将神经调节机制引入到人工神经网络的方法。
为了攻克这个难题，一个由人工智能专家和神经科学家组成的团队开发了一种基于人脑功能机制的新算法，称为神经调节算法。这个新颖而卓越的算法可以创建能够执行训练期间未遇到的任务的智能体，使智能主体能够自动适应未知情况。
在神经科学中，神经调节指一种神经传导过程。在此过程中，一个特定神经元使用一个或多个神经传导物质来控制一系列神经元。被一小群神经元覆盖住的神经传递介质会在神经系统中大范围地被释放出来，进而影响到许多的神经元。
，日本发明的人工智能机器人系统的确令人赞叹。
众所周知，日本曾推出美女机器人（几经修改），能够聊天，富有表情，其外形犹如东方美女，其动作与特征与人类相差无几！
最近日本东京大学又发明了一款机器人，名为Tengoro，模仿人类动作，其“肌肉”比人类结实、柔软（采用16个驱动器操纵各种动作，像人类肌肉那样收缩），其灵活性打破世界记录（实测时比人类灵活6倍），运动时还会流汗（采用个电池，供流汗表情需要，还供机器人以能量）。日刊报导“震憾世界”！
，清华大学与京东数科同台共秀仿生手。
AI机器人如何实现“心灵手巧”。
6月4日京东数科AI产业仿生手研发团队与清华大学人工智能研究院智能机器人研究中心同台共秀仿生手。京东数科介绍其自主研究成果（可穿戴AI仿生手）可在0.5秒内快速识别和响应肌电信号，准确率接近%，基于此助力特种人群劳动效率提升50%。
清华孙富春主任说，灵巧手蓬勃发展主要得益于触觉传感器、人工智能的助推。从迟钝的机械手进化为像人手一样灵巧且感知外界，并能通过脑机接口将感知到的事物输送到大脑，依照大脑反馈的指令执行。他提到未来发展共融的概念，即机器人应实现与人、环境的共融，包括与人的协作。机器人的手也应像人手一样，能够通过肌肉纤维进行控制骨头模式。
，华米AI医疗提高心脏健康监测水平。
近来，华米研发BioTrackerPPG高精度生物追踪光学传感器，发布RealBeatsAI生物数据引擎算法，实现了PPG心律不齐（含房颤）本地实时甄别、ECG心律不齐（含房颤）本地实时甄别等功能，大幅度提高了心脏健康监测的精确率和效率。
，年中、美、日三国顶级计算机科学家人数据一家美国机构统计，美国人（占46.3%），中国人（占32.7%），日本人（占20.4%）。
据一家日本机构统计，美国人（占44.3%），中国人（占35.1%），日本人（占20.6%）。美日两国机构的统计数据差不多。
，减少训练人工智能巨大能源消耗。
MIT减少训练人工智能神经网络巨大的能源消耗（释放60多万磅二氧化碳）将其降到1/。
为了释放和提高人工智能算力，深度神经网络模型需要训练。大规模训练运行AI需要把海量的计算机服务器集中起来消耗巨大的电力来支持程序运转，这通常会排放大量的二氧化碳。
MIT研究员Amherst研究发现（.6），训练运行一款自然语言处理AI模型可以释放超过62.6万磅二氧化碳。
MIT研发团队在4月份发表的论文中提出一种训练运行神经网络的新方法，该方法在调试运行神经网络时释放的二氧化碳仅为当前所用方法释放的1/。神经网络是模仿人脑功能的一套算法。
国际数据公司年度发布的白皮书预计，到年全球数据量将达到zb，这些数控都需要处理，而处理它们必然要耗费能源。
MIT研发团队还提出13种利用AI帮助人类适应气侯变化并减轻不利影响的方法，包括AI能帮助人类预测可再生能源的供求关系，规划大规模的碳排放项目。
，哈佛大学微型机器人HAMR—Jr。
最近在国际机器人与自动化会议（ICRA）上隆重登场。
哈佛大学约翰-保尔森工程与应用科学院研制的哈佛动态微型机器人HAMR—Jr打造出迄今为止最小（重量0.32g）、速度最快（每秒可运行14个体长）的机器人，可以奔跑、跳跃、携带重物（背负3.5g）和快速转弯，是最小的“四足机器人”，在抢救、探测及医疗手术等领域具有无限潜力。
，人工智能垃圾分拣机器人在北京迎来国内首次落地。
不知疲倦的人工智能捷米机器人进行混合可回收垃圾精准分类，把一线工人从肮脏枯燥的工作中解放出来。
现场工作人员通过大数据对机器人进行训练，让机器人具有类似人脑的判断能力，从而对废弃物进行快速准确识别和分类。
机器人根据客户要求将不同物品不同材质的废弃物分成PET、HDPE、PP、玻璃、利乐包、易拉罐、衣服、鞋子、纸张等20多种可回收物。
现场的智能分拣机器人还可以对传送带上密集的废纸和其他二维物体进行分拣，如挑出废纸中塑料袋、塑料膜等杂物，大大提高了废纸纯度。人工智能垃圾分揀机器人每分钟可以分揀70多件物品，速度约为普通人的2倍，还可7天X24小时连续工作。未来废弃物回收工作完全可实现无人化。
，狗能嗅出新冠患者气味；
据香港《南华早报》6月6日报导，法国阿尔福国立兽医学院多米尼克-格朗让教授的研发团队称：狗能嗅出感染了新冠病毒患者的气味，成功率在83%~%之间。
另据美国《科学》周刊报导，狗的鼻子比人类灵敏上亿倍。此前研究表明，狗能嗅出多种疾病气味，包括糖尿病和某些癌症。
，李开复谈人工智能：在创新工场人工智能训练营DeeCamp开营仪式上讲话（摘录）。
这一次DeeCamp余名来自MIT、CMM、清华、北大、北航、中科院大学等同学线上汇集，远程学习协作，以后在医疗、教育、自动驾驶等赛道做出可落地的AI项目Demo。
AI变化迅速，如何进入世界创造价值？如何找到创业机会？
他谈到中国如何崛起成为AI超级大国？
中国AI崛起原因有6点：
①大批优秀的年轻AI工程师②坚靭的企业家③产品创新急起直追④高度互联网化产生海量数据⑤中国AI投资全球领先⑥有利技术发展政策
AI是在互联网应用上打响第一炮，最牛的互联网公司都在中美，这些互联网有海量数据可做AI，中国创业者更拼搏（美国创业者更绅士）。
中国创业者借鉴海外模式到本土创新，现在产品走向世界：如快手、拼多多、VIPkid、今日头条、蚂蚁金服等。快手从四、五线城市走出来，在美国不可能出现。
在自动驾驶方面，美国策略是不改变道路，中国则为无人驾驶打造新的公路，新基建的赋能提升安全度，保证安全度足够让无人车上路，进而累计新的数据，让整个技术迭代的链条滚动下去。中美不同政策：美国不改变基础设施的无人驾驶政策，中国为无人驾驶打造新城市、新公路。
对于未来AI各领域，中国公司有相当大的发展空间，现在是AI落地的时代，AI已从少数精英“发明期”走向遍地开花“应用期”。这一变革的临界点是深度学习，深度学习打破了从“不可用”到“可用”的界限，把AI推进到应用期（注：这点业界有不同识，AI基础理论研究与AI应用落地同时并举，在抓应用落地时要防止炒作泡沫化）。
李谈：此后的Transformer、强化学习、迁移学习、GAN等技术虽有很大贡献但不会像深度学习一样有如此革命性进展。
AI发明期带来了红利，创造了很多成功的创业家，如旷视的印奇、地平线的余凯等，在AI应用期，很难期待只凭一个新技术就能创造一个旷视商汤，更要看具体的商业价值，在应用期AI最大的机会就是帮助传统行业提升，对AI落地，如何选择商业模式很重要。
他说，学者和创业者思维模式不同，做学术界的科学家，像GeoffreyHinton那样，做科学型的企业创始人，除科研外还要进行企业/行业探索、市场开拓、把技术产品化、市场化，像普林斯顿李凯教授那样，在创业成功后再回校研究，也可像李飞飞那样立足于学术界做兼职参与谷歌的AI。
他举例：年成立旷视，处在AI发明期，聚拔了一大群清华姚班人才，从游戏开始，花三年探索商业模式。
到年成立创新工场子公司创新奇智，直接开始做商业落地，在创始团队6位高管中，4位是商业背景出身，2位是技术背景出身，这家公司在创立第三年收入已超过8亿元（成为创新工场投出的第6家独角兽）。
他说，我们也有一些不成功的例子：有一批医疗影像读片公司，创始人都是技术出身，医院业务，找不到商业模式。还创办了一家教膏公司做了非常复杂的实体AI机器人，机器人老师可在黑板上写字，可与孩子们交流，但机器人老师缺乏市场需求，还不如直接做一个卡通形象老师借屏幕和孩子们交流
李强调AI赋能产业定制化。
，人工智能顶级研究者在哪里？
人工智能正在成为国际竞争新焦点。
据美国保尔森基金会（PaulsonInstitute）下属的麦克罗波洛智库（Macropolo）公布的一项名为“全球人工智能人才追踪”的调查报告：美国聘用了全球60%的顶级研究人员，中国占10.6%，欧洲占10.2%。
值得注意的是这些人才的来源：
美国本土研究者只占31%，27%的AI研究者来自中国（这是AI顶级研究人才最大来源国），来自欧洲占11%，来自印度占11%，来自伊朗占4%，来自加拿大占3%，其他占13%。
即：美国人工智能领域顶级研究者中有1/3来自中国，全球顶尖人工智能研究者超过一半在美国研究。
为了更加精准地评估顶级人工智能学者的流动趋势，麦克罗波洛智库选择了人工智能领域的顶级会议NeurIPS，该会议主要
转载请注明：http://www.gongqijunrb.com/gjqh/5257.html
