美國強制半導體供應鏈共享信息，向企業提出26個靈魂問題
美國白宮聲明鏈接：
https://www.whitehouse.gov/briefing-room/statements-releases/2021/09/23/readout-of-biden-administration-convening-to-discuss-and-address-semiconductor-supply-chain/
▲美國商務部部長Gina Raimondo
美國白宮聲明鏈接：
https://www.whitehouse.gov/briefing-room/statements-releases/2021/09/23/readout-of-biden-administration-convening-to-discuss-and-address-semiconductor-supply-chain/
▲美國商務部部長Gina Raimondo
一旦AI 預測危險情況或者可疑行為，將立即向救援隊發出警報，救援隊可以在三分鐘內趕到現場，阻止悲劇的發生。
除了這項自殺行為預測以外，在Kim Jun-chul 研究院領導下的研究小組，還通過攝像頭、傳感器和救援服務的調度記錄，來讓AI 學習並理解緊急情況下的救援任務部署行為。
AI 將識別有自殺傾向的可疑行為，並及時標記和預警
AI 目前可以根據攝像頭標記有自殺傾向的行人，並通過他們的運動行為來區分他們是否真的有自殺傾向，從而減少誤報。
這條漢江記錄了韓國戰後從一片廢墟，在資本與資源都極度匱乏的情況下，實現經濟迅猛發展，躋身亞洲前列的驚人成果。
漢江奇蹟見證了韓國戰後的經濟快速騰飛，也成了韓國重要的文化符號
在這些橫跨漢江的橋樑中，從麻浦大橋跳江的自殺人數最多。2012 年有15 人在此跳江，從那年起，麻浦大橋上就增設了一些預防自殺的暖心標語。
漢江上的大橋隨處可見的暖心標語
時任首爾市長的樸元淳， 在2013 年寫下「讓我們靜下心來重新來過，幸運只是一時在打盹」的暖心標語被印刷在橋上。
但從2013 年開始，麻浦大橋的自殺人數卻增加至93 人，2014 年增加至184人。直到2016 年政府把欄杆高度從1.5 米加高到2.5 米之後，跳江人數開始陸續減少，2017 年減少至163 人，2018 年減少至148 Continue reading
亞馬遜的人工智能攝像頭似乎總是在和員工“過不去”。
之前，文摘菌就報導過
然而，這些抗議並沒有讓情況好轉。繼在倉庫安裝攝像頭之後，這家客戶遍布全球的國際電商巨頭又把目光盯向了外包的貨運司機。
2021年初，工廠的送貨司機德里克（Derek）說，每當有車擋住他的路時，這個人工智能攝像頭就開始提示“保持安全距離”，並且攝像頭會記錄這些行駛數據，如果德里克跟車太近或者強行超車，那麼在當週的評估中，德里克將失去自己的獎金。
▲用iPhone尋找神奇寶貝
▲庫克參加猶他科技之旅
發射約10分鐘後，獵鷹9號火箭返回地球，降落在停靠於大西洋的SpaceX無人船上。這種可重複使用的助推器對SpaceX而言已經成為慣例。
當直播鏡頭切到飛船內部時，我們還可以看到一個毛絨絨的 據了解，這是聖裘德兒童研究醫院的吉祥物，而這次飛行任務也計劃為該醫院籌集2億美元。
與前兩者不同，乘坐SpaceX的都不是專業宇航員，而是四位真正的“平民”。去年，億萬富翁企業家兼慈善家Jared Isaacman預訂了Crew Dragon太空艙，並挑選了三個普通人與他同行，分別是Hayley Arceneaux、Sian Proctor和Chris Sembroski。
也就是說，這是第一個完全私人的軌道飛行任務，四位成員將進行為期3天的太空之旅。
為了慶祝這一時刻，馬斯克也是早早地就把推特頭像換成了四人合照。
此次任務被命名為“Inspiration 4”，由38歲的億萬富翁、美國電商大亨Jared Isaacman發起並擔任指揮官，另外三名團隊成員分別是51歲的地球科學家Sian Proctor、聖祖德兒童研究醫院29歲醫師助理Hayley Arceneaux以及42歲的美國空軍退役軍人、航空航天數據工程師Chris Sembroski。
本次任務的發起者Isaacman本身就是一名狂熱的飛行愛好者，他計劃通過這次太空之旅，提高對兒科癌症中心的認識和支持，並為美國聖祖德兒童研究醫院籌款1億美元。該中心曾治療過Arceneaux的骨癌。
為了這次的太空之旅，四名成員在過去數月中進行了嚴格的訓練，比如利用模擬飛行器模擬各項關鍵操作、接受離心機超重訓練、在拋物線飛行中體驗失重、在美國西北部雷尼爾山高海拔雪地徒步等。
本次太空之旅將持續3天，在這段時間內，“龍”飛船內將有專門設備檢測他們的睡眠、心率、血壓、認知能力等身體狀況。不過在生活條件上，由於“龍”飛船空間狹小，沒有劃分專門的睡眠區、工作區和廚房，衛生間也僅由一道簾子分隔。這3天，他們也只能吃冷比薩餅等即食食品。
據了解，“龍”飛船將以超過2.7萬公里的時速、每隔90分鐘繞地球飛行一圈，這一速度大約是音速的22倍。同時，“龍”飛船也將抵達575公里高空軌道，比國際空間站所在軌道高出近160公里，甚至超出哈勃太空望遠鏡的軌道。
太空歷史網站collectSPACE.com編輯Robert Pearlman表示，屆時，四位成員將看到只有雙子座10號、雙子座11號的宇航員以及阿波羅登月計劃中的24名宇航員能看到與之媲美的畫面。
SpaceX表示，此次任務結束後，“龍”飛船將重新進入地球大氣層，在佛羅里達海岸附近軟水著陸。
接下來，我們來湊近點來看看“龍”飛船。
此前，“龍”飛船曾為美國國家航空航天局運送10多名宇航員前往國際空間站，本次任務將是首次搭載無航天職業經歷的“平民”展開太空之旅。
從外觀上看，和一直以來宇宙飛船笨重的老樣子截然不同，“龍”飛船從顏色到形狀，都有濃濃的科幻感。
據SpaceX官網介紹，“龍”飛船最多可搭載7人往返地球軌道及更遠的地方，在太空最長可停留210天。它也是目前唯一能夠將大量貨物運回地球的航天器。 Continue reading
大數據文摘授權轉載自數據實戰派
AI仍然具有相當熱度。至少它還沒有掉出2021年8月的Gartner 新興技術成熟曲線圖。了解這個概念及其未來幾年的價值，仍然比以往任何時候都要重要。
對於好萊塢電影界來說也不例外。作為一種藝術表達形式，電影向來熱衷誇大戲劇效果，例如終結者係列中，天網派出的殺手機器人成為人類生存的最大威脅。今天，秉承AI威脅論色彩觀點的群體，還常常把這個“壞AI”掛在嘴邊。在這個形象的另一端，AI是人類最好的幫手。他們可以比人類更好地執行模擬和預測等分析任務，協助完成各種任務。同樣，有大量好萊塢作品描述了“好AI”。無論“壞”還是“好”，這些電影中的AI，都反映著人類對於通用人工智能（AGI）究竟能強大到何種程度的想像。但鮮少有作品提及AGI的“起點”在哪，也就是回答這個關鍵問題——第一個AGI會怎樣誕生。最近上映的熱門電影Free Guy 的上映，繼續嘗試為這個問題的回答添磚加瓦：他將在遊戲世界中誕生。
更讓我們舒一口氣的是，和《西部世界》中AI在殺戮遊戲中覺醒不同，Guy 不需要喚醒對人類仇視，而是在一片love &peace 的氛圍中，和自己的自主意識相遇。
片中，雷諾茨飾演的Guy，從一個NPC 是突然之間擁有自我意識的，成為了他的締造者口中的“全世界第一個AGI”，這個變化出乎了所有真實人類的意料。
那麼，他究竟是如何從一個NPC進化成AGI的？
美國密歇根州立大學人工智能專家Arend Hinze曾經將機器劃為4種類型，第一種類型是反應機器，Reactive machines，即只能進行反應，但沒有記憶能力，也無法利用過去的經驗來製定現在的決策。
這些類型的機器在視頻遊戲中很常見。比如說，一旦玩家進入預先確定的邊界，遊戲中的敵人可能會發動攻擊，它會繼續攻擊直到你或它被擊敗。根據遊戲設計者設置的條件，其行為會發揮作用。
對玩家來說，你可能感覺得到遊戲角色似乎在做決定，但它本質上是在瀏覽流程圖。這些角色的行為大致相同，不會考慮過去發生的事情或未來可能發生的事情，只考慮當下的條件是什麼，並從可用的行動中進行選擇。可以說，自電子遊戲出現以來，這些類型的角色就已經存在。電影的開頭，Guy 就是這樣一個盡職盡責的“反應機器”。每一天，他說著同樣的台詞，穿同樣的衣服，去同樣的咖啡館，點同樣的咖啡，見同樣的人，過著一成不變的生活。即便遇到不同的遊戲玩家在自己工作的銀行搶劫，他都同樣會在槍響之後抱頭臥倒。畢竟，NPC的設定就是遊戲的背景襯托，沒有屬於自己的“想法和感受”。
“咖啡讓NPC覺醒”倒不失為一個好的廣告創意
回溯到現實的人工智能發展早期，還有一個典型例子，是在1990年代末擊敗國際象棋大師Garry Kasparov 的IBM國際象棋超級電腦“深藍”。“深藍”雖然可以預測自己和對手接下來的走法，還能在各種可能的走法裡面選出最優方案，但它依然對過去沒有任何概念，也不記得之前發生過什麼。因此，“深藍”同樣是一種反應機器。
麻省理工學院的機器人大佬Rodney Brooks曾在一篇論文Intelligence without representation中表示，人類只應該開發這樣的機器。
第二種類型的機器自然比第一類要更進一步，即有限記憶機器，Limited memory。顧名思義，這類機器希望復刻人類的記憶能力（記憶、學習和根據過往經驗制定決策，被認為是人類智能的三大關鍵能力）。這種機器至少存儲一些過去的交互，並使用這些知識來修改未來的行為。這個概念已經更接近於大部分人所設想的人工智能：不僅會思考，而且會學習的機器。比如說自動駕駛汽車，這類產品已經能夠實現一些類似的功能。例如，它們可以觀察其他車輛的速度和方向，但這些歷史信息存在的時間都很短暫，無法像經驗豐富的人類司機那樣，將其存儲在腦海中的“經驗庫”。
如何才能開發一套系統，使之可以記住自己的經驗，並學會如何應對未知的新情況？
近年來最受矚目的遊戲AI之一——由DeepMind 打造的AlphaStar AI 正在朝著這個方向邁進。
在開發AlphaStar AI 的過程中，DeepMind使用了一種全新的思路提升智能體的水平。他們設計出智能體聯盟（league）這樣一個概念。初始化後，每一代訓練的智能體在這個聯盟之下，然後新一代的智能體需要和整個聯盟中的其它智能體相互對抗，通過強化學習訓練新智能體的網絡權重。這樣，智能體會持續不斷地挖掘各種可能的作戰策略，同時也不會將過去已經學到的策略遺忘掉。最終，雖然AlphaStar 沒有擊敗所有人，但它排在前0.5% Continue reading
昨日，據美國技術媒體The Information獨家報導，Facebook正在開發新的機器學習芯片。
▲微軟在以色列的機房（來源：以色列《國土報》）
扎克伯格帶著VR設備在虛擬辦公室接受采訪的視頻在各大平台傳播，人們似乎在期待一個新的時代的到來，就連相關的股票都應聲上漲。
那麼，我們離《頭號玩家》中“綠洲”那樣的元宇宙還有多遠呢？
事實上，羅馬不是一下子建成的。扎克伯格給“元宇宙”的計劃時間是五年，技術也需要一步一步實現，這其中包括很多正在快速發展的技術，比如全自由交互。
打個比方，如果我們要用我們的雙手和虛擬世界交互，那麼我們就需要對整個手部進行建模，比如這樣：
是不是覺得不過如此？確實，很早之前，我們通過佩戴指環就可以大體實現這樣的功能，但是，上面這張圖中所展現的效果，並未借助任何手指傳感器，僅僅是通過AI算法對攝像頭中的手指進行建模就能得到如此精細的手部動作。
還覺得不過癮的話，看看這個對搓手動作的還原，簡直絲毫不差！
這項研究由來自愛丁堡大學的He Zhang和Facebook Reality Labs的幾位合作者共同完成，對，就是那個致力於更精確的VR技術的Facebook Reality Labs！
論文鏈接：
與其他類似研究相比，這項研究幾乎擁有目前效果最好的手指動作建模。
這時候你可能覺得，這個AI還原的算法是不是通過在手指上接上傳感器，然後獲得大量的數據學習得來的？我們不妨看看論文附帶的演示視頻：
注意看右上角的Input，手指上沒有任何傳感器。
這一切都是依靠團隊提出的ManipNet深度神經網絡算法。ManipNet利用手-物體對象的空間之間的關係特徵，直接從數據中學習手部的自然動作。
論文中，作者表示，該空間表徵算法結合了作為體素佔比（三維空間分割上的最小單位）的整體物體形狀和作為最近距離樣本的物體局部的幾何細節。這種算法使得深度神經網絡可以通過從手腕和物體的輸入軌跡中模擬手指運動。
具體來說，ManipNet提供了過去、現在、未來三個節點的手指運動軌跡，以及從這些軌跡中提取的空間表徵，然後深度神經網絡會根據這些已有的數據生成一個自回歸模型，預測從過去、現在到未來這幾個節點之間缺少的其他手指姿態。
如上圖所示，ManipNet是從控制信號和物體幾何特徵中預測操縱對象的手指姿態（（a）右手握住茶壺，左手握住杯子（b）右手轉動手中的圓環），其中控制信號是手腕和物體的6D軌跡，並且該深度神經網絡只需要一個最小的和明確的輸入表示，以便實現更好的泛化。
此外，ManipNet只處理一個手-物體的“輸入”，然後通過鏡像運算兩次，為雙手生成預測圖像。
Facebook Reality Labs可以說是紮克伯格實現“元宇宙”夢想的重要技術動力來源。
在官網介紹中，Facebook Reality Labs表示，這裡匯集了世界級的研究人員、開發人員和工程師團隊，在虛擬現實和增強現實中建立未來的連接。
就像ManipNet這樣的研究，正在不斷的為“元宇宙”中現實與虛擬的交互添磚加瓦。
ManipNet的團隊研究人員也表示，手指交互在遊戲和AR/VR實時交互應用中有很大的潛力。“隨著AR/VR硬件在消費者市場的崛起，將我們的系統與其內置對象跟踪相結合可以為新的互動內容打開了許多創造性的機會。”
事實上，國內的一些公司也在研究相關技術，比如愛奇藝被計算機視覺領域國際頂會ICCV 2021收錄的一篇題為“
愛奇藝這篇論文中提出的I2UV-HandNet，將UV映射表徵引入到三維手勢和形狀估計中，其設計的UV重建模塊AffineNet能夠從單目圖像中預測手部網絡（hand mesh），從而完成由粗到精的人手3D模型重建。
這一設計意味著對於三維重建中所需的空間中的景深信息，不用再通過昂貴的硬件完成偵測，在普通RGB攝像頭拍攝的圖片中就可以完成景深信息獲取。
I2UV-HandNet另一個組成部分是SRNet網絡，其作用是對已有人手三維模型進行更高精度的重建。SRNet網絡以研究團隊獨創的“將點的超分轉化為圖像超分的思想”為原則，實現在不增加過多計算量的情況下，進行上萬點雲的超分重建。
同樣，愛奇藝團隊也認為，手部、人體重建卻是用自然的肢體語言實現人機交互的關鍵技術，相比一些可穿戴設備，更能帶來體驗和沈浸度。例如手柄無法模擬手指每一個關節的活動，手部重建則能實現更加精細的操控。這意味著這項技術可以應用在遊戲、數字化工廠、虛擬場景培訓等更多場景。
