姓名：芦凯 学号：17011210546
转载自：习悦智能公众号，原文链接：https://mp.weixin.qq.com/s/85PzcjjF2Jl9IPBLIqrbZA
【嵌牛导读】11月人工智能领域的几件大事
【嵌牛鼻子】人工智能
【嵌牛提问】11月人工智能领域有哪几件大事？
【嵌牛正文】
人工智能四大国家级平台震撼公布
随着11月15号召开的《新一代人工智能发展规划暨重大科技项目启动会》，新一代人工智能发展规划和重大科技项目进入全面启动实施阶段。会议上公布了首批国家新一代人工智能开放创新平台名单，“百丽腾飞”四大企业上榜，分别为：
百度-自动驾驶国家新一代AI开放创新平台
阿里云-城市大脑国家新一代AI开放创新平台
腾讯-医疗影像国家新一代AI开放创新平台
科大讯飞-智能语音国家新一代AI开放创新平台
至此，人工智能发展到新阶段，作为新一轮产业变革的核心驱动力，人工智能将进一步释放历次科技革命和产业变革积蓄的巨大能量，创造新的强大引擎。
波士顿动力Atlas机器人后空翻逆天
波士顿动力（Boston Dynamics），一家从事机器人研发的公司，昨日发布了一段其研发的人形机器人Atlas的全新视频。视频中，机器人自由的跳上高台，并绚丽的来了一次后空翻后稳稳落地，着实让人惊叹其逆天的性能。据悉，很多机器人采用四足模式，就是为了更好地保持平衡，从而稳固笨重的上半身，而双足机器人最大的难点便在于平衡和稳定。
腾讯发布AI生态计划
在日前召开的腾讯2017全球合作伙伴大会上，腾讯披露了人工智能的整体布局，以及在众多研究领域的最新技术进展与应用探索；同时，推出“AI生态计划”正式通过腾讯开放平台，开放100项AI技术，孵化100个AI创业项目，推出300个“云+创业百万扶持计划”，为1000个合作伙伴赋能。
腾讯表示，将以共享AI为发展路线：企业内外部共享研究应用成果，缩短技术迭代时间；行业共享大生态，赋能中小从业者和传统产业；学界共享新思路，将工业界资源、经验反向输入到AI人才库。总之一句话就是，先富带后富，共奔智能路。
谷歌发布Tensorflow Lite框架
谷歌Tensorflow Lite正式发布，该框架是针对移动设备和嵌入式设备的轻量级解决方案，针对机器学习模型的低延迟推理进行了优化，并重点实现小内存占用及快速计算性能。
Tensorflow Lite架构包括TF模型，TF Lite转换器（用于将模型转换为Lite文件格式），以及TF Lite模型文件（优化后的模型）。目前Tensorflow Lite已经支持MobieNet、Inception V3等多种面向移动终端应用的优化模型。
亚马逊加入微软Facebook框架联盟
昨天，亚马逊AWS宣布加入微软和Facebook的“框架联盟”。早在今年9月，Facebook和微软共同推出了一款开放的神经网络转换工具ONNX，可以自由的实现不同框架间的转换，从而你再也不用为模型框架不同而发愁了。华为、IBM、intel、高通等企业纷纷宣布支持ONNX。目前ONNX支持转换的框架有亚马逊的MXNet，微软的CNTK、Facebook的Caffe2,、PyTorch四种框架。使用者最多的谷歌Tensorflow框架并不在列。
Numpy将停止支持Python2
日前，Numpy项目宣布，将于2019年停止对python 2的支持。自2010年以来，Numpy同时支持Python 2和Python3两个版本，而由于项目资源有限，其核心团队决定于2019年1月1日起，正式停止对Python2的支持。
Python 科学计算的底层包, 提供了 ndarray 等方便大规模科学计算的类和方法等，NumPy 也是 Python 数据分析所用的 Pandas 包的基础，支持矩阵运算等多种复杂运算。
谷歌发布自然语言框架解析器SLING
几日前，谷歌官方博客介绍了科学家Michael Ringgaard和Rahul Gupta的一个实验性自然语言框架语义解析器，称能绕过分词、生成词向量等步骤，利用语义框架直接完成文本解析。这个新工具SLING基于框架语义学，提出了一些令人振奋的思路，但该解析器并未公开相关的论文介绍、案例支撑以及模型准确率佐证。
该系统可将自然语言文本直接解析成语义表示——语义框架图（semantic frame graph）。输出框架图直接捕捉用户感兴趣的语义标注，不运行任何中间阶段以避免流程系统的缺陷，还能够阻止不必要的计算。SLING 使用一种专用的循环神经网络模型，通过对框架图的增量编辑操作对输入文本的输出表示进行计算。
京东金融全球大赛设猪脸识别
由京东金融主办的JDD-2017全球数据探索者大赛正式启动，本届比赛在中美两地同步举行，大赛的四歌赛题也非常新颖，分别是：登录行为识别，店铺销量预测，信贷需求预测和猪脸识别。其中，猪脸识别被称为是：“一场有味道的比赛”，“史上最脏数据集”等，其开放的猪脸数据集打破了人们的想象。本次比赛的目的是创建金融机构与科技公司之间的纽带，同时关注技术能力与商业价值。
港科大教授杨强认为，猪脸识别背后确实是一个商业问题。例如猪脸识别可以帮助养猪户鉴别不同的猪在养殖过程中的各种活动，这个猪是不是活跃，它是不是散养的，它还是一只非常不爱动的猪，对健康就可以作决策，对保险就可以作预测。另外消费者可能也会有挑选，有人可能喜欢不同的猪肉，可能对整个的历史还有猪的鉴别就有个别个性化的需求。所以既有深度学习的应用，又有商业的应用，所以这是非常有趣的一个题目。
