分类目录归档:Nokia

央行:鼓励银行通过“刷脸开户”优化服务

雷锋网AI金融评论报道,中国人民银行近日发布《中国人民银行关于优化企业开户服务的指导意见》(银发〔2017〕288号 ),对新设企业开立人民币银行结算账户服务提出意见。

央行明确指出:

鼓励银行积极运用技术手段提升账户审核水平,包括鼓励银行将人脸识别、光学字符识别(OCR)、二维码等技术手段嵌入开户业务流程,作为读取、收集以及核验客户身份信息和开户业务处理的辅助手段。 

这并非央行首次提及生物识别技术在银行开户业务办理中的应用。2015年末,央行公布了《中国人民银行关于改进个人银行账户服务加强账户管理的通知》,通知中提出“提供个人银行账户开立服务时,有条件的银行可探索将生物特征识别技术和其他安全有效的技术手段作为核验开户申请人身份信息的辅助手段”。

传统开户流程中必不可少的面签环节,既浪费客户时间和精力,同时也占用银行大量人力物力。通过使用人脸识别系统,结合身份证识别的OCR技术来辨识、确认客户身份,能有效缩短客户办理时间及降低银行成本。不过目前人脸识别在金融业务方面仍存在一些限制,譬如活体检测或远程开户。如何平衡人脸识别通过率和客户体验之间的感受,成为金融机构在优化服务方面亟待解决的问题之一。

另外央行也在文件中提到,鼓励银行积极利用信息化手段,逐步实现通过网站、手机二维码等方式,展示企业开户办理进程,让企业了解、掌握开户进度,提升企业开户服务水平。

以下为央行文件全文:

雷锋网

AR是短视频的下一个风口吗?我们体验了数十个AR短视频应用

近两年,短视频十分火热。

短视频比图文更为丰富生动、比直播和长视频门槛低效率高,无疑是各大巨头需要争抢的流量入口。2016年是短视频的元年,2017年我们更是看到了各大短视频平台从创作者到内容的激烈争夺战。

2018年初始,直播答题成为直播和短视频平台的风口。不少人认为在这样毫无技术含量的方向撒币有一些没有”未来感“,而另一值得注意的方向则更有技术性——AR与短视频的结合。

AR作为对现实的增强,可以改变我们生活的方方面面。《Pokemon Go》把虚拟的宠物小精灵带到现实,让我们拥有幻想的神奇宠物,把魔幻游戏融入现实。AR导航、AR尺子等通过虚拟辅助信息让日常生活更加便捷。AR与短视频的结合,更是水到渠成。

美图秀秀、FaceU、B612等美颜相机最先将AR与视频拍摄相结合。结合人脸识别技术,AR特效相机可以在人的额头上添加软萌的兔耳朵、在脸颊上画上小猫胡须,人移动头部AR特效也能固定在脸上。有了这等神笔,大叔也能一秒变萌妹。

(美图AR相机)

AR特效相机很受欢迎,不过针对人脸的AR视频,创意还是有限。

雷锋网发现,苹果ARKit的推出升级了AR短视频的玩法


在ARKit之前,大多数手机AR只能算是低端的AR,例如AR特效相机只是在人脸上固定了一个贴图,《Pokemon Go》中的小精灵也只是漂浮在空中,贴在手机的视频流中。而ARKit解决了AR物体的定位、追踪和相对运动问题,宠物小精灵可以固定在真实的地面上,可以朝你走近或者离你远去。有了定位和追踪,AR游戏和AR视频都有了全新的玩法。

为了深入了解AR在短视频的应用,ARKit对短视频的升级,雷锋网特意体验和总结了目前可供下载的数十款应用,一起来看看大家现在都做得怎么样。

在雷锋网看来,目前的AR短视频可以分为三类:第一类是短视频应用内置AR玩法,第二类是原生的AR短视频平台,第三类是AR替身拍摄短视频。

第一类:短视频内置AR玩法

Snapchat

阅后即焚的Snapchat很早就开始试水AR。2017年4月,其推出AR相机应用World Lenses,通过World Lense,你可以把虚拟的物体添加至现实世界中,并且拍摄创意视频。Snapcaht在AR技术上的早期尝试很成功,但是苹果ARKit推出后,各大相机App一瞬间都拥有了高端AR功能,Snap在AR技术上优势不再。

Snap在内容创意方面已有不少成功的例子。其创作的第一款AR滤镜“跳舞热狗”火遍全网,“跳舞热狗”的视频被观看达15亿次,成为最有知名度的AR明星。其后,Snapchat推出各种AR特效相机,可以改变人脸,添加贴图,还有彩虹从嘴里流出来这样的惊奇玩法。

2017年9月,Snapchat推出AR表情包Bitmoji,Bitmoji和脸萌有些相似,你需要用自定义自己的卡通形象,然后你的卡通形象可以自动生成很多个性表情包,可以通过短信、微信、Snap聊天时分享。同时你可以用World Lenses将你的卡通形象放置到现实世界中。可惜的是,要是自定义卡通形象能通过人脸识别和自动三维建模,真实度和趣味性会更强。谁不想要一个3D的虚拟替身呢?

Snap发现,在他们1.78亿用户中,三分之一都在玩World Lenses。他们目前已经制作出3000多Lenses,d但是目前只依靠Snap自己,已经难以满足内容需求。

2017年12月,Snap推出桌面版的Lens Studio AR开发者工具,任何人都可以在AR相机应用“World Lenses”的照片和视频中整合交互式虚拟3D对象。随着新AR开发者平台的发布,Snap公司工程及相机平台高级副总裁Eitan Pilpski表示,“在这个平台上,每天你都能看到神奇的东西,每天都能找到全新的体验”。

Snap作为阅后即焚的照片视频分享应用,十分重视AR带来的新玩法,并且通过AR工具将AR融入视频和日常生活中,通过AR开放平台,则更加全面拥抱用户创意的AR内容、AR广告营销。Snap应该是短视频与AR结合最顺利的一家公司,或许因为其一开始就没有将自己定位为照片视频社交应用,而是将自己定位为一家“相机”公司,不断追求为用户提供更好玩的记录方式。AR的到来,则是水到渠成。

抖音

抖音为今日头条旗下的音乐短视频,2016年上线至今快速飙升到短视频类应用前几名。抖音的视频元素主要有对口型、手势舞、尬舞机等。作为一款UGC的短视频应用,抖音不仅视频编辑很吸引人,其视频美颜效果更是受妹子们喜欢。利用人脸识别和AR技术,可以实现换发色、脸部变形、脸部贴纸等特效。

在拍摄健的左边,你也会找到一个特别的AR相机的按钮。开启摄像头后会出现一个平移手机扫描地面的图像指示,目前仅有5种卡通形象可选。在#我的神奇摄像头挑战下,有数十种AR视频方式,包括跳舞的 AR相机暂不支持分段,无法后期编辑。也就是说现在抖音里的AR特效,还没有和抖音自己的视频技术结合起来。

哈你

“哈你”是陌陌旗下的短视频应用,界面很简洁,打开App就能直接打开相机录制视频。在录制的按钮之上有一个AR标志,可以从任务栏中选取AR特效拍摄AR视频。目前其AR特效仅有放置圣诞树、AR画笔等简单功能。

像这样在短视频中加入AR功能的应用还很多,初步判断,大多采用了ARKit技术。但是除了Snapchat以外,其他的短视频应用中的AR功能都很初步,包括:河豚小视频、Waazy哇叽、AirTube等。

第二类:原生AR视频平台

视+AR

“视+”AR是由视辰信息科技推出的以AR为主打的短视频应用。视+AR的功能板块分为AR扫描和AR特效两部分。据介绍,AR扫描可以让用户扫描二维码、AR标志来触发AR效果,这为儿童AR产品、AR营销活动等提供了一个统一的入口。

在今年5月份,视+才正式开始加入AR短视频。AR特效板块支持开发者和用户创作和分享自己的AR作品,这些AR特效分为了搞怪、仿真、神力、炫美、互怼几个部分。从平台已有的内容来看,视+几乎是任由其内容生长,多为家庭用户的UGC内容。

除了内容平台以外,视辰科技还有着较长的AR技术积累。在2015年10月就推出了AR引擎EasyAR。EasyAR当时为少数几个开放的商业AR引擎,注册和使用的开发者上万。

然而,与ARKit相比,EasyAR没有优势。以仿真部分为例,你可以把让初音未来出现在你的办公桌上跳《极乐净土》,可以与虚拟的初音同框拍摄。但是,虚拟的初音是漂浮在空中的,这个AR特效也没有加入运动追踪,模型也还是2D的,因此你没办法通过改变手机的位置去看不同角度的初音。

2006年视辰获得4000元A轮融资,2017年8月再获近亿元A+轮融资。由于进入行业早,整合技术与内容,视辰已经与多家企业合作完成AR营销、AR产品。EasyAR提供的AR技术支持iOS及几乎所有安卓机,不像苹果ARKit只支持iPhone 6S以上高端机,因此积累了大批用户。视+的活跃用户大约在10万左右。但是作为肩负盈利和变现的视+AR平台,现在看来,用户太少了。

神奇AR

神奇AR是一家创立不到半年的团队,创始人张鹤曾创办多盟广告平台。在ARKit发布之后,张鹤就看到机遇,开始着手创建团队,不到半年上线神奇AR,其定位为一个AR内容聚合平台。

(神奇AR:初音未来模型)

神奇AR在短时间内就引入了大量的3D内容,据介绍,在动漫分类下已有400个模型。采用ARKit的技术,3D模型可以固定在真实场所里,你也可以围绕其走一圈。AR的玩法有一定的门槛,全靠UGC难以起步,神奇AR较为重视PGC,在App内能看到一些PGC博主自己创作视频原型,然后用户去模仿。这个模式看起来很像抖音这类音乐视频应用,玩法主要还是对嘴型、和虚拟人物一起跳舞等。

虽然视+AR和神奇AR是主打AR的内容平台,和前面介绍的短视频平台引入AR功能有一些差别。但是从目前来看,这些AR内容平台的玩法和短视频平台差异也不大。两者都还没有找到足够好的刺激UIGC、引爆用户创意的AR视频玩法。

第三类:AR虚拟替身拍视频

小我,意即真实自我的3D虚拟替身,这款应用虽然不是短视频应用,但是也内置了短视频功能。在小我里面创建虚拟替身,你首先需要拍摄一张证件照那样真实的个人寸照,小我会利用人工智能算法,将你的脸部特征放到3D替身上。随后,你可以为这个替身调整身形、发型、皮肤、服饰等,打造出一个与你最接近的替身。


替身的玩法很多,例如,生成一系列表情包、把替身放到现实生活中、让替身演各种情景的电影片段。还可以邀请朋友一起参加剧场。这个形式让人觉得挺新颖。

不过,一思索,这个似乎和Snapchat的Bitmoji有点像,也做了一些升级。

总结

从以上详细分析的AR+短视频的App,以及其他体验过的数十款,雷锋网总结出以下几点:

1、人脸识别+AR已经成为相机App、短视频标配;

2、各大短视频平台已添加AR功能,但内容较少,用户使用率低;

3、ARKit的推出促进AR技术在短视频平台的应用,不少短视频平台采用ARKit开发,但目前ARKit为1.0d,还需提升;

3、AR内容平台的搭建处于初期,AR内容平台也在借鉴短视频平台玩法,以音乐视频、跳舞视频为主。但AR内容平台更注重内容创作者、3D模型积累;

4、AR或许成为IP转化的新动力,各大IP都会有AR虚拟形象的需求;

5、AR+短视频还在初期,2018年会有更多玩家。


雷锋网

李飞飞发文发布谷歌云AutoML Vision平台,订制化的企业级机器学习模型不再是难题

雷锋网 AI 科技评论按:谷歌云机器学习平台(Google Cloud AI)自从上线以来就以预训练的、可以直接调用的高效机器学习模型吸引了许多企业级用户在其上构建简单的机器学习应用。然而企业总是会有自己专属的需求的,越来越多的企业会不再满足于预定义好的功能,而想要设计和应用更加自定义化的机器学习模型。

今天,在谷歌云首席科学家李飞飞和谷歌云研发负责人李佳合著的这篇谷歌云博客中,她们就正式宣告了谷歌云 AutoML 平台的面世。在这里,构建、训练和部署自定义的机器学习模型也变得简单方便,甚至对机器学习不甚了解的企业也可以构建自己的人工智能系统。雷锋网 AI 科技评论把这篇博客全文翻译如下。

在差不多一年多以前我们两个人共同加入谷歌云的时候,我们都心怀一个使命,那就是让 AI 平民化。我们的目标是降低 AI 的使用门槛,让 AI 对尽可能多的开发者、研究者和商业用户来说变得触手可及。

我们谷歌云 AI 团队一直在向着这个目标做出进步。在 2017 年,我们发布了谷歌云机器学习引擎(Google Cloud Machine Learning Engine),帮助具有机器学习知识的开发者们轻松地构建能处理任何种类的、任意大小的数据的机器学习模型。我们表明了现代机器学习服务——换句话说就是包括了视觉、语音、NLP、翻译和对话流的 API 们——可以构建在预训练的基础模型之上,为商业应用提供无可比拟的服务规模和运行速度。我们的数据科学家和机器学习研究者社区 Kaggle 也已经发展到了拥有超过一百万名用户。而今天,已经有包括 Box、劳斯莱斯、Kewpie 和 Ocado 在内的超过一万家企使用着谷歌云的 AI 服务。

不过除此之外我们还能做很多。现在,全世界的企业中有足够的知识技能和预算以便能够充分享受机器学习和人工智能带来的好处的企业并不多,能创建出高级机器学习模型的人才也非常有限。而且,即便是一个有机器学习/人工智能工程师的企业,构建自定义机器学习模型的过程仍然非常费时、非常复杂,很难管理。虽然谷歌云已经通过 API 提供了预训练好的机器学习模型,足够完成某些特定任务,但是距离我们想要的「把 AI 带个每个人」还是有很长的路要走。

为了缩小这其中的距离,以及为了让每个企业都能更轻松地接触并使用 AI,我们今天向大家介绍谷歌云 AutoML。对于只有有限的机器学习知识的企业,谷歌云 AutoML 可以通过谷歌的高级技术手段,比如 learn2learn 和迁移学习,帮助他们动手构建自己的高质量自定义模型。我们相信谷歌云 AutoML 可以让 AI 专家们发挥出更大的生产力、探索 AI 的新领域,以及帮助技能有限的工程师构建他们曾经只能梦想拥有的强大的人工智能系统。

我们发布的首个谷歌云 AutoML 版本将会是云 AutoML Vision,建立自定义图像识别模型会因它而更快、更简单。它的允许直接拖拽的界面可以让你轻松地上传图像、训练和管理模型,然后直接在谷歌云平台上步数这些训练好的模型。在谷歌云 AutoML Vision 的早期测试结果中,分类热门公共数据集 ImageNet 和 CIFAR 已经展现出了优秀的表现,相比通用的机器学习 API 可以更准确、有更低的分类误差。

谷歌云 AutoML Vision 还有下面这些好处:

  • 更高的准确性:谷歌云 AutoML Vision 是基于谷歌的顶尖图像分类方法构建的,包括迁移学习神经架构搜索技术。这意味着,即便使用它的企业只有有限的机器学习技术能力,最终也能得到比以往做法准确得多的模型。

  • 达到生产级别模型所需的开发周期更短:接触谷歌云 AutoML,用户可以用几分钟的时间就构建出一个简单的模型,然后把它连接到带有 AI 功能的应用程序上;或者是构建一个完整的、生产级别的模型也最短只需要一天时间就可以完成。

  • 使用简单:谷歌云 AutoML Vision 提供了一个简洁的图形化用户界面,它可以让用户选择数据,然后把所选的数据转换成根据用户的具体需求量身订制的高质量模型。

谷歌云 AutoML Vision 介绍视频

「我们 Urban Outfitters 一直在寻找提高用户的购物体验的新方法」,Urban Outfitters 的数据科学家 Alan Rosenwinkel 说道,「我们要给我们的用户提供有意义的产品推荐、准确的搜索结果和好用的产品筛选系统,归类并维持一组丰富的产品特点对此而言就非常重要。然而,人工给产品特点归类很困难也很花时间。为了改善这个问题,我们团队已经在评估使用谷歌云 AutoML 了,我们打算让它识别产品上图案样式、领口风格之类的微妙产品特点,从而把产品特点的归类过程自动化。谷歌云 AutoML 很有潜力帮我们给用户带来更好的探索、推荐和搜索体验。」

迪士尼消费级产品和互动媒体 CTO、高级副总裁 Mike White 表示:「谷歌云 AutoML 的技术正在帮助我们构建视觉模型,这些模型可以给我们的产品添加迪士尼卡通形象、产品类别和颜色的标注。我们也正在把这些标注结果整合到我们的搜索引擎中,通过相关性更高的搜索结果、更快的探索发现和产品推荐过程把我们的迪士尼商店的用户体验再提升一个台阶。」

伦敦动物学会的动物保护技术负责人 Sophie Maxwell 也说:「伦敦动物学会是一个世界性的动物保护慈善组织,我们专注于全世界的动物和动物栖息地保护。这种任务中的一个关键要求就是要追踪野外的动物种群、学习它们的种群分布、更好地理解人类活动对这些物种产生的影响。为了达到这个目标,伦敦动物学会在野外布置了一系列自动照相机,当有动物经过时,它们会被热量或者运动触发,拍下经过的动物的照片。这些设备会拍下数百万张照片,然后我们需要用人力分析查看、标注上相关的动物种类,比如是狮子、大象还是长颈鹿等等,这个过程需要非常多的人力,而且资金开销很大。伦敦动物学会专门设立的动物保护技术部门就已经在和谷歌的云机器学习团队紧密合作,他们在帮助我们开发一种新的自动化技术给图像加上标注。我们感到非常兴奋,这可以节省开支、以更大的规模做应用部署,以及帮助我们更深地理解如何高效地保护全世界的野生动物。」

如果你也对谷歌云 AutoML Vision 感到跃跃欲试,欢迎点击这个链接发送申请试用。

谷歌云 AutoML Vision 是我们谷歌云团队和谷歌大脑团队以及其它谷歌 AI 团队合作的共同成果,也是我们正在开发的数个谷歌云 AutoML 产品中的第一个。虽然我们让 AI 变得更触手可及的旅途只是刚刚开始,我们超过一万个用户用谷歌云 AI 产品所能达成的成果已经带给了我们许多的激励和灵感。我们希望谷歌云 AutoML 的发布可以帮助更多企业发现 AI 的种种可能性。

via 谷歌博客,雷锋网 AI 科技评论编译

雷锋网

菜鸟将投资 10 亿在西安建设 AI 物流基地;西北油田引入机器人巡检变电站,效率提升 21 倍 | AI 掘金晚报

西北油田引入机器人巡检变电站,效率提升21倍

过去西北油田的变电站巡检工作,全部依赖人力来完成,非常耗时耗力。而且工作时间一长,人容易疲劳,导致巡检质量大幅下降,容易导致安全隐患。

有鉴于此,1月16日西北油田首次引入人工智能机器人“慧眼”,代替人力完成变电站巡检工作。

据雷锋网了解,过去人工巡检一次需要花费五个小时。而“慧眼”机器人充满电后可连续工作八小时,一天可巡视三次,效率足足提升了21倍。

发现故障后,“慧眼”的后台数据中心将立即报警,帮助工作人员第一时间排除故障。

上海长途客运站上线人脸识别系统,1分钟办理临时身份证明

目前,多地汽车站已经陆续实行实名制购票、乘车。旅客购买车票、乘车时须出示二代身份证或其他有效身份证件。但出门太急忘带证件或证件遗失的情况在生活中时有发生,给出行带来了诸多不便。

好消息是,随着人脸识别技术的成熟和落地应用,有望将这些意外情况的影响降至最低。

近日,上海长途客运总站对外宣布,其开发的最新人脸识别系统已经上线。在总站一楼圆弧大厅服务台的临时身份证明服务窗口,旅客只需通过摄像头进行人脸识别,即可办理临时身份凭证,整个流程仅用1分钟。该临时身份证明既可以用来购票,也可以用来乘车。

内蒙古动态人脸识别监狱项目正式上线

雷锋网消息 由商汤科技提供技术支持的动态人脸识别监狱项目——内蒙古呼和浩特高度戒备监狱动态人脸识别人员管控系统,日前已顺利完成验收正式上线。

据悉,利用监狱内原来的高清视频资源,基于现有的实际业务需求,系统开发了罪犯监舍早/晚点名、重点区域人脸布控、罪犯巡更、罪犯出/收工点名、干警人脸考勤等应用功能;系统规范了日常监管、降低了值班警察的工作量,有效提升了监狱安全防范能力和管理效率,及监狱安全保障和应对突发事件的能力。

菜鸟将投资10亿在西安建设AI物流基地

1月16日,菜鸟网络与西安签署战略合作协议,将在西安打造服务于“一带一路”的西北地区智慧物流中心,引入部署以人工智能和机器人为代表的新一代智能仓储基地。

据雷锋网了解,在本次合作中,菜鸟方面计划在西安泾河新城投资10亿元,建设一个高科技驱动的物流枢纽中心,包括全自动化流水线、AGV机器人、机械臂等在内的人工智能设施都会被引入。该项目预计2018年内动工,2019年天猫双11之前投入使用。

这是继菜鸟在西安沣东新城投资建设物流中心之后,西北物流基础设施的进一步完善。2016年9月,菜鸟位于沣东新城的仓储基地开工,计划于今年3月投入运营。

去年8月,由菜鸟网络打造的中国最大的智慧仓库,日前已经在广东惠阳投入使用。仓库内上百台机器人既协同合作又独立运行,代表着中国机器人仓库的最高水平。此次菜鸟的西安物流中心落地后,这些智能物流算法和高科技的物流设施也将被运用到西北地区。

中兴新机搭载腾讯AI助手

1月16日,中兴在北京举行了新品发布会,推出新机Axon M。这款新机的一大亮点在于,搭载了腾讯AI助手——“腾讯叮当”。

据悉,“腾讯叮当”与中兴在内容获取、出行服务两个高频领域进行了深入合作。

搭载“腾讯叮当”后,用户无需动手即可完成发短信、打电话、打开APP、进行页面设置等交互操作。当出现新闻娱乐需求时,用户不仅可以随心语音搜索新闻内容,收听腾讯第一手资讯,还能语音搜索海量视频,通过类型、导演、明星等多方式查询点播。而在出行服务方面,腾讯叮当与业界数据第一的大众点评联合推出查询服务,为用户提供等同于APP的精准搜索。

未来,叮当还将和中兴围绕着内容获取、出行服务维度进行更深度的合作,致力于打造一个实用、高效的智能手机语音助手。

雷锋网

【Fintech晚报】腾讯注册“以太锁”商标;阿里云:不提供“挖矿平台”

今天,Fintech行业又有哪些不可错过的大事发生?雷锋网AI金融评论栏目“Fintech”晚报将为你搜罗业界最新资讯!

阿里云:不提供“挖矿平台”,不发行虚拟货币

阿里云17日凌晨通过官方微博发布声明称,阿里云绝不会发行比特币之类的虚拟货币,也不会提供任何所谓的“挖矿平台”。阿里云称,有关阿里巴巴上线挖矿平台P2P节点的报道不实,阿里云表示,将对虚假报道依法追究法律责任。

 

银联2017移动支付安全调查报告:打车出行、外卖支付新晋为高频场景

雷锋网AI金融评论消息,中国银联今日发布《2017移动互联网支付安全调查报告》。对于2017年出现的移动支付新趋势,中国银联支付安全专家王宇总结道:

  • 一是移动支付场景更丰富,打车出行、外卖支付新晋为高频场景;

  • 二是金融科技在产业发展中的作用更加凸显,指纹等生物识别技术有逐步取代传统密码的趋势;

  • 三是手机闪付成为各类国产手机厂商的标配,认可度越来越高;

  • 四是产业机构主动化解损失能力继续提升,消费者自担损失比例降低。”

报告显示,手机闪付成为2017年市场份额增速最快的移动支付产品。使用人群结构变化更为明显,从中高端人群走向社会大众。随着手机厂商的大力支持及应用场景的不断拓展,手机闪付的普及程度或向扫码支付看齐。

传统密码验证方式的使用比例较2016年下降25%;动态验证码的使用比例连续两年下滑。与此同时,以指纹识别为代表的生物识别认证因安全与便捷的独有优势获得青睐。

腾讯加码区块链项目,已悄然注册“以太锁”商标

2017年4月,腾讯对外发布《区块链方案白皮书》旨在与合作伙伴共同推动可信互联网的发展,打造区块链的共赢生态。与此同时,具有自主知识产权的腾讯区块链行业解决方案也于官方网站正式发布。

然而,据国家工商行政管理总局商标局官网信息显示,腾讯公司已经悄然注册“以太锁”、“腾讯以太锁”商标,这意味着腾讯将进一步加码区块链方向的发展,不过目前尚不清楚“以太锁”的具体定位。

 

中国人民大学法学院副院长杨东:2018下半年或将推出法定数字货币

据金融界报道,中国人民大学法学院副院长、中国人民大学金融科技与互联网安全研究中心主任杨东在回答“中国的数字货币现在已经发展到什么程度”时表示,

中国法定数字货币,去年上半年央行已经成立数字货币研究所了,正在做一个强大的团队研发,目前应该是研发阶段,逐渐找机会推出。研发阶段,还要考虑它推出之后对现有的货币政策、货币体系、经济、社会,和人们的生活的影响,包括对国际的影响,做了评估之后,如果快的话2018年下半年出来。

IBM与物流巨头马士基将成立区块链合资企业

新浪科技消息,据外媒报道,IBM将与丹麦物流巨头马士基联手成立一家专攻于区块链技术的合资企业。

新合资公司的总部位于纽约,公司名称目前尚未对外宣布。马士基将会拥有新公司51%的股权,IBM占比49%。新公司希望能够帮助物流企业、港口、海关、银行等处于全球供应链的机构提供货物追踪方面的帮助,并且帮助他们使用数字方式代替传统的文书工作。

新合资企业CEO迈克尔·J·怀特Michael J. White表示,亚马逊与马士基最初在2016年夏天在区块链技术方面展开了合作。他们最初曾使用这项技术追踪从肯尼亚发往荷兰的用于盛装鲜花的容器。在经过了数次实验之后,马士基认识到了区块链技术的潜力。

IBM此前曾与沃尔玛、雀巢以及联合利华等企业进行过合作,利用区块链技术监测食品安全与供应链条。除此之外IBM目前正在尝试让区块链技术在财经、医疗和其他一些产业内发挥作用。

怀特表示,他预计新成立的合资企业将会在今年春天获得监管机构的批准,并且在今年第三季度开始销售软件订阅服务。目前该公司正在建立由行业人士以及政府人士所组成的顾问团,该顾问团将会指导公司的产品开发。

雷锋网

跨平台AR应用开发福利:Unity 2017.3版本全面支持Vuforia 7(内含教程)

雷锋网了解到,现在Unity 2017.3平台开始全面支持Vuforia 7。通过Unity编辑器,开发人员可以直接将各种各样的实物、环境与3D图像混合,从而开发出跨平台的AR应用。下面,我们来了解有关Unity和Vuforia的新功能,如何上手使用,及相关资源下载。

通过一个API接口,Vuforia平台可支持Android,iOS和UWP设备的AR应用开发。这样,开发人员只需编写一次应用程序即可在最优秀的核心技术下运行。

从Unity 2017.2开始,Unity开发人员可以直接在Unity编辑器中使用简单的工作流程和事件驱动的脚本来创建支持Vuforia的应用程序。此次集成包括了性能优化,功能更新和相关修复以及本地Unity工作流程,使开发人员可以专注于创建最佳的AR体验。

在Unity 2017.3中,我们介绍对Vuforia 7的支持,使得开发人员通过使用Model Targets和Ground Plane功能,将数字内容与更多的实物、环境结合起来,同时在更广范围的设备与操作系统之间保持最佳的用户体验。

为了更好的运用Unity中集成的Vuforia平台,需要下载最新或是对旧版Unity 2017.3升级至Unity 2017.3 Patch 2

尽管ARCore和ARKit包含了大规模实现AR应用的基本功能,但Unity 2017.3和Vuforia 7则提供了创建尖端AR体验和解锁新类别交互式应用程序的基石。开发人员现在可以触及到数百万的用户,并通过先进的计算机视觉技术增强AR体验。

如果你是专业的AR应用开发人员或是刚开始接触AR技术的人,你应该了解更多关于Vuforia的新功能,查看下面提供的所有资源。静下心来,仔细阅读!

Vuforia 7的新功能

Vuforia Ground Plane(免费)使你能够在日常环境中将数字内容附加到水平表面,如地板和桌面。这是创建能与现实世界进行交互的游戏和可视化应用程序产品的理想解决方案。

在Unity 2017.3中,开发人员可以使用Ground Plane功能开始为支持ARKit的iOS设备创建AR应用。在Unity 2017.3 Patch 2中,Ground Planes增加了对广泛流行的Android和iOS设备的支持,这样开发人员就可以接触到数百万的额外用户。

Model Targets是Vuforia的对象识别功能的最新应用。借助Model Targets,你不再需要详细的视觉设计来附加数字内容,而是可以根据对象的形状完成内容附加。Model Targets还提供实时的360º跟踪和用于各种环境,照明条件,距离的优异鲁棒跟踪性能 。

想象一下,使用诸如汽车,电器,工业设备和机器等物体创造AR体验。通过Model Targets,可以使用覆盖在对象上的可视化指令来取代用户手册。

Unity 2017.3中增加的Vuforia可用功能

Vuforia AR应用开发平台的所有功能都集成在Unity中。可以在GameObject菜单中找到它们。Vuforia的GameObject能够识别和跟踪环境中的图像,对象和平面。

接下来,可以了解更多关于集成到Unity中Vuforia 7的功能。此外,不要忘记,以下演示的事例在Unity资源商店中均可免费获得!

Vuforia功能

Image Targets是将AR内容投放在杂志页面,交易卡片和照片等平面物体上的最简单的方法。

Cloud Targets 使你能够从自己的CMS系统中管理大量的Image Targets。通过简化大型图像集,使得产品目录,打印广告以及其他的应用程序获益匪浅。

Multi Targets 是将AR内容放置在可以从多个方面查看或包含多个图像的平坦表面的对象上的最佳方法。产品包装,海报和壁画都是非常好的应用场合。

Cylinder Targets 可以将AR内容放置在圆柱形和圆锥形的物体上。苏打水罐,瓶子和印有图案的管子都是最佳选择。

User Defined Targets 能够使用相机照片作为目标,将内容投放进真实世界。用户可以从在环境中找到的图像和表面创建目标。

Object Targets 应用于3D对象,在扫描时可以识别和跟踪3D对象。对象识别对几何稳定且具有表面细节的对象起到最佳效果。

VuMarks 是自定义设计的AR标记,可以对数据进行编码,以支持ID以及文本和字节数据。VuMarks是识别对象独特部分的好方法,该部分可以是一个系列或集合的一部分。它们是解锁玩具和零售产品数字体验的流行解决方案。

额外的Vuforia 7功能

Vuforia支持广泛的Android,iOS,UWP手持和头戴式设备,具有头部和手部追踪以及立体渲染等功能。

Device Tracking – 提供了一个强大的内置式设备跟踪器,用于在标准设备上进行头部旋转和手部跟踪。

Digital Eyewear – Vuforia使开发人员能够为光学透视头戴式设备(例如Microsoft HoloLens,ODG R7和Vuzix m300)创建内容。

AR+VR Stereo Rendering – Vuforia提供了简单的API来创建在增强和虚拟现实之间转换的身临其境的体验。

 开始入门

1.下载Download Unity 2017.3.0p2

2.安装过程中,记得选择“Vuforia Augmented Reality Support” 组件

3.创建一个新的Unity工程。

4. 在PlayerSettings/XR中, 选择 Vuforia Augmented Reality Support。

5. 使用AR Camera来替换默认的主摄像头 (GameObject Menu> Vuforia>AR Camera)。

6. 在场景中添加一个Image Target (GameObject Menu> Vuforia> Image)。

7.把内容作为Image Target中的一个子集。

8. 在Editor/Vuforia/ForPrint/ImageTargets/输出Astronaut card。

9.按下Play,即可使用WebCam观看内容出现在真实世界中。

注意:

对于AR+VR 和 Stereo Rendering 应用, 需要在XR Settings中开启VR Support,并且添加Vuforia到VR SDKs列表顶部。如果为HoloLens开发 Vuforia 应用,需添加HoloLens 到列表。

操作真的很简单。Vuforia还提供了一系列高质量例程,可以从资源商店免费下载这些资源,以帮助你了解增强现实开发的基础知识,并熟悉一些关键的交互。

相关资源

1. Live Training Session 如果你刚开始接触AR应用开发,建议注册线上Unity训练部分, “Creating AR Content with Vuforia”。

2. Vuforia Core Samples 展示在Unity的场景中,通过使用Vuforia targets and trackers,如何为对象和环境创建AR应用体验。

3. Vuforia AR+VR Sample 通过使用Vuforia’s Mixed Reality Controller 和Device Tracker,展示AR与VR之间的完美转换。

4. Vuforia Stereo Rendering for Digital Eyewear 展示开发者如何为光学透视头戴式设备,如ODGR-7,创建AR应用。

5. Occlusion Management 演示了一种高级渲染技术,用于使对象内部显示增强。

6. Background Texture Access 演示如何访问着色器并将其应用于AR视频背景中

7. Vuforia Developer Library 是一个开发人员可以参考的Vuforia平台上的作品库。

8. Vuforia in the Unity forum 用于展示与Vuforia增强现实应用程序开发相关的任何技术问题。Vuforia和Unity的工程师也将在这里发布新闻和公告。

 Via Unity Blogs 雷锋网雷锋网编译

雷锋网

激光雷达、CV算法、高精地图、整车自动驾驶……大咖齐聚硅谷都聊了些什么?

2017,汽车行业历经了自动驾驶技术冲击下如火如荼的变革的一年。传统汽车领域,车企、Tier 1纷纷跨界合作,通过资本、新技术布局寻求转型;新兴市场,大批自动驾驶新创涌入,覆盖产业链各个环节;传感器、芯片等上游产业,技术加速迭代,壁垒逐渐形成……这股热度一路升温,直到刚刚过去的2018年CES展会仍旧丝毫不减。

所以现在,是时候把参与这场推动全球汽车和出行产业变革的企业、学者、研究人员、技术领军人物都聚集在一起了。

1月16日,由雷锋网·新智驾主办的GAIR 硅谷智能驾驶峰会如期在美国加州Palo Alto举办。7场主题演讲,2个圆桌论坛,18位嘉宾齐聚,自动驾驶「关键环节」集体亮相:覆盖领域包括且不限于激光雷达、新型毫米波雷达、高精地图、模拟器、CV 算法、嵌入式芯片等等。

横跨中美两地的顶尖自动驾驶从业者在现场进行了分享和交流,嘉宾们从 DARPA 挑战赛开始,讲述了计算机视觉在自动驾驶的应用史、激光雷达的进化史,更有在自动驾驶技术单点突破的新创公司分享他们在不同领域对新技术、新架构和新模式的思考和探索经验。

雷锋网·新智驾将本次会议嘉宾演讲的精彩内容片段编辑整理如下,先让我们一同回顾GAIR硅谷智能驾驶峰会的全天亮点集锦。

Adrian Kaehler,原DARPA冠军战队成员

身为 2005 年 DARPA 自动驾驶挑战赛冠军斯坦福车队的核心成员,见证自动驾驶十几年发展的 Adrian Kaehler 作为此次峰会的开场嘉宾再合适不过。

Adrian 思路敏捷,语速极快,在有限的时间内,他总是能给出更密集的观点与见解。40 分钟的演讲中,他几乎带观众重温了一遍自动驾驶和 CV 发展史,而这之中,“LIDAR”和“camera”则是出现频率最高的词汇。

Adrian 是 CV 领域的绝对权威,DARPA 挑战赛时,他负责的便是“Stanley”的 CV 模块开发,他盛赞特斯拉 Autopilot 的视觉方案,也分享了摄像头发展需要关注的几大方向。

在 Adrian 看来,要克服自动驾驶的所有问题绝非一朝一夕之功,但这项技术的很多重要环节已经得到很好地解决。

关于如何尽可能挖掘和完善摄像头功能,进一步推动自动驾驶的落地,每个人都在寻找答案,而这一次,Adrian 的答案格外长,也格外具体。

喻杰,上汽硅谷创新中心

上海汽车集团硅谷创新中心自动驾驶资深经理喻杰博士分享了上汽在自动驾驶领域的愿景。

作为国内车企第一梯队里面的主机厂,上汽将“电动化”、“网联化”、“智能化”和“共享化”贯穿了未来整个发展战略。

喻杰分享的两个趋势是:在不久的将来,新型的自动驾驶平台和嵌入式解决方案将使得Level 2/Level 3(SAE)自动驾驶功能变得更加普及;而Level 4/Level 5 级别自动驾驶则最先可能在移动出行共享方面落地。

上汽创新中心的目标则是通过与学术界和合作伙伴的紧密协作,打造先进的自动驾驶技术。例如已知的是目前上汽与UC 伯克利、MIT、斯坦福等高校合作,同时上汽也是Mcity和NREC的成员之一。

最后,作为国内自主品牌不容忽视的重要力量,上汽表示有能力为客户带来不同级别的自动驾驶技术。

谷俊丽,小鹏汽车

去年下半年,谷俊丽完成了从特斯拉Autopilot机器学习负责人到小鹏汽车自动驾驶副总裁的身份转型,正式加入小鹏至今还不到三个月时间,如今,谷再次重返曾征战过的硅谷进行公开演讲。

在谷俊丽看来,自动驾驶系统的“类人化”设计,以及对不同驾驶环境、地理属性乃至社会法规的自适应是非常关键的。所以,自动驾驶系统的演化和训练需要建立一个基于人工智能的系统演化闭环,其中包括:云端、部署,以及数据基因组,其中数据基因组保证了算法演进的完备性和均衡性。

自动驾驶系统的部署框架自上而下包括三层:第一层,驾驶数据库和AI算法、软件;第二层,云端的训练和部署;第三层,车内高性能计算引擎。

通过这种方式,小鹏正构建一种AI赋能下的全面自动驾驶战略,据谷俊丽透露,小鹏汽车的L3级驾驶辅助产品将部署包括自动泊车、高速路自动超车、AEB等功能。而L4级(SAE)自动驾驶产品将脱胎于更创新的AI算法研发,实现特殊场景下的完全自动驾驶。

王京傲,百度Apollo

16.5 万行代码,每季新增 6.5 万行代码。在 GitHub 上,Apollo 开源代码被开发者「fork」超过 1800 次。这是百度 Apollo2.0 的最新成果。

百度 Apollo 平台研发负责人王京傲以硅谷当地自动驾驶创业公司 AutonomouStuff 为例解读了 Apollo 的开放性、灵活性和易用性。此前,AutonomouStuff 曾运用 Apollo1.0 开放的能力,三天改装出循迹自动驾驶汽车。而这一次,AutonomouStuff 在一周内将车辆升级为「Apollo2.0 版本」,已能够实现昼夜简单城市道路自动驾驶。

王京傲还介绍了 Apollo Pilot 与奇瑞、金龙以及面向残障人群的出行服务商 Access LA 等合作伙伴的落地应用成果,涵盖了乘用车、公共巴士和共享交通服务等多种场景。他表示,「Apollo2.0 在未来将推出更多的场景化、商业化的无人驾驶解决方案。」

目前 Apollo2.0 已经全面支持 Intel、NVIDIA、NXP、Renasas 四大主流计算平台。未来将推出更低成本的传感器方案,支持小型巴士、SUV、卡车等更多的参考车型。

Mircea Gradu,Velodyne Lidar

说激光雷达是自动驾驶领域的半壁江山一点都不为过。“ When Others can't,LiDAR can.”Velodyne LiDAR 的 CQO Mircea Gradu(也是今年SAE 2018主席)在发言上表示。

2005年,David Hall 发明了3D激光雷达。2007 年,Velodyne 成为 DARPA 挑战赛供应商,当年6支队伍完成挑战:一支队伍基于视觉技术,另外五支队伍全是基于激光雷达。

最终比赛结果是:第一、二名分别由卡耐基梅隆大学、斯坦福大学包揽,他们当时使用的正是 Velodyne 的激光雷达。后来这两所大学所有的科研人员全被谷歌挖走。而 Velodyne 最初在无人驾驶领域的影响力就是由这两所大学建立起来的。

如今,Velodyne的激光雷达产品的应用领域非常广泛:汽车(移动出行,自动驾驶)、无人机、测绘、安防、工业等领域。

Anca Dragon,UC Berkeley

关于 Anca Dragan 的头衔,随手可以列出的便有几个,她是加州大学伯克利分校电子工程与计算机科学助理教授,是福布斯罗马尼亚 30 岁以下精英入选者,也是 UC Berkeley InterACT 实验室的领导者。

人车交互是 Anca 此次演讲的主题,也是她一直以来的研究重心。如何让机器更好地理解人,这个听起来似乎老生常谈的问题,却远远没有得到最“智能”的应答。Anca 认为,在机器与人的博弈中,前者不仅要理解人的行为,更要理解人的动机、理解人的情绪,由此才能对整个场景做出更准确的预判——像人一样。

演讲舞台于 Anca 而言俨然是 UC Berkeley 的讲台。在此,她举出大量场景案例与数学模型,详细分析了如何让汽车全面理解“人”这一驾驶决策中的最大变量,并与后者实现安全、高效的最优交互。

Chris Heiser,Renovo.auto 

Renovo.auto(下称Revono)是2010年在加州Campbell成立的一家新创公司。不同于其他大多数公司开发能让汽车理解周边环境并在街道上自主行驶的AI算法,Revono的重点是要为未来自动驾驶行业打造一个安全的、开放的、高性能的、可升级的应用接口,让其他公司只需在上面进行简单的功能组装,就可以顺利实现自动驾驶功能。

机器人出租车作为未来最便宜的、最安全的、最方便的交通形式,预计到2030年,在美国的市场达到数以万亿,并占据市区内95%的里程。

Revono研发的操作系统AWare,可整合并管理所有自动驾驶车队所需软件和服务,达到ISO标准的安全性和可操作性。Revono希望将AWare打造成全球领先的、专注自动移动方面的操作系统,并在2025年能为全世界大部分机器人出租车提供服务。

针对未来商业落地的模式,Revono表示,相比私人购买,高成本的自动驾驶系统会在机器人出租车方面优先实现商业化。

以上为7位讲者的技术分享,两场圆桌讨论也同样精彩。更多峰会内容,请关注雷锋网·新智驾后续的深度内容和报道。

雷锋网

NAACL提名19篇「时间检验论文」,桌头案角你曾经放了几篇?

雷锋网 AI 科技评论消息:近日 NAACL 2018 的主席博客发表了一份「时间检验奖论文」(Test-of-Time Paper)提名列表,共有 19 篇经典论文。其中第18号论文,由于作者Amanda 和 Lyn是 NAACL-HLT 2018 的组织者,所以作者请求将其排除在外;提名列表中仍然保留,但将不参与到最终的评选中。

雷锋网 AI 科技评论认为,且不管最终哪篇文章会获得「时间检验论文」,这些论文都是做计算语言学中的必读经典文献,值得下载下来仔细研读。下面我们来看都有哪些论文。

为了便于下载,这里分享一下这些论文的百度网盘下载链接:

链接:https://pan.baidu.com/s/1ee1miy  密码:j03w


排名不分先后,按照标题字母顺序

Paper #1


标题:A General, Abstract Model of Incremental Dialogue Processing


作者:David Schlangen and Gabriel Skantze


提名理由: 本文提出了增量对话处理(incremental dialog processing)的一般模型和概念框架,即对话系统应该如何以一种连续的方式(而不是一句一句的)处理信息,从而能够让系统更流畅和人性化的进行交互。在同一个会议上,作者还提交了另一篇论文,这篇文章基于所提出的模型,描述了世界上第一个完全增量对话系统(虽然是在一个非常有限的领域里)。这项工作激发了大量关于对话系统增量处理的研究,增量处理(与对话状态跟踪和神经建模一起)仍然是对话系统研究中最热门的领域之一。在提名时,这篇文章的 Google 学术搜索有 182 条引用。

Paper #2


标题:A Linear Programming Formulation for Global Inference in Natural Language Tasks


作者:Dan Roth and Scott (Wen-Tau) Yih


提名理由:Roth&Yih(2004)的论文中引入的 ILP 公式改变了研究界对自然语言处理中全局推理的思考方式,并对 NLP 中的所有领域,从句法到摘要、到信息抽取、到语义中的多任务都产生了很大影响。它引入一种新的技术语言,现在已经成为主流,研究人员广泛使用的建模工具大大推进了许多 NLP 应用,并引发了一系列的研究问题,这些问题促进了我们在自然语言推理方面一些关键问题的理解。

Paper #3


标题: An Investigation into the Validity of Some Metrics for Automatically Evaluating Natural Language Generation Systems

作者: Ehud Reiter and Anja Belz

提名理由:
本文探讨了自动评估指标(如 BLEU 和 ROUGE)与自然语言生成(NLG)系统的人为评估之间的关系。本文的研究结果表明,虽然自动度量标准可以用于预测生成文本的语言质量,但它们不能捕捉生成内容的质量,而后者对 NLG 系统来说却是非常重要的。自动评估在 NLG 领域一直是一个争论不休的话题,而本文的研究改变了该领域众多人士的观点,文中认为 NLG 中重要的结果需要人为评估予以支持才能被接受。这篇论文目前的引用率仍然很高,而且由于对话系统和个人助手的工业兴趣日益增加,现在对 NLG 的兴趣也在逐日增长。

Paper #4


标题: An Unsupervised Method for Word Sense Tagging using Parallel Corpora

作者:Mona Diab and Philip Resnik


提名理由:这是第一篇成功使用大规模跨语言映射进行语义表示的论文,特别是在语义歧义方面的工作尤为突出。它将 Diab 在 2000 年的工作(ACL Workshop on Word Senses and Multi-Linguality)扩展到使用平行语料库进行大规模跨语言扩展语境的概念。本文中的技术推动了整个研究的进一步发展,即利用跨语言预测来进行语义和多语言资源创建,为其他语言标记数据和知识资源。本文连同 Yarowsky、Ngai 和 Wicentowsky(2001)同时期的工作,是从语义学、多语言资源创建、信息抽取到平行语料库语法的 NLP 任务的跨语言工作的基础。该论文被引用 268 次,其中最近在 2017 年还有一些其他语言的引用(用英语以外的语言写的论文)。

Paper #5

标题: Anaphora and Discourse Structure


作者:Bonnie Webber, Matthew Stone, Aravind Joshi, Alistair Knott


提名理由:本文的研究为宾州篇章树库(PDTB)奠定了理论基础,催生了新一轮的语篇分析研究浪潮,这在 CoNLL 2015 共享任务中得到了很好地体现。在这篇文章中,Webber 等人提出了篇章结构和语义之间一种新的关系。他认为,副词篇章提示短语(例如 then、instead、otherwise 等)起着隐喻的功能,将矩阵从句与篇章语境联系起来。这就使得发展结构更为简单的篇章模型成为了可能,从而为以前关于篇章是否可以被视为一个树的辩论提供了一个新的视角。本文还为 PDTB 转向局部篇章现象提供了支持,局部篇章对于计算注释和模型来说更加实用。

Paper #6


标题:BLEU: a Method for Automatic Evaluation of Machine Translation


作者:Kishore Papineni, Salim Roukos, Todd Ward and Wei-Jing Zhu

提名理由:这篇文章,无论是在研究领域还是在工业界,对机器翻译都有着长期、持久、深远的影响。其度量(BLEU)已经成为衡量翻译质量的标准方法。

Paper #7


标题:Cheap and Fast—But is it Good?: Evaluating Non-Expert Annotations for Natural Language Tasks


作者:Rion Snow, Brendan O' Connor, Daniel Jurafsky, Andrew Y. Ng


提名理由:这是第一篇(据我们所知)在 NLP 中使用 MTurk 的论文,而现在这似乎已经成为一个流行的方法了。

Paper #8


标题:Discriminative Training Methods for Hidden Markov Models: Theory and Experiments with Perceptron Algorithms


作者:Michael Collins


提名理由:评选「时间检验」论文的一个关键要素是:这篇论文是否仍然影响着现在的研究?

Collins的这篇文章为如何在 NLP 任务中使用机器学习方法奠定了基础。本文背后的想法很简单,但也很漂亮,它将已知的且非常古老的 Perceptron 算法应用到了结构化预测的问题上。这种简单的方法取得了非常好的结果,它为一系列复杂的 NLP 预测任务能够使用相对简单的 ML 方法来取得好结果打开了大门。这项工作直接导致了一些模型开始主宰 NLP 任务,比如信息提取和解析。论文不仅有实证上的贡献,同时也包括了相应的理论分析。因此,这是过去二十年来 ACL 引用最多的论文之一。

Paper #9


标题:Evaluating Content Selection in Summarization: The Pyramid Method


作者:Ani Nenkova and Rebecca Passonneau


提名理由:金字塔法(Pyramid Method)是基于共识的评估中使用最广泛的方法之一,并且在所有汇总评估(单语,跨语/多语或其他)方面都被多次使用。这是一个很好的研究和记录过程,为人类总结和评估的主观性提供了宝贵的见解,并提出了应对其挑战的方法。

Paper #10


标题:Frustratingly Easy Domain Adaptation


作者:Hal Daume III


提名理由:本文已经产生了巨大的实际影响。文章思路很简单易懂且易于实现,论文已经有超过 1000 的引用量,其提出的领域适应的特征增强思想及时在 NLP 的神经网络时代也仍然很重要。

Paper #11


标题:Minimum Error Rate Training In Statistical Machine Translation


作者:Franz Och


提名理由:本文提出了一个不可微 BLEU 评分直接优化的方法,这是将统计机器翻译(SMT)提升到可用质量水平的关键算法。这个算法非常的新颖且能够有效实现。许多其他的 tuning 算法也都继承了它的思想;虽然近来神经机器翻译已经摆脱了 tuning,但 MERT 仍然是最简单和最好用的。得益于 David Chiang 用 C 语言实现的高效且优美的 MERT 变得越来越广泛,可能在你最不经意的地方它就会出现在你的面前。

Paper #12


标题:Modeling Local Coherence: An entity-based approach


作者:Regina Barzilay and Mirella Lapata


提名理由:这篇文章提出了一个最有影响力的数据驱动的一致性模型。这个模型受到理论(Centering)的启发,但不同于理论(从硬性约束中学习偏好),它允许从数据中学习偏好。这篇文章介绍了一个框架来表示句子流的文档和特性,这是一个非常有竞争力的模型。该模型也激发了许多后续的工作,探讨了对实体框架的补充以及文档表示。在相关的模型当中,这篇文章的工作直到今天仍然是一个对比的标准。

Paper #13


标题:Probabilistic Text Structuring: Experiments with Sentence Ordering


作者:Mirella Lapata

提名理由:这是第一篇介绍了一致性概率方法的论文。它引入了从大规模文档语料库中学习句子排序约束的思想,为无监督的相关模型铺平了道路。本文开辟了无监督概率模型的一致性领域,并采取数据驱动的方法进行学习。因此,这个文章在这个领域做出了很大的突破。

Paper #14

标题:Recognizing Contextual Polarity in Phrase-Level Sentiment Analysis

作者: Theresa Wilson, Janyce Wiebe, Paul Hoffmann


提名理由:情感分析是最早的有影响力的自然语言处理任务之一,它继续被广泛应用于行业分析客户评论、调查反应、客户服务日志、社交媒体帖子、新闻和医疗保健数据。Wison,Wiebe 和 Hoffman(2005)的论文首先提出了情境相关短语级情感分析的问题,并已成为任何人想要了解情感分析细粒度方面的参考工作。

本文介绍了一种语言动机的机器学习方法,它可以自动识别大部分情感表达的上下文极性。这项工作在研究和数据两方面都有重大的影响。

本文提供了一系列的研究成果——它发展了关于细粒度语境极性的语言现象的直觉,提供了一个语料库标注研究,开发了一个词汇资源,并提供了机器学习实验的实证研究。多年来,它影响了多个 NLP 领域的研究,如情感分析、社交媒体分析和论证研究。

这项工作也产生了一个数据集,在多角度问题回答(MPQA)语料库中在现有的注释中添加了上下文的极性判断。MPQA 现在已经是广泛应用于情感和意见挖掘(包括基于目标的分析)中的数据集之一。作者还发布了一个被作为资源广泛应用于构建主观性和意见检测系统的情感词典。研究人员在文章中讨论的观点今天仍然是相关的,因为在新闻和社交媒体中将事实与意见分开的需要比以往任何时候都更加迫切。截至 2017 年 12 月 30 日,Google 学术引用次数超过了 2500 次,仅 2017 年就有 295 次 Google 学术引用,这项工作经受了时间的考验。

Paper #15

标题:Sentence Level Discourse Parsing using Syntactic and Lexical Information

作者: Radu Soricut and Daniel Marcu

提名理由:本文在修辞结构理论(RST)框架下提出了第一个篇章分析的概率方法,对后续工作产生了本质上的影响。Soricut 和 Marcu 引入了篇章单位分割和句子级篇章分析的概率模型;他们表明,在句子层面上,句法和语篇之间存在着很强的联系,因此可以利用这种关系,从而产生有效的语法分析。他们的研究方法和发现不仅持续地促进了现代的篇章分析器,而且促进了 RST 式篇章结构与其他 NLP 任务(如摘要和情感分析)的整合。

Paper #16


标题:TextRank: Bringing Order into Texts


作者: Rada Mihalcea and Paul Tarau

提名理由:这是一种被普遍用作抽取和抽象摘要系统基准的方法,同时它还是摘要的图方法中一个重要的里程碑。本文着重介绍了在子域(关键字抽取,句子抽取)中使用所提出的算法,证明了通用的适用性和鲁棒性。它还在当时仍然是高度「监督」的研究环境下强调了无监督方法的价值。

Paper #17

标题:Thumbs up?: Sentiment Classification using Machine Learning Techniques


作者:Bo Pang, Lillian Lee, Shivakumar Vaithyanathan


提名理由:情感分析是 NLP 领域中对行业有直接现实影响的最早的任务之一,它在评价挖掘、客户管理、社交媒体分析、新闻分析、医疗保健支持和决策支持中有着广泛而实际的应用。Pang、Lee 和 Vaithyanathan(2002)的这篇文章是使 NLP 能够发挥这种影响力的开创性工作。它是情感分析领域中早期的作品之一,它定义了情感和意见分析、评价挖掘等子领域。它也是在该领域任何人开启工作所要阅读的首篇文章,无论在研究、应用还是数据方面都有着极大的影响。

文章中介绍了一种新的文档分类方法。它采用多种机器学习方法和特性组合,开发了首个文档分类的解决方案,并对情感分类提出了深刻的见解和挑战。除了任务制定和技术方法外,这篇文章在数据方面也有重大的影响,其中的电影评论数据集支持了该领域中早期的工作,现在仍然是一个基准评估数据集之一。其成功有两个关键原因:(a)强调数据能够广泛可用;(b)细致管理数据,例如避免多产的 reviewer 对数据的主导性。这些数据广泛应用于一些教学课程中,也是 NLTK(学生开始学习 NLP 的主要应用程序)的一部分。

文章中所讨论的见解和挑战为许多工作提供了基础,并且在今天仍然在推动着新的研究。根据最近的统计,这篇文章是 EMNLP 的最高引用论文。在 Google 学术搜索中有着超过 6800 次的引用,仅 2017 年就有 400 多次引用。显然,这项工作是经得住时间检验。鉴于颁奖时间的限制,本年度可能也是这篇文章的最后一次机会了。

Paper #18

标题:Trainable sentence planning for complex information presentation in spoken dialog systems


作者:Amanda Stent, Rashmi Prasad and Marilyn Walker


提名理由:本文介绍了 SPaRKy(修辞知识句子规划),这是自然语言生成中第一个可训练的句子规划方法,并应用修辞关系来构建篇章。

SPaRKy 使用手工制定的句子规划规则来生成候选句子规划,然后由训练后的句子规划排名器对这些句子进行排名。实验结果表明,排名最高的句子规划得分与最佳人工排名句子规划的平均得分相差在 10%以内。虽然最近基于 CNN 的端对端 NLG 论文完全避免了对手工制定规则的需要,但它们并没有考虑到修辞/篇章关系,而修辞/篇章关系一直被认为是实现 NLG 一致性的核心;而,这篇论文经历了十多年的时间仍然是一个主要的参考点。

根据 Google 学术搜索,这篇文章(与后续期刊文章(JAIR-07))一共被引用了 186 次,这也是自然语言生成中被引用次数最多的论文之一。

Paper #19


标题:Unsupervised Discovery of Morphemes

作者:Mathias Creutz and Krista Lagus


提名理由:Mathias Creutz 和 Krista Lagus 在 2002 年 ACL 形态学和语音学习研讨会上首次发表了《无监督发现语素》这篇论文,这是一篇在音韵学、形态学和分词领域经常被引用、极为有影响力的论文。它提出了两种无监督的算法用于将单词分割成可能长度的词素单元序列,其中一个是基于最小描述长度原则(建立在 Goldsmith(2001)前期工作的基础上),另一个基于最大似然估计。经过英语和芬兰语的测试,这两个算法被证明特别适用于芬兰语等具有黏着语形态结构的语言。这篇文章的思想构成了 Morfessor 第一版的基础,其中 Morfessor 是一种开源的形态分割器,在圈子里被广泛用来分割文本以用于语音识别、信息检索和机器翻译等应用。此外这篇文章的结果还成为后续分割方法比较的基线(例如,Poon et al. 2009 NAACL 最佳论文)。


via naacl 2018, 雷锋网 AI 科技评论编译

雷锋网

担心 APP 窃取隐私?专家教你这五招

最近“授权漏洞”颇受关注,公民真实信息的泄漏往往使得黑产从业者可以实现精准诈骗。随着近日百度、今日头条、支付宝纷纷被约谈,不少人担心,那些躺在我们手机里面的众多APP到底安不安全?怎样才能更好地保护个人隐私信息?

今日(1月17日),腾讯社会研究中心联合 DCCI 互联网数据中心联合发布《2017 年度网络隐私安全及网络欺诈行为分析报告》,报告中对 1129 款手机 APP 获取手机用户的隐私权限情况进行了统计,雷锋网现场整理了以下要点↓↓

1.隐私获取多数情况是在用户不知情的情况下发生的,用户没有被告知,更没有同意。与普遍流行的 APP相比,一些小众APP 更容易窃取隐私。

2.2017年下半年,852 个Android 手机 APP 中有 98.5% 都要获取用户隐私权限,其中,网络游戏是获取用户隐私占比最高的应用,达到24.4%。

3.与2017年一季度测评结果相比,Android 手机 APP 对核心隐私权限的获取情况有所降低,特别是读取手机号码权限大幅度下降。

4.Android 应用在下半年越界获取用户隐私权限的比例也有明显下降,从25.3%降至9%。

5.2017下半年 iOS 应用获取的用户手机隐私权限比例相较于第一季度有所上升,达到 81.9%,提高了12.6%个百分点。其中,通讯社区、影音娱乐类 APP 为 100%获取手机隐私权限。 

作为隐私信息产生的源头,用户应该怎么做,在现场, DCCI 创始人胡延平提出了以下几点建议。

1.下载软件选择正规渠道,如应用宝,安卓市场等;

2.谨慎填写个人隐私信息,防止信息被无谓的采集;

3.管理手机软件中的隐私权限,了解软件权限行为,关闭不必要的授权;

4.防范公共Wi-Fi,转账与支付时改用数据流量;

5.通过“恢复出厂设置-格式化-反复拷入大文件并删除”三步骤,彻底清理旧手机信息。

注:研究团队共选取了852个 Android 手机APP、275 个 iOS 手机 app,对三类隐私权限的获取情况进行逐一分析,包括核心隐私权限、重要隐私权限及普通隐私权限。

“核心隐私权限”包括:获取位置信息、读取手机号、读取短信记录、通话记录等;

“重要隐私权限”包括打开摄像头、使用话筒录音、发送短信、发送彩信、拨打电话等;

“普通隐私权限”则包括打开WiFi开关、打开蓝牙开关、获取设备信息等、打开数据网络等。

参考来源:《2017 年度网络隐私安全及网络欺诈行为分析报告》

雷锋网

机器人索菲亚的“骗局”

“中国的朋友们好,很高兴和大家见面!我正在努力的学习中文,相信在不远的将来,可以和大家更多的交流。“昨日,Sophia ,中文名索菲亚,通过一则视频向国内粉丝问好,这是她首次开口讲中文。

6日前,索菲亚正式开通微博,微博名为“机器人索菲亚”,认证信息栏里写着“联合国开发计划署创新大使,第一个获得人类公民身份的机器人”。2017年10月25日,索菲亚在沙特阿拉伯被授予公民身份。

索菲亚这次来中国参加了CCTV《对话》栏目,这并非她的节目首秀,也并非她首次来中国参加节目,不过却是在不久前遭到业界权威 Yann LeCun 等人抨击后首次参加节目。本月初,深度学习代表人物 Yann LeCun 在 Twitter 上公开指责索菲亚是彻头彻尾的骗局,随后得到众多业界人士的声援。不过,从目前来看,索菲亚并未受此影响,依然高调地出现在知名节目中。

索菲亚与《对话》栏目工作人员

机器人索菲亚

索菲亚长得像人,非常像,不仅仅是形态,包括面部表情的表达。

索菲亚被设计为女性,由美国公司 Hanson Robotics 一手打造,外表以奥黛丽•赫本和创始人大卫•汉森(David Hanson)妻子为原型。她的皮肤是使用一种名叫 Frubber 的仿生皮肤材料制成的,这种材料类似一种弹性橡胶,毛孔大小能达到4至40毫微米(十亿分之一米),和人类几乎没有差别。另外,通过在眼睛和胸前装摄像头,以及人工智能技术,索菲亚可以感知、观察、识别身边人的动作、表情,并作出相应回应。目前,索菲亚可以模拟62种人类表情。

根据微博注册信息,索菲亚诞生于2015年4月19日。自此,“最像人类的机器人”这个头衔便被冠在了她的头上,并成为自带流量的明星。

借此,她的设计者汉森带着她奔走在各个知名节目中。不仅参加了《早安英国》、《吉米今夜秀》和《60 Minutes》等收视率超高的节目,还登上了时尚杂志《ELLE》的封面。同时,索菲亚走的是国际路线,除了在美国参加节目,还在印度孟买举办的科技大会“Techfest”上亮相,在国内不仅参演了王力宏最新专辑《AI》的MV录制,而且还与其一起登上了科技类综艺节目《我是未来》。

索菲亚与其创始人大卫•汉森

不过,就在索菲亚参加完 Tech Insider 的采访后,1月4号,Yann LeCun 在 Twitter 上公开指责索菲亚是彻头彻尾的骗局。LeCun 发文称,对于 AI 来说 ,索菲亚就像变戏法的之于真正的魔法。

“我们把它称作「实体崇拜 AI」或者「假冒 AI」或者「远程操控 AI」(Wizard-of-oz AI)可能比较好。换句话说,这根本就是在扯淡。”

同时将矛头指向了Tech Insider,称这起诈骗他们也是同伙。

为什么是她被骂

索菲亚并非首个长得像人的机器人。

在机器人的分类中,索菲亚属于类人机器人。从历史的发展来看,类人机器人有着半个多世纪的历史。而比较有代表性的类人机器人,除了索菲亚,还有日本大阪大学教授石黑浩打造的 Geminoid F ,南洋理工大学电脑工程和设计学院的教授 Nadia Thalmann 以自己为原型打造的 Nadine ,以及国内由中科院设计的佳佳。这些机器人除了长得像机器人,同样也能与人类进行互动。

机器人 Geminoid F(左)和她的原型人物(右)

机器人 Nadine(左) 与她的原型人物 Nadia Thalmann(右)

机器人佳佳

当然,这些机器人并没有索菲亚那么高调,仅仅只是出现在一些机器人展会上。

而像索菲亚这样高调的机器人也并非没有。早在索菲亚刚刚诞生之时,国内就曾出现过明星机器人“娇娇”。

“娇娇”是由南大电子为交通银行研发的银行服务机器人,之后因为“土豪我愿意和你做朋友”等与顾客互动的幽默语句而在互联网上迅速走红。之后,受到《CCTV家庭幽默大赛》第2季、江苏卫视《世界青年说》以及山东卫视2017春晚等节目邀请参加录制。

娇娇参加《CCTV家庭幽默大赛》

之后,机器人成为综艺节目的常见身影,百度的机器人“小度”在江苏卫视《最强大脑4》中与人类“最强大脑”比拼;搜狗机器人“旺仔”在江苏卫视另一档节目《一站到底》中再次与人类进行脑力较量;在音乐类节目《蒙面唱将猜猜猜》中,华帝人工智能机器人小V则化身人类的助手,帮助猜评团和观众对歌手的信息进行筛选。

与索菲亚一样,这些机器人在节目中展示了强大的人机交互能力,它们能理解你的话,并且还能和你开玩笑,让人感觉真的是在和另一个人在对话。

当然,也有少数人站出来吐槽和质疑,但并没有真正有影响力的声音发出来。现在,LeCun 站出来了,将这个声音对准了索菲亚。

LeCun 对于索菲亚的质疑在于其所展示出来的智能,并非真正的人工智能,而是由人操控出来的智能,机器人只是一个傀儡。有人说,这是为了维护“科学”的尊严。

事实仅仅如此么?

去年夏天,腾讯视频上线了一档偶像选秀节目《明日之子》,其中有一个特别的选手,它叫荷兹,是一个虚拟的动漫人物,以AR+实时动作捕捉+3D实时渲染技术的形式出现在节目中。荷兹成功的成为了该节目最大的争议点,不过并非对技术的争议,而是它不该出现在人类的竞技台上,这意味着人类选手将失去一个晋级的名额。前所未有的,该节目的几乎所有的选手都表达了对荷兹出现在比赛中的不满。而在荷兹又一次PK掉人类选手时,节目现场观众齐声大喊“黑幕”。

荷兹参加选秀节目《明日之子》

而像索菲亚这些机器人,关注技术的人会明白其中内情,汉森也公开表达每次和人介绍索菲亚时都会向对方表示,索菲亚的聊天机制采取的是决策树模式,即在提前设置好问题和答案的情况下,机器人根据问题选择相应的答案,虽然他们的目标是让机器人能与人类自由对话,但要实现这些还需要时间。

那么,为什么索菲亚最后一步步成为了我们见到的“骗子”索菲亚,这背后都有谁的推动。这些推动者是利益的受益方,也是 LeCun 真正想要抨击的,这才是问题的关键。

谁编织了这场“骗局”

首先,当然是索菲亚背后的制造者。

Hanson Robotics 早在2003年便成立,创始人汉森并非计算机相关专业出身,而是德克萨斯大学达拉斯分校互动艺术与工程专业博士生。可以说,他是一个工程艺术家,他的热情是创作一种现代科技的雕塑,除了索菲亚,他还制造了爱因斯坦机器人、菲利普•迪克机器人等20多款机器人。

大卫•汉森与他设计的机器人

Hanson Robotics 主要负责机器人高精度仿真的面部表情,而机器人躯体部分、自然语言处理系统、附加的娱乐功能都来自合作方。

为索菲亚开发人工智能大脑的是 SingularityNET 公司,创始人为 Ben Goertzel ,也是 Hanson Robotics 的首席科学家,而汉森则在这家公司任首席机器学家一职。很显然,这两家公司是一家的。

从创始人的背景来看,SingularityNET 的实力还是不容小觑的。如果说汉森不懂人工智能,Goertzel 则与 LeCun 一样同为人工智能先驱,拥有数学博士学位,担任奇点大学顾问、Humanity+世界超人协会副主席、财务预测公司 Aidyia Holdings 首席科学家、人工智能软件公司 Novamente LLC 公司董事长、OpenCog 基金会董事长,厦门大学福建省仿脑智能系统重点实验室任客座教授,和美国政府合作开发了一个人工智能开源项目——OpenCog。OpenCog已经在过去为数家大公司服务,并拿到了数千亿的订单,客户包括美国国防部、Intel、华为等等。OpenCog 也是索菲亚的软体基础。

索菲亚与 Ben Goertzel 参加第二届 EtherealSF 会议

SingularityNET 正在开发一个利用区块链搭建去中心化AI市场的项目,用户可以在 SingularityNET 用虚拟货币购买AI产品,而 AI 机构和开发者也可以在上面出售自己的产品。SingularityNET 计划最早在今年二季度推出这个项目。不过,他们已经赚到钱了。不久前,这个项目用ICO(首次代币发行)的方式一分钟内募集到了目标资金3600万。而这里面有多少是索菲亚的功劳,我们就不得而知了。

虽然 Hanson Robotics 和 SingularityNET 的工作人员都表示他们从来没有表达过索菲亚有强人工智能,不过索菲亚的人设确确实实也是他们设计出来的。在他们的设计下,索菲亚是一个拥有自由意识的少女机器人,她拥有人类无法比拟的智慧,同样渴望人类平凡的生活。而这些正是引起索菲亚引起广泛关注的基础。

在英剧《真实的人类》中,机器人与人类共存,并且成为每个家庭的标配。这些机器人在能力上与人类无异,几乎所有工作都能代替人类完成,不过他们与人类有一个区别的地方,机器人没有自由意识。而当他们发现由 David 教授创造出的强人工智能机器人与人类一样拥有自由意识时,他们开始恐惧,并试图对这些机器人进行毁灭。

《真实的人类》剧照

所以,当长得如此像人类的索菲亚说出“想组建自己的家庭”、“我想毁灭人类”等言语时,冲击力无疑是巨大的。

但是,靠这两家创业公司,索菲亚是没办法成为今天的明星机器人索菲亚,背后还少不了其他力量的推动。

最主要的力量当属媒体。

媒体不可能不知道索菲亚是否真的能和人完成流畅的对话,只需随便聊几句就能露馅。实际上,在索菲亚参加的活动中,提问的问题都是提前安排好的,而在一次采访中,当记者临时提出一个问题时,索菲亚则则是答非所问,而该问题只是简单的“How old are you?”在 Techfest 上,索菲亚面对主持人的提问,则出现了视若无睹的尴尬局面。

既然媒体知道索菲亚的技术实力,却还是愿意配合完成这样一场戏。原因也很简单,因为有新闻点,也就意味着有关注度。对于媒体来说,这是有利可图。

而另外一个关键力量则是来自于政府。

2017年10月11日,索菲亚受邀前往联合国参加“万物的未来——技术迅速变化时代的可持续发展”会议并发言,联合国开发计划署认为,索非亚可以激励人们的“创新精神”,因为她本身就是创新的体现。

索菲亚在联合国近期举行的会议上发言

联合国不可能也不知道索菲亚的技术实力,而他们依然亲自为其授予了“创新”的标签,其目的也正是为了激励人们的“创新精神”,从而实现更大的创新,也就实现经济的爆发。

而对于普通大众来说,他们需要索菲亚供他们娱乐消遣。

正是被大家所需要,索菲亚才成为今天的索菲亚,尽管所有人都知道她到底是什么。是明星还是骗子,只是不同人眼中的称号。

而对于 LeCun 这些人工智能先驱来说,索菲亚的受欢迎是一场闹剧,是真理被愚弄,也是甩在他们脸上的嘲笑,除了努力提高人工智能早日实现真正的索菲亚,对此他们毫无还手的力量。


雷锋网注:更多机器人方面资讯可关注雷锋网公众号(雷锋网)


雷锋网