機器人庫早報|AI 神經網絡或可揭示人臉識別背后的機制;AI 觀鳥器能迅速判斷鳥類品種

XNU2J6ALYVDQ_QN51RR

1.AI 神經網絡或可揭示人臉識別背后的機制

在《自然通訊》的一項新研究中,魏茲曼科學研究所的研究人員發現在大腦中進行面部識別的編碼方式與深度神經網絡的執行原理有著驚人的相似之處。當我們看著一張臉時,視覺皮層中的神經元群被激活并發出信號。事實上,某些神經元組會選擇性地對臉部做出反應,這些神經元組對其他對象則不會做出反應。但是,單個神經元的激活最終如何共同協作使我們的大腦擁有面部感知和識別能力呢?研究人員提出了通過將人的大腦活動與深層神經網絡進行比較來解決這個問題的想法。他們的研究可能會使人工智能領域發生革命性的變化—經過訓練的人工智能系統可以通過從大量數據中集中學習來執行任務。在過去的幾年中,這些系統取得了明顯的進步,目前它們在包括面部識別在內的各種視覺任務上的表現基本達到與人類相當的水平,有時還會優于人腦。這些發現也可以反向幫助我們進一步了解人臉在人腦中是如何編碼面部感知和識別的。

2.數字計劃和人工智能如何繼續推動星巴克創新

星巴克首席執行官 Kevin Johnson 強調了該公司的「深度釀造」計劃,利用人工智能使庫存訂單自動化;預測人員需求;預期設備維護;個性化客戶優惠(其星巴克獎勵計劃會員資格計劃增長了 15%,達到 1760 萬會員);和更多。數字投資對于星巴克在中國的業務而言甚至更為關鍵。在過去的一個季度中,數字訂單占星巴克業務的 10%,其中 7%來自交付,3%來自基于應用程序的提前訂購功能 Mobile Order&Pay。約翰遜在電話會議上指出:「我認為中國消費者在這些數字化場景中要比美國先進得多。」

3.人工智能幫助農民少用農藥 精準除草

雜草與鄰近的作物爭奪光、水和養分,每年可使農業損失數十億美元的產量。為了更好地提高農作物產量并減少農藥的使用,農民和農業研究人員正在向人工智能尋求幫助。「我們相信數字農業革命將有助于減少化學產品在農業中的使用,」法國國家瓦爾德盧瓦爾中心國家應用科學研究院副教授阿德爾·哈菲安說。哈菲安正在與奧爾良大學的同事合作開發一項 AI 技術,該技術可以從甜菜、大豆和菠菜作物的無人機圖像中檢測出雜草。他說:「如果農民可以繪制雜草的位置圖,那么他們就不需要在整個田間噴灑化學產品,他們只需針對特定區域,在適當的時間和地點進行干預。」使用獲取航空圖像的地理坐標,農民可以確定野外雜草的位置。然后,研究人員可以將深度學習網絡提供的方案部署在地面上的農業機器人中,該機器人可以清除田中的雜草。

4.AI 觀鳥器能迅速判斷鳥類品種

要分辨鳥類的具體品種可能需要多年的觀鳥經驗。但是杜克大學的研究人員利用深度學習對計算機進行了培訓,使其僅通過一張照片即可識別鳥類,目前這項研究中的模型已經「學習」了多達 200 種鳥類。訓練深度神經網絡的所使用的數據集包括了 200 種鳥類的 11788 張照片(從游泳的鴨子到徘徊的蜂鳥)。杜克大學的研究團隊成員發現他們的神經網絡可以在 84%的情況下識別出正確的物種。該團隊將于 12 月 12 日在溫哥華舉行的第三十三屆神經信息處理系統會議(NeurIPS 2019)上公開發表這項研究的論文。

5.AI 告訴你什么樣的圖像令人過目難忘

從「蒙娜麗莎」到「戴珍珠耳環的女孩」,有些圖像總能長久地在人們的腦海中徘徊。藝術家或許都難以解答究竟什么樣的圖片會讓人腦記憶深刻,但人工智能模型或許能為你舉例說明。一項新的研究正使用機器學習來生成圖像—包括了諸如令人難忘的芝士漢堡和令人難忘的咖啡—這些圖像詳細顯示了使肖像或場景脫穎而出的圖像細節。研究表明,人腦最能記住的圖像具有鮮艷的色彩、簡單的背景以及在畫面中居中突出的對象。研究結果在本周的國際計算機視覺會議上發表。該研究建立在早期模型 MemNet 的基礎上,該模型對圖像的可記憶性進行評分,并突出顯示影響其決策的圖片特征。MemNet 的預測是基于一項在線研究的結果,其中向參與對象顯示了 60,000 張圖像,并根據它們被記住的難易程度進行了排名。當前研究中的模型 GANalyze 使用一種稱為生成對抗網絡或 GAN 的機器學習技術來可視化單個圖像。研究人員說,GANalyze 具有許多潛在的應用。通過增強現實系統中的對象增強,它可以用于檢測甚至處理內存丟失。