一周AI直通车｜微软脸书发布AI生态系统；“看脸判性取向”合理吗
“一周AI直通车”是追一科技（卫星号：YiBot）推出的一档人工智能领域快读栏目，精选汇集每周国内外最重大行业新闻和前沿技术变革，第一时间为读者送上新鲜资讯，每周一推送，敬请关注。
行业资讯
微软Facebook联手发布AI生态系统，挑战TensorFlow
“看脸判断性取向”研究者：我们是为了让同性恋人群感到可能已经面临的风险
马化腾：腾讯投资特斯拉是为了更接近未来科技
DeepMind创始人Demis Hassabis当选英国皇家工程院新晋院士，今年华人无缘
学界与业界又一次联手：IBM和MIT宣布合作建立AI实验室
AI Challenger 开赛：国内最大规模深度学习数据集上线
Uber推出机器学习平台Michelangelo：全面处理工作流程推动AI民主化
全球大学计算机科学与人工智能排名：卡耐基梅隆大学居首
Facebook开源TTS神经网络VoiceLoop：基于室外声音的语音合成
学术前沿
Yoshua Bengio等人提出MILABOT：强化学习聊天机器人
Michael Jordan新研究官方解读：如何有效地避开鞍点
自动驾驶汽车测试新方法 DeepTest：可自动测试深度神经网络驾驶系统
UC Berkeley新研究：多视角图像3D模型重建技术
点击下文蓝字标题即可跳转至新闻详情页~
喜欢就分享文章到朋友圈吧~
1
微软Facebook联手发布AI生态系统，挑战TensorFlow
微软Facebook联手发布AI生态系统，推出 Open Neural Network Exchange（ONNX，开放神经网络交换）格式，这是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。ONNX是迈向开放生态系统的第一步，AI开发人员可以轻松地在最先进的工具之间转换，并选择最适合他们的组合。但是，现在系统支持的框架只有Caffe2，PyTorch 和Cognitive Toolkit ，谷歌的TensorFlow并没有被包含在内。在TensorFlow的市场份额迅猛增长的当下，两家企业的联手，似乎有特别的意味。
图片来源于新智元 Dd
2
“看脸判断性取向”研究者：我们是为了让同性恋人群感到可能已经面临的风险
斯坦福大学 Michal Kosinski 和 Yilun Wang 关于面部识别判断性取向的研究已经引起了巨大争议，但两位研究者在论文中所做的关于研究意义及研究局限性的声明却并未引起广泛注意。“我们认为亟需让政策制定者、大众和同性恋社群意识到他们可能已经面临的风险”——这样的理由是否能够成为公布此项研究的合理原因？
3
马化腾：腾讯投资特斯拉是为了更接近未来科技
9月8日在清华大学经济管理学院“洞见论坛——-科技·驱动成长”上，马化腾发表重要演讲，第一次系统阐释了腾讯的AI宏观布局与战略思考。马化腾表示，腾讯希望加大对人工智能、云计算、大数据等几个基础性要素的投入，并且通过互联网+等方式和各行各业、学界和研究界进行合作。马化腾表示，未来所有企业基本的形态就是在云端用人工智能处理大数据，这是一个大方向。人工智能将影响到日常生活、商业的方方面面，这是一个大趋势。场景和市场是最重要的，只要有市场，技术、人才都会跟着走。对于腾讯来说，他们更加关注在AI方面能做什么。
图片来源于36氪
4
DeepMind创始人Demis Hassabis当选英国皇家工程院新晋院士，今年华人无缘
据英国皇家工程院（The Royal Academy of Engineering）网站消息，英国皇家工程院2017年院士增选结果于9月7日公布，共有53人上榜，包括1名荣誉院士和2名外籍院士。我们DeepMind创始人Demis Hassabis也名列其中。
图片来源于AI科技评论
5
学界与业界又一次联手：IBM和MIT宣布合作建立AI实验室
北京时间9月7日下午，IBM宣布在未来十年，计划投资2.4亿美元，与麻省理工学院共同建立IBM –MIT沃森AI实验室，该实验室位于剑桥的IBM沃森健康和网络安全中心总部，临近麻省理工学院。
6
AI Challenger 开赛：国内最大规模深度学习数据集上线
由创新工场、搜狗和今日头条联合宣布发起的 AI Challenger 挑战赛，在今年的比赛时间为 9 月 4 日至 12 月 3 日，每双周评出周冠军，每个赛题中效果突出的团队还将进行答辩，角逐总冠军。目前，报名者已超过 1000 名，参赛队伍超过 500 支，其中很多人来自国内外 AI 实力强劲的高校、公司和机构，不乏过去各类比赛的获奖者，比如 ImageNet 两项任务冠军、天池阿里移动推荐算法大赛冠军以及 Kaggle 大赛的众多优胜者。
图片来源于机器之心
7
Uber推出机器学习平台Michelangelo：全面处理工作流程推动AI民主化
近日 Uber 提出了他们的机器学习平台 Michelangelo，该平台构建在 Uber 数据和计算基础设施之上，并且由一系列开源系统和内置组件组成。Michelangelo 可提供易于使用且自动化的工具处理数据管理、模型训练、模型评估、模型部署、执行预测和检测预测等工作流程。Uber 希望 Michelangelo 可以在推动 AI 民主化方面贡献出应有的力量。
8
全球大学计算机科学与人工智能排名：卡耐基梅隆大学居首
近日，麻省大学阿默斯特分校的 Emery Berger 教授公布了一个全球院校计算机科学实力排名的项目 csranking。该项目旨在了解各院校在计算机科学领域体系与师资方面的实力。作者表示，不同于 US News 和 World Report 的方法（仅仅基于调查），该排名完全基于指标，度量了这些院校教员在计算机科学领域的各大顶会所发布的论文数量。
图片来源于机器之心
9
Facebook开源TTS神经网络VoiceLoop：基于室外声音的语音合成
近日，Facebook 在题为《Voice Synthesis for in-the-Wild Speakers via a Phonological Loop》的论文中提出一个文本转语音（TTS）的新神经网络VoiceLoop，它能够把文本转化为在室外采样的声音中的语音。目前 VoiceLoop 已在 GitHub 上开源并附有 PyTorch 实现。论文与GitHub链接请见文中。
10
Yoshua Bengio等人提出MILABOT：强化学习聊天机器人
The Alexa Prize 是亚马逊在对话人工智能领域中发起的一项竞赛，本届比赛的奖金为 250 万美元，将于 11 月决出优胜者。本文介绍的是蒙特利尔大学 Yoshua Bengio 团队（MILA Team）参与本次比赛的 Chatbot 设计。
11
Michael Jordan新研究官方解读：如何有效地避开鞍点
今年三月，机器学习领域泰斗级学者 Michael I. Jordan 带领的一个跨多所大学和研究院的团队发表了一篇论文《How to Escape Saddle Points Efficiently》，提出了最基本的算法——梯度下降的一个简单变种，并证明该算法虽形式简单，却足以极其高效地避开鞍点。该研究成果推进了对非凸优化的理解，并可以直接被应用在包含深度学习在内的许多机器学习领域。近日，Off the Convex Path 博客和伯克利人工智能研究所（BAIR）的博客都发表了对该研究的解读文章。
图片来自于机器之心
12
自动驾驶汽车测试新方法 DeepTest：可自动测试深度神经网络驾驶系统
自动驾驶汽车是一种对安全性有极高要求的人工智能应用，但软件都有漏洞，寻找那些可能导致致命危险的漏洞是至关重要的。近日，来自弗吉尼亚大学和哥伦比亚大学的几位研究者提出了一种自动测试深度神经网络自动驾驶汽车的方法 DeepTest，可以对自动驾驶系统进行更加全面的测试评估。
13
UC Berkeley新研究：多视角图像3D模型重建技术
想象一下图片中的椅子。人类具有无与伦比的推理能力，可以在看到单张图片的情况下想象出整个椅子的 3D 形状——即使你从未看到过这样的东西。这种体验更具代表性的例子就是在同一个物理空间中从不同角度观察椅子以积累信息，随后构建椅子的 3D 形态。如何解决这个复杂的 2D 到 3D 推理任务？在这个过程中，我们需要用到什么样的线索？
我们如何从不同视图中无缝集成信息，以建立一个整体的 3D 模型？
