AI一周热闻：OpenAI发布可逆生成模型Glow；能“盲眼运动”的MIT猎豹机器人

2018 年 7 月 11 日 AI前线

作者| Jack Clark

编译 & 编辑 | Debra

AI 前线导读：

- OpenAI 发布可逆生成模型 Glow，生成逼真图像
- 能“盲眼运动”的 MIT 猎豹机器人
- 美国关税大锤落下，中国实施加税措施
- 微软开放搜索引擎数据
- AI 军用和民用结合是什么样的？为什么中国与美国如此不同？
- 想要知道语言建模 AI 分钟级的进展细节吗？
- Facebook 收购语言 AI 公司 Bloomsbury AI
- Bouncy Bolson 发布 ROS 2 版本
- IMAGENET-C 测试表明深度网络的稳健型不足
- 美公民自由组织敦促政府加强公众参与 AI 政策制定
- OpenAI 仅使用单一演示在《蒙特祖玛的复仇》中获得高分

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

OpenAI 发布可逆生成模型 Glow，生成逼真图像

7 月 10 日，OpenAI 发布了新的 AI 技术 Glow，它可以通过观察原始图片，学会如何根据不同的属性，生成全新的高清图片。

Glow 是一种可逆的生成模型，也称为基于流的生成模型，源于对 NICE 和 RealNVP 技术的扩展，可以使用相对少的数据，快速生成高清的逼真图像，与 GAN 和 VAE 相比具有精确操作潜在变量、需要内存少等优势。

论文链接：

https://d4mucfpksywv.cloudfront.net/research-covers/glow/paper/glow.pdf

代码链接：https://github.com/openai/glow

能“盲眼运动”的 MIT 猎豹机器人

最近，MIT 最新研发的第三代猎豹机器人（Cheetah 3）秒杀波士顿动力，不依靠摄像头和任何外部传感器，仅凭算法就能识别周围环境，完成飞跃上桌、爬上满是障碍物的楼梯等任务，还能在突然被猛推或猛拉时迅速恢复平衡。工程师称之为“盲眼运动”。

这个机器人约 90 磅重，能自主跨越障碍物、实现每小时 30 英里（约 48 公里）的高速奔跑。

美国关税大锤落下，中国实施加税措施

7 月 6 日，美国对价值 340 亿美元中国商品加征 25% 的关税，另外还有 160 亿美元的商品预计将在一周后加税。除了通信卫星、半导体等先进产业外，美国对中国商品加征关税的清单还包括钢铁、电视组件、医疗器械、洗碗机、除雪机和火焰喷射器，涵盖众多领域。

作为回应，中国海关总署关税征管有关负责人表示，根据国务院关税税则委员会 2018 年第 5 号公告，对原产于美国的部分进口商品加征关税措施将在美方的加征关税措施生效后即行实施，加税清单中包括大豆、化工品等 14 类商品。

微软开放搜索引擎数据

微软发布了微软研究开放数据，人们可以使用这个新的门户网站来梳理微软研究院近年来发布的大量数据。这些数据还与微软的云服务集成在一起，因此研究人员可以轻松地将数据移植到“Azure 数据科学虚拟机”上，并开始使用预先合成的数据科学软件对其进行操作。

微软开放的这一数据集中包含一些罕见且具有潜在价值的数据，例如 10GB 的“在大查询上训练的双字嵌入”（来自实时搜索引擎的数据通常非常珍稀 https://msropendata.com/datasets?domain=Computer%20Science），以及原始的面向研究数据集，如 FigureQA。

阅读更多：微软研究宣布开放数据——可在云端实现（ https://www.microsoft.com/en-us/research/blog/announcing-microsoft-research-open-data-datasets-by-microsoft-research-now-available-in-the-cloud/）。

浏览数据：微软研究开放数据（https://msropendata.com/）。

AI 军用和民用结合是什么样的？为什么中国与美国如此不同？

当一个国家层面的 AI 发展战略将军用和民用开发结合在一起时，会发生什么状况？中国清华大学副校长尤政最近（翻译）的出版物对此有所解释。

清华目前正在建设“军事情报高端实验室”，该实验室将重点开发人工智能，以更好地支持中国的国家级目标。作为其中的一部分，清华将在一些军事要求的指导下进行基础研究。该大学还创建了“清华大脑与智能实验室”，以鼓励与直接军事应用联系较少的跨学科研究。清华还与中国社交网络微信和搜索引擎搜狐建立了长达十年的合作伙伴关系，在民用领域开展联合开发。而且清华并不完全专注于技术，该校最近开设了“计算法律研究”硕士课程“，将学校的人工智能和人文科学结合起来，为这一主题尝试全新的专业方向。”

许多政府目前正在考虑如何开发人工智能以进一步支持其战略目标 ——西方许多国家通过秘密研究，与研发部门 DARPA 等组织签订公共合同，以及与私营企业的伙伴关系相结合来实现这一目标。但是，由于自由市场的流动性，这些国家通过国家直接资助技术开发和研究较少（与私营部门的支出相比），这导致了不平衡的发展，民事应用在性能和影响方面往往领先于军事应用。但在中国，国家主导的发展战略可以更好地让各种人工智能技术融合于民用和军用。这场赌注的结果将成为 21 世纪 AI 权力局面的决定因素。

阅读更多：清华让人工智能军事与民间融合的方法（战场奇点 https://www.battlefieldsingularity.com/musings-1/tsinghua-s-approach-to-military-civil-fusion-in-artificial-intelligence）。

想要知道语言建模 AI 分钟级的进展细节吗？

自然语言处理技术的进展速度有多快，这种进展在哪些方面适合人工智能领域的整体发展？这是自然语言处理研究员 Seb Ruder 提出的问题，他试图通过跟踪各种 NLP 任务的技术进步速度这一项目来解开这个问题的答案。该项目在 GitHub 上的存储库已经包含 20 多个任务，我们可以通过检查结果来了解最近的 AI 进度。像语言建模这样的任务近年来取得了重大进展，而选区解析和词性标注等任务的进展则没有那么大（可能因为现有系统非常擅长处理这些问题）。

阅读更多：跟踪自然语言处理的进展（http://ruder.io/tracking-progress-nlp/）。

跟踪自然语言处理的进展（GitHub https://github.com/sebastianruder/NLP-progress）。

Facebook 收购语言 AI 公司 Bloomsbury AI

Facebook 已从 Bloomsbury AI 手中收购了该团队，公司员工将加入伦敦的公司并从事自然语言处理研究。Bloomsbury 此前已经建立了用于检查文本语料库并回答有关问题的系统，还拥有一支经验丰富的人工智能工程和研究团队，其中包括 UCL 教授 Sebastian Riedel 博士（收购教授的公司往往是一个战略举措，因为其有助于招聘工作）。

阅读更多：Bloomsbury AI 网站（http://bloomsbury.ai/）。

Bouncy Bolson 发布 ROS 2 版本

“Bouncy Bolson”发布了 ROS 2（机器人操作系统）版本。该开源机器人软件的新功能包括更好的安全功能，支持 ROS 2 构建服务器场上的第三方软件包提交，新命令行工具等。这是第二个非 beta 版本的 ROS 2。

阅读更多：ROS 2 Bouncy Bolson 发布（https://discourse.ros.org/t/ros-2-bouncy-bolson-released/5259）。

IMAGENET-C 测试表明深度网络的稳健型不足

俄勒冈州立大学的研究人员创建了新的数据集和评估标准，以了解经过训练的图像识别系统如何处理损坏的数据。该研究强调了当今算法相对较差的表示和概括能力，同时提供了人们可能希望在未来测试系统的具有挑战性的数据集。为了进行测试，研究人员创建了两个数据集来评估 AI 系统如何处理这些变化。IMAGENET-C 是用于测试“损毁稳健性”的数据集，ICONS-50 用于测试“表面变化稳健性”。

IMAGENET-C 测试了 15 种不同类型数据损坏的图像，包括模糊图像、添加噪声或环境效果的视觉标志，如雪、霜、雾等。ICONS-50 由来自 50 个不同事物图标的 10,000 个图像组成，每个种类包含多个风格。

为了测试算法如何处理这些视觉损坏，研究人员针对不同版本的 IMAGENET-C 测试预先训练的图像分类模型，并计算错误率。测试的结果显示，更现代的架构在泛化到新的数据类型（如损坏的图像）方面表现更好，但是稳健性（模型适应数据变化的程度）几乎没有上升。“相对稳健性仍然接近 AlexNet 的水平，因此相当于低于人类水平。”他们确实发现有一些技巧可用于增加模型处理损坏数据的能力：“更多层、更多连接和更多容量使这些大型模型能够在损坏的输入上更稳定地运行，”他们写道。

对于 ICON-50，他们尝试通过从一个源（例如 Microsoft）中删除图标或从大类（如“鸟类”）中选择删除子类型（如“鸭子”）来测试分类器的稳健性。结果不出所料：网络无法学习足够的一般特征来有效识别出持久的视觉风格，同样在不完整子类型上进行测试时性能也较差。

由于我们目前缺乏理论解释和分析深度学习之所以有效的方法，我们需要通过经验实验来拓宽我们对技术的理解。而我们知道，尽管近年来在性能方面取得了令人难以置信的提升，但在处理看不见或不在分布范围内的数据时，深度网络本身似乎相当不灵活。

阅读更多：神经网络对常见损毁和表面变化的稳健性测试（https://arxiv.org/abs/1807.01697）。

美公民自由组织敦促政府加强公众参与 AI 政策制定

公民自由组织 EPIC（美国电子隐私信息中心）向美国科学技术政策办公室（OSTP）提交请愿书，签名者包括来自学术界和工业界人士。该请愿书批评了美国政府在人工智能政策方面的进展，以及政府处理人工智能问题的方式，并要求公众更有意义地参与制定美国人工智能政策。他们对最近 AI 峰会不对公众开放，以及人工智能专门委员会仅将私营部门作为建议来源提出异议。这与包括法国、加拿大和英国在内的其他国家形成鲜明对比，这些国家都努力吸引公众舆论参与人工智能。

更重要的是，这封信还提出了一些他们认为政府未能解决的关键问题：

使用 AI 产生的潜在危害。
管理 AI 的法律框架。
公司、政府使用 AI 的透明度。
促进人工智能惠及民众并将风险降至最低的技术措施。
其他国家在努力应对人工智能挑战方面的经验。
人工智能的未来趋势可以为当前的讨论提供信息。

美国因缺乏协调的人工智能战略而在各国中显得格格不入。其他国家正在迅速制定计划，不仅支持其国内人工智能，还要应对人工智能将带来的变革。这封信提出的问题涵盖了政府需要解决的大部分问题。现有人工智能战略还有很多不足的地方，但美国的自满不会为其带来任何好处。

阅读更多：致 Michael Kratsios 的信（https://epic.org/privacy/ai/OSTP-AI-Petition.pdf）

OpenAI 仅使用单一演示在《蒙特祖玛的复仇》中获得高分

OpenAI 的新研究展示了如何通过使用单一演示在难得出名的探险游戏《蒙特祖玛的复仇》获得高分。

阅读更多：从单一演示中学习《蒙特祖玛的复仇》（https://blog.openai.com/learning-montezumas-revenge-from-a-single-demonstration/）。

作者 Jack Clark 有话对 AI 前线读者说：我们对中国的无人机研究非常感兴趣，如果你想要在我们的周报里看到更多有趣的内容，请发送邮件至：jack@jack-clark.net。

原文链接：

https://jack-clark.net/2018/07/09/import-ai-102-testing-ai-robustness-with-imagenet-c-militarycivil-ai-development-in-china-and-how-teamwork-lets-ai-beat-humans/