机器人库早报|AI 神经网络或可揭示人脸识别背后的机制;AI 观鸟器能迅速判断鸟类品种

XNU2J6ALYVDQ_QN51RR

1.AI 神经网络或可揭示人脸识别背后的机制

在《自然通讯》的一项新研究中,魏兹曼科学研究所的研究人员发现在大脑中进行面部识别的编码方式与深度神经网络的执行原理有着惊人的相似之处。当我们看着一张脸时,视觉皮层中的神经元群被激活并发出信号。事实上,某些神经元组会选择性地对脸部做出反应,这些神经元组对其他对象则不会做出反应。但是,单个神经元的激活最终如何共同协作使我们的大脑拥有面部感知和识别能力呢?研究人员提出了通过将人的大脑活动与深层神经网络进行比较来解决这个问题的想法。他们的研究可能会使人工智能领域发生革命性的变化—经过训练的人工智能系统可以通过从大量数据中集中学习来执行任务。在过去的几年中,这些系统取得了明显的进步,目前它们在包括面部识别在内的各种视觉任务上的表现基本达到与人类相当的水平,有时还会优于人脑。这些发现也可以反向帮助我们进一步了解人脸在人脑中是如何编码面部感知和识别的。

2.数字计划和人工智能如何继续推动星巴克创新

星巴克首席执行官 Kevin Johnson 强调了该公司的「深度酿造」计划,利用人工智能使库存订单自动化;预测人员需求;预期设备维护;个性化客户优惠(其星巴克奖励计划会员资格计划增长了 15%,达到 1760 万会员);和更多。数字投资对于星巴克在中国的业务而言甚至更为关键。在过去的一个季度中,数字订单占星巴克业务的 10%,其中 7%来自交付,3%来自基于应用程序的提前订购功能 Mobile Order&Pay。约翰逊在电话会议上指出:「我认为中国消费者在这些数字化场景中要比美国先进得多。」

3.人工智能帮助农民少用农药 精准除草

杂草与邻近的作物争夺光、水和养分,每年可使农业损失数十亿美元的产量。为了更好地提高农作物产量并减少农药的使用,农民和农业研究人员正在向人工智能寻求帮助。「我们相信数字农业革命将有助于减少化学产品在农业中的使用,」法国国家瓦尔德卢瓦尔中心国家应用科学研究院副教授阿德尔·哈菲安说。哈菲安正在与奥尔良大学的同事合作开发一项 AI 技术,该技术可以从甜菜、大豆和菠菜作物的无人机图像中检测出杂草。他说:「如果农民可以绘制杂草的位置图,那么他们就不需要在整个田间喷洒化学产品,他们只需针对特定区域,在适当的时间和地点进行干预。」使用获取航空图像的地理坐标,农民可以确定野外杂草的位置。然后,研究人员可以将深度学习网络提供的方案部署在地面上的农业机器人中,该机器人可以清除田中的杂草。

4.AI 观鸟器能迅速判断鸟类品种

要分辨鸟类的具体品种可能需要多年的观鸟经验。但是杜克大学的研究人员利用深度学习对计算机进行了培训,使其仅通过一张照片即可识别鸟类,目前这项研究中的模型已经「学习」了多达 200 种鸟类。训练深度神经网络的所使用的数据集包括了 200 种鸟类的 11788 张照片(从游泳的鸭子到徘徊的蜂鸟)。杜克大学的研究团队成员发现他们的神经网络可以在 84%的情况下识别出正确的物种。该团队将于 12 月 12 日在温哥华举行的第三十三届神经信息处理系统会议(NeurIPS 2019)上公开发表这项研究的论文。

5.AI 告诉你什么样的图像令人过目难忘

从「蒙娜丽莎」到「戴珍珠耳环的女孩」,有些图像总能长久地在人们的脑海中徘徊。艺术家或许都难以解答究竟什么样的图片会让人脑记忆深刻,但人工智能模型或许能为你举例说明。一项新的研究正使用机器学习来生成图像—包括了诸如令人难忘的芝士汉堡和令人难忘的咖啡—这些图像详细显示了使肖像或场景脱颖而出的图像细节。研究表明,人脑最能记住的图像具有鲜艳的色彩、简单的背景以及在画面中居中突出的对象。研究结果在本周的国际计算机视觉会议上发表。该研究建立在早期模型 MemNet 的基础上,该模型对图像的可记忆性进行评分,并突出显示影响其决策的图片特征。MemNet 的预测是基于一项在线研究的结果,其中向参与对象显示了 60,000 张图像,并根据它们被记住的难易程度进行了排名。当前研究中的模型 GANalyze 使用一种称为生成对抗网络或 GAN 的机器学习技术来可视化单个图像。研究人员说,GANalyze 具有许多潜在的应用。通过增强现实系统中的对象增强,它可以用于检测甚至处理内存丢失。