2019年03月21日

消除AI歧视用游戏帮助脑瘫患儿恢复 硅谷技术前沿周报

  无论是给AI去,还是用游戏的方式帮助脑瘫患儿,又或是让3D 打印的物件可以换颜色,可以说,这些前沿科技都将在未来改变我们的生活。小探赶紧带你来看看,从全球顶尖高校,到大公司的实验室,在人工智能、深度学习、3D打印、医疗等领域近期都有哪些!

  在2月19日的国际固态电峰会上,来自斯坦福大学的研究团队发布了自己的基于芯片的电脑原型机。

  这个原型机是基于一种新的数据存储技术,RRAM(电阻随机存取存储器)技术。RRAM的特性是可以比别的存储设备更密集的存储数据,电能使用更有效,以及在芯片休眠时有保留数据的能力。并且工程师可以直接在处理电之上构建RRAM,以将数据存储和计算集成到单个芯片中。

  这个研究团队由斯坦福大学计算机系的电子工程教授Subhasish Mitra、H.-S. Philip Wong主导,与来自法国原子能委员会电子与信息技术实验室(CEA-LETI)的研究人员共同组成。

  这个团队的开创之处在于,率先尝试了将内存和处理整合到一个芯片中,使之比在现有的解决方案需要在不同芯片之间来回传递数据更快且更节能。

  美国先进研究计划局、斯坦福SystemX 、美国国家科学基金会、美国半导体研究企业联盟((SRC))和法国原子能委员会电子与信息技术实验室支持了这项研究。

  量子物理学中的一个关键概念是纠缠,其中两个或多个量子系统变得如此密不可分,以至于无法通过单独观察每个元素来确定它们的集体状态。现在,耶鲁大学的研究人员开发了一种“通用纠缠器”,可根据需要连接各种编码粒子。

  该发现代表了一种强大的新机制,可用于量子计算,密码学和量子通信。该研究由耶鲁大学Robert Schoelkopf实验室领导,并被刊登在Nature上。

  量子计算是通过称为量子位的精细数据位完成的,这些数据很容易出错。耶鲁大学应用物理与物理学教授,耶鲁量子研究所所长Schoelkopf说:“我们已经展示了一种在逻辑编码量子位之间创建门的新方法,最终可以进行误差校正。这比以前的操作要复杂得多。”(耶鲁大学的研究人员创造了一种根据需求纠缠各种编码粒子的方法)

  在实验室培养皿中,耶鲁大学的研究人员模拟了两种脑结构及其相互作用,以神经疾病的起源。

  遗传学副教授In-Hyun Park和他的团队创建了一个丘脑的器官,这是一个整合感官信息并将其传递到大脑不同区域的主要枢纽。他们从干细胞中产生类器官以模拟大脑区域并评估其功能。该实验室对丘脑感兴趣,因为它涉及几种疾病。然后将丘脑类器官与更高认知功能的所在地额叶皮层的类器官融合。

  “我们正在尝试利用丘脑类器官来研究癫痫,自闭症谱系障碍,症甚至抑郁症。对于许多这些疾病,人们发现在丘脑 - 丘脑连接中存在一些缺陷,以及丘脑的微观结构变化。“通过从直接取自患者的细胞中产生类器官,可以发现每种疾病的结构变化的细节,并开发出个性化的治疗方法。

  心理治疗师经常使用“谈话疗法”来帮助患者通过谈话克服抑郁或焦虑,这是一种认知疗法,创始人是佛洛依德。

  据英伟达博客透露,麻省理工学院的一个研究小组正在利用深度学习,通过“谈话疗法”分析患者的言语来检测患者可能患有抑郁症的迹象。

  团队训练的模型是南加大与研究人员合作的一组180人采访数据,其中20%有一些抑郁迹象。采访包括20分钟关于受试者居住地点,朋友是谁以及是否感到沮丧的问题。研究结果表明,抑郁症实际上可以在言语模式和词汇中被发现。“数据中有重要信号可以提示你是否患有抑郁症,”研究助理 Tuka 说。通过倾听整体对话,吸收对话和言语的轨迹,以及所说的事物的更大背景。该研究被认为将可以有效,廉价地诊断严重的心理健康问题。

  如果你有关注人工智能的相关新闻,那应该对人工智能的“”有一定了解:虽然全程都是机器在运作,但人工智能系统可能是不公平的。如果未来我们读到的新闻或是所看的犯罪预测等都被这样不公平的系统左右,那将常的。麻省理工学院CSAIL的一个团队在一篇最新的论文中提出了一种解决方案,用一种可以通过重新取样来自动“给数据去除”的算法,使人工智能的“观点”更加均衡。

  这种算法可以学习像面部检测这样的特定任务,以及训练数据的基础结构,从而学会识别并最小化任何隐藏的偏差。在测试中,与最先进的面部检测模型相比,该算法在整体精度的基础上,将“分类偏差”降低了60%以上

  许多现有人工智能方法都需要人类进行介入,来定义研究人员希望它学习的特定偏差。相比之下,麻省理工学院团队的算法可以查看数据集,了解内部隐藏的内容,并自动对数据进行重新取样,使其更加公平而无需人工介入。

  这篇论文的主要作者,麻省理工学院的博士生亚历山大·阿米尼表示,他们研发的人工智能系统特别适用于手动审核的大型数据集,并可以扩展到面部检测之外的其他计算机视觉应用中。

  麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员在一篇新论文中,展示了一种叫ColorMod的系统,使得3D打印完成后,还可以反复改变三维物体的颜色,并可通过这个方法,让3D打印的物品“穿上花纹”。

  这个系统到底是怎么运作的呢?麻省理工的这支研究团队开发了一个简单的从硬件到软件的工作流程。首先,使用ColorMod界面,用户上传他们的3D模型,选择他们想要的颜色模式,然后打印他们的全彩色物品。

  在物品打印出来之后,将其置于紫外线下照射,使想要的颜色浮现并消除不想要的颜色。之所以能实现这样的效果,与操作中使用的定制墨水也不无关系:这种定制墨水由基础染料,光引发剂和光适应性染料制成——光适应性(光致变色)染料在基础染料中产生颜色,光引发剂则使基础染料在3D打印过程中变硬。

  目前3D打印的使用还集中在塑料和其他常见的3D打印材料上,但研究人员表示,在不久的将来,人们可以在很短的时间内改变衣服和其他生活物品的颜色。这一技术将会应用在服装业、制造业中,帮助大大减少未来的生活垃圾数量。

  南大学、皇后大学和杜克大学的科研工作者开发了一种新工具,可以快速、经济地筛查儿童胎儿酒精谱系障碍(FASD)。FASD是母亲在妊娠期间酗酒对胎儿所造成的先天异常。

  该工具使用摄像头和计算机视觉来记录儿童观看多个一分钟视频,或者朝近朝远看时的眼球运动模式,然后与观看了相同内容的其他儿童的眼球运动模式进行比对。

  研究人员将标准以外的眼球运动标记为可能面临FASD风险且可能需要医务人员对该儿童进行更正式的诊断。

  研究人员表示,这个筛查方法可以应用于年纪非常小的孩子,且每次筛查过程只需要10到20分钟,并且价格是大部分人都负担得起的。

  该研究的主要负责人之一是南计大学计算机及神教授Laurent Itti。他长期致力于模拟视觉注意力,在过去十年中,他还应用相同的技术来筛查注意力缺陷障碍和帕金森病。

  南大学的研究员开发了一款名为Amplify的游戏,它采用谷歌AIY Voice Kit的语音辅助技术,为脑瘫患儿提供游戏化言语治疗。团队包括助理教授Christopher Laine和博士生Brian Cohn。

  Team Amplify选择帮助脑瘫患者有两个原因:Laine的专业领域是口腔运动控制;患有这种疾病的人通常接受着不充分的治疗。 “言语治疗有一个关键的窗口期,需要尽早在他们还是孩子的时候,”Laine表示, “随着年龄的增长这个方法可能就变得不那么有效了。”Christopher Laine(左)和Brian Cohn(右)与患者交流

  Amplify的冒险游戏使原本枯燥的言语治疗变得非常有趣。“为了推动故事发展并进行人物互动,孩子需要使用语音治疗去做出反应。而游戏会做记录和评估,然后根据这些反馈结合治疗需求,将故事往不同方向去推进。”例如,为了让患者“啊”这个发音,他们会安排游戏里与歌剧魅影进行一场歌唱比赛。

  这样的游戏化治疗方法有助于治疗师安排“家庭作业”给到患者,随时随地进行治疗。

  据英伟达博客透露,旗下Inception Virtual Accelerator 孵化的一家创业公司—Aira,正开发了一种用于智能眼镜的人工智能引导服务,可以帮助视力受损的人更轻松地和执行许多日常任务。

  通过其AI驱动的平台和智能眼镜,Aira将人们连接到服务代理网络以获得帮助。代理商可以看到盲人看到的内容,几乎可以为任何事情提供帮助。比如像检测商品条形码、识别产品、阅读产品标签并提供基于语音的体验。

  Aira的Horizon智能眼镜具有前向摄像头和音频功能,可引导盲人,而Aira的AI助手Chloe可以帮助识别图像,例如杂货店的一盒麦片或处方药瓶上的标签和文字。Chloe还可以在设备上本地处理其他简单任务。例如,它可以使用户获得音频指导的帮助,像捕获支票的图像,然后将其与银行应用程序对齐,以通过智能手机存入他们的银行帐户。

  如今Aira已经在全美50个州以及六个国家使用,感兴趣的小伙伴可以点击下面链接查看更多:

  谷歌发布3篇论文,分享其在机器人远距离方面的研究。 研究表明,强化学习(RL)擅长将传感器的原始数据为行动,例如机器人学习握住物体,和学会运动。但强化学习代理通常较难在无人工帮助的情况下理解空间,安全的进行长距离,并不容易适应新的空间。

  谷歌的这项研究,旨在培训 local planner agent 来执行基本的行为。例如,安全地穿越短距离而不与移动的障碍物发生碰撞。其local planner agent采用噪声传感器、激光雷达等来感测周围的, 并输出控制机器人的行动。

  研究团队在训练 local planner agent时,配合使用AutoRL进行模拟。AutoRL可以将搜索RL励和神经网络架构自动化。目前训练的范围有限,只在10到15米的距离内可行,但是训练好的local planner agent可以很好地用于真正的机器人,并使机器人能够较快适应新的。用如此的方法训练好的local planner agent可被用作训练大空间的基础模块。

  看完以上这些动态,你还想了解哪些前沿技术呢?欢迎留言告诉小探!下周同一时间,我们科技前沿见!