AI一周热闻：DeepMind用AI训练神经网络；百度发布大规模自驾车数据集；Allen AI挑战赛叫板当今最优秀算法

作者 | Jack Clark

译者 | Debra

AI 前线导读：

Uber 自动驾驶车辆伤人致死

神经网络“教师”提高 AI 能力

10 万 + 开发人员调查显示出人们对人工智能的担忧

百度与丰田、伯克利研究人员组织自驾车赛挑战赛，由百度新公布的自驾车数据集支持

微软发布深度学习框架的“Rosetta Stone”

进化对 AI 代理设计带来的潜在危险

Allen AI 发布“ARC”挑战赛，叫板当今最优秀算法

Uber 自动驾驶车辆伤人致死：

据今日凌晨外媒报道，上周日（18 日）晚上 10 点，美国亚利桑那州 Tempe（坦佩市）一名女子被优步自动驾驶汽车撞伤，之后不幸身亡。路透社报道称，这是全球首例自动驾驶车辆致人死亡的事件，或对该项新技术的引入形成冲击。一名优步发言人称，优步将暂停其在美国和加拿大的自动驾驶项目。

Tempe 警察部门报告称，事发时，尽管有一名司机坐在方向盘后面，但是，这辆车当时正处于自动控制模式，当时行驶车速为每小时 38 英里，而该地区限速为每小时 35 英里，而且没有尝试刹车。该车当时正朝北行驶，而该女子正在从距人行横道 100 码（约 91 米）的地方从西往东走。据《财富》北京时间 3 月 20 日报道，亚利桑那州坦佩警察局局长西尔维亚·莫伊尔（Sylvia Moir）表示，初步调查显示，在致一名行人死亡的交通事故中，Uber 可能不存在过错。他表示，Uber 自动驾驶汽车配备的摄像头拍摄的视频显示这次交通事故过错在受害者本人——今年 49 岁的伊莱恩·赫茨伯格（Elaine Herzberg），而非 Uber。“根据受害人横穿马路的方式，无论是有人还是自动驾驶模式，要避免这起交通事故是极其困难的。”

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

事故的具体原因还在调查之中。

神经网络“教师”提高 AI 能力：

DeepMind 的研究演示了如何通过预先训练的“教师”agent 向另一个 agent 传输知识，以提高其性能。该技术显著提高了训练 AI agent 的速度，并且有证据表明，被传授知识的 agent 获得了比未经过传授的 agent 更高的性能。该技术可以两种方式“传授知识”：单一教师和多教师；与预期相符，通过多名专业“教师”进行预训练的 agent 比单一“教师”训练的 agent 性能更高。

奇怪而微妙：这种方法的一些特点对开发更加复杂的人工智能代理似乎有所帮助：在一项任务中，DeepMind 需要在找出如何使用短期记忆来获得高分方法的 agent 上进行测试。 '学生'代理人（只有两个卷积层）通常无法学会使用存储器，因此无法突破某个分数上限，但研究人员创建的一个由专业“多教师”训练的'学生'代理人，却可以完成这个任务。“这可能令人惊讶，因为这个启动机制仅指导“学生 agent”如何采取行动，但它不会限制“学生”如何构建其内存状态。“学生”只能通过根据 respawn 之前的信息来预测“教师”的行为，这似乎是驱动短期记忆形成的充足的监督信号。研究人员写道，我们发现这与最好的人类教育工作者的教导方式非常相似：不告诉学生思考什么，而是简单地让学生怎么学习，来取得丰硕的成果。

为什么它很重要：这样的趋势表明，科学家可以通过使用这种预先训练的技术来更好地评估新代理，从而加快研究进度。这进一步证实了人工智能研究的一个关键输入将从预先标记的静态数据集转换为计算的概念。但应该指出，这里的数据是研究人员可以访问的程序性、可修改的模拟器的隐式数据。更远地说，这意味着我们可以通过不同的“教师”组合来训练复杂的代理人，这些代理人的能力远远超过他们任何一位先辈（forebear），使总体之和大于各部分性能。

阅读更多：https://arxiv.org/abs/1803.03835。

10 万 + 开发人员调查显示出人们对人工智能的担忧

... 开发人员认为他们危险但令人兴奋，那谁应该为他们负责呢？...

开发者社区 StackOverflow 发布了其社区年度调查结果，今年的话题是关于 AI 的：

开发人员认为人工智能的“威胁”是什么：工作岗位自动化程度提高（40.8％）

开发人员认为人工智能“令人兴奋”之处是什么：人工智能可能超越人类智慧（28％）

谁应该为 AI 带来的后果负责：

开发人员或创建 AI 的人员：47.8％

政府或其他监管机构：27.9％

不同的人有不同的担忧：技术专家表示相比于单一性，他们更关心 AI 带来的公平问题，而设计师和移动开发人员则更关心单一性。

阅读更多：https://insights.stackoverflow.com/survey/2018/。

百度与丰田、伯克利研究人员组织自驾车挑战赛，由百度新公布的自驾车数据集支持：

...“ApolloScape”为自动驾驶研究人员增加了中国自动驾驶的数据，另外，百度表示其已加入伯克利的“DeepDrive”自驾车人工智能联盟...

一项新的竞赛和数据集可能会给研究人员提供一种更好的方法，以衡量自动驾驶汽车的功能和研究进展。

数据集：来自百度的'ApolloScape'数据集包含约 200,000 RGB 的图像，并带有相应的逐像素语义注释。每个框架都由 25 个语义类组成，包括：汽车、摩托车、人行道、交通锥、垃圾桶、植被等信息。每幅图像的分辨率均为 3384 x 2710，每两张图像之间间隔一米。截至 2018 年 3 月 8 日，百度已发布 8 万张图片。

在这里阅读关于数据集的更多信息 http://apolloscape.auto/scene.html。

竞赛：这项名为'WAD'的新赛事将给人们一个在 ApolloScape 数据集和 Berkeley DeepDrive 数据集（DeepDrive 数据集包含 100,000 个视频剪辑，每个视频剪辑大约 40 秒长，每个剪辑的注释包含一个关键框架）上开发 AI 系统的机会。该赛事的现金奖金约为 10,000 美元，研究人员正在征集有关这些研究技术的论文：可驱动区域分割（能够找出场景对应的标签以及哪些是安全区域）；道路物体检测（分辨出道路伤的物体）；将学习从一个语义领域转移到另一个语义领域，特别是将 Berkeley 数据集（在美国加利福尼亚州拍摄）训练转移到 ApolloScape 数据集（在中国北京拍摄）。