人工智能要上天，CIMON機器人將用于太空實驗

據(jù)極客網(wǎng)報道，空客和IBM的人員將于今年夏天將Crew Interactive MObile CompanioN（CIMON）機器人頭部帶到國際空間站。這個機器人頭部從來沒有真正地連接到一個機器人身上，它是專門為國際空間站構(gòu)建的 。這個機器人頭部將為國際空間站帶來人工智能。

歐洲航天局的宇航員Alexander Gerst博士將于2018年5月至12月期間在國際空間站停留，在那里他將成為第57批遠征隊的指揮官。在2018年6月至10月期間，Gerst將測試CIMON作為“技術(shù)演示者”的能力。

空客公司的一位代表表示：“CIMON旨在支持宇航員進行日常工作，例如通過展示程序或利用其‘神經(jīng)’AI網(wǎng)絡(luò)及其學習能力為問題提供解決方案。它使用IBM云中的Watson AI技術(shù)，并且憑借其語音和人工智能，成為國際空間站上宇航員的真正‘同事’。”

我們已經(jīng)有了一種叫做Dino的兒童玩具形式的Watson AI體驗。CogniToys利用IBM在Watson AI中創(chuàng)建的人工智能，并將它植入一個像Yoda一樣聲音的小型“恐龍”大腦中。

根據(jù)空客公司的說法，CIMON將“最早于2018年3月份”被發(fā)送到太空。在首次德國航天局（DLR）進行的拋物線飛行活動期間，CIMON將專注于在零重力下測試和優(yōu)化GNC算法。這些算法將包括控制、導航和指導。CIMON在ISS上的另一個“練習”是與人類伙伴合作解決魔方問題。

CIMON也將在國際空間站上進行晶體試驗，并“進行復雜的醫(yī)學實驗”。這兩項練習中的后一項將使用CIMON作為“智能相機”。

蘭州中川國際機場啟用人臉識別系統(tǒng)

雷鋒網(wǎng)消息 近日，蘭州中川國際機場正式啟用人臉識別系統(tǒng)，旅客通過“刷臉”就能快速登機。蘭州中川國際機場的“刷臉”登機系統(tǒng)，采用的是廈門瑞為信息技術(shù)有限公司的人證比對平臺，該平臺無縫嵌入“中航信”安檢、離港系統(tǒng)。

過去，旅客通過登機口時需要出示登機牌，啟用人臉識別系統(tǒng)后，就免去了這個環(huán)節(jié)。

據(jù)雷鋒網(wǎng)了解，機場的安檢口和登機口各架設(shè)了一臺USB人臉抓拍相機。旅客到達安檢口時，相機會自動抓拍并將數(shù)據(jù)上傳至后臺；待旅客通過安檢到達登機口時，后臺人臉識別系統(tǒng)將與先前拍攝的旅客人臉比對，如果一致，系統(tǒng)會自動放行，如果不一致，系統(tǒng)會自動報警。人臉比對耗時不到1秒，整個登機過程平均耗時8-10秒，極大提升了登機效率。

值得一提的是，中川國際機場使用的這套人臉識別系統(tǒng)全程“無感”，旅客無需直視鏡頭，只需露出正臉即可完成人臉識別和比對。

長虹聯(lián)手騰訊，家電企業(yè)打起了AI牌

今年的AWE上，各大家電廠商紛紛玩起了“AI”概念，老牌家電廠商與互聯(lián)網(wǎng)巨頭的CP組合成了一股新風潮。

雷鋒網(wǎng)消息 3月8日，繼海爾、百度結(jié)成戰(zhàn)略同盟之后，老牌家電集團長虹和騰訊也宣布達成戰(zhàn)略合作。騰訊叮當AI助手解決方案將應用于長虹新一代智能電視。

騰訊叮當為騰訊在AI領(lǐng)域布局的核心產(chǎn)品之一，背靠騰訊AI Lab等平臺及騰訊內(nèi)容生態(tài)體系，已在智能車聯(lián)、智能音箱、智能穿戴、機器人等多個領(lǐng)域落地布局。

騰訊叮當基礎(chǔ)的語義識別技術(shù)基于NLU（自然語言理解技術(shù)）和海量的語料標注數(shù)據(jù)。騰訊稱，目前騰訊叮當涵蓋的服務(wù)包括新聞、賽事、票務(wù)、快遞、音樂、股市、文學等，基于LBS的附近資源也已囊括。此外，騰訊叮當還支持在動態(tài)場景下的智能語音服務(wù)，比如夜跑、登山、散步時，想換一首歌曲，打字會影響步頻，這時候就可以讓人工智能助手完成。

此次長虹和騰訊聯(lián)手，意味著用不了多久我們將能夠在電視上與騰訊叮當進行交互了。

化學家開發(fā)出人工智能系統(tǒng)，有望用于新藥研發(fā)

據(jù)新浪報道，最近頂尖學術(shù)期刊《科學》上發(fā)表了一項研究：普林斯頓大學和默沙東研究實驗室的化學家們合作開發(fā)出了一款人工智能系統(tǒng)，它可以精準地預測化學反應的產(chǎn)率，有望應用于新藥研發(fā)。

新藥的合成與制造本質(zhì)上是化學反應?；瘜W家們?yōu)榱说玫较胍姆肿?，必須以合適的比例加入正確的原料，并提供恰當?shù)姆磻獥l件。這聽起來雖然很簡單，但讓機器來預測和設(shè)計高產(chǎn)率的化學反應卻并不容易。一個典型的化學反應需要有大量不同的化學分子參與。而每一個額外分子的加入，都會為計算添加一個維度。

為了讓機器學會設(shè)計高產(chǎn)率的化學反應，需要幫助它建立一個多維度的模型。但從歷史上看，這一直是個瓶頸。其背后的原因在于這個模型過于復雜，而我們能用來訓練這個模型的數(shù)據(jù)卻遠遠不夠。幸好，隨著默沙東在機器人系統(tǒng)上的大量投入，現(xiàn)在我們能在短短幾天內(nèi)，完成數(shù)千個化學反應。這產(chǎn)生了大量可以用來訓練AI的數(shù)據(jù)。

“我非常高興地看到，我們產(chǎn)生的數(shù)據(jù)質(zhì)量很高，能用于建立有效的模型。”默沙東研究實驗室的Spencer Dreher博士說道。

在獲得了這些數(shù)據(jù)，并利用程序?qū)γ恳粋€輸入進模型的化學品進行定量標注后，研究人員們考量了多種統(tǒng)計學模型的準確率。有趣的是，行業(yè)中常用的線性回歸模型在這一任務(wù)的執(zhí)行上表現(xiàn)并不好，而表現(xiàn)最好的是一類叫做“隨機森林”（random forest）的模型。此類模型能從訓練數(shù)據(jù)庫中隨機提取出小量的樣本，構(gòu)建決定樹（decision tree），而每一棵決定樹都能對特定的化學反應產(chǎn)率進行預測。這些預測會被綜合評估，產(chǎn)生一個總體的預測產(chǎn)率。結(jié)果表明，這款模型能很好地對訓練數(shù)據(jù)之外的化學反應進行產(chǎn)率的預測。

“只要幾百個反應數(shù)據(jù)，我們就能準確地用模型預測產(chǎn)率。化學家們甚至都不需要機器人的幫助，自己就能完成這些反應?！边@項研究的第一作者Derek Ahneman博士說道。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。