0
雷锋网按：过去一周，是“中国人工智能元年”的最后一周。这周里，苹果揭开其首份AI论文的面纱；美国启动全球首个深度学习加持的“癌症先进计算解决方案的联合设计”；IBM在高性能计算上继续发力，提出数据中心计算（DCS ）模型；2016年是三星饱受煎熬的一年，来年它将押注Galaxy S8，发力移动AI助手；滴滴研究院副院长叶杰平，为我们揭开滴滴AI调度系统的真面目。
12月27日，苹果的首份AI论文曝光，名为《通过对抗训练从模拟的和无监督的图像中学习》（Learning from Simulated and Unsupervised Images through Adversarial Training），这份论文于12月22日提交给了arXiv.org。
苹果这篇图像识别领域的论文，提出了一个所谓“模拟+无监督学习”（simulated + unsupervised learning），使用了如今最炙手可热的深度学习“对抗训练”。
但是苹果这份论文里提到的模型，与GANs还是有些微不同的。他们想要解决的问题就是：提升合成图像的质量。他们对GANs稍加修改，提出了“SimGAN”训练方法，其中的“Sim”指的就是单词“模拟器”。论文摘要里提到：
“我们的模拟+无监督学习方法，使用的对抗网络跟GANs很类似。但是，输入值是合成图像，而不是随机向量。”
苹果的SimGAN其实包括三部分：模拟器（Simulator）和精制器（Refiner），然后再加上一个判别器（Discriminator）。模拟器合成图像，再用精制器优化，最后喂给判别器训练。
有学术圈内人士对这篇论文的“含金量”表示怀疑，然而苹果这份论文“试水”的意义其实远大于论文本身的意义。Forbes评论道：这篇AI论文，是苹果标志性的一步。
数十年来，研究者都在用高效能运算（ HPC ）来提升系统的速度和规模，现在，IBM 的新模型——数据中心计算（DCS ）将提供更快速高效的运算架构。
DCS 提供了专注于协同定位运算和数据的计算架构，目的是减少数据迁移，从而使用户能够以前所未有的速度将复杂的分析程序应用于千兆字节（PB ） 数据。IBM 认为， DCS 模式将使科研人员和机构能够在计算机的帮助下加快新材料的发现，设计和测试过程。
在Note 7爆炸事件之后，三星将所有的赌注都压在了Galaxy S8上。雷锋网曾经报道，2016年10月份的时候，三星收购了一家致力于打造开放式人工智能助理平台的初创公司——Viv Labs，开始在人工智能领域发力，而成果最终将在下代旗舰Galaxy S8上展现出来。
三星迫切希望吸引大家对Galaxy S8 AI助手的关注，但是它到底是怎样工作的呢？虽然目前还没有具体的信息，但是从一些已经泄露的细节中可以窥探一二。来自三星移动部门的消息称，基于Viv的语音助手（据称名为Bixby）将会出现在S8的所有内置应用中（包括三星自家应用）。比如，你可以让它在相册应用中展示有海滩的图片。虽然Google Photos和iOS都有类似的功能，这或许算不上什么重大进步，但是要记住，Bixby可能会取代现在的S Voice，对三星来说，重要的是用户不再需要打开另一个智能助手。
不过对于三星来说，最大的问题是谷歌将会对Bixby作出怎样的反映。毕竟，谷歌正在大力推进自己的AI助手。
近日，美国启动了全球首个“癌症先进计算解决方案的联合设计”（ Joint Design of Advanced Computing Solutions for Cancer ，简称 JDACS4C）项目，旨在借助深度学习技术加快抗癌研究。该项目也是为了实现“登月计划”的十大任务之一——建立癌症数据共享系统。
负责人之一的 Rick Stevens 透露，在明年第二季度，JDACS4C 的首批成果将会面世。
之所以被称为“联合设计”，是因为 JDACS4C 项目共分为 3 个试点，内容涵盖了从分子学到人口学的研究，都有深度学习加持。JDACS4C 项目目前已经获得了美国能源部的资助，合作方还包括 Intel、IBM 和英伟达等。
这三大试点项目分别是：
RAS 分子项目。该项目希望通过开发出新的计算方法，支持当前已经在进行的 RAS 分子研究，最终希望增强研究者对癌症中 RAS 基因及其相关信号通道的理解，在 RAS 蛋白膜信号复合体中发现新的治疗对象。
临床治疗前的筛查。这一项目以试验性的生物数据为基础，针对“机器学习、大规模数据和预测模型”进行重点开发。通过建立反馈循环，让试验模型对计算模型的设计进行指挥，而这些模型或许就能对准癌症中的新目标，帮助医生找到新的治疗方式。
人口模型。该项目希望开发出可扩展性框架，对全世界癌症患者的病情记录进行有效的归纳和分类，总结。根据人们的生活方式、所处环境、癌症种类、医疗体系等要素，从大量癌症病人的病历数据中自动分析，以获得最佳的治疗方案。这种引擎将对医疗健康的多个方面影响巨大，包括数据的分发，以及对成本的控制等等。
腾讯大数据峰会暨 KDD China 技术峰会中，滴滴研究院副院长、密歇根大学终身教授叶杰平博士非常全面地解密了机器学习在滴滴中的大规模应用，其中包括：出行目的地预测、路径规划、拼车最优匹配、订单分配、估价、运力调度、评分系统等。雷锋网根据现场演讲整理成文，并由叶杰平博士与滴滴 CTO 张博亲自审文。详情可见：http://www.leiphone.com/news/201612/jKMwo56PIXS0f4Ea.html
相关文章：
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
