今日芯声｜你想要的《权力的游戏》最终季剧透在这里！
88731932 2018-11-27
1.《权力的游戏》最终季上映倒计时五个月，作者马丁谈及VR影视未来
相信近期《权力的游戏》剧迷的心情，一定是百感交集吧。
喜极而泣！《权游》第八季明年4月即将播出，还有5个月！而且，每集时长超过1小时，感动到落泪……并且，近期第八季杂志封面也已经曝光，雪诺龙妈深情相拥，超美啊！“韦斯特诺版神雕侠侣”没错了!
然而，也有太多的不舍，以后片荒了怎么办啊。而且作为最终季，长达8年的剧集终要落下帷幕，小编不由感到一点黯然神伤呢。
还有，还有！据“豆叔”爆料《权游》剧组已经拍摄了一部全员回归的重聚特别集！潸然泪下，想高歌一首《再聚首》……
但是，什么鬼啊？！雪诺居然被爆出“出轨”！为了第八季，小编选择瞎一会儿可以么……哭惨，不刷微博了！不刷票圈了！小编要正经工作了！
《权游》作者：现在的VR，更像是莎士比亚之前的剧院。
小编发现《权游》作者乔治·R·R·马丁最近也有新动态。在小伙伴们正式“回到Westeros和Essos的世界”之前，马丁还为小伙伴们，提供了一个可以“在VR中探索宇宙”的想象空间。
首先，大家知道的嘛，《夜行者 Nightflyers》将于明年上线。
主要讲述：未来地球濒临毁灭，一支探险团坐上最先进的太空船“夜行者号”，去拦截一艘可能载有人类生存关键的神秘外星人飞船。
然而船员发现“夜行者号”的AI，以及未曾露脸的船长，可能引领他们走进黑暗﹑恐怖的死亡深渊……
剧透先这么多。进入正题，马丁的新动态为：《夜行者 Nightflyers》是基于马丁的科幻恐怖小说《夜行者》改编的。
而最近YouTube频道Syfy，推出了基于该剧的一系列360度搭配视频。该360度视频系列，共包含3个视频，由showrunner执行制片人编写，杰夫·布勒（Jeff Buhler）导演。
此外，马丁本人在Syfy上还谈到了一些关于VR影视的看法。“技术还不成熟，我们还没有真正弄清楚如何用VR讲故事。”
“但我认为，作为一种完全身临其境的艺术形式，VR影视在20年后、30年后，也许更久后，可能取代电视和电影。”
马丁还谈到了VR影视未来的其他可能性：一个观众沉浸在一个世界中，并与这个世界互动，甚至可能影响一个故事结果的可能性。
“我们可能就像莎士比亚之前的戏剧，你知道吗？”马丁继续道，“在莎士比亚之前有过戏剧，但正是伊丽莎白时代的剧院，才真正使剧院活跃起来。”
2. 对话AI大师Yoshua Bengio：AI不应变成军备竞赛
人工神经网络和深度学习领域的大牛、加拿大计算机科学家Yoshua Bengio日前在MIT的一次活动中接受采访时表示，希望停止有关人工智能军备竞赛的讨论，并让发展中国家更容易获得这项技术。
Yoshua Bengio是现代人工智能的大师，与Geoff Hinton和Yan LeCun一起并称“深度学习三巨头”，Bengio以倡导“深度学习”技术而闻名，近年来，这一技术已经从学术届的尝试转变成了目前全世界最强大的技术之一。
深度学习包括将数据输入到大型神经网络中，这些神经网络简略地模拟人类的大脑，它在各种实际任务中都被证明是非常强大和有效的——从语音识别、图像分类到控制自动驾驶汽车和自动化商业决策。
Bengio并没有选择加入任何大型科技公司。虽然Hinton和LeCun分别加入了谷歌和Facebook，但Bengio仍然是蒙特利尔大学的全职教授。
他在2016年成立了Element AI，并创立了一个非常成功的项目，帮助大公司探索人工智能研究的商业应用。
以下为Yoshua Bengio教授采访实录：
问：你如何看待各个国家之间的人工智能竞赛？
Bengio ： 我认为这是不正确的做法。我们可以共同参与一场竞赛，但作为一名科学家，我认为我们应当考虑人类的共同利益，应该更多地去思考如何建造出更智能的机器，并确保人工智能为更多的人谋福祉。
问：那么是否有办法促进各国之间的合作？
Bengio ： 我们可以让发展中国家的人们更容易进入这一领域。这是一个很大的问题，因为在欧洲、美国或加拿大，一个非洲研究人员很难获得签证。
申请签证就像彩票，他们会用任何借口拒绝申请。这是完全不公平的。发展中国家用很少的资源做研究已经很困难了，但是如果他们还不能接触到人工智能社区，我认为这是非常不公平的。
作为补偿这一问题的一种方式，我们将于2020年在非洲举办一个大型的人工智能会议——ICLR（International Conference on Learning Representations,国际学习表征会议）。
包容性不仅仅是一个好听的词而已。人工智能在发展中国家的潜力可能更大，他们改进技术的需要比我们更强烈，并且他们有不同的需求。
问：你是否担心其他国家的人工智能公司会占据人工智能领域的主导地位？
Bengio ： 是的，这是我们在人工智能研究中需要更多民主的另一个原因。人工智能研究本身往往会导致权力、金钱和研究人员的集中。
最好的学生都想去最好的公司，因为他们有更多的钱，有更多的数据。这是不健康的模式。即使在民主国家，权力集中在少数人手中也是危险的。
问：关于人工智能的军事用途已经引起了很多争议。你在这方面的立场是什么？
Bengio ： 我坚决反对。
问：即使是非致命的用途？
Bengio ： 我并不想阻止人工智能的军事用途，但我认为我们需要达成一种共识，即杀手机器人是不道德的事情。我们需要改变文化，包括改变法律和条约。这可能会有很长的路要走。
当然，你永远不能完全阻止它，人们会说，“某些流氓国家会发展这些东西。”我的回答是，第一，我们需要让他们为自己的行为感到羞愧。
而第二，没有什么可以阻止我们建立防御技术。防御性武器可以消灭无人机，但它和针对人类的攻击性武器不同，两者之间存在着巨大的差异。但两者都可以使用AI。
问：在新的人工智能研究中，最令你兴奋的是什么？
Bengio ： 我认为我们需要考虑人工智能的严峻挑战，而不只是对短期的、渐进的进步感到满意。我并不是说我想放弃深度学习。
相反，我想在此基础上继续发展。但是我们需要能够扩展它来做一些事情，比如推理，学习因果关系，探索世界，以便学习和获取信息。
如果我们真的想实现接近人类水平的AI，那就是另外一场比赛。我们需要长期投资，我认为学术界是最好的将其传递下去的地方。
问：不仅要抓住数据中的模式，还要抓住某些事情发生的原因。为什么这很重要，以及为什么它会这么难呢？
Bengio ： 面对复杂的世界，如果你有一个好的因果模型，你可以在不熟悉问题的情况下就进行概括，得出结论，这是关键。
我们人类能够将自己投射到与我们日常经验截然不同的情境中，而机器不能，因为它们没有这些因果模型。
我们可以手工创建模型，但这还不够。我们需要能够发现因果模型的机器。在某种程度上，它永远不会是完美的。
就像现实中我们也没有一个完美的现实的因果模型，这就是为什么我们也会犯很多错误，但是和其他动物相比，我们已经做得很好了。
现在，我们并没有很好的算法来解决这个问题，但是我认为，如果有足够多的人在努力，并且予以足够的重视，我们就会取得进步。
3. 首要任务就是招人？小米武汉总部奠基，雷军：按万人规模规划
11月25日，小米集团（武汉）总部大厦举行奠基仪式，雷军表示，小米集团武汉总部是按1万人的规模来规划的。
人工智能与云平台，将成为小米武汉总部的核心业务之一，包括AI、云计算、大数据等。
据DONEWS报道，雷军表示，“AI+IoT”是小米未来核心战略，人工智能将为小米的智能硬件和互联网服务全面赋能，帮助小米在未来发展中取得强大的竞争力和新的增长点。
小米首席架构师、小米人工智能与云平台副总裁崔宝秋在微博表示，武汉总部大厦的奠基将成为小米、金山、顺为发展历史上的新里程碑，标志着三家公司在全国布局上实现了重大突破。
小米人工智能与云平台团队会是武汉总部的一个重要部门，我们明年的一个工作重点就是打造“北京·武汉”双子星。
小米集团（武汉）总部未来几年的首要任务就是招人，而最急缺的就是技术型人才，包括AI、算法等领域的人。
今年8月，小米拿下武汉光谷中心城地块P（2018）073号地块，意味着小米正式进驻光谷中心城。
据悉，P（2018）073号地块位于九峰一路以南，光谷五路以下，正是光谷政务中心东边，面积约为2.8万余方。
据此前官方消息，小米武汉总部或将在2020年前后投入使用，为小米实现“第二总部”十年万人计划夯实基础。
4. 谷歌AI团队推新型"流体标注":图像标注速度提高三倍
谷歌AI团队近日推出了一款新型图像标注方式——“流体标注”，即采用机器学习来注释分类标签并勾勒出图片中的每个对象和背景区域。谷歌官方表示其可将标记数据集的速度提高三倍。
百度众测平台去年曾发布了5000万元的数据标注任务，而今年预计将达3亿元。面对如此大的市场需求，效率低、交付质量参差不齐的人工标注方式亟待改善。谷歌此次推出的“流体标注”如何为图像标注提速？
“数据标注是人工智能产业的基础，是机器感知现实世界的起点。从某种程度上来说，没有经过标注的数据就是无用数据。”
美国加州科技大学校长秦志刚教授在接受科技日报记者采访时表示，机器识别事物主要通过物体的一些特征。被识别的物体还需要通过数据标注才能让机器知道这个物体是什么。
在机器的世界里，图像与语音、视频等一样，是数据的一个种类。近年来，随着数码产品以及存储技术的迅速普及和发展，人们每天都可通过相机、可视电话、监控及医疗设备等制造大量图像。因此，现阶段图像已然成为标注产业发展的重点对象。
如果素材是一张人物图像，那么需要标注的信息往往是性别、面部朝向、人种、有无帽子眼镜等，也可以人为地将人物和背景的区域划分开来。
将成千上万张经过标注的图片组成的数据集“投喂”给机器，它才能在一张全新的图像中分辨出人物在哪个区域、具有怎样的外貌特征。对于人来说“小儿科”的思考历程，机器却需要大量的标记数据集进行训练。
提到人工智能产业，人们往往联想到繁华的城市和干练的IT精英，但实际上，支撑起人工智能的数据标注产业，却是一个劳动密集型产业。
百度搜索“数据标注”，会出现很多图片语音视频数据采集、标注公司。随机选择一个此类词条点进去，往往会看到“万人数据标注团队”等类似宣传语。可见人工标注是目前数据标注的主要方式。
“谷歌推出的流体标注模型主要利用人工智能学习的基础，对图像数据进行自动标注，对于标注不准确或者出现偏差的地方可以通过人工调整，从而提高标注效率。”
秦志刚指出，即便该模型可借助机器学习提升标注速度，但最初还需进行人为地数据标注，为其提供初始训练数据集。事实也正是如此，为了标注图片，谷歌预先以约一千张具有分类标签和信任分数的图片训练了语意分割模型。
但该模型尚不完美，谷歌称，物体边界标记问题、界面操作速度以及类别扩展等仍需进一步研究或完善。
素材来源：搜狐科技、机器之心、人工智能头条、ofweek等
如需转载，请后台留言，遵守转载规范
