機器人大講堂 發表於 2020-12-23 14:22:18
1.華為發布全新機器人流程自動化產品:7×24小時不間斷運行
華為發布了機器人流程自動化 AntRobot RPA 2.0(Robotic Process Automation,機器人流程自動化)產品。據悉,RPA 作為一種自動化技術,能像人類用戶一樣登錄業務系統並處理數據和業務流,並且可7×24 小時不間斷運行,提升流程效率和準確性。華為表示,除了電信服務領域外,AntRobot RPA 產品還被應用於華為的製造、供應鏈、財經、零售、IT、HR 等多個部門。IT之家了解到,AntRobot RPA 2.0 推出了包括小程序生成、全面錄製功能、自定義控制項、客戶成功管理、需求管理和安全管理六方面新特性。此外,AntRobot RPA 2.0 產品還提供了文檔理解、OCR(光學字符識別)、人臉以及活體檢測和訓練能力。
2.我國機器人相關企業前三季度註冊量同比增長60.5%
隨著人工智慧技術的發展,不少餐飲企業選擇使用餐飲機器人破解「用工荒」問題。日前有數據顯示,國內餐飲機器人銷量近兩年迅速增長,總銷量已經過萬。企查查數據顯示,目前我國共有20.5萬家機器人相關企業,廣州、深圳分別以2.2萬家、1.8萬家排名全國城市前兩位。2019年,相關企業年註冊量已達到3.98萬家,今年前三季度新註冊4.88萬家,同比增長60.5%。從投融資方面來看,機器人相關項目共發生投融資事件2097次,其中2020年共發生161次。從機器人相關專利數量上來看,哈爾濱工業大學和北京航空航天大學分別以9405件和7476件排名前二,百度以5668件排名第三。
3.研究發現機器人會鼓勵人類冒險
據外媒報導,南安普頓大學風險管理副教授 Yaniv Hanoch 領導團隊的新研究表明,與沒有任何影響因素的行為相比,機器人會鼓勵人們在模擬賭博場景中承擔更大的風險。這項新研究發表在《網絡心理學,行為和社交網絡》雜誌上,希望了解人機互動是否會影響人類的判斷。結果表明,機器人鼓勵確實會使實驗對象冒更大的風險。研究人員認為這個領域需要進行進一步的研究,查看人類與其他人工智慧(AI)系統(例如數字助理或屏幕化身)的交互作用是否會產生相似的結果。
4.德國人工智慧戰略升級,把對AI的資助從30億歐元增加到50億歐元
近期,德國聯邦政府根據近兩年的形式變化以及新冠疫情帶來的影響,對2018年版《德國人工智慧發展戰略》進行了完善,並在內閣表決通過了這一新的修訂。經過修訂後的戰略計劃到2025年,通過經濟刺激和未來一攬子計劃,把對人工智慧(AI)的資助從30億歐元增加到50億歐元。本次完善的重點領域包括應用研究、專家和專業知識、轉化和應用以及監管框架和社會等領域。就內容而言可持續發展、環境和氣候保護、抗擊疫情以及國際和歐洲合作等是新舉措的重點。具體內容包括:在德國培訓、招募和留住更多的人工智慧專家;建立高效透明的研究結構,並提供最現代的AI/計算基礎架構;基於出色的研究和轉移結構,建立具有國際吸引力的AI生態系統,以加速研究成果在運營實踐中的應用,特別是在中小企業中的應用;創建安全可靠的AI系統,加強德國和歐洲以創新和以人為本的AI應用框架;支持民間社會建立網絡並參與AI的開發和使用等。
5.全球首創機器人手術搭配日間手術成功切除腫瘤
12月12日上午,在中南大學湘雅醫院分別接受了肺腫瘤切除手術和縱膈腫瘤不到12小時的兩位患者就順利康復出院了,而兩位患者的住院時間也還不到24小時。張春芳教授介紹,相對於傳統的胸腔鏡手術,機器人手術具有許多優勢:一是作業系統具有3D視野,可以360度空間下靈活操作,任何刁鑽角度都不在話下,在患者體內有5—10倍放大效果,顯示更加清晰,操作更加精準;二是傳統胸腔鏡需要在患者肋間開12mm的小孔,而機器人手術只需要8mm,更適應正常人的肋間解剖距離,對患者傷害更小,術後疼痛減輕,更利於恢復。此次手術,張春芳教授更是想將機器人手術與日間手術的優勢結合起來,產生1+1>2的效果。
6.IBM 新研究:僅用四位計算機即可訓練 AI
深度學習需要大量數據和計算資源,效率低且用電量高。據外媒報導,IBM 研究人員針對這個問題將表示數據所需的位數(即1和0)從當前的行業標準 16 位減少到只有4 位。該研究將於本周在年度 AI 頂會 NeurIPS 上進行介紹,可以將訓練深度學習所需的速度提高並將能源成本降低七倍以上。它還可以在智慧型手機和其他小型設備上訓練功能強大的 AI 模型,可將個人數據保留在本地設備上來提高隱私性。(MIT TechnologyReview)
7.華盛頓大學教授:梯度下降學得的每個模型都近似於內核機器
深度學習的成功通常歸因於其自動發現數據新表徵的能力,而不是像其他學習方法那樣依賴手工特徵。但在本文《Every Model Learned by Gradient Descent Is Approximately a KernelMachine》中,來自華盛頓大學的研究者表明,通過標準梯度下降算法學得的深度網絡實際上在數學上近似於內核機器,這是一種簡單地存儲數據並直接通過相似性函數(內核)將其用於預測的學習方法。通過闡明深層網絡權重實際上是訓練示例的疊加,深層網絡權重的可解釋性可以大大增強。網絡體系結構將目標函數的知識整合到內核中。這種更好的理解方式應該能夠生成更好的學習算法。
責任編輯:lq
打開APP閱讀更多精彩內容
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容圖片侵權或者其他問題,請聯繫本站作侵刪。 侵權投訴