AI 或可預測夫妻吵架,準確率 79.6%

來源：HyperAI超神經

新奇

AI 或可預測夫妻吵架

準確率 79.6%

夫妻之間吵架是常見的場景。新研究表明，人工智慧或許可以為夫妻們提供幫助，避免爭吵。

由四名工程師和心理學家組成的小組正在嘗試開發一個 AI 系統，該系統使用從可穿戴設備和智慧型手機中獲取的數據，檢測出包括生理、聲學和語言模式的規律，從而預測夫妻之間的衝突。

研究人員相信，通過訓練的算法可以處理此類數據，分析出夫妻之間的衝突模式，最終可以預測衝突並在情況惡化之前提供幹預措施。

南加州大學的研究人員從兩年前開始研究，收集了洛杉磯附近 19 對夫妻的語言數據，訓練其算法，衝突檢測的準確率達到了79.6%。

來源：wsj.com

社交網站 Pinterest 通過 AI

將自殘相關內容減少 88％

日前，Pinterest表示，他們正在使用機器學習技術，來識別和隱藏任何有關合理化或鼓勵自殘的內容。同時，Pinterest 已有一個強大的 AI 工具集可供使用。

Pinterest 透露，其在線/離線視覺搜索工具，可以利用 AI 來識別從 Pins 或智慧型手機捕獲的事物，並提供相關主題和產品的建議。該工具已能識別出25 億個家用和時尚物品。

該公司表示，已將用戶自殘內容數量減少了 88％，並且現在能夠以 3 倍的速度刪除此類內容。

來源：venturebeat.com

企業

Facebook 發布 Pytorch 1.3

在舊金山舉行的 PyTorch 開發者大會上，Facebook 宣告發布了 PyTorch 1.3。

新的版本增加了多項功能，如支持無縫模型部署到行動裝置，模型量化以在加強推理性能，以及前端改進，如命名張量 (name tensors) 等。此外，Facebook 還發布了相關的工具和庫，增加Cloud TPU和阿里雲支持等。

PyTorch 正在收到更多開發者的青睞。在去年貢獻者增長超過50％，來自 Facebook 、Microsoft、Uber 和其他組織的貢獻者數量，已經接近 1,200 位。而在 arXiv 上，PyTorch 在 2019 年上半年的引用增長了 194％。

來源：pytorch.org/blog

LinkdIn 的 AI 工具可自動生成照片文字描述

LinkdIn 在最近的博客文章中透露，他們開發了新的工具，可以為自動上傳到 LinkdIn 的圖片添加文本描述，該工具使用微軟的 Cognitive Services 平臺，以及基於 LinkdIn 的獨特數據集來實現。

目前該工具已開放使用，用戶通過網頁界面上傳圖像，系統會按照置信度得分排名為照片生成替代文字描述。

開發團隊通過評估 LinkdIn 上現有文本描述，對系統進行比對和校準。得益於 LinkdIn 的自身優勢，該工具能夠勝任一些特定的場景描述，如圖片中包括幻燈片，投影儀，展覽，會議，研討會，海報，證書，圖表等等。

學界

加州大學舊金山分校啟動人工智慧中心

以推進醫學成像研究

加州大學舊金山分校將建立一個新的中心，以加速人工智慧（AI）技術在放射學中的應用，並利用先進的計算技術和行業合作來改善患者的診斷和護理。

該智能成像中心，將開發並應用 AI ，設計出功能強大的新方式來查看人體內部，並評估健康和疾病。中心的研究人員將與NVIDIA合作，構建將 AI 轉換為臨床實踐的基礎架構和工具。

來源：ucsf.edu

香港研究人員開發了世界上第一臺

支持 AI 的可攜式血液測試儀

香港中文大學的研究小組周四宣布，他們開發了世界上第一臺「人工智慧可攜式血液定量相位顯微鏡（QPM），用於血液檢測」，它具有低成本，快速和高效率的檢測技術。

根據研究人員的說法，傳統的血液測試需要專業人員進行，得出檢測結果可能要花費數小時甚至數天。而且所涉及的儀器體積龐大且昂貴，無法輕易轉移，尤其是偏遠地區。此外，細胞的形態可能會受到染色或標記的影響，進而影響測試結果。

由港中文大學研究團隊開發的新型儀器，重量不到 5 公斤，其大小類似於可以隨處攜帶的公文包。計算機自動在幾分鐘之內完成分析過程，準確性超過 90％。

技術

谷歌發布 M4 方法

促進大規模多語言及神經機器翻譯的發展

過去幾年中，得益於 NMT（Neural Machine Translation 神經機器翻譯）的發展，機器翻譯取得了顯著的進步。

為了進一步促進大規模多語言和大規模神經機器翻譯的發展，谷歌發布M4 方法（massively multilingual, massive neural machine translation），該方法在針對低資源語言和高資源語言的翻譯上均顯示出巨大的提升，並且可以輕鬆適應於各個領域和不同語言，同時在跨語言機器翻譯上也顯示出超高效率和可靠準確度。

OPA 發布機器學習模型

用於預測技術落地的可能性

近日，美國國立衛生研究院（NIH）的資產組合分析辦公室（OPA）發布了一款機器學習模型，可用來預測某篇論文中探討的技術，未來是否有可能在臨床中應用和實現。

該模型通過「近似翻譯潛力」（APT，Approximate Potential to Translate）的度量標準，來驗證和預測科技落地的可能性，依託於 iCite 提供的大量生物醫學研究資料庫，某項技術被引用的次數越多，表明對該項技術該興趣的人越多，那麼投入臨床試驗的機率也會相應提高。

來源：aitrends.com

來源：HyperAI超神經

關於騰訊AI加速器

騰訊AI加速器是騰訊產業加速器的重要組成部分。其背靠騰訊產業生態投資，依託騰訊AI實驗室矩陣的核心技術，騰訊雲的平臺、計算能力以及合作夥伴豐富的應用場景，為入選項目提供課程、技術、資本、生態、品牌等層面的扶持；並與入選項目共同打造行業解決方案，推動AI技術在產業中的應用落地。

在前兩期AI加速器中，從全球2000+項目中甄選出的65個項目，整體估值662億+，融資總額高達70億+，70%的項目完成新一輪融資；其中騰訊投資樂聚機器人、工匠社機器人、Versa馬卡龍玩圖，並形成行業解決方案50+。

2019年8月16日，騰訊AI加速器三期名單出爐。TOP30項目從1500個報名者中脫穎而出，錄取率僅2%，三期項目總估值超200億。項目聚焦於金融、教育、安全、工業、機器人、IoT、雲計算、5G等。入選騰訊AI加速器三期，意味著正式成為騰訊智慧產業生態的合作夥伴，將與騰訊各智慧產業業務深度結合。