人工智能

机器学习是计算机在没有人类干预的情况下适应其反应的过程。这种形式的人工智能（AI）现在在虚拟助手等日常工具中很常见，并且正在被开发用于从医学到农业等领域。机器学习的迅速发展所带来的一个挑战是复杂的计算过程的高能量需求。

考虑到每天都有无数新视频涌入 YouTube、TikTok 和 Instagram 等平台，科技和媒体公司也越来越需要理解所有内容的发展趋势。好消息是，由麻省理工学院校友创立的 Netra 公司，正在利用人工智能技术来改进大规模视频分析。其打造的这套系统能够识别活动、对象、情感、位置等信息，然后以新的方式来组织视频、并为其提供上下文。

人工智能每天都在改变着现代医疗保健。人工智能的应用范围很广，涵盖了医疗保健的范围，从增强结核病检测到推进乳腺癌的诊断。但是，根据Google I / O小组在博客文章中分享的最新研究，Google打算使用AI诊断帮助用户了解皮肤状况以及他们是否患有皮肤病。

根据发表在《心脏》杂志 上的一项新研究，一种新型人工智能机器学习系统（AI）可以使用时间和天气数据成功预测心脏骤停的风险—心脏病发作 。

德国慕尼黑大学与柏林弗里茨·哈伯研究所的科学家们，已经找到了一条依靠主动式机器学习（AML）技术，来持续改进光伏面板的新方法。传统意义上的学习，无非是借鉴以往的经验。即便需要应对新的情况，AI 也相当依赖于此前已经处理过的大致相似状况。不过本文介绍的主动式学习技术，似乎已经开辟出了一个几乎无限的可能。

陆军战斗能力发展司令部（DEVCOM）、陆军研究实验室和南加州大学创新科技研究所研究出了一种实时对话交互人工智能技术，可使自主系统灵活地解读和响应士兵的意图。

近日浙江大学召开OpenKS（知目）知识计算引擎开源项目发布会，浙大与合作单位研发的OpenKS知识计算引擎取得重大进展，有望解决“人工智能不够智能”的问题。

Facebook AI研究实验室（Facebook’s AI Research lab；FAIR）和德国环境健康研究中心Helmholtz Zentrum München，于2021年4月16日宣布将推出一种新的机器学习工具，旨在帮助加速发现有效的抗疾病和癌症的新药物组合，通过AI加速药物发现。

ML我们都很熟了，而TinyML则是Tiny Machine Learning的缩写，直译为“微型机器学习”，是一种面向特定嵌入式产品的机器学习技术。tinyML的主要行业受益者是边缘计算和节能计算。 TinyML源自物联网（IoT）的概念。 物联网的传统思想是将数据从本地设备发送到云进行处理。 一些人对此概念提出了一些担忧：隐私，延迟，存储和能源效率等等。

瑞典查尔姆斯理工大学的研究人员介绍了一种利用人工智能生成合成蛋白质的方法。这种新方法对于开发高效的工业酶以及抗体和疫苗等新型蛋白质药物有着巨大的潜力。由于瑞典查尔姆斯理工大学的研究人员最近发表的工作，人工智能现在已经能够生成新颖的、具有功能活性蛋白质。

西南大学数学与统计学院王建军教授团队在人工智能领域再次取得突破性进展，研究成果论文《基于二值测量的稳健低管秩张量恢复》在人工智能领域国际期刊《IEEE模式分析与机器智能汇刊》在线发表。该成果可以实现数据传送、压缩、回复更高效更精准。

计算机能与人类竞争性辩论的证据出现了。英国《自然》杂志18日发表一项人工智能（AI）最新进展，科学家报告了一种能与人类进行竞技辩论的“自主智能体”——“辩手项目”系统，其可以自行组织辩驳，这被认为与之前人工智能对人类的挑战有根本区别。虽然人类辩手被判定最终获胜，但该演示已表明：人工智能开始具备参与复杂人类活动的能力。

麻省理工学院的研究人员开发的一种新型深度学习算法，旨在通过建立一种健康的 “怀疑论 “帮助机器在真实的、不完美的世界中导航。这项研究发表在《IEEE Transactions on Neural Networks and Learning Systems》杂志上。

伦敦玛丽女王大学发表了一份不可思议的研究报告，向人体发射无线电信号，通过反射回来的信号形态，可以判断这个人的情绪状态。研究人员发现，人在不同情绪状态下，反射的无线电电波形态是不一样的。

斯坦福大学的数据显示，2021财年，美国在人工智能（AI）领域的研发投入将达到50亿美元（约合323.4亿元人民币）。

据多伦多大学官网报道，由该校和美国西北大学组成的研究团队，利用机器学习技术开发了一个自动化材料发现平台，有助于加快材料的设计周期。相关论文已在《自然-机器智能》（Nature Machine Intelligence）上发表。

根据麻省理工学院的报道，为了实现一种更类似于人类大脑处理语言的机制，该校的一个研究团队提出了一个软硬件结合的系统，名为SpAtten。

随着Deepfake技术的发展，判断一个视频是否被操控变得越来越困难。幸运的是，技术人员已经开发出了复杂的神经网络来检测假脸。然而计算机科学家上周透露，他们有办法骗过最强大的检测模型，使其认为Deepfake生成的内容是真实的。

漂浮的海洋乱抛垃圾对全球海洋生态系统的保护构成威胁。漂浮海洋垃圾的最大密度是在巨大的海洋环流中（旋转并捕获垃圾的循环水流系统），但是在沿海水域和地中海等半封闭海域，污染废物非常丰富。根据发表在《环境污染》杂志上的一项研究，MARLIT，一个基于深度学习技术设计算法的开放性网络应用，用人工智能检测量化海洋垃圾的准确性超过80%。

桑迪亚国家实验室（Sandia National Laboratories）的一个研究小组已成功使用机器学习完成复杂材料科学计算，其速度比普通方法快了40,000倍。

欧洲享有盛誉的马克斯·普朗克学会的科学家说，利用我们目前的技术，人类没有机会控制能够拯救或摧毁人类的超智能人工智能。