大數據文摘出品
編譯:雲舟
嗚啦啦啦啦啦啦啦大家好,原AI Scholar Weekly改版,融合AI時事新聞內容再度來襲!
AI大事件是AI領域的綜合性專欄,致力於為你帶來最新潮、最全面、最深度的AI行業概覽,從硬核的學術內容到精品產業新聞,為你一網打盡每周AI的前沿資訊。
做AI行業的終身學習者,每周一篇就夠啦!
本周關鍵詞:無人駕駛、邊緣計算、機器學習可解釋性
AI新聞
在軍事中應用AI沒有回頭路
WIRED發表文章稱,比起對濫用AI的恐懼,美國更恐懼的是在數字化軍備競賽中輸給中國。
詳情:
https://www.wired.com/story/opinion-theres-no-turning-back-on-ai-in-the-military/
Uber司機工會要求歐盟法院否決「自動開除」算法
前Uber司機在歐洲對該公司提出了法律訴訟,稱其「自動開除」算法違反了GDPR(General Data Protection Regulation )。
詳情:
https://venturebeat.com/2020/10/26/uber-drivers-union-asks-eu-court-to-overrule-robo-firing-by-algorithm/
數千個推特機器人正在放大陰謀論
南加州大學的研究人員發現了機器人在美國大選前散布陰謀論的證據。
詳情:
https://venturebeat.com/2020/10/28/study-identifies-thousands-of-twitter-bots-amplifying-conspiracy-theories-ahead-of-the-u-s-elections/
Waymo無人駕駛汽車在20個月內發生18起事故
Waymo發布了一份安全報告,概述了其汽車在鳳凰城行駛20個月內所遭遇的事故和近距離碰撞。
詳情:
https://venturebeat.com/2020/10/30/waymos-driverless-cars-were-involved-in-18-accidents-over-20-month/
AI學術
機器學習的可解釋性:簡史、現狀和挑戰
近年來,對可解釋機器學習的研究蓬勃發展。儘管這是一個很年輕的領域,但它在回歸建模和基於規則的機器學習方面已有200多年的歷史了,它的實際誕生日期,是在20世紀60年代。
本文簡要介紹了可解釋機器學習(IML)領域的歷史,概述了最新的解釋方法,並討論了這一領域面臨的挑戰。
最近,許多新的IML方法被提出,其中許多是模型不可知論的,但也解釋了特定於深度學習和基於樹的集成的技術。該領域已接近成熟和穩定的狀態,許多方法不僅在研究中提出,而且在開源軟體中也得到了實現。但IML在處理相關特徵、因果解釋和不確定性估計等方面仍存在許多重要的挑戰,需要解決這些問題才能成功地應用於科學問題。
原文:
https://arxiv.org/abs/2010.09337v1?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter
邊緣計算時代的深度學習:挑戰與機遇
邊緣計算正在徹底改變我們的生活、工作和與世界互動的方式。隨著最近在深度學習方面的突破,預計在可預見的未來,大多數邊緣設備將配備由深度學習驅動的機器智能。
在邊緣計算時代,要實現深度學習的全部承諾,有許多艱巨的挑戰需要解決。
在這篇論文中,研究人員提出了計算機系統、網絡和機器學習交叉點的八個挑戰。這些挑戰包括DNN模型的高計算需求和邊緣設備有限的電池壽命之間的矛盾、現實世界環境中的數據差異、處理異構傳感器數據的需要以及異構計算單元上並發的深度學習任務所需要的性能。這項研究還提出了有潛力應對這些挑戰的方法。
原文:
https://arxiv.org/abs/2010.08861?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter