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：AI診療，知識圖譜，AI機器人
AI新聞
AI醫生犯錯，誰來負責？
在很多研究中都表明，人工智慧在診斷任務上優於人類醫生。但在醫療領域實施人工智慧的任何環節中，從設計到數據和交付，都有可能出現錯誤。那麼，誰將為這些錯誤負責呢？
詳情：
http://cur.at/dQivjNy?m=web
美國海關和邊境保護局資料庫泄露
一份督察長的報告顯示，去年的一次數據泄露導致至少19張來自美國海關與邊境保護局資料庫的照片泄露到了暗網上。
詳情：
https://venturebeat.com/2020/09/24/mugshots-from-u-s-customers-and-border-protection-database-leaked-onto-the-dark-web-report-finds/?utm_campaign=AI%20Weekly&utm_medium=email&utm_source=Revue%20newsletter
Twitter照片算法被曝存在明顯種族偏見
在人們的時間軸上顯示臉部照片時，Twitter的顯著性檢測算法似乎總是優先考慮白人的臉。
詳情：
https://venturebeat.com/2020/09/20/apparent-racial-bias-found-in-twitter-photo-algorithm/?utm_campaign=AI%20Weekly&utm_medium=email&utm_source=Revue%20newsletter
AI機器人打敗世界級冰壺選手
在人工智慧中風靡一時的深度學習技術在掌握腦力遊戲方面表現尤其好，比如西洋棋和圍棋。但跨過仿真到現實的鴻溝並不容易，然而如果你認為體育遊戲AI就無法勝任了，這個視頻可能會讓你大吃一驚。
詳情：
https://www.scientificamerican.com/video/watch-a-robot-ai-beat-world-class-curling-competitors/?utm_campaign=Artificial%2BIntelligence%2BWeekly&utm_medium=web&utm_source=Artificial_Intelligence_Weekly_180
AI女神贏得AAAI 100萬美元大獎
為了表彰她在癌症診斷和藥物合成中的傑出成就，MIT教授Regina Barzilay日前被人工智慧促進會（AAAI）授予松鼠人工智慧獎，並同時發放100萬美元獎金。
詳情：
https://news.mit.edu/2020/regina-barzilay-wins-aaai-squirrel-ai-award-artificial-intelligence-0923?utm_campaign=Artificial%2BIntelligence%2BWeekly&utm_medium=web&utm_source=Artificial_Intelligence_Weekly_180
AI學術
知識圖譜訪問：基於RDFFrames的ML工具
以RDF數據集表示的知識圖譜是許多機器學習應用程式的組成部分。這是因為它們擁有良好的數據管理系統和社區生態提供支持，這些系統和工具提供了SPARQL查詢接口。但是，知識圖譜的ML工具卻不能使用SPARQL，主要是因為SPARQL和機器學習工具在數據模型和編程風格方面不匹配。
為了應對這一挑戰，本文提出了RDFFrames，一個將知識圖譜無縫集成到機器學習應用程式中的框架。
該框架基於幾個功能強大的圖形導航和關係處理運算符，這些運算符使得用戶可以使用在機器學習環境（如PyData）中熟悉的面向過程的編程從知識圖譜中生成數據集。
RDFFrames會自動將這些過程調用轉換為優化的SPARQL查詢，並在本地RDF引擎或遠程SPARQL端點上管理這些查詢的執行，能夠保護用戶不受SPARQL查詢執行的細節影響。研究人員還提供了一個RDFFrames的Python實現，該實現與pandas庫緊密集成，並通過實驗證明了其效率。
原文：
https://arxiv.org/pdf/2002.03614v3.pdf?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter
一個用於端到端自動語音識別的分布式ML平台
阿里巴巴和位元組跳動合作，推出了EasyASR，一個用於學習和服務大規模端到端ASR模型的分布式機器學習平台。
該平台建立在阿里雲人工智慧機器學習平台上。它的主要功能是支持分布式GPU集群上端到端ASR模型的有效學習和推理。它擁有一個簡單的介面，用戶可以使用預先定義或自定義的網絡架構來學習ASR模型。
在評估中，EasyASR為語音識別提供了幾個公共數據集的最新結果。未來，研究人員將繼續開發該平台，以支持更多最先進的ASR模型，並向公眾開放。
原文：
https://arxiv.org/pdf/2009.06487v1.pdf?utm_campaign=AI%20Scholar%20Weekly%20&utm_medium=email&utm_source=Revue%20newsletter
文章來源: https://twgreatdaily.com/zh-mo/lBbh03QBd8y1i3sJZvaj.html