MOLAR NEWS

2020年第30期

MolarData人工智能每周见闻分享，每周一更新。

两代博士历时8年，李飞飞团队Nature发文：用「环境智能」来改善医疗环境

斯坦福大学教授李飞飞与同事，以及学生合作的一篇论文在Nature上发表了一篇一篇关于利用人工智能传感器和AI算法帮助改善患者和临床医生医疗服务的文章。

在医院空间中，早期应用可以使得临床工作流程更加有效，并提升重症监护室和手术室中的患者安全性。在日常生活空间中，环境智能可以通过了解日常行为让老人变得独立，并改善对患有慢性疾病患者的管理。

在一项研究中，研究人员根据患者与医生之间的90,000次对话，在14,000小时的门诊音频上训练了一种深度学习模型。该模型显示出80％的单词级别的转录准确度，表明它可能比那些文档整理人员76％的准确度更好。在效率方面，使用连接到眼镜上的麦克风会将花在文档上的时间从2小时减少到15分钟，并将花在患者身上的时间增加了一倍。

来源：新智元

关注度越来越高的行人重识别，有哪些热点

行人重识别（Person Re-identification），也称行人再识别，简称 ReID，是利用计算机视觉技术，判断图像或者视频序列中，是否存在特定行人的技术。直观点来说，就是能够通过穿着、体态、发型等特征，识别出不同场景中的同一个目标人物，因此它也被称作跨境追踪技术。

目前，行人重识别技术在安防领域、自动驾驶等领域都有着广泛的应用。比如：智能安防：警方办案人员能够借助 ReID 帮助快速筛查可疑人员；智能寻人系统：在人流量较大的场所如机场、火车站，通过 ReID 寻找走失儿童和老人；智能商业：ReID 可以根据行人外观的照片，实时动态跟踪用户轨迹，以此了解了解用户在商场的兴趣所在，以便优化用户体验；自动驾驶系统：通过 ReID，能够更好地识别行人，提升自动驾驶安全性。其中，数据收集作为第一步，是整个行人重识别研究的基础。近年来，行人重识别之所以取得重大突破，离不开大规模数据集的推动与支撑。

来源：AI科技大本营

清华与微软团队联合提出基于领域知识迁移学习的神经信息检索

信息检索顾名思义，就是根据用户给定的问题，通过模型的搜索返回相关的文档（如下图所示）。整个检索过程大致分为两步：文档检索、文档重排序。

在神经信息检索模型中，相关性标签对于训练神经网络模型来讲十分重要，然而在很多场景下，相关性标签往往是难以获得的。因此，我们通过采用融合外部知识以及引入弱监督信号的方式来增强模型的效果。我们通过开源工具OpenMatch为整个开放域信息检索提供了一套完成的解决方案以及领域迁移的工作，从而帮助神经网络模型在开放域信息检索中得到更好的效果。

来源：AI科技评论

业界首个！大规模多相机通用物品场景数据集MessyTable

来自商汤与新加坡南洋理工大学联合制作的大规模多相机通用物品场景数据集MessyTable，MessyTable包括5500+ 手工设计的场景，共计5万多张图片和120万个密集标注的检测框，其对应论文已被ECCV 2020接收。

来源：Ofweek

李开复口误风波致歉，人脸识别虽好但用户隐私更重要

9月12日，李开复在首届HICOOL全球创业者峰会上演讲称，创新工场八年前投资旷视科技时，曾帮助旷视科技获取蚂蚁集团、美图的大量人脸数据。此言一出，顿时引起不小的争议，矛头直指用户最为关心也最为紧张的数据安全和隐私保护。

我们要通过制定法律法规和国家标准，明确企业从业资质与行为规范；在较为敏感的场景，应限制乃至禁止人脸识别的应用，并制定完善的准入机制、规制措施与问责制度，从而最大程度地防范人脸识别技术的滥用。

来源：Ofweek

学而思推出AI产品“小学口算”，作业批改准确率达99.9%

为解决5-12岁孩子口算练习不积极、家长辅导费时费力等问题，好未来旗下学而思整合了17年来积累的科技及教研优势，推出伴学成长类APP“小学口算”，从口算练习的场景切入，提供“手机拍照，1秒判对错”的智能批改功能，通过提高批改效率、智能归纳错题、打印周练习等伴学助学服务，帮助孩子培养数学思维，养成自我学习管理的好习惯。

据“小学口算”相关负责人介绍，“小学口算”从口算出发，但使命不止是口算练习，还将延展出包括多学科、综合题型练习的更多场景。未来，“小学口算”将立足于学而思的教学教研能力，为小学练习提供更加优质的内容和服务，并与校内教学结合，形成小学学习的闭环，用人工智能技术推动孩子学习的进步，真正实现技术赋能教育的愿景。

来源：新智元