MolarData|热“AI”身边事，新鲜趣闻周五见

MOLAR FRESH 2021年第14期

人工智能新鲜趣闻 每周五更新

从唱歌到作诗书法，腾讯AI Lab虚拟人艾灵技能再进化

5月21日，腾讯 AI Lab 虚拟人艾灵再秀出新技能，首次展示AI作诗、AI书法等国风才艺，并与青年歌手白举纲跨次元合作，共同演唱国风新歌《百川千仞》。

AI“艾灵”诞生于团队的实验性、探索性技术项目“多模态虚拟人”。机器学习、计算机视觉、自然语言处理等多种核心AI能力融合，让艾灵能“歌”善“言”，饱读“诗书”。依托腾讯 AI Lab 的前沿图像生成技术，艾灵得以“写下”神形兼备的书法字体。

艾灵背后由一套腾讯 AI Lab 自研的复杂系统支撑，相较于传统方法，应用多模态合成技术打造的虚拟人，无论是在自然度、鲁棒性、可控性、泛化能力以及实时性等方面都取得了更好的效果。

艾灵所具备的唱歌、表情、作词、书法等多项才艺，均来自于对海量数据的深度学习，这帮助她快速掌握更多技能，向全能 AI 不断接近。

腾讯 AI Lab 研究员表示，随着不断学习，后续艾灵还将学会很多新技能，比如在唱歌方面，团队正在努力让艾灵掌握不同的腔调，还可以学习传统戏曲、不同方言等更多歌唱方式。

（来源：腾讯AI实验室）

别说了，有画面了！Google文本生成图像取得新SOTA，CVPR2021已接收

Google在CVPR 2021上发表了一篇论文《跨模态对比学习: 文本到图像的生成》，提出了一个跨模态对比生成语法网络(XMC-GAN) ，该网络通过学习使图像和文本之间的互信息最大化，利用图像-文本和图像-图像之间的对比丢失来实现文本到图像的生成。

这种方法有助于判比器学习更健壮和鉴别特征，重要的是，与以前的多级或分级方法相比，XMC-GAN 通过简单的一阶段生成就实现了sota性能。

XMC-GAN 成功应用于三个具有挑战性的数据集，生成的图像所描绘的场景质量高于使用其他技术生成的图像。在 MS-COCO 上，XMC-GAN 将最先进的 Fréchet 起始距离(FID)评分从24.7提高到9.3，并且明显受到人类评估者的青睐。

XMC-GAN 也很好地概括了具有挑战性的本地化叙事数据集，其中包含更长和更详细的描述。研究人员相信这代表了从自然语言描述生成图像的创造性应用的一个重大进步。

（来源：新智元）

哥伦比亚华人博士推出「蓝脸」机器人，会做42种表情！ICRA 2021已发表

Creative Machines Lab at Columbia Engineering的研究人员历时五年，创造了一个新的自主机器人 EVA，它拥有一个柔软而富有表情的脸，可以响应附近人类的表情。

这项研究已经在 ICRA 2021 会议上发表，机器人的设计蓝图已经于2021年4月在Hardware-X上开源。

EVA 可以表达愤怒、厌恶、恐惧、喜悦、悲伤和惊讶这六种基本情绪，以及一系列更细微的情绪，通过使用人造肌肉(即电缆和马达)拉动 EVA 脸上的特定点，模仿连接在人脸皮肤和骨骼上的超过42个微小肌肉的动作。

EVA 使用深度学习人工智能读取和复制附近人脸的表情。EVA 模仿人类各种面部表情的能力是通过观看自己的视频反复试验而获得的。经过几次改进和反复，EVA 获得了从摄像机读取人类面部表情的能力，并通过模仿人类面部表情做出回应。研究人员指出，EVA 尽管与人类通过面部表情进行交流的复杂方式相去甚远，但是这种技术有朝一日可能会有有益的、真实的应用。

（来源：新智元）

这份现今最古老的文献，AI有了意外发现

《死海古卷》是目前世界已知最古老的文献，也被认为是 20 世纪最伟大的考古发现。但这一古卷的作者信息无从知晓。

现在，格罗宁根大学的研究人员通过跨学科交叉研究破解了古卷 “密码”。在这项研究中，他们与博士生 Maruf Dhali 一同特别关注了一个来自库姆兰 1 号洞穴的卷轴，它就是的著名的《大以赛亚书》

Dhali 开发了一种先进的人工神经网络，可以使用深度学习进行训练。这个神经网络将 2000 多年前作者留下的原始墨迹完好无损地保存在数字图像上。他们制作了 “热力图”，囊括了卷轴上一个字符的所有变体。然后，他们为这个字符的前 27 栏和后 27 栏制作了相应的平均版本。

他们发现了两个《大以赛亚书》作者有着非常相似的写作风格的证据，这表明他们有着共同的培养方式或起源。除了转化卷轴和其他可能的古代手稿外，对《大以赛亚书》的研究还为基于物理特征的库姆兰文本分析开辟了一种全新的方式。团队的下一步计划是研究其他的卷轴，可能会发现更多不同的作者起源或培养方式。

（来源：数据实战派）

匹兹堡大学增强对大脑神经刺激，唤起人工触觉，实现 “意念控制” 假肢

在 5 月 20 日《科学》杂志发表的一篇论文中，美国匹兹堡大学康复神经工程实验室的研究团队提到，通过增加对大脑触觉神经的刺激，大脑可以更容易地控制机械手臂。在实验中，研究团队通过人工触觉来补充视觉，将机械手臂抓取和移动物品的中值时间从 20.9 秒减少至 10.2 秒，相比无刺激情况下，速度提升一半以上。

本项研究首次提及通过使用微小电脉冲刺激大脑皮层的感觉区域，这可以帮助因脊髓受伤导致四肢失去感觉的患者更好更灵活的操控机械手臂，研究团队还以此往大脑传输触感反馈的功能。

内森・科普兰德是首个参与临床实验的人，一场车祸使他手臂患有残疾。通过测试运动微电极脑机接口（BCI），研究团队在他大脑中植入四个微电极阵列（犹他州阵列）。再增加微电极刺激大脑触觉反馈，参与者完成任务动作相比没有增加刺激的测试快了两倍。内森・科普兰德（Nathan Copeland）表示，植入的微小电极阵列不仅在他的大脑运动皮层中，并且在他的体感皮层中，大脑中的体感皮层主要负责来自身体感觉区域的信号。

该列阵不仅可以使他能够用自己的思想控制机械手臂，并且还能接收到触觉感觉的反馈，这与人的脊髓神经回路运作方式类似。

“未来人类意识能无线连接并控制任何物联网设备。” 这是美国华盛顿大学神经技术中心副主任 Rajesh Rao 对脑机接口（BCI）未来发展的判断。

（来源：机器人大讲堂）

END