MOLAR FRESH 2021年第24期
人工智能新鲜趣闻 每周五更新
01 向天线宝宝“借”根天线？最新脑机接口研究实现双向控制
本周，布朗大学领导的联合团队推出了一款微型植入传感器网络，并取名为“神经颗粒”。就像咖啡离不开咖啡伴侣，豆浆离不开油条，团队还给“神经颗粒”外搭了一款无线“信号塔”，用于在头皮上发射信号。
团队表示，这款内外呼应的脑机接口系统，不但能读取和翻译神经信号，还能反向刺激大脑的神经活动，实现脑机接口的双向控制。
当然，罗马并不是一日建成的。
经过无数的模拟和数代更迭，团队最终研制出了体积小于 0.1 立方毫米的“神经颗粒”。
其次，团队需要开发一个外部无线接收系统。这是一个拇指指纹大小的贴片，附着在头骨外的头皮上。它的工作原理就像一个微型手机发射塔，使用网络协议来协调来自“神经颗粒”的信号。
与电脑一样，每个“神经颗粒”都有自己的 PUF 地址，也就是自己的身份证。这样科学家就可以追踪是哪个大脑区域发布了特定的信号。不仅如此，无线贴片还可以向大脑内的“神经颗粒”提供无线充电服务，就好比买电动汽车送个移动充电桩，不得不佩服科学家们想的周到。
“神经颗粒” 系统可以称之为双向脑机接口领域的重大里程碑，它的轻便和无线等特性都极大地推进了这个领域发展。
（来源：学术头条）
02 AI教你画油画：任意画风都可驾驭，笔画序列秒秒钟呈现，百度南大团队打造
AI也能画油画啦！
随便给一张图，笔画序列秒秒钟呈现，比如世界名画蒙娜丽莎，亦或是写实类的小鸟。这项技术在Reddit上21小时内就已经有600+的点赞量。
研究团队提出了一个基于Transformer的框架，叫做Paint Transformer，用前馈网络来预测笔画的参数。
由于当前没有可用的数据集来训练Paint Transformer，受物体检测启发，研究人员设计了一个自训练Pipeline。整个模型由两个模块组成：笔画预测器和笔画渲染器。预测器包含了两个用于特征嵌入的CNN网路和一个用于参数预测的Transformer。随后，笔画渲染器为笔画集汇总的每个笔画，生成笔画图像，并将它们绘制到画，产生结果图像，大小为512*512。在DETR（用Transformer进行对象检测）的基础上，增加了二进制神经元来预测笔画是否应该被保留。这样它就可以在没有任何现成的数据集的情况下进行训练，同时还能实现出色的泛化能力。
这项技术由百度、南京大学、罗格斯大学共同打造。实验表明，这一方法比以前的方法取得了更好的绘画性能，而且训练和推理成本更低。
（来源：量子位）
03 150名打工人被AI判定“效率低”遭开除!网友：属实是人工智能，能治工人
“人工智能，能治工人”，惨还是打工人惨。
谁能想到，最近又有俄罗斯一家游戏支付服务公司直接用AI算法开除了150名员工！判断依据就是通过后台数据看员工有没有“摸鱼”。
这家公司叫做Xsolla，主要为游戏开发商和发行商提供付款，结算，销售和营销工具。至于为什么要用AI来干这一出，是老板发现公司今年业务增长不足40%，远低于去年的80%。最终就是通过后台监控员工在工作软件上的活动情况，通过算法把排最后的150名基层员工开除（一共30个指标）。
其实国内外很多公司都有后台监控，通过一些软硬件组成的“上网行为管理设备”，可能连你的聊天记录都能获取到。就比如亚马逊就构建了一套AI系统，来追踪每一个物流仓储部门的工作效率：一旦有人离岗时间太长，AI会自动生成解雇指令，根本不需要人类参与。
看来，现在的打工人们不仅要担心被AI取代，还要担心被AI监视，“人工智能，能治工人”，真的不是一句玩笑话了。
(来源：量子位）
04 AI重制合金装备预告片：高糊变4K，小岛秀夫发推：要下岗了！
还记得那些年放学玩过的PS2么？
2001年，小岛秀夫监制的「合金装备2：自由之子」发布了。 可以说，这是合金装备系列最受欢迎的一部作品，全球共计卖出超过700万份。
近日，Digital Foundry发布了一段视频。在视频中，MGS2的预告片在机器学习的帮助下得到高清重制，视觉质量拉满！
就在Digital Foundry发布视频当天，「合金装备」创作者小岛秀夫正好也在推特上发文。 他认为，终有一天，人工智能会对旧游戏重新制作。
DF重制MGS预告片使用的软件是Topaz Video Enhance AI。DF并没有让模组制作者煞费苦心地重新制作游戏中的每个纹理，而是利用深度学习软件，对每一帧进行学习，以4K分辨率重做。重制也不是百分百完美，有的锐化过度，有的还是很模糊，但大多数场景的分辨率都得到了提升。
Topaz Video Enhance AI这样的工具已经在整个行业中使用，最常用于游戏的重新制作。 在AI的帮助下，较低分辨率渲染的全动态视频序列得到了提升。而原始视频越干净，AI利用的效率就越高。 不过，AI重制模型就像是一个「黑匣子」。作为用户，我们无法得知这个模型的具体工作原理，因此在出现问题时也不知道要如何改进这个模型。
(来源：新智元）
05 AI“读图会意”首超人类！阿里达摩院刷新全球机器视觉问题纪录
<
原创文章，作者：整数智能，如若转载，请注明出处：https://www.agent-universe.cn/2021/08/8416.html
