微软宣布推出云量子计算服务 Azure Quantum【智能快讯】

By 超神经

AI 无处不在的时代，每天都有新的技术与研究成果出现。 无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。

想知道最近的 AI 动态吗？HyperAI 超神经精心整理了 AI 行业的近期资讯，快来一起围观吧！

企业

微软宣布推出云量子计算服务 Azure Quantum

近日，微软在官网发布了  Azure Quantum ，旨在 通过世界上最具扩展性的量子系统，解决最复杂的问题。

Azure Quantum 是一个 全栈开放云生态系统 ，通过与 1Qbit、Honeywell 等公司的合作，微软提出了各种各样的跨行业量子解决方案。用户可充分利用 Azure 中的工具和服务，构建适合自己的量子解决方案，体验量子计算带来的革命性改变。

来源：cloudblogs.microsoft.com

英伟达为最大的邮政服务机构 USPS 

提供 AI 技术支持

美国邮政服务局（USPS）在本周二，宣布了将采用英伟达的人工智能技术来 提高其邮寄服务的效率 。

他们开发出的专用模型，将被用于美国近 200 家邮政服务机构的 Nvidia EGX 边缘计算系统。

英伟达和 USPS 的工程团队已经合作了几个月，并计划在今年年底之前部署第一个系统。并将于 2020 年春季投入使用，预计新技术的加入， 会将包裹数据处理速度提高 10 倍 ，并且获得更高的准确性。

来源：techspot.com

技术

GPT-2 最终版放出，包含 15 亿参数

OpanAI 的逆天语言处理模型 GPT-2 ，在经历了「挤牙膏」式的分阶段开源后，终于在近日公布了包含 15 亿参数的完全版本。

在 GPT-2 公布之时，因为其强大的文本生成能力，引发了业内的广泛关注，但同 时出于被滥用造假的担忧，OpenAI 也一直没有开源 GPT-2 的代码。 只是分阶段地放出包含部分参数的模型。

本次释放的完整版本，包含了 15 亿参数，输出的可信度得到了提升。 此外，OpenAI 声称可以通过一些微调防止模型被滥用，而且也正在开发内部检测工具，以协助研究合成文本的检测。

来源：openai.com/blog

圣母大学科研人员发布线上评论互动预测模型

近日，来自圣母大学的两位科研人员发布了 CTPM （Comment Thread Prediction Model）模型。

该模型通过观察帖子中的前几个评论，创建一个预测模型，进而预测社交网络上评论等互动行为的发展方向和轨迹。

研究人员表示，未来该模型有望仅通过标题预测 Twitter 或 Reddit 上，帖子的受欢迎程度，并帮助社会学家通过网民发布的照片、评论等内容，分析人类行为及背后的文化影响。

来源：techxplore.com

学界

科学家使用深度神经网络解决三体问题

 

来自爱丁堡大学，剑桥大学，圣地亚哥大学校园和莱顿大学的一组研究人员，在近日 开发出了一种深度神经网络模型，用来解决三体问题。 相关工作的论文被发布在 arXiv 上。

 

三体问题是物理学中的困难问题，为了用更快的方法找到它的解，研究人员尝试用神经网络的方法，来进行研究。他们研发了一个专门的系统——Brutus，通过让 Brutus 解决了 9900 个「简单」场景，并将数据和结果馈到神经网络，以实现对三体问题的求解。

研究人员说，系统给出的结果非常接近，表明该系统具有解决此问题的能力，并且速度更快，这项研究能够为三体问题的解决带来一定的帮助。

 

来源：techxplore.com

 

机器学习用在交通管理，改善实时决策能力

 

劳伦斯伯克利国家实验室的一组计算机科学家，正在与加州交通运输部（Caltrans）合作， 使用高性能计算（HPC）和机器学习，来帮助改道路交通中的实时决策能力 。

 

利用从加州高速公路上传感器收集的数据，他们研发了一种新颖的算法，可在 15 分钟的滚动基础上实现准确的预测。

 

然后，该团队使用通过 Connected Corridors 系统收集的实时交通数据，验证并集成了新算法，打造了基于流的实时交通数据中心，Spark MLlib（可扩展的机器学习库）在其中提供机器学习模型可以在建议的集成学习框架中使用。

 

这项工作的具体应用是 在高速公路上存在感应的位置生成预测的交通流量 。并用于预测高速公路入口处的交通需求和高速公路出口处的交通流量。

 

据称，该算法能够更准确，及时地进行交通干预，并有助于实时交通控制，例如重新路由交通，更改交通信号灯配置以及其他纠正措施。

 

来源：newscenter.lbl.gov

新奇

Spleeter: 利用深 度学习对歌曲进行源分离

尽管 音频中的源分离 是一个鲜为人知的话题，但这个问题已经引起了的音乐信号研究人员数十年的关注。音乐源分离的任务是：给定混合音，我们是否可以恢复这些分离的 音轨 （有时称为 stems）？

对于音乐制作人，DJ 以及任何想用分离音频进行音乐演奏的人来说，将歌曲拆分为单独的人声和乐器一直是一个难题。目前有很多方法可以实现，但通常都会耗时很多，并且结果通常并不完美。

新的开源 AI 工具使这项棘手的任务变得更快，更轻松。该软件名为 Spleeter ，由音乐流媒体服务 Deezer 为研究目的而开发。

昨天，该公司以开源软件包的形式发布了该代码，并将代码放在 Github 上，供任何人下载和使用。 只需向 Spleeter 提供一个音频文件，Spleets 便能将音乐分为两个，四个或五个独立的音轨。

Spleeter 本身的速度非常快，在专用 GPU 上运行时，它可以将音频文件分成四个独立音轨，比实时速度快 100 倍。

来源：deezer.io

研究人员开发出可区分讽刺和假新闻的 AI

区分讽刺和虚假新闻的关键，通常归结为语义和语言上的差异，但这种细微的差别有时候就很难发现。

乔治华盛顿大学，Amazon AWS AI 以及初创公司 AdVerifai 的研究人员， 研究了一种机器学习方法来对误导性语音进行分类。

他们开发的 AI 模型优于基线，这将可以为研究其他语言功能奠定基础。这项研究基于麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究，该实验室于今年早些时候设计了一个 AI 模型， 该模型可以 判断信息来源是中立的还是有政治偏见的。

来源：venturebeat.com

—— 完 ——

扫描二维码，加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解更多

更多精彩内容（点击图片阅读）