周刊 | 回顾一周云行业热点快讯 (2019/05/27）

京东云开发者

于 2019-05-27 19:50:43 发布

阅读量111

点赞数

行业要闻

Industry News

▲▲▲

Apache回应：参与开源不受EAR约束

针对近日闹得沸沸扬扬的Apache软件基金会项目是否受美国出口法律约束一事，Apache 软件基金会发表了《Apache软件基金会关于非美国子公司已添加到美国联邦登记公告实体清单裁决中的声明》一文。

文中指出，出口和再出口对实体清单上指定的各方的限制特别适用于受出口管理条例（EAR）约束的活动和交易。由美国商务部、工业和安全局（BIS）于 2016年9月20日生效的开源公开可用加密软件源代码，被规定为是“公开可用”和“已发布”的，并且不受EAR约束。

IDC发布2018年中国人工智能报告：GPU服务器FPGA销售额暴增

近日，IDC公布最新的《2018年中国AI基础架构市场调查报告》，2018年中国AI基础架构市场销售额同比增幅高达132%，整体销售额达到13.18亿美元。IDC数据显示，2018年GPU服务器继续保持高速增长，销售额同比大增131.2%，仍然是AI基础架构领域的主流，销售额占比达到99%。

此外，调查报告还指出：

1.线上推理加速卡高速增长，预示人工智能进入大规模应用；

2.互联网仍然是GPU服务器规模最大市场，政府市场增长迅猛；

3. “传统行业用户是隐藏在海面下的冰山”，金融、电信、零售、医疗、制造、媒体、政府、交通等将成为未来AI的主导产业。

Facebook最新力作Pythia：模块化、即插即用，极大简化模型进展

Facebook的人工智能研究部门近期推出Pythia，一个模块化的即插即用框架。目标是使数据科学家能够快速构建、复制和基准人工智能模型，将VQA v2.0数据集模型的性能从65.67%提高到70.22%，已在Github上开源。

Pythia是一个深度学习框架，支持视觉和语言领域的多任务处理。开发者还希望通过Pythia消除障碍，能够使研究人员更快地为人们和智能机器开发新的交流方式。这项工作还应该帮助研究人员开发自适应人工智能，将多种理解合成一种更基于上下文的多模式理解。除了这个开源版本，Facebook计划继续添加工具、任务、数据集和引用模型。

微软Windows 10 May 2019更新正式开始推送

Windows 10 May 2019更新正在向全网推送，为操作系统提供了一些急需的改进。它引入了改进的Windows Update体验，轻量级主题和一些改进。然而，最好的功能是新的Windows Sandbox。

微软表示，未来几周内他们将更广泛地提供更新，不过有鉴于去年发布十月更新时出现bug的尴尬，Windows 10版本1903安装与否可以由用户自己来确定，而非自动更新。

GitHub 添加打赏功能

GitHub发布了Sponsors，这种新工具让你可以打赏开源开发人员。开发人员可以选择在其GitHub代码存储库上做一个“赞助我”（Sponsor me）按钮，开源项目也可以突出显示筹资模式，无论这是付给开发人员个人的赏金，还是使用Patreon、Tidelift、Ko-fi或Open Collective。

GitHub表示，其宗旨是“扩大参与和建立开源的机会”。

该项目仅对开源开发人员开放。在开发人员参与的头一年，GitHub（及其在微软的公司领导者）也将提供高达5000美元的赏金。在接下来的12个月，GitHub也不会收取任何支付处理手续费（不过一年后收取手续费）。

Intel明年推128层NAND：QLC闪存大杀四方

5月25日的Intel亚太研发中心媒体会议上，Intel研究人员介绍的主要是数据中心领域的处理器、网卡、内存等产品，与客户端产品关系不大。不过在存储产品中，Intel单独介绍了他们在NAND闪存上的最新进展，这个系列以后就跟普通玩家有关了。

此外，Intel还提到在NAND闪存上他们起步要落后于三星等公司，但在3D NAND闪存时代追上来了，一开始就是32层堆栈，QLC闪存直接上了64层堆栈，单核心容量就有1024Gb，2020年则会推出128层堆栈的QLC闪存。

学术前沿

Academic News

▲▲▲

斯坦福&Adobe CVPR 19 Oral：全新通用深度网络架构CPNet

现有的视频深度学习架构通常依赖于三维卷积、自相关、非局部模块等运算，这些运算难以捕捉视频中帧间的长程运动/相关性。近日，来自斯坦福和Adobe的研究人员，受到点云上深度学习方法的启发，提出了一个通用的深度网络架构CPNet，用于学习视频中图片之间的长程对应关系，来解决上述问题。

斯坦福大学和Adobe研究院的研究者们提出了全新的通用深度网络架构CPNet，用于学习视频中图片之间的长程对应关系，来解决现有方法在处理视频长程运动中的局限性。在三大视频分类数据集上取得了优于之前结果的性能。相关论文获CVPR 2019 oral。

???? 论文链接：

https://arxiv.org/abs/1905.07853

美国陆军研究实验室：新框架让AI可以终身学习

美国陆军的一个项目为深度神经网络开发了一个新的框架，它允许人工智能系统更好地学习新任务，同时更少地忘记他们在以前任务中学到的东西。由军方资助的北卡罗莱纳州立大学的研究人员也证明了使用框架学习新的任务可以使人工智能更好地执行以前的任务，这一现象称为反向转移。

研究团队提出了一种新的持续学习框架，称为“学习成长”（Learn to Grow），它将网络结构学习和模型参数学习分离开来。这种体系结构优化有效地布局了完成新任务所需的最佳拓扑（topology）或者一系列层。一旦完成，网络就使用新的拓扑结构来训练自己如何完成任务——就像其他任何深度学习人工智能系统一样。在实验测试中，它优于以往的持续学习方法。

???? 论文链接：

https://www.sciencedaily.com/releases/2019/05/190520115635.htm