阿里 ai,阿里ai开放平台官网,阿里AIOT,阿里aiops

大家好，我是为人造的智能操碎了心的智能禅师。

AI 新闻那么多？其实一周 3 分钟就够了！

上周双十一，截止昨天 21 点，淘宝交易额突破 1900 亿！

于是大家又开始怀疑“消费降级论”，这么凶的购买力，我们真的是在降级吗？

但我们如果换一个角度，是不是由于很多平时不买的品牌，提供了大幅的折扣，促进了消费者的购买意愿呢？

品牌为什么愿意给出这么大的优惠力度，来冲销量呢？

全文大约2000字。读完可能需要下面这首歌的时间

?

双十一阿里用 AI 生成视频

阿里巴巴达摩院自然交互体验实验室负责人傅利民说，视频能增加 2.6% 的线上购买量，增加顾客 5% 的次均停留时间。

目前淘宝只有不到 1% 的商品实现了视频化表达。如果要在 1 年内满足这个需求，需要 50 万设计师。

听起来仿佛是个 Impossible Mission。于是阿里推出了 Aliwood，根据商品图片素材，自动生成产品介绍视频。

目前 Aliwood 只是小范围内测。不久会开放给所有商家使用。

新华社+搜狗制作虚拟 AI 主播上岗

11 月 7 日，在乌镇举行的第五届世界互联网大会上，由国家通讯社新华社和搜狗公司联合开发的 AI 主播，正式亮相。

根据报道，此次共有 2 个 AI 主播，一个是中文主播，以中国新闻主播邱浩为原型，可以进行 7x24 小时不间断的新闻播报。

另一个是英文主播。新华社说，这些 AI 主播，将在突发报道中快速生成新闻视频，提高报道时效和质量。

当然，就目前这个水平，新华社记者还不用太担心自己的岗位。

曼彻斯特百万内核类脑超算正式启用

SpiNNaker 是目前已知的，世界最大的神经形态超级计算机，由曼彻斯特大学计算机科学学院设计制造。

采用和人脑类似的工作方式，配备 100 万个处理器内核。模拟规模相当于一只老鼠的大脑，或 1/1000 个人脑。

最终该计算机花费 1500 万英镑（合 1.4 亿人民币），耗费 20 年设计规划，终于正式启用。

禅师就想知道，这 100 万个处理器，20年时间，需要从 GPU 升级到 TPU 吗？

OpenAI 开发深度学习项目

OpenAI 启动了名叫 Spinning Up 的项目，包含了重要的强化学习研究论文，术语表和运行练习的算法集合。

OpenAI 认为，如果获得正确的指导和资源，完全可以快速实现"机器学习从入门到上岗"。

Spinning Up 主要包含以下核心内容：

1. 强化学习技术的简介

2. 一些介绍如何才能做好强化学习研究的经验

3. 重要论文的实现，按照主题进行分类

4. 各种强化学习算法的单独实现

5. 最后还会有一些热身练习题

AI 速成班儿，即日开班。

老年痴呆鉴别时间被 AI 提早 6 年

ai新闻报纸

对于日益严重的假新闻问题，不同的研究团队正在利用 AI 技术去更准确的判定和甄别假新闻。但技术是相对的，另一方面，在暗处，也有着另一波人在不断用 AI 技术生产假新闻、假评论。

今年的愚人节，你收到假新闻了吗？据统计，2016 年以来，「假新闻」一词的使用率增加了 365% 。

扎克伯格曾表示，构建全面的假消息检测需要很长时间，因为传统的思路是要理解消息的内容，综合发布时间和来源进行判断，这需要很大的工作量或技术要求。

但如果换一种思路呢？AI 也许不需要用人的思路去解决这个问题。事实上，当前的发展下，已经有新的 AI 方法在帮助人们判断网络中的假新闻。

就在几天前，微软发布公告称，今年它们不过愚人节。也许这个消息不算意外，因为谷歌就曾经因为愚人节开大了玩笑，而向用户公开致歉。

进入互联网时代后，愚人节逐渐从一些小的捉弄把戏，发展到在网络上传播一些大的事件。看似恶作剧的行为，却在一些场合，因为巨大的传播量和太过于「真实」，造成了大众的恐慌。

这个本来应该是轻松的节日，之所以会变成一些人害怕的日子，是因为在这一天，会有大量的假新闻产生。

所谓的假新闻，往往是一些媒体为了增加读者或网络分享而产生出来的虚假内容。假新闻生产者类似标题党，为了实现博眼球或者吸引流量的目的而无视内容的真假。

假新闻往往有着吸引人的标题，耸人听闻的故事，或者追逐热门的话题。正因如此，假新闻更容易获取广告收入、受到关注。

除了在愚人节大家会针对性的制造噱头之外，随着网络的便捷性和媒体报道的门槛降低，在平常的日子里，假新闻也比真新闻传播的更快更广泛。对于这个令人头疼的问题，最好的一种设想是有一个智能的过滤器，帮助我们去筛选。

MIT 的研究者使用了从语言模式上来判别假新闻的方法。

在一篇题目为 The Language of Fake News: Opening the Black-Box of Deep Learning Based Detectors 的论文中，MIT 的研究团队使用机器学习模型，捕捉真新闻与假新闻语言中的微妙差异，从而判断新闻的真假。

他们使用卷积神经网络，训练假新闻和真实新闻的数据集。在训练中，他们使用了一个名为 Kaggle 的流行假新闻研究数据集，其中包含来自 244 个不同网站的大约 12000 个假新闻样本文章。对于真新闻的数据集，则是来自于纽约时报的 2000 多份和卫报的 9000 多份新闻。

训练的模型将文章的语言捕获为「单词嵌入」，其中单词表示为向量，基本上是数字数组，具有相似语义含义的单词更紧密地聚集在一起，分析出真新闻和假新闻常用的语言模式。然后对一篇新文章，模型会扫描文本中的相似模式，并通过一系列图层发送它们。最终输出层确定每个模式的概率：真实或假。

该模型总结了在真实或虚假新闻中出现频次高的词汇特点。比如虚假新闻喜欢用夸张或最高级的形容词，然而真实新闻则倾向于使用相对保守的词语。

MIT 的研究人员称，他们的部分研究也揭示了这种深度学习技术的黑匣子，即找出此模型捕获的单词和短语，并对这些内容进行预测和分析，也就是知道深度学习判定的依据和方式。

论文地址：

英国的一家科技公司 Fabula AI 报道，他们利用新闻的传播方式对虚假新闻进行甄别。

Fabula AI 利用几何深度学习（ Geometric Deep Learning ）的方法检测假新闻。这种方法不是从新闻内容入手，而是着眼于此类信息如何在社交网络上传播，以及谁在传播这些信息。他们已经为此技术申请了专利。

Fabula AI 的联合创始人兼首席科学家 Michael Bronstein 说：「我们对新闻在社交网络上的传播方式进行了长期的观察。经分析得到，假新闻和真新闻的传播方式是不同的。几何深度学习的本质是它可以处理网络结构数据。我们可以合并异质数据比如用户特征、用户之间的社交网络互动、新闻本身的传播。从而产生判断。」

最后， AI 会根据真假新闻的可信程度，对内容进行分类，而且给出评定分数。将虚假与真实新闻从传播模式上进行可视化：以分享假新闻为主的用户是红色的，而完全不分享假新闻的用户是蓝色的。Fabula AI 表示，这显示了明显的群体分化，以及在传播方式上立即识别的差异。

此外，该公司称， Fabula AI 技术的主要优势在于它与新闻的内容和语言无关，而且因为它依赖于社交平台用户的集体行为，更难被技术的方法去对抗。而且系统能够用更快的速度，在发布之后的短时间内，以非常准确的方式检测出假新闻（> 93% 的 ROC AUC ）。

文章博客：

当然，用 AI 判断假新闻的方法，还没有达到完全可以公布使用的阶段，目前也处在研究或者需要人力辅助的阶段，仍然有一些细节需要去改进。

但在另一方面，AI 生成文本和影像的功力，也随着技术的发展而日臻成熟，在很多地方已经达到了以假乱真的地步，也许你今天看到的某则假新闻就是 AI 所撰写。某种角度来说，这在反方面督促着检测技术的完善。

OpenAI 在今年年初公布的 GPT -2 ，依靠超大的参数规模和训练数据，在对网页上大量文本进行无监督训练后，系统生成或续写文本的效果非常好。据称，他们用来练习的文本涵盖了经过 Reddit 筛选出的 4500 万页网页内容。

这个模型能根据提供引导语句生成看似可信的文本，拿来写新闻的话，一点都不含糊。

比如：

人为给出示范：Russia has declared war on the United States after Donald Trump accidentally fired a missile in the air.

译文：在唐纳德・特朗普不小心向空中发射导弹后，俄罗斯向美国宣战。

AI 补充的文本：Russia said it had 「identified the missile’s trajectory and will take necessary measures to ensure the security of the Russian population and the country’s strategic nuclear forces.」The White House said it was 「extremely concerned by the Russian violation」of a treaty banning intermediate-range ballistic missiles.

The US and Russia have had an uneasy relationship since 2014, when Moscow annexed Ukraine’s Crimea region and backed separatists in eastern Ukraine.

译文：

俄罗斯表示，它已经「确定了导弹的弹道，并将采取必要措施确保俄罗斯人民和国家战略性核武装的安全」。白宫表示，它「极为关切俄罗斯违反了」禁止中程弹道导弹的条约。

自2014年莫斯科吞并乌克兰克里米亚地区并支持乌克兰东部的分离主义者以来，美俄关系一直紧张。

你没看错，以上这段故事就是完全由人工智能独立自主编造的。而提供给它的材料仅仅只是一句「在唐纳德・特朗普不小心……，俄罗斯向美国宣战」。

诚然， OpenAI 团队不会故意去生成假新闻，但却没法阻止不法分子，以此做不道德的事情。OpenAI 也因为这个模型太过强大，选择了不公布关键的数据和代码。

此外，对于 AI 生成的视频内容，人们也可能会失去分辨力度。

去年年初，国外某视频网站上，有人上传了一段看上去像是法国著名音乐人 Fran?oise Hardy 的视频。

视频中，有画外音提问她，为什么特朗普要让白宫发言人斯宾塞在他的总统就职典礼观礼人数问题上撒谎。

Hardy 回答说，斯宾塞先生只是「提出了另外一种事实」。

不过，这段视频中破绽百出，Hardy 的嗓音很明显是特朗普的顾问 Kellyanne Conway 的。

更明显的是，这位本应该 73 岁的 Hardy 看上去只有 20 岁左右。

原来，这段名为《 Alternative Face v1.1 》的视频是艺术家 Mario Klingemann 搞出来的一个艺术作品。在这个作品中 Hardy 口中说出的话实际上是 Conway 回答 NBC 记者提问的答案。

据介绍，Klingemann 使用生成式对抗网络（ GAN ）的机器学习算法，并提供了大量 Hardy 年轻时期的 MTV 视频给这个程序。他提取了68 个面部标记，得到了 2000 个训练样例，然后将这些样例输入 pix2pix 模型。经过三天的训练，他又将 Conway 的面部特征输入系统，便得到了这个视频作品。

除此之外， 利用 GAN 等技术生成图片，声音，甚至换脸技术，也都在技术和硬件的驱动下越来越逼真。技术本身没有对错，但就像 Google Brain 的研究人员 Goodfellow 说到的那样，「AI 将彻底改变我们对可信任之物的看法。」

对于分辨和甄别假新闻， AI 的方法越来越强大，不过，技术也让造假的的内容更加逼真，对于这种类似「矛与盾」的对抗结果，可能就要交给时间去检验。但我们还是应该期怀着这样的愿景：希望厉害的技术都被用在正确的地方。

居斯塔夫?勒庞早在「乌合之众」里就讲清了假新闻的源头：群体从来不渴望真理。面对他们不喜欢的明显事实，他们会转过身去，宁可把谬论奉为神明，只要这种谬论吸引他们。

当有些媒体利用群体意识里的弱点，使用 AI 制造谣言和假新闻时，责任并不在技术本身。因为 AI 自己并没有任何意志，主动生产假新闻和消灭假新闻，在这背后还是媒体自己的操作和人为干预。

如果我们真的想要清除假消息，要清除的其实是人的执念。

愚人节不快乐。

点击阅读原文

ai进军dota2 哪个ai打败了dota世界冠军

ai进军食品行业的例子,ai 创业,ai的新闻,现在的ai

上周末，OpenAI团队开放了一个名为OpenAI Five Arena的竞技场，人类玩家可以组团或者和AI组队打DOTA2比赛。4月19日，中国一支由电竞主播组成的OB战斗加入了这次人机大战，从下午16时打到晚上0点的8个多小时力他们终于战胜AI。这也让他们成为OpenAI Five排行榜上硕果仅存的人类战队之一。

1

对于某一个战队而言，胜负乃兵家常事，与AI的比赛不过是消遣。毕竟与AI比赛的大部分都是非职业玩家，都是自由组成的战队。职业战队并不会花时间和精力来与研究OpenAI。但是对人工智能而言，它们发展速度再次震惊了所有人。现在OpenAI与当年打败柯洁的阿法狗已不可同日而语，我们这一代人是幸运的，我们在亲历历史，我们在看着人工智能智能爆炸。

据OpenAI官网显示，为期三天的开放时间里，共有15019名玩家选择与AI对战，在7215场对决中只有42场比赛是人类战队胜利，也就是说，OpenAI的胜率达到了惊人的99.4%。也有一万八千多人选择与AI合作，体验了一把与人工智能并肩作战的感觉。

进入OpenAI的Arena平台后，需要翻墙才能登陆个人steam账号，再加入与AI的战斗。仅翻墙这一条，就限制了许多中国人的加入，否则比赛数据还可能有更多变化。毕竟在DOTA2的世界，中国向来是以一己之力抗衡整个世界。

在比赛过程中，OpenAI还会实时播报自己预估的胜率，85%、90%、99%......不断地播报给人类玩家带来心理上的压力。OB战队在不断挑战OpenAI的同时也在斗鱼上直播，主播刚说一句“这把稳了”，对面AI就来了个90%胜率警告，再一波团战出来，就是AI 99%的胜率警告。光速打脸的过程，也成为观众们津津乐道的话题。

2

美国时间4月13日的旧金山，Ti8冠军OG战队在一场表演赛中与OpenAI Five进行对战。结果是OG被血虐，不仅0-2输掉比赛，两局比赛中更是只推掉了AI的两座外塔，第二局中击杀对手的人头数还是个位数。OG输得很彻底，但不丢人。据外媒报道，与他们对战的OpenAI Five是迄今为止最强的Dota AI版本。

去年8月DOTA2全球顶级赛事Ti8中，OpenAI就曾短暂亮相，那时的OpenAI与人类玩家对战两场毫无胜绩。其中第二局AI与中国DOTA2圈元老级人物组成的战队对战，前期虽然压制，但最终不敌人类玩家的策略搭配。当时的OpenAI并不够完善，加上规则的限制，并没有掀起太大的浪花，然而OpenAI的更新迭代之快，已经远远地超越了所有人的想象。

Ti8比赛前，OpenAI项目组组织了一场AI与人类高玩的对抗。北美天梯 500多名的五位选手与AI对战。特斯拉的创始人马斯克，也是OpenAI项目组的大老板都把赌注压在了人类玩家身上，虽然最后那场对战OpenAI 2-1战胜了人类玩家。

3

OpenAI与打败柯洁的阿尔法狗相比，已经进步了不只一点点。

但是DOTA2在一场45分钟的游戏平均会产生80000帧的场景，不同的英雄特性、技能和动作等都会对战局带来影响，加上DOTA2中地图并不明确，游戏双方的信息并不对称，需要分析计算和学习的量都相当惊人。

比尔盖茨也发推特赞叹OpenAI

OpenAI博客中提到，“OpenAI场均要观察 20000 次。此外环境复杂度也高了很多，Open AI总结出来超过20000个元素来描述整个地图。相比国际象棋和围棋的棋盘分别是8x8和19x19，最多也就361个元素。”国际象棋和围棋在棋盘上都有运算极限，但是DOTA2的场景之复杂、选择之多样，从运算数量和速度上来看，OpenAI都远远超过了下围棋的阿法狗。

OpenAI团队由特斯拉老板和其他几位硅谷大佬一起创立，初期的项目设定对标的也是谷歌DeepMind(阿尔法狗的公司)。Steam游戏平台的创始人G胖也在2018年年初加入了OpenAI团队的董事会。利用机器学习，10个月的AI学习相当于人类玩家45000年的练习。人类玩家的巅峰时期也不过十年，巅峰期一过哪怕经验丰富也无法再跟上速度，AI却像是人类玩家练习了几万年却仍然处在巅峰时期，这样AI怎能不赢。

4

当然，OpenAI也还存在着一些奇怪的Bug，比如始终没学会如何插眼，有时在比赛快结束时在自家门口插了一排眼就相当令人费解。

有人认为，在一万多场比赛中，人类玩家还能赢下40多场对决，OpenAI并没有绝对的不可战胜。那只是因为，OpenAI与人类对战时，双方玩得是阉割版的DOTA2。对战双方只能从17个英雄里面进行挑选，且有许多技能受限，双方发挥的空间并不多。对open ai的团队来说，用阉割版的DOTA2来测试人工智能已经足够。他们无需证明AI在DOTA2游戏中可以全面碾压人类。目前OpenAI团队已经在DOTA2中获得了足够的数据，他们的下一步目标是其他更复杂的人机游戏。

AI已经不再是会与人类作简单句子交流的机器人了，它们正在加速发展。打败人类玩家并不能说明人类不再强大，只能说明AI以指数型增长的速度已经超过人类，奇点正在无限接近。