内容导读：
-
中科院“步态识别”技术：不看脸，50 米内在人群中认出你
-
Oracle 发布“自治”数据库
-
苹果挖来 Init.ai 公司 AI 团队 并入 Siri 开发小组
-
DeepMind 将在蒙特利尔开设新的 AI 实验室
-
谷歌开源新项目：只用摄像头 + 浏览器进行机器学习
-
Amazon 发布新的 AI 框架编译器
中国科学院自动化所的专家日前介绍了一种新兴的生物特征识别技术——步态识别：只看走路的姿态，50 米内，眨两下眼睛的时间，摄像头就准确辨识出特定对象。据自动化所副研究员黄永祯介绍，虹膜识别通常需要目标在 30 厘米以内，人脸识别需在 5 米以内，而步态识别在超高清摄像头下，识别距离可达 50 米，识别速度在 200 毫秒以内。
此外，步态识别无需识别对象主动配合，即便一个人在几十米外带面具背对普通监控摄像头随意走动，步态识别算法也可对其进行身份判断。
步态识别还能完成超大范围人群密度测算，对 100 米外 1000 平方米 1000 人规模进行实时计数。这些技术能广泛应用于安防、公共交通、商业等场景。
记者从中科院自动化所了解到，我国目前在步态识别技术领域位于世界前列。以该所孵化的银河水滴科技公司为例，在步态数据和算法方面处于世界领先，户外步态数据库超过第二大数据库近 100 倍。
新闻来源
http://tech.sina.com.cn/it/2017-10-03/doc-ifymkwwk8032386.shtml
Oracle 发布“自治”数据库Oracle 首席技术官拉里·埃利森在旧金山召开的 OpenWorld 大会发表了演讲，他表示，Oracle 的自治数据库和网络安全系统是一起开发的。原因何在？因为这个网络安全系统可向数据库发出警报，那样数据库就能实时给自己打补丁。
埃利森还着力宣传这一点：Oracle 的下一代自治数据库来得更安全，并且节省人力。埃利森表示，程度更高的自动化不会抢走数据库管理员岗位，而是让那些专业人员可以腾出手来处理像安全这样更重要的工作。埃利森说：“并不是说这些管理员无所事事、干坐在那里。”
埃利森称，Oracle 18c 可将 AWS 成本减少一半。埃利森称，Oracle 还会将这正式写下来。Oracle 18c 可在本地运行、在 Oracle 的公共云端运行以及在客户的云端运行。Oracle 18c 的数据仓库版本将于 12 月面市。OLTP 版本要到 2018 年 6 月面市。
新闻来源
https://techcrunch.com/2017/10/02/larry-ellison-pokes-aws-while-unveiling-intelligent-database-service-at-oracle-openworld-keynote/
https://techcrunch.com/2017/10/02/oracle-adds-ai-development-service-to-platform-offerings/
苹果挖来 Init.ai 公司 AI 团队 并入 Siri 开发小组苹果本周“购买”了 Init.ai 公司，Init.ai 公司的 AI 团队将加入苹果。Init.ai 是一家专门为顾客服务代表设计智能助理的初创公司，Init.ai 的只能处理可以自动处理与用户之间的一些交流和互动。这家初创公司的研发重点是创造支持自然语言处理和机器学习的人工智能，并学会分析人类之间的交谈对话。
苹果并没有直接收购 Init.ai，也没有购买公司的任何专利，这意味着苹果不会在产品中使用 Init.ai 的技术。苹果看重的是 Init.ai 的 AI 团队，团队将负责苹果 Siri 的开发。
新闻来源
http://nlp.hivefire.com/articles/87600/apple-acquires-init-ai-to-help-siri-get-smarter/
http://www.cnbeta.com/articles/tech/657889.htm
DeepMind 将在蒙特利尔开设新的 AI 实验室实验室将由麦吉尔大学计算机科学系教授 Doina Precup 率领 。Precup 将继续她在大学的工作，并将她的时间与 DeepMind 分开。
Precup 说：“实验室将着重于加强学习，这是我的专长，深入学习和这些算法。”
“我们尝试建立奖励制度，以便自动算法可以了解什么是正确的事情，特别是当需要完成一系列行动时，” Precup 说。
Precup 致力于涉及电力系统，机器人和游戏的技术应用，她表示，实验室不会专注于开发人工智能的具体应用。“我们是一个基础研究实验室，所以重点是开发算法和理解他们的属性，”Precup 说。
实验室将以两个团队的身份开始，但是 Precup 表示，她预计在未来一年内将会增长。
这将是 DeepMind 在加拿大的第二个研究实验室。
新闻来源
http://montrealgazette.com/business/local-business/google-affiliated-ai-company-deepmind-to-open-research-lab-in-montreal
谷歌开源新项目：只用摄像头 + 浏览器进行机器学习近日，谷歌发布了一个新的项目，名为：Teachable Machine 。
该项目允许用户只利使用摄像头采集数据、设计机器学习。从帮用户找到最爱的照片，到为日本的农民做黄瓜分类，机器学习正在改变人们使用代码解决问题的方式。
设计者们希望让大家更容易地上手，所以创造了“Teachable Machine”，它可以让使用者无需编程就能利用浏览器的摄像头采集数据并设计机器学习。Teachable Machine 是用一个称为 deeplearn.js 的库构建而成，这使得网页开发者在浏览器里训练、运行神经网络变得很简单。目前官方已经开源了代码，来帮助开发者做出一些新的实验。
项目网站：
https://teachablemachine.withgoogle.com/
开源地址：
https://github.com/googlecreativelab/teachable-machine
新闻来源
https://www.blog.google/topics/machine-learning/now-anyone-can-explore-machine-learning-no-coding-required/
Amazon 发布新的 AI 框架编译器亚马逊正在通过新的端到端编译器解决方案来解决人工智能开发的难题。由 AWS 开发的 NNVM 编译器和华盛顿大学计算机科学与工程学院的研究人员团队旨在在许多平台和设备上部署深入学习框架。
“您可以选择多个人工智能（AI）框架来开发 AI 算法。您还可以选择各种硬件来训练和部署 AI 模型。框架和硬件的多样性对于保持人工生态系统的稳定至关重要。然而，这种多样性也为 AI 开发人员带来了几个挑战，“AWS AI 首席科学家 Mu Li 在一篇文章中写道。
根据亚马逊方面的消息，AI 开发人员今天遇到三个主要挑战：在 AI 框架之间切换，维护多个后端，并支持多个 AI 框架。NNVM 编译器通过将前端工作负载直接编译到硬件后端来解决此问题。“今天，AWS 很高兴地宣布，UW 研究团队制作了一个基于 TVM 堆栈的端到端编译器，将工作负载直接从各种深入的学习前端编译成优化的机器代码。” 该团队开发的 TVM 堆栈是一种中间代表堆栈，旨在弥补深度学习框架和硬件后端之间的差距。
Allen School Ph.D. 说：“尽管深度学习对于从手机和数据中心 GPU 到物联网和专业加速器的各种平台已经变得不可或缺，但这些框架的部署仍然存在很大的工程挑战。我们的 TVM 框架使开发人员可以快速轻松地在一系列系统上部署深入学习。我们提供了一个解决方案，使用 NNVM，可以在所有框架上运行，包括 MXNet 和模型交换格式，如 ONNX 和 CoreML，具有显着的性能提升。”
根据亚马逊，NNVM 编译器由 TVM 堆栈的两个组件组成：用于计算图的 NNVM 和张量运算符的 TVM。
“NNVM 使用图形优化程序提供计算图和运算符的规范，运营商通过使用 TVM 实现和优化目标硬件。我们已努力证明，这个编译器可以匹配甚至超过两个完全不同的硬件：ARM CPU 和 Nvidia GPU 的最先进的性能。“ “我们希望 NNVM 编译器可以大大简化新的 AI 前端框架和后端硬件的设计，并帮助用户在各种前端和后端提供一致的结果。”
新闻来源
http://sdtimes.com/amazon-releases-new-ai-framework-compiler/
今日荐文
点击下方图片即可阅读
揭秘海尔实时计算平台：多业务场景下的技术选型与实践
课程推荐
深度学习零基础，如何在 9 周时间内，学会利用卷积网络实现对话 / 地主机器人，用 tensorflow 进行图片分类／人脸识别／模仿大师画作风格等实战技能？
我们邀请到资深大数据专家高扬和高级软件架构师卫峥两位老师开讲「深度学习，从入门到精通实战」课程，同学们将通过最浅显易懂的方式入门进阶深度学习。想了解更多，请扫海报二维码，点击阅读原文直接进入「课程链接」。
