AI每日精选我国高铁进入智能无人驾驶年代；小米定位智能制作

以下新闻选自人工智能信息渠道“机器之心Pro”：花最少的时刻，看最重要的新闻。

投融资

1.商厨智能化服务商「厨芯」完结超2.3亿元B系列轮融资，由蓝图创投领投

12 月 31 日音讯，商厨智能化服务商「厨芯」已完结超越 2.3 亿元 B 系列轮融资，本轮由蓝图创投领投，前美团 COO 干嘉伟、和君本钱等跟投，资金将大多数都用在扩张城市网络。「厨芯」成立于 2016 年，主要为餐饮门店后厨供给智能化处理方案，挑选从「联网商用智能洗碗机」这个品类切入商场。「厨芯」为商家供给整套 AIoT 处理方案租借服务，创始了「LIS」形式，即租借智能服务。

行业动态

1.京张高铁正式运营，我国高铁进入「智能无人驾驶」年代

12 月 30 日，北京至张家口高速铁路（京张高铁）注册运营，崇礼铁路同步建成投产，将助力京津冀一体化协同展开，为 2022 年北京冬奥会供给交通运营服务保证。京张铁路在国际上初次完结了复兴号智能动车组时速 350 公里无人驾驶。

2.前百度总裁张亚勤正式加盟清华大学

12 月 31 日音讯，前百度总裁张亚勤正式加盟清华大学，受聘清华大学「智能科学」讲席教授，将在清华大学车辆与运载学院、计算机系和相关院系展开科研、教育和人才培养作业，一同将担任牵头筹建「清华大学智能工业研讨院（AIR）」，面向第四次工业革命，以无人驾驶、人工智能+物联网和类脑智能为要害的技能打破方向。

3.美国卫星印象公司 Maxar Technologies 将以 10 亿加元出售太空机器人事务

美国卫星印象公司 Maxar Technologies Inc 周一标明，将以 10 亿加元（7.65 亿美元）的价格将其加拿大太空机器人事务出售给由 Northern Private Capital（NPC）牵头的财团，以减轻债款。该公司的股票在盘前买卖中上涨 16.2％。Maxar 将保存其坐落美国的太空机器人技能部分，该部分担任开发 NASA 2020 年火星探测器所运用的机器人硬件。（路透社）

大公司新闻

1.华为将参加印度 5G 网络试验

印度政府发言人周一标明，印度政府已答应我国电信公司华为技能有限公司参加 5G 网络的试验。据了解，电信部分将在 12 月 31 日与运营商会晤，以承认 5G 试验的时刻组织，并标明印度的一切无线运营商均已取得进行试验的准则同意。（路透社）

2.三星或将在 CES 推出新人工智能渠道「Neon」

据报导称，三星或将在行将到来的 CES 上推出名为「Neon」的人工智能渠道。该渠道由坐落美国的三星技能和高档研讨试验室于该部分总裁 Pranav Mistry（三星最年青的主管）的领导下开发。该部分的官方 Twitter 帐户上最近发布的一条推文说：「Neon = 人工人类。」人工人类是一种新的 AI 概念，指的是为陪同而规划的硬件或软件，包含机器人和数字宠物。（Korea Herald）

3.小米自研产线今日正式开工，定位智能制作

12 月 31 日音讯，小米集团副董事长兼手机部总裁林斌今日经过微博标明：「经过一年多的尽力，小米自己的研制产线今日正式开工啦！」微博配图中，林斌手上拿着的是第一台小米自研产线出产出来的小米 9 Pro 5G 版。据林斌介绍：小米自研产线定位智能制作，除了担任小米旗舰手机的研制出产使命，还会和合作伙伴一同全力推进自动化设备的软硬件研制，力求提前完结真实的全自动智能制作。

研讨与技能

1.商厨智能化服务商「厨芯」完结超2.3亿元B系列轮融资，由蓝图创投领投

12 月 31 日音讯，商厨智能化服务商「厨芯」已完结超越 2.3 亿元 B 系列轮融资，本轮由蓝图创投领投，前美团 COO 干嘉伟、和君本钱等跟投，资金将大多数都用在扩张城市网络。「厨芯」成立于 2016 年，主要为餐饮门店后厨供给智能化处理方案，挑选从「联网商用智能洗碗机」这个品类切入商场。「厨芯」为商家供给整套 AIoT 处理方案租借服务，创始了「LIS」形式，即租借智能服务。

2.谷歌大脑研讨新作讨论视觉标明的大规划学习

近来，谷歌大脑发布一篇研讨新作引社群重视，以下为论文概述：深度神经网络进行视觉练习时，预练习标明的搬迁能大大的提高采样功率并简化超参数调整。咱们将重新研讨大型监督数据集上的预练习典范，并对方针使命的权重进行微调。咱们扩展了预练习的规划，并创立了一个简略的配方，称为大搬运（BiT）。经过组合一些精心挑选的组件，并运用简略的试探法进行传输，咱们在 20 多个数据集上完结了超卓的功能。BiT 在广泛数据中表现超卓 - 从 10 到 1M 符号的示例。BiT 在 ILSVRC-2012 上的 top-1 准确性到达 87.8％，在 CIFAR-10 上到达 99.3％，在视觉使命习惯基准（包含 19 个使命）上到达 76.7％。在小型数据集上，在 ILSVRC-2012 上，BiT 到达 86.4％，每班 25 个示例；在 CIFAR-10 上，BiT 到达 97.6％。

3.麻省理工学院新研讨：生成对立性网络的「可稳定性」

现代机器学习的一个揭露隐秘是，许多模型在规范基准上都能很好地作业，但无法在试验室外推行。这归因于有成见的练习数据，这些数据对实际国际的事情报导缺乏。生成模型也不破例，可是生成对立网络（GANs）的最新进展则相反：这些模型现在可以组成惊人传神的多样图画。相片的生成模型处理了吗？麻省理工学院的新研讨「生成对立性网络的「可稳定性」」标明，虽然当时的 GAN 可以很好地合适规范数据集，但它们仍缺乏以作为视觉流形的全面模型。研讨人员研讨了它们习惯简略改换（例如相机移动和色彩改动）的才能。研讨人员发现这些模型反映了对其进行练习的数据集（例如居中目标）的误差，可是它们还具有必定的泛化才能：经过在潜在空间中进行「导向」，研讨人员可以在改动散布的一同依然创立传神的图画。研讨团队假定散布偏移的程度与练习数据散布的广度有关，并进行了试验以量化 GAN 转化的极限，介绍了缓解该问题的技能。