手机端的 Cortana 即将成为历史【智能快讯】

微软宣布 Cortana 将告别手机端

近日，微软宣布将于 2020 年 1 月 31 日，停止语音助手 Cortana 在 iOS 和 Android 上的服务支持。

Cortana 最早作为 Windows Phone 的语音助手而推出，随后拥有了适用于 iOS 和 Android 的应用版本。但由于 Windows Phone 逐渐淡出并退出市场，Cortana 也迎来了要说再见的时刻。

除了手机端不再支持，Microsoft Launcher 中的 Cortana 功能，也将在部分地区的新版本应用中取消。但微软宣布 Cortana 应用下线后，它将被整合至微软 365 生产力工具中，并在 Windows 10 上得到保留。

来源：theverge.com

微软将调查创业公司 AnyVision 的面部识别技术

近日，微软宣称已聘请美国前总检察长 Eric Holder，来调查其投资的以色列初创公司 AnyVision，以判断其开发的面部识别技术的使用是否符合道德原则。

人权组织指责 AnyVision 滥用技术，利用面部识别技术对西岸的巴勒斯坦人进行监视。但 AnyVision 回应则是合理的使用。

微软在去年宣布了面部识别伦理原则，称将在执法监视场景中倡导保障人民民主自由，并且不在面临风险的场景中部署面部识别技术。同时 AnyVision 同意了遵守其六项道德原则。

来源：venturebeat.com

AI 算法能够学习量子力学中的定律

来自卢森堡大学，沃里克大学和柏林工业大学的一个跨学科研究团队，最近开发了一种深度机器学习算法，可以学习量子力学规律，预测出分子的量子态，即波函数，从而确定分子的所有特性。

相应的工作发布在了11 月 15 日的《Nature Communications》杂志上，题目为 Unifying machine learning and quantum chemistry with a deep neuralnetwork for molecular wavefunctions。

在量子化学领域，AI 已被用来预测量子系统实验或模拟结果的工具，通常是学习求解量子力学的基本方程来实现。以往的方式求解方程需要数月的计算时间，而新的 AI 算法可以在几秒钟内完成。

来源：uni.lu/universite

科学家用 AI 实时监测基础设施结构的损耗情况

萨里大学和伦敦国王学院的科学家，开发了一种新的机器学习算法，为监测大型基础设施（如水坝和桥梁等）的结构带来帮助。

研究人员在《 Structural Health Monitoring》杂志发表的一篇论文中，详细介绍了一个称为 SHMnet 的 AI 系统，能够分析和评估金属结构中使用的螺栓连接的损坏。

研究团队在改良的 Alex-Net 神经网络的基础上，建立了实验室条件下的冲击锤测试，以便让 SHMnet 准确识别 10 种损坏情况下，钢框架上连接螺栓的细微状况变化。

在他们的测试中，使用四个重复的数据集对 SHMnet 进行训练后，它达到了 100％ 的识别率。

来源：sciencedaily.com

谷歌借助 TensorFlow 

提出解决量子引力问题的新思路

近日谷歌 AI 在官方博客更新了量子引力相关研究的最新进展，有望将 TensorFlow 应用于量子引力新解决方案。

研究人员发现，结合数据及分析的方法比单纯分析的方法更强大。TensorFlow 可应用于 M-Theor，并通过严格的数学方法测试和分析某些特定假设，探究假设能否实现，并为此提供初始搜索模型的解决方案。

来源：ai.googleblog.com

Pyro 1.0.0 发布

近日 Pyro 维护者在个人推特发布消息称，Pyro 1.0.0 已正式上线。

Pyro 是由 Uber AI 实验室开源的概率编程语言，可将现代深度学习及贝叶斯建模的优势相结合，用于深度概率建模。

发布的 Pyro 1.0.0 版本提供了更加稳定的 API，支持 jit 跟踪和序列化，并新增了 pyro.contrib.timeseries 实验性新模块，及 pyro.nn.PyroModule 实验性新界面，用户可访问 GitHub 查看详细信息。

来源：github.com

AI 从血液样本中诊断白血病，准确度和专家相当

细胞学家需要进行大量的临床诊断，通常通过显微镜检查细胞是否有疾病迹象。但这个过程的有效性，具体取决于细胞学家的培训和专业敏感度等。

最近，德国环境健康研究中心和慕尼黑大学医院的研究人员，开发了一种自动化系统，他们训练一台运行深度学习算法的计算机，自动对血样中的细胞进行分类，以识别急性髓性白血病（AML）。

通过收集近 20000 张单个血细胞的图像，该计算机最终能够定义指向患病细胞的变量，研究人员通过运行检测系统中 100 例 AML 患者和 100 例健康对照者的细胞样本图像，证实了该技术的可靠性。

一组专业的细胞学家检查了相同的图像后，结果表明，该计算机可以像训练有素的人一样，对 AML 细胞进行分类。比起人类细胞学家，该技术将更容易地在世界各地的医院中推广。

来源：medgadget.com

新型 AI 系统可近乎完美地预测癫痫发作

近日，美国路易斯安那大学拉斐特分校的两名研究人员，开发出新型 AI 驱动的模型。该模型可在癫痫发病前一小时内预测发病的几率，准确率高达 99.6％。

共同开发新模型的研究人员 Hisham Daoud 解释说，提前发现癫痫发作可以极大地改善癫痫患者的生活质量，并为他们提供足够的时间采取行动。值得注意的是，这些患者中多达 70％ 的患者可通过药物控制癫痫发作。

来源：spectrum.ieee.org

—— 完 ——

扫描二维码，加入 AI 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」了解详情

更多精彩内容（点击图片阅读）