哈伯，你好。
在过滤掉大量资源和订阅后，我为您收集了6月份来自机器学习和人工智能领域的所有最重要的新闻。 祝您阅读愉快！
卡内基·梅隆大学的
一个研究人员小组在机器人设备的非侵入式控制领域
取得了突破 。
他们使用非侵入性的脑机接口开发了世界上第一个成功的机械臂，该机械臂借助思想进行控制，而无需进行手术（！）干预。 技术已经证明了不断跟踪和跟踪计算机光标的能力。
→
了解更多2. Facebook AI
发表了一项研究 ，他们在神经网络中测试了在决策过程中遵循互斥原则的能力。 他们发现了神经网络和孩子的决策过程有何不同。
→
了解更多3. Waymo发布用于培训自动驾驶汽车的数据。 数据包括3,000个行驶视频，总计16.7小时，600,000帧，大约2500万个3D对象边界和2200万个2D对象边界。 收集数据的汽车上的传感器包括5个LiDAR，5个摄像头和雷达，具体数量未披露。 该公司表示，与开放数据（KITTI，NuScenes）相比，他们能够更准确地同步LiDAR和摄像机记录。
→
了解更多4.神经网络使用公众人物的声音生成录音。 Facebook AI的研究人员已经发布了一个神经网络，该网络可以用公众人物的声音生成录音。 生成的录音示例位于此处。
→
了解更多5.宝马检查交通信号灯的识别。 该公司正在投资自动驾驶汽车的未来。 强迫人们学习自动驾驶汽车将需要大量关注，这些汽车不仅在高速公路上而且在城市环境中如何安全行驶。
→
了解更多6.人工智能已经学会了创建具有更多常识的视觉图像。 研究人员说，除了帮助艺术家和设计师快速调整视觉效果外，他们还可以帮助计算机科学家识别“伪造”图像。
→
了解更多7.三星
的神经网络教拉斯普京用碧昂丝的声音唱歌。 位于剑桥的三星AI中心和伦敦帝国理工学院的研究人员创建了一个端到端的生成对抗网络（GAN），该网络可以使2D图像中的面部运动与包含语音的音频录制动画并保持同步。 这给人的印象是声音片段中的声音属于图像中的人。
→
了解更多8.训练一种AI模型时，可以释放出与五辆汽车相同的二氧化碳排放量。 马萨诸塞大学阿默斯特分校的研究人员发现，在普通大型AI模型的学习生命周期中，可能会排放超过626,000磅的二氧化碳当量，这几乎是美国普通汽车寿命（包括汽车本身的生产）的五倍。
→
了解更多9.三维假肢手可以猜测人们如何玩“石头，剪刀，纸”。 根据本周在《科学机器人》杂志上发表的一项研究，一种新的3D假肢手臂可以学习用户的运动模式，以帮助肢体截肢的患者执行日常任务。
→
了解更多10.具有人脸生成功能的高级人脸识别工具。 位于加利福尼亚的USC信息科学研究所的研究人员最近进行了一项研究，该研究揭示了使用人工神经网络（ANN）完成封闭的面部是否可以提高面部识别工具的准确性。 他们的研究基于IARPA Odin研究项目，该项目旨在识别图像中的真假面孔，最终改善生物识别工具的性能。
→
了解更多11.成像结果，健康数据被合并到AI模型中以预测乳腺癌。 妇女知道，乳腺癌是一种非常普遍的诊断，不容忽视。
→
了解更多12.研究人员利用生物进化来激发机器学习。 在《人造生命》杂志上发表的一项新研究中，由日本东京工业大学地球与生命科学研究所（ELSI）的尼古拉斯·古腾堡（Nicholas Guttenberg）和纳撒尼尔·德瓦（Nathaniel Deva）以及Nexus全球复杂性评估中心的亚历山德拉·潘（Alexandra Penn）领导的研究团队英国萨里大学（CEESS）（CECAN）研究了生物进化开放性与机器学习的最新研究之间的关系。
→
了解更多13.新的AI系统通过Google Street View管理道路基础设施。 地理空间科学家开发了一种新程序，用于监控需要使用Google街景图像替换或修复的交通标志。
→
了解更多14.教授人工智能以连接诸如视觉和触觉之类的感觉。 在加拿大作家玛格丽特·阿特伍德（Margaret Atwood）的书《盲目杀手》中，她说“触摸比视觉来得早。 这是第一语言，也是最后一种语言，他总是讲真话。”
→
了解更多15.警用相机制造商Axon拒绝接受承认。 人脸识别是一个有争议的话题。 但是生产大多数此类相机的Axon向独立研究小组寻求有关此主题的建议，并根据其发现，决定暂时不使用面部识别。
→
了解更多16.将声音和人脸之间的点连接起来。 人工智能团队再次挑逗不可能的领域，并给出惊人的结果。 该新闻小组仅根据声音即可发现人的脸庞。 欢迎来到Speech2Face。 研究小组找到了一种方法，可以根据短的声音片段重建某些人的非常相似的表情。
→
了解更多17. Flying-V的概念标志着航空旅行的令人兴奋的新事物。 让乘客坐在机翼上吗？ 设计用于在机翼上载运乘客，货物和油箱的V形飞机被认为是未来的好主意。
→
了解更多18. CMU研究人员使用计算机视觉环顾四周。 未来的自动驾驶汽车和其他人工智能系统可能不需要视线即可收集难以置信的详细图像数据：卡内基·梅隆大学，多伦多大学和伦敦大学学院的一项新研究开发了一种“偷窥”。
→
了解更多19.精神分裂症的耳语：机器学习发现预测精神病的“健康”单词。 机器学习方法发现了人们语言中的一个隐藏线索，该线索可以预测精神病的晚期出现-频繁使用与声音有关的单词。 《精神分裂症》杂志发表的一篇论文发表了埃默里大学和哈佛大学科学家的研究结果。
→
了解更多20.一种新的计算机攻击模拟了用户的击键特征并逃避了检测。 内盖夫本古里安大学（BGU）的网络安全研究人员开发了一种名为Malboard的新攻击。 Malboard避开了几种检测产品，这些产品旨在根据个性化的击键特性不断验证用户的身份。
→
了解更多21.为多动症儿童提供Agent Unicorn耳机可以促进理解。 寻求更好地了解患有注意力缺陷多动障碍儿童的努力仍在继续。
→
了解更多22.人工智能已经学会了自己玩电子游戏，现在它已广受欢迎。 从虚拟国际象棋和单人纸牌的最早时代开始，视频游戏就一直是人工智能（AI）发展的运动场。 机器对人的每一次胜利都有助于使算法更智能，更高效。 但是，为了解决实际问题，例如自动化复杂的任务（包括驾驶和谈判），这些算法必须在比棋盘游戏更复杂的环境中导航，并研究团队合作。 迄今为止，要教AI如何与其他玩家合作并与他人互动以取得成功一直是一项不可逾越的任务。
→
了解更多23.咨询小组认为，欧洲应禁止人工智能进行大规模观察和评估社会信用。 一个受委托向欧洲委员会提供建议的独立专家小组已发布了其政治和投资建议，以支持欧盟立法者的既定目标，以确保AI开发以“以人为中心”，以告知其对人工智能的监管响应。
→
了解更多24.研究人员正在尝试在机器中重新创造人类的思维。 牛津大学的研究人员最近尝试使用虚构的语言网络（LGI）在机器中重建人类思维模型。 他们的方法在先前发表在arXiv上的一篇文章中进行了描述，该方法可以提供有关具有人类思维能力的人工智能发展的信息，这需要由语言驱动的有意识的思想流。
→
了解更多25. Vuzix智能眼镜具有专为执法而设计的自动人脸识别功能。
→
了解更多26.在我们看到形状的地方，人工智能看到了纹理。 令研究人员惊讶的是，深度视觉训练算法通常无法对图像进行分类，因为它们主要接受来自纹理而不是形状的信号。
→
了解更多27.最后，一个相机应用程序会自动从照片中删除所有人。 作为生活在繁忙城市中的慈善家，我没有什么可抱怨的。 特别是，无论我拍摄什么，人们填写我的照片的问题一直存在。 Bye Bye Camera以及仅从照片中删除人物的应用程序都不会出现问题。
→
了解更多28.机器学习预测了人类肠道微生物组的变化。 研究人员提出了一种新的回归方法，该方法可以根据过去的微生物组数据预测人类肠道微生物组的组成变化。 该方法使您可以分别分析各种类型微生物的份额变化。 该研究发表在《公共科学图书馆·计算生物学》（PLoS Computational Biology）杂志上。
→
了解更多红利
29.物理学家正在讨论霍金关于宇宙没有出现的想法。 斯蒂芬·霍金（Stephen Hawking）最大创意的最新挑战是，宇宙如何从无到有出现。
→
了解更多在此，我们的简短摘要结束了。 得出结论并富有成效地工作。 更多此类文章，新闻和评论可在
电报频道Neuron （@neurondata）中阅读，并在Habré订阅我，不要错过以下摘要。
所有的知识！