关心前沿科技的各位小伙伴们，大家中秋节快乐！
两个星期转眼过去，赛老师我又来了！又是我们一起来看这周最热前沿科技新闻的时候了！想要最早预见未来？赶紧上车，一起到最接近未来的世界里看看吧。
废话不多说，我们进入本周的前沿技术“大锅烩”！
微软、Facebook齐出手打击“AI换脸”
最近，Facebook CTO Mike Schroepfer发布了一篇博文宣布，Facebook正与微软公司以及多所大学联合研究检测deepfakes的方法，甚至投入了1000万美元来发起竞赛，激励检测研究的发展。
相应竞赛的网站已经上线，根据网站公布的信息，这次竞赛结果与完整数据集将于今年12月份举行的人工智能顶级会议NeurIPS上公布。
这项挑战的目标是开发出一种每个人都可以使用的技术，它可以更好地检测人工智能何时被用来篡改视频，误导观众。DFDC将包括一个数据集和排行榜，同时还会有拨款和奖励，以刺激行业创造新的方式来检测出并防止被人工智能操纵的媒体用来误导他人。
与所有有关于人工智能的问题一样，Deepfakes视频的检测也涉及到大量的数据和训练。因此，Facebook也会委托研究人员生成逼真的Deepfakes内容，通过这些内容生成数据集，以便于测试检测工具的效果。
尽管Facebook 对其计划十分有信心，但想要解决Deepfakes的问题也并非易事。人们曾有许多方法可以检测 Deepfakes 视频，比如通过视频中一些奇怪的阴影形态和不自然的视觉效果。但随着 Deepfakes 背后的技术迅速发展，检测也变得越来越困难。
另外，从检测系统本身来看，当一个系统已经“看过”原始视频时，确实能够轻易地从假视频中发现变化，从而检测出Deepfakes视频；但如果怀有恶意演员故意录制视频，然后对其进行处理，那么对于人工智能系统而言，这个视频就是“原始视频”，没有可以参考的标准，也就难以发现其中存在的问题。
约大学坦登学校计算机工程助理教Siddharth Garg表示，“这就像一场猫鼠游戏，如果我们设计了一个Deepfakes的检测器，就等于给了黑客一个新的模拟器进行反测试。”
此消彼长中不断地超越对方，这可能将会成为人工智能时代黑白两道的整体走向。
苹果发布新款手机，A13芯片成最大亮点
北京时间9月11日凌晨，苹果在美国加州库比蒂诺市苹果太空飞船总部召开新品发布会，在本次发布会上推出了三款iPhone新品，即iPhone 11、iPhone 11 Pro和iPhone 11 Pro Max。虽然，本次的iPhone新品在许多方面都进行了一定的创新，比如配色或是摄像头等比较直观的方面；然而，从真正意义上给人带来惊喜的，可能要属A13 Bionic处理器
据悉，A13 Bionic集成85亿个晶体管，采用最新的TSMC 7nm+ EUV工艺，专为高性能和低功耗而量身定制。苹果表示，A13 Bionic处理器的CPU和GPU都堪称史上最强，它还拥有“智能手机有史以来最好的机器学习性能”。
值得一提的是， iPhone 11 Pro系列支持的Deep Fusion功能就很好地利用了A13强大的AI计算能力：在光线不足的情况下，系统会连续拍摄9张不同的照片，其中包括一张长时间曝光拍摄的图片，然后通过机器学习来分析图像数据，最终合成高细节、低噪点的图片。苹果全球营销高级副总裁Phil Schiller更是将Deep Fusion描述为“计算摄影疯狂科学”，但它没有透露Deep Fusion功能的具体上线时间。
根据GeekBench曝光的疑似iPhone11处理器（A13）的跑分成绩显示，单核跑分5415，双核跑分 11294分，对比iPhone XR达到了1000分的增幅。
总体而言，相比A12芯片，A13芯片CPU、GPU、神经引擎的性能均提升了六倍；而低功耗的特性在手机续航时长上体现得更为显著——iPhone 11 Pro的续航比iPhone XS长了四个小时，iPhone 11 Pro Max的续航比iPhone XS Max长了五个小时。
有趣的是，就在上周，华为在德国IFA上发布了全新的麒麟990 SoC芯片。中美两大智能终端巨头在最核心的SoC芯片上都采用了相似的策略：即继续依靠最先进的半导体制程增加芯片可能容纳的晶体管数量，然后将这些晶体管数量更多的分配到负责AI计算和相应的任务分配模块。
显然，两大巨头已经达成了“共识”——移动通信终端继续向智能化方向发展，关键的驱动力不仅仅是软件层面就能提供的，需要从底层硬件到表层应用的全流程升级。
Salesforce发布目前最强的“CTRL”AI 语言模型
CTRL，全称为Conditional Transformer Language，基于条件的Transformer语言模型。这是一个拥有多达16亿参数的条件Transformer语言模型（GPT-2模型参数15亿），采用无监督学习，并且正如其名，能够对文本生成的内容进行更精准的控制。
控制代码能使用户意图为语言模型所理解。通过标注训练数据集的特定标签，CTRL模型中大部分控制代码能指定生成文本的整体样式。
值得一提的是，CTRL的训练文本数据多达140GB，包括维基百科，Gutenberg上的书籍，OpenWebText2数据集（GPT-2网页文本数据集克隆版），大量新闻数据集，亚马逊评价，来自ELI5的问答，以及包括斯坦福问答数据集在内的MRQA共享任务等等等等。数据集虽然没有开源，但Salesforce表示，他们会发布与数据收集相关的代码。
以及，由于控制代码和用于训练模型的文本之间存在直接关系，CTRL能判断出新文本生成时对其影响最大的数据源是哪一个。
自从Transformer语言模型发布之后，整个自然语言界各种创新接连不断，各家公司在Transformer语言模型之上不断创新。Transformer最重要的特点就是参数众多。不久之前，英伟达就曾公布他们最新的Megatron语言模型，后者拥有多达83亿个参数，相信会实现更好的AI生成语言表现。
美国发布《2019年白宫人工智能峰会总结报告》
当地时间9月10日，白宫发布《2019年白宫人工智能峰会总结报告》。本次峰会由白宫科技政策办公室（THE WHITE HOUSE OFFICE OF SCIENCE AND TECHNOLOGY POLICY）举办。
白宫人工智能峰会聚集了来自政府、工业界和学术界的175位领袖和专家，共同探讨了美国政府如何利用人工智能技术来实现政府的使命，来更好地服务于美国人民。
在本次峰会上，美国的政府机构分享了3个案例。分别由国防部（DoD）联合人工智能中心（JAIC）、国家医学图书馆、卫生和人类服务部分享。实际案例包括采用和整合人工智能来检测和跟踪野火，并提供洪水分析，道路分析和建筑物损坏评估；使用自然语言处理来节省医学领域授权申请推荐过程中的时间；利用自然语言处理识别了过时，繁琐和重复的政府规则，加速监管方法改革。
报告中指出，白宫正在考虑设立一个人工智能卓越中心，旨在帮助各机构共享AI专业知识及实践经验，从而促进合作伙伴关系，加快政府应用人工智能的进程。
美国政府的这份姿态还是很值得我们参考，因为无论如何想要在国家层面执行人工智能战略，政府肯定是绕不开的一环。除了制定各种政策促进整个行业发展之外，政府本身也应该投身到人工智能这场变革当中来。除了能以身作则之外，更加了解人工智能的政府也肯定能制定出最能促进人工智能发展的政策。
“中国版诺奖”未来科学大奖公布
上周日，第四界“未来科学大奖”在北京公布结果，北京生命科学研究所邵峰荣获“生命科学”奖，中科院高能物理研究所王贻芳、美国加州伯克利大学教授陆锦标获“物质科学”奖， 清华大学教授王小云获“数学与计算机科学”奖。
作为国内对标“诺贝尔奖”的顶级科学发展大奖，“未来科学大奖”其实是完全由民间发起的，发起人包括科学家、企业家群体。目前设生命科学奖、物质科学奖、数学与计算机科学奖等三大奖项，单项奖金100万美元。
未来科学大奖借鉴了诺贝尔奖、图灵奖、菲尔兹奖等国际知名科学奖项的经验，同时也做了创新。比如，在捐赠模式上，其他奖项多由一个家族或个人捐赠，未来科学大奖每项奖项由4位捐赠人共同捐赠。
未来科学大奖关注原创性的基础科学研究，奖励为大中华区科学发展做出杰出科技成果的科学家（不限国籍）。奖项以定向邀约方式提名，并由优秀科学家组成科学委员会专业评审，秉持公正、公平、公信的原则，保持评奖的独立性。
截至目前，四届大奖已经有16位顶尖科学家获奖。本届大奖几位科学家的具体情况：
生命科学奖：邵峰
获奖理由：发现人体细胞内对病原菌内毒素LPS炎症反应的受体和执行蛋白。
物质科学奖：王贻芳、陆锦标
获奖理由：在实验发现第三种中微子振荡模式, 为超出标准模型的新物理研究, 特别是解释宇宙中物质与反物质不对称性提供了可能。
计算机与数学：王小云
获奖理由：创新性密码分析方法揭示了被广泛使用的密码哈希函数的弱点，促成了新一代密码哈希函数标准。
（这期的前沿科技要闻串烧符合你胃口吗？如果觉得文章还不错，欢迎点击“分享”按钮，可以邀请20个好友免费阅读；也欢迎你在评论区与我进一步交流。）
评论