業界焦點
1. 上海也 AI 了，世界人工智能大會召開，BAT 大佬同臺激辯!
2018 世界人工智能大會於 9 月 17 日在上海西岸召開。高峰論壇第一天，馬雲、馬化騰、李彥宏、微軟沈向洋等悉數亮相，並發表了對於人工智能的判斷和預測。
馬雲：很多 P2P 公司披著互聯網金融的外衣做非法金融服務
李彥宏：今天的現代化就是 AI 化，不夠 AI 化的企業將被取代
馬化騰：人工智能的“大社交”時代
2. 沈向洋：將在上海建人工智能創新院
微軟全球執行副總裁、微軟人工智能及微軟研究事業部負責人沈向洋宣佈，微軟將成立微軟亞洲研究院上海分院，這是繼 20 年前微軟亞洲研究院落戶北京之後的又一分支。通過在上海設立研究院，微軟將推動相關企業數字化轉型和人才發展，打造上海的人工智能高地。
3. 全球高校人工智能學術聯盟成立，含 MIT、清華等
美國麻省理工學院、新加坡南洋理工大學、澳大利亞悉尼大學、香港中文大學、清華大學、浙江大學、復旦大學、上海交通大學、中國科學技術大學、商湯科技等國內外知名高校(科研機構)共同倡議設立全球高校人工智能學術聯盟。聯盟旨在建立世界頂尖的人工智能學術交流平臺，持續推動國際學術性交流與合作。
4. 阿里用“平頭哥”死磕起了中國芯!
9 月 19 日，阿里巴巴 CTO、達摩院院長張建鋒宣佈，阿里巴巴將成立「平頭哥半導體有限公司」，從事芯片的自研開發與戰略佈局，希望在兩三年內能夠做出自己的量子芯片。達摩院將以新成立的「平頭哥半導體有限公司」為核心，構建以 AliNPU 智能芯片和嵌入式芯片為核心的芯片戰略，預計明年 4 月正式流片阿里巴巴第一款神經網絡芯片 AliNPU。
5. 馬雲談中美貿易摩擦：要有 20 年的長期思想準備
馬雲在 19 日召開的杭州雲棲大會上表示，本次貿易摩擦不可能在 2 個月、2 年裡解決，要有 20 年的長期思想準備，踏踏實實做好自己。因為 20 年足夠讓任何一家企業成為未來的阿里巴巴，成為未來的亞馬遜。他呼籲大家抓緊學習，抓緊改革，過去零售業面臨的巨大痛苦，很快會落到製造業頭上。
6. 預計耗資 50 億美元，SpaceX 帶日本富豪「包機」遊月球!
上週五，埃隆·馬斯克(Elon Musk)旗下太空探索技術公司 SpaceX 高調宣佈了已簽下了首位私人太空旅行者，這乘客將通過 BFR 超級火箭(Big Falcon Rocket，大型獵鷹火箭)繞月飛行。
北京時間 9 月 18 日上午 9 點，馬斯克在 SpaceX 總部進行了直播解答。與他一同現身的還有日本時裝零售商 Zozotown 創始人前沢友作(Yusaku Maezawa)，而這位富豪就是接下來將被送入太空的乘客。
7. 這一次，谷歌誓要紮根中國了!
9 月 20 日，2018 谷歌中國開發者大會在上海舉行。開始前，現場兩千多位觀眾一起玩谷歌此前推出的 AI 小程序「猜畫小歌」。在此次開發者大會開始之前，李飛飛宣佈暫時離開谷歌返回斯坦福繼續教職。
大會還宣佈了新款操作系統 Android 9 Pie。據瞭解，Android 9 Pie 將會更加智能，可以幫助終端向人學習瞭解用戶習慣，預測用戶的行為，提升用戶的智能設備使用效率。
目前，TensorFlow 已經成為世界上最廣泛的機器學習平臺，推出至今已經獲得 1700 萬次下載次數，39000 次提交次數。在中國 200 萬下載次數。美團點評、流利說、聯想、知乎、360、小米等均是 TensorFlow 的用戶。
7. 全球首款虹膜識別芯片，虹識技術乾芯 QX8001 成功流片
9 月 17 日，武漢虹識技術有限公司 (虹識技術) 宣佈，經過 7 年技術攻關，投入數千萬元資金，已經成功設計並流片虹膜生物識別乾芯 ASIC 芯片「QX8001」。
據瞭解，這是全球第一款虹膜生物識別 ASIC 芯片，已經通過嚴格的功能和性能測試，徹底解決了價格貴、體積大、功耗高三大難題，可大大推動虹膜生物識別的普及，對中國乃至全球虹膜生物識別行業和信息安全產業的發展具有里程碑式的重大意義。(via.搜狐科技)
技術焦點
1. 喜大普奔!TensorFlow 終於支持 A 卡了
近日，Google 宣佈推出適用於 ROCm GPU 的 TensorFlow v1.8，其中包括 Radeon Instinct MI25。對於 AMD 正在進行的深度學習加速工作而言，這是一座重大的里程碑。
AMD 提供了一個預構建的 whl 軟件包，安裝過程很簡單，類似於安裝 Linux 通用 TensorFlow。目前 Google 已發佈安裝說明及預構建的 Docker 映像。
2. Scikit-Learn 大變化：合併 Pandas
近日，Scikit-Learn 發佈了 0.20 版本，這是近年來最大的一次更新。對許多數據科學家來說，一個典型的工作流會在使用 Scikit-Learn 進行機器學習之前，先通過 Pandas 對數據進行分析，而新的版本就將這一過程進行了簡化，並且功能更加多樣、穩定與標準。
作者 Ted Petrou 的一篇技術文章介紹瞭如何完成從 Pandas 到 Scikit-Learn 工作流，並且基於 Kaggle 上的一項入門級機器學習競賽作為案例實踐進行了分析。
3. MIT 設計跨模態系統，讓模型「聽音識圖」
最近，麻省理工學院的計算機科學家們提出了一種系統，基於對圖片的語音描述，可以學習在圖片中辨認目標物體，給定一張圖片和音頻解釋，模型可以實時辨認出音頻描述的相關區域。
論文作者將語音和圖片像素之間的聯繫稱作 matchmap，訓練了數千對圖片和註釋對子之後，網絡會在 matchmap 中主線縮小與詞語相對的目標物體。
目前，模型僅僅可以辨認幾百個不同的單詞和目標物體類別，但是研究者希望，未來他們的這種語音和目標辨認相結合的技術可以節約大量手工勞動，為語音辨認和圖像識別打開新的世界。
4. 首個在一場完整星際2 比賽中擊敗作弊級 Bot 的 AI
TStarBot VS 內置 Bot
9 月 19 日，來自騰訊 AI Lab、羅切斯特大學和西北大學的研究人員發表了一個預印本《TStarBots: Defeating the Cheating Level Builtin AI in StarCraft II in the Full Game》，文章介紹了兩個 AI：TStarBots1 和 TStarBots2，它們首次在完整的蟲族 VS 蟲族比賽中擊敗了星際爭霸2 的內置 AI Bot，是研究史上的又一大壯舉。
雖然不是嚴格意義上的「自學」，AI 還高度依賴人為歸納的信息，但迄今為止，這是我們在星際2 項目上見到的最有建樹的成果，值得期待。
閱讀更多 科技大揭祕 的文章
