如今，人工智能经过几年的发展，再也没有当初的神秘感。回顾年，无论是人工智能技术还是产业有很多值得称道的研究和落地成果。AI基础理论研究逐步深入，多模态、机器学习、自然语言处理、计算机视觉、芯片和基础科学等领域都有不错的研究引发热烈讨论。如果你还把目光停留在语音识别、图像识别、智能阅片、病毒测序……那么下面这些前沿的技术和产业研究相信你会感兴趣。

DeepMind机器学习框架帮助发现两个数学新猜想

英国《自然》杂志12月1日发表了由人工智能公司DeepMind开发的一个机器学习框架，该框架已经帮助发现了纯数学领域的两个新猜想。这项研究展示了机器学习可以支持数学研究，这也是计算机科学家和数学家首次使用人工智能来帮助证明或提出纽结理论和表示论等数学领域的复杂定理。

纯数学研究工作的关键目标之一是发现数学对象间的规律，并利用这些联系形成猜想。从20世纪60年代起，数学家开始使用计算机帮助发现规律和提出猜想，但人工智能系统尚未普遍应用于理论数学研究领域。

此次，DeepMind团队和数学家一起建立了一个机器学习框架，用于协助数学研究。团队还表示，他们的框架能鼓励未来数学和人工智能的进一步合作。

索尼发布感存算一体化设计近光学传感器AI-ISP芯片

随着物联网、零售、智慧城市等产业的发展，在相机产品中搭载AI处理能力的需求快速增长。边缘端芯片的AI处理能力能够解决只在云计算系统中出现的问题，如延迟、云端通讯、处理开销，以及隐私问题等。当前市场对边缘端智能相机要求包括小型、低功耗、低成本、易部署等，但目前传统的CMOS图像传感器只能输出原始图像数据。因此，在设计具有AI能力的智能相机时，将图像信号处理器(ISP)、神经网络处理能力、DRAM等结合在一起十分重要。

在IEEE国际固态电路会议(ISSCC)上，索尼发布了其背照式堆叠型CMOS图像传感器芯片，芯片能耗比达到4.97TOPS/W。通过将图像传感器、CNN处理器，以及ISP、DSP、内存等子系统进行堆叠设计，在单芯片上实现完整的AI图像处理能力。

TRFold引领国内计算生物学突围

年7月，DeepMind公开了AlphaFold2的源代码，并在顶级科技杂志Nature上发表论文阐述了AlphaFold2的技术细节。同一天DavidBaker也公开了RoseTTAFold的算法，并将研究成果经Science刊出。

这次开源在生物学界掀起了巨大的波澜，意味着生物学家有机会摆脱先进设备的掣肘，而这些设备往往都非常昂贵，只有经费充足的大学或研究机构才有条件配置。此后，那些小型团队或者个人研究者也能参与到蛋白质的研究中来。

中国人工智能企业天壤自研的深度学习蛋白质折叠预测平台TRFold在基于CASP14(年第14届国际蛋白质结构预测竞赛)蛋白质测试集的企业内测中，获得82.7/的成绩(TM-Score)，已经超过来自华盛顿大学的生物学家DavidBaker团队研发的RoseTTAFold81.3/的成绩，仅次于AlphaFold2的91.1/的成绩。在个氨基酸的蛋白链预测时，TRFold仅耗时16秒。这是目前国内所有公开蛋白质结构预测模型中取得的最好成绩，它标志着中国计算生物学领域的表现已经处于世界第一梯队。

在新冠肺炎疫情大流行的背景下，全球生命科学领域正面临转型，AI+生命科学元年正在开启。相信在未来几年内，将有大量的机构和公司加入到技术创新与生命科学研究的热潮中。

DeepMind发表语言模型社会危害评估论文

年12月，DeepMind发表论文，研究预训练语言模型带来的伦理和社会危害。研究者主要探究了模型在六大方面的不良影响，并谈到两个伦理和社会影响方面需要研究者持续

转载请注明:http://www.aideyishus.com/lkgx/1972.html