据《每日科学》报道，俄勒冈州立大学的研究人员通过研究一种新型的光学传感器取得重大进展，这种新型光学传感器可以更好的模仿人眼感知视野变化的能力。
Resources: Brighter side of news
这种传感器的研究成功是图像识别，机器人技术和人工智能等领域的重大突破。OSU工程学院研究员John Labram和研究生Cinthya Trujillo Herrera的研究已经发表在《应用物理快报》上。
电机工程和计算机科学助理教授Labram解释，以前尝试制造人眼类型的设备（称为视网膜视传感器）是依靠软件或复杂的硬件达成的。但这种新型传感器的操作是这种基础设计的一部分，它使用了钙钛矿半导体的超薄层-当置于光下时，它会从坚固的电绝缘体变为坚固的导体。
Labram说，新的传感器将有可能与神经形态计算机完美匹配，后者将为自动驾驶汽车，机器人技术和高级图像识别等应用中的未来人工智能提供动力。与传统的计算机按一系列指令顺序处理信息的传统计算机不同，神经形态计算机被设计为模拟人脑的大规模并行网络。
眼睛是一个非常复杂的器官，包含约1亿个感光器。但是，视神经与大脑的连接只有一百万。这意味着在可以传输图像之前，必须在视网膜中进行大量的预处理和动态压缩。
事实证明，我们的视觉特别适合检测运动物体，对静态图像的兴趣相对较小。传统的传感技术，如数码相机和智能手机中的芯片，更适合顺序处理。图像以设定的频率逐像素地扫描传感器的二维阵列。每个传感器产生的信号幅度都随其接收的光强度而直接变化，这意味着静态图像将导致传感器产生或多或少的恒定输出电压。
相比之下，视网膜形态传感器在静态条件下保持相对安静。当检测到光照变化时，它会记录一个短而尖锐的信号，然后迅速恢复到其原本的基线状态。这种行为归因于一类称为钙钛矿的半导体的独特光电性能，这些半导体已显示出作为下一代低成本太阳能电池材料的巨大希望。
阿里巴巴的AI在不到一分钟的时间内检测到COVID-19肺炎
Resources: TechForge Media/Photo by Robina Weermeijer on Unsplash
据AI 新闻网报道，一直由索尼公司支持的医疗门户网站M3称，阿里巴巴的AI技术已经使其能够开发出功能强大的COVID-19诊断工具。
AI驱动的工具能够分析CT扫描片来发现COVID-19感染的征兆，以帮助快速诊断新型冠状病毒。
鉴于英勇的医务人员比以往任何时候都承受着更大的压力，除了面对必要治疗的疾病，这种由AI驱动的工具可以帮助他们节省大量的时间，同时减轻面对普通疾病的压力。
M3自去年3月底以来一直在日本测试该方法，就是为了将来能够将其部署在成百上千个必要地点。
医院将CT扫描发送到M3的系统，然后通过1-5的数字来表明COVID-19肺炎感染的可能性。
人工智能辅助的诊断工具有望识别COVID-19肺炎 ©路透社
阿里巴巴的系统已经在中国的医院中，包括在武汉这个疫情预期发源地，使用了一段时间。这家中国科技巨头声称其AI可以在20秒内诊断出COVID-19，其准确率达到90％以上。
平均而言，一旦可以进行CT扫描，医生需要大约20分钟的时间进行诊断。而M3发现AI系统通常在一分钟内即可诊断完毕。
尽管到目前为止确诊准确率相对较高，但M3报告称确认率还没有达到阿里巴巴声称的90％。即使在90％准确的情况下，每千名患者中还是有100名患者有被误诊的风险。
据报道，即使对有经验的医生而言，读取COVID-19扫描仍然比较棘手，尤其是因为该病毒仍相对较新。那么可以释放临床时间的AI驱动系统肯定会受到所有医院的欢迎。
尽早发现COVID-19的较小体征甚至可以帮助病人在重病之前接受治疗。
这并不是AI首次被应用来解决新冠疫情大流行。
2020年6月，来自WVU Medicine和洛克菲勒神经科学研究所的研究人员表示，他们能够使用AI分析Oura戒指的数据，提前三天预测COVID-19症状的发作。
而早在四月，卡内基梅隆大学的研究人员就推出了一种由AI驱动的语音分析系统，该系统旨在仅通过一个网站来确诊患者否感染了COVID-19。
在可预见的未来，我们似乎很可能会与COVID-19一起生活，但AI技术似乎已经准备就绪，和我们共同对抗疫情。
AI智能学习进一步强化——智能机器狗被撞学爬
在蹒跚学步时，人们学会了跌倒后如何站起来，以及最终如何用自己的两只脚走路。在整个学习的过程中，人类可能会得到父母的鼓励。但在大多数情况下，其实人们是通过反复试验学到如何在跌倒后站立的。波士顿动力公司的Spot和Atlas之类的机器人并不是这样学习走路和跳舞的，它们经过精心编码，处理人们交给他们的任务。能够让机器人按照人类指令进行运转活动是很令人印象深刻，但也可能使它们无法适应软件或程序未涵盖的情况。来自浙江大学和爱丁堡大学的研究人员组成的联合小组称，他们已经开发出一种更好的方法帮助人工智能机器狗进行学习。
Yang et al
在最近发表在《科学机器人》杂志上的一篇论文中，详细介绍了一种AI加固方法，该方法用于允许类似狗造型的机器人Jueying自己学习如何走路并且跌倒中重新站立起来。《连线》报道中，该团队首先训练了可以指导机器人的虚拟版本软件，它由八名经过培训以掌握特定技能的AI“专家”组成。例如，一个人学习了如何流利的行走，而另一个人学会了如何保持平衡。每次数字机器人成功完成一项任务时，团队都会以虚拟积分奖励它。如果所有这些听起来都很熟悉，那是因为这与Google最近用来训练其突破性的MuZero算法相同。
一旦他们成功培训了八位专家，他们便建立了一个额外的网络来充当总教练。它将管理其他八种算法的输入，在给定情况下根据需要确定一个或多个优先级。您可以在上面的图中看到它的运行模式。然后，他们将软件移植到其原型之一中，并进行了测试。如果看到视频，就可以看到当机器人被推倒在地时，将受到惩罚。而每次，机器狗都重新站起来并再次开始行走。
Resources: Engadget
Wired报道中，研究成员之一Zhizhi Li说明，他们团队的研究目标是创建“更智能的机器，这些机器能够动态地结合灵活和自适应技能，来处理他们从没见过的各种不同任务。” 但是，也许要过一段时间我们才能看到Jueying和Spot这两个机器人争夺最佳机械狗奖。研究团队仍然面临挑战，下一个目标是减少模拟机器人训练所需的计算力。在不断的创新研究下，机器狗也许有一天在我们的生活中可以充当更重要的角色。
Tile的下一代跟踪器将使用超宽带技术
在接下来的几个月中，丢失物品的追踪器行业可能会变得竞争激烈。据Engadget报道，Tile正在开发一种新设备，该设备可以帮助该初创企业能够与苹果和三星等公司有机会竞争。根据TechCrunch的说法，Tile正在开发一种追踪器，可以将使用超宽带（UWB）技术而非蓝牙技术来帮助您查找丢失的物品。UWB是一种相对较新的短距离无线通信协议，相对于无处不在的蓝牙，超宽带（UWB）的高频波可以传输空间和方向数据，从而使其更准确地估计物体的位置。
到目前为止，它已经植入了几款新手机。最值得注意的是，iPhone 11和iPhone 12通过Apple的U1芯片支持该协议。一些Android设备（例如三星的Galaxy Note 20 Ultra和Galaxy Z Fold 2）也包括UWB技术。据报道，Tile除了新的追踪器外，还在其应用程序内开发了AR功能，可帮助引导使用者一路找到丢失的设备和物品。通过跟踪器和AR功能获得的概念艺术TechCrunch提供了它们的外观概念。简而言之，就跟踪器的设计而言，Tile不太可能在这里颠覆概念，但AR的发现经验似乎将对应用程序创新发展有所帮助。
From：TechCrunch
根据TechCrunch的说法，Tile将于今年晚些时候发布其新跟踪器，并将在Android和iOS设备上使用。鉴于目前UWB随附的收集数量还很少，该公司将继续出售其现有的蓝牙跟踪器，售价目前还未确定。
苹果和三星并没有可以隐瞒正在开发自己的跟踪器。在过去两年中，苹果似乎已经宣布将发布其传闻已久的AirTag。同时，三星有望在即将于1月14日举行的Unpacked活动中宣布其Galaxy Smart的发布。Tile迄今为止一直主导着市场，但它所面临的挑战是试图找到一种方法来匹配或超越Apple和Samsung，后两者都将通过自身手机设备提供用户第一手体验。
Bose正式推无线运动开放式耳机
From: engadget
在去年12月在FCC泄漏新产品信息后，Bose正式推出了无线运动开放式耳机。顾名思义，这款耳机是开放式设计，而非入耳式设计，耳机通过环绕耳朵的挂钩固定在耳部适当位置。同时，专为运动设计，使得耳机具有IPX4防水等级，相对轻巧，每侧耳机仅重14克，电池续航时间可达为8小时之久。
Bose
音频发声处位于耳道上方，因此，这款新产品显然没有主动降噪（ANC）功能。Bose宣称，通过该设计，用户将能听到“马路噪音，训练伙伴，自然或其他您不想错过的声音”。它们还配备了一个麦克风，旨在使声音清晰，让声音与自然风还有噪音隔离，Bose承诺将“保持精确挂位，同时防汗，防热，防雨和防雪”。
如果您更喜欢入耳式耳机，Bose还提供日常使用的QuietComfort耳塞和面向健身用户的Bose运动耳塞。后者仅提供被动噪声消除，而QuietComfort模型则提供完全主动噪声消除。
Sport Open Earbuds的其他功能包括蓝牙5.1，左侧的一个用于访问语音助手的按钮以及右侧的另一个按钮则用于打开和关闭，播放，暂停和跳过歌曲或接听，拒绝和结束通话。
当前，这款耳机可以200美元的价格进行预订，并将于1月中旬开始发货。随耳机配备的还带有保护盒，充电座和Bose Music应用。
相关文章
精彩导读
热门资讯
关注我们
