以下新闻选自人工智能信息平台“机器之心Pro”：花最少的时间，看最重要的新闻。

投融资

1.AI教育品牌「贪心科技」完成数千万元Pre-A轮融资

AI 教育品牌「贪心科技」近日完成数千万元 Pre-A 轮融资，由青松基金领投，德迅投资和华夏桃李资本跟投。本轮融资由华夏桃李资本担任独家财务顾问。贪心科技是一个 AI 教育的职业教育品牌，其用户分为三类：「泛 AI 人群」、「准 AI 人群」和「AI 从业者」，总市场规模约在 1000 亿左右。

最新政策

1.新加坡批准AI用于血管超声扫描

新加坡卫生科学局已批准使用人工智能技术（AI）进行血管超声扫描的自动分析和报告。该应用程序是由See-Mode Technologies开发的，它利用深度学习，文本识别和信号处理技术来帮助临床医生解释此类图像，该任务通常是手动执行，耗时且容易出错。

大公司新闻

1.东风汽车：成首家获得欧洲自动驾驶路测许可的中国车企

日前，从瑞典交通运输局传回消息——11月下旬，东风汽车集团有限公司技术中心下属的T Engineering AB公司自动驾驶汽车公共道路测试申请获得瑞典交通运输局上路许可批准。 据东风汽车方面介绍，东风公司成为首家获得欧洲自动驾驶公共道路测试许可的中国车企，东风公司技术中心T公司则成为瑞典5家获自动驾驶路测许可的企业之一。

2.百度ERNIE获GLUE榜单第一，多项任务取得SOTA

12 月 10 日，百度预训练模型 ERNIE 在自然语言处理领域数据集 GLUE 中登上榜首，并以 9 个任务平均得分首次突破 90 分刷新该榜单历史，其超越微软 MT-DNN-SMART, 谷歌 T5、ALBERT 等预训练模型的表现。

3.特斯拉推送Autopilot更新，新增「相邻车道速度调整」功能

近日，特斯拉向车主推送了最新的 2019.40.2 系统更新，Autopilot 功能进一步升级，新增「相邻车道速度调整」功能，支持汽车根据道路上其他车辆的速度调整自身速度，该功能改进类似于交通感知巡航控制（TACC）功能的加强版。在自动驾驶方面，马斯克今年 4 月表示，预计 2020 年第二季度将推出完全自动驾驶汽车。（未来汽车日报）

行业动态

1.智加科技完成全球首次无人重卡生鲜运输试运营，历时3天横越美国东西海岸

12 月 11 日，美国加利福尼亚州库比蒂诺——自动驾驶重卡技术供应商智加科技（www.plus.ai）宣布，在不到 3 天的时间内，智加科技的 L4 级自动驾驶卡车穿越 2800 英里（4500KM），横跨美国东西海岸，圆满完成了为世界知名乳业巨头蓝多湖®（Land O Lakes®）提供的首次自动驾驶货运服务，为千万家庭迎接年终假期及时带来超过 40000 磅（18 吨）黄油。整个端到端的运输过程从加利福尼亚州的图莱里出发，到宾夕法尼亚州的奎克敦结束。值得一提的是，这是首次 L4 级自动驾驶卡车牵引满载生鲜货物的冷藏车厢横穿美国的商业试运营。

2.借助Plus.ai自动驾驶技术，半自动驾驶卡车首次完成货物长途运输

12 月 11 日消息，Plus.ai 宣布已完成从加利福尼亚州图莱里到宾夕法尼亚州的半自动驾驶卡车的长途运输，以运送卡车上的Land O'Lakes黄油。根据公告，这次运输用了不到三天的时间，这是第 4 级自动驾驶系统首次处理商业货运，其意义是这辆卡车运载的是易腐货物。

3.蔚来又在硅谷裁员141人，大部分来自自动驾驶团队

据外媒报道，向美国加州就业发展部提交的最新文件显示，中国电动汽车初创企业蔚来在其位于圣何塞的北美总部又裁员了141人。这是该公司今年对其美国员工进行的第三轮裁员，裁员主要集中在研发和工程部门。蔚来已经在今年5月份裁员了70人，并关闭了旧金山的办事处。然后到了9月份，该公司又裁掉了62人。

4.《第一批上海市人工智能创新中心名单》发布：腾讯、寒武纪、商汤等入选

12 月 11 日消息，上海市经信委发布《第一批上海市人工智能创新中心名单》，确定上海寒武纪信息科技有限公司、上海商汤智能科技有限公司、上海依图网络科技有限公司、深兰科技（上海）有限公司、优刻得科技股份有限公司为上海市人工智能创新中心，聚焦产业创新；上海汽车集团股份有限公司、腾讯科技（上海）有限公司为上海市人工智能创新中心，聚焦应用创新。

研究与技术

1.谷歌研究中心联合多伦多大学等机构推出新型标签和数据的联合建模框架

来自谷歌研究中心，多伦多大学以及 Vector 人工智能研究所的研究团队发表了一篇名为「你的分类器是隐秘地基于能量的模型，你也应该这样对待它」。研究团队在文中建议将 p（y | x）的标准判别式分类器重新解释为联合分布 p（x，y）的基于能量的模型。在此设置下，可以轻松计算标准类别概率以及 p（x）和 p（x | y）的非归一化值。在此框架内，可以使用标准的判别架构，并且还可以在未标记的数据上训练模型。研究团队证明了基于能量的联合分布训练可以改善校准，鲁棒性和分布外检测，同时还使文中提出的模型能够生成与最新 GAN 方法质量相媲美的样本。该团队改进了最近提出的用于扩展基于能量的模型训练的技术，并提出了一种与标准分类训练相比几乎不增加开销的方法。据该团队称，文中提出的方法是第一个在一个混合模型中在生成性学习和判别性学习上达到与最新技术相媲美的性能的方法。

2.DeepMind 新研究：具有对比性预测编码的数据有效图像识别

来自 DeepMind 的研究团队近日发布了一篇名为「具有对比性预测编码的数据有效图像识别」的研究。以下是该研究的完整摘要分享：人类的观察者可以通过几个示例来学习识别图像的新类别，但是如何通过机器感知来识别仍然是一个开放的挑战。研究人员假设通过表示使数据有效识别成为可能，这些表示使自然信号的可变性更加可预测。因此，该团队重新研究和改进了「对比预测编码」，这是学习此类表示的无监督目标。这种新的实现产生的功能支持 ImageNet 数据集上最新的线性分类精度。这种新的实现产生的功能支持 ImageNet 数据集上最新的线性分类精度。当用作深度神经网络的非线性分类的输入时，与直接在图像像素上训练的分类器相比，这种表示形式使我们可以使用少 2–5 倍的标签。最终，这种无监督的表示方法大大改善了 PASCAL VOC-2007 上从转移到目标检测的学习，超过了完全受监督的预训练 ImageNet 分类器。