机器人能否像人类一样感知时间？强化学习赋予机器时间感知
大数据文摘专栏作品
作者：Christopher Dossman
编译：VICKY、Joey、云舟
呜啦啦啦啦啦啦啦大家好，本周的AI Scholar Weekly栏目又和大家见面啦！
AI ScholarWeekly是AI领域的学术专栏，致力于为你带来最新潮、最全面、最深度的AI学术概览，一网打尽每周AI学术的前沿资讯。
每周更新，做AI科研，每周从这一篇开始就够啦！
本周关键词：视频理解、时间感知、BERT
本周最佳学术研究
KnowIT VQA：回答有关视频的知识性问题
在本文中，研究人员通过结合知识和视频问答，提出了一种新的视频理解任务。
首先，他们提出了一个称之为KnowIT（knowledge informated temporal）VQA的视频数据集。该数据集源自电视剧生活大爆炸（The Big Bang Theory），其中包含了众多知识问答。KnowIT拥有24000多个人工生成的问答对，并将视觉、文本和时间与基于知识的问题相结合。其次，他们提出了一个视频理解模型，将视频的视觉和文本内容与特定的节目知识结合起来。
他们发现：
- 知识的结合为视频中的VQA带来了显著改进；
- KnowIT VQA的性能仍然落后于人类的准确性，这表明它对于研究当前视频建模的局限性是有所帮助的。
他们的工作表明了基于知识的模型在视频理解问题中的巨大潜力，这些模型将会为将自然语言处理（NLP）和图像理解的进步结合发挥重大作用。
该框架证明，视频理解和基于知识的推理都是回答问题所必需的。它能够检索并融合语言和视频的时空域，以便对问题进行推理，从而来预测正确答案。
但相比于人类的表现，（该框架）仍存在着很大差距。研究人员希望该数据集将有助于在该领域开发更鲁棒的模型。
原文：
https://arxiv.org/abs/1910.10706v3
用强化学习教机器人感知时间
众所周知，人类和动物的大脑具有负责时间认知的不同区域，而机器人则根据将时间视为外部实体（例如时钟）的算法来执行任务。是否有可能从生物学上激发时间感知机制，并在机器人中重现它们呢？
在这项工作中，研究人员观察了大脑用来负责时间感知的计时机制。他们利用贝叶斯推断得出的结果来预估数据的时间流逝，并利用TD学习特征表示来训练代理成功完成与时间相关的任务。由于选择了代表时间的特征，他们表明，在这种情况下，他们能够为代理提供一种类似人类和动物所经历的时间流失的感知。
本文的主要贡献：
- 提出了一种从机器人传感器收集环境数据的建模方法；
- 在特定假设下，可以从数据中获得正确的时间估算；
- 成功将时间认知机制应用于强化学习问题当中；
- 赋予机器人在与时间有关的任务中复制动物行为的能力。
这项工作提出了一种为代理提供时间认知的过程。对机器人来说，对于时间的感知能够让它们像人类一样，在不同的环境和人物中学习适应对话。该框架已被提议在未来在真正的机器人中实现。
原文：
https://arxiv.org/abs/1912.10113
Lite BERT：自监督学习语言表示
在本文中，Google AI的研究人员设计了一种Lite BERT（ALBERT）架构，该架构具有比传统BERT少得多的参数。一个类似于BERT-large的ALBERT配置与前者相比，参数减少了18倍，并且训练速度提高了约1.7倍。
ALBERT集成了两种参数归约技术：第一种技术是分解式嵌入参数化；第二种技术是跨层参数共享，它可以防止参数随着网络深度的增加而增长。这两种技术在不严重影响性能的前提下大大减少了BERT的参数数量，从而提高了参数效率。
参数归约技术也可以作为正则化的一种形式，从而稳定训练并有助于泛化。
为了进一步提高ALBERT的性能，研究人员还引入了一种自监督的损失来进行句子顺序预测。结果，他们能够扩展到更大的ALBERT配置，同时这些配置的参数仍然比BERT-large少，但性能却明显提高，从而在GLUE、SQuAD和RACE基准上为自然语言理解建立了全新的结果。
ALBERT的成功证明了它在识别模型方面的重要性，因为它在这些方面产生了强大且适当的表示。
通过集中精力改进模型体系结构的这些方面，这项研究表明了可以在广泛的NLP任务上极大提高模型的效率与性能。为了促进NLP领域的进一步发展，研究人员已将ALBERT开源给研究界。
代码与预训练模型：
https://github.com/google-research/google-research/tree/master/albert
原文：
https://ai.googleblog.com/2019/12/albert-lite-bert-for-self-supervised.html
有序还是无序？让我们重新审视用于视频的人物身份识别
基于视频的人员身份“再识别”方法是近些年来计算机视觉领域中一个热门研究方向，因为它可以通过充分利用时空信息来达到更好的识别结果。
在本文中，研究人员提出了一种简单但十分惊艳的VPRe-id方法，他们将VPRe-id视为基于图像的人员重新识别问题的有效无序集合。
具体来说，研究人员们将一段视频划分为许多个单独的图像，然后对这些图像中出现的人进行识别和排序、并重新组合出最终结果。他们以i.i.d.假设为前提，提供了一个错误边界用于阐明改进VPRe-id的方式。
这项工作还提出了一种很有前景的方，可以弥合视频和人物信息重新识别结果之间的差距。研究人员们对这个差距进行评估，证明了他们所提出的这一方案在多个数据集（包括iLIDS-VID、PRID 2011、和MARS）中都达到了业界领先的水平。
基于视频的人物重新识别非常重要，因为它在视觉监视和取证等领域有着广泛应用。这项工作通过将VPReid视为一个进行无序整体排名的任务，提出了一种简单而强大的人物重新识别的解决方案。其中，每个基本排名都由一个具有单个人员身份的标识符来体现。
该解决方案通过使用RNN输出在不同时间步长上的时间池中的多个特征表示，学习了无序表示，研究人员认为这对于VPRe-id更为重要。结果也证明了我们可以从不同角度解决VPRe-id这一事实。
原文：
https://arxiv.org/abs/1912.11236v1
一个使用Python可视化工具实现的全新文本分类器
近日，一个名为SS3的文本分类机器学习模型横空出世，它非常适合处理社交媒体信息流上的ERD问题。在CLEF eRisk开放任务（例如侦测早期抑郁、厌食和自我伤害）上达到了业界领先的水准。
在本文中，研究人员介绍了PySS3：这不仅是一个实现了SS3的Python框架，而且还附带可视化工具，使研究人员可以部署更强、更加容易解释且值得信赖的机器学习模型来进行文本分类。
PySS3是一个开放源代码的Python框架，它实现了SS3，并带有两个有用的工具，这些工具让开发者能够以非常简单、易交互和可视的方式使用它。例如，其中一个工具能使用可视化工具对模型进行解释，该可视化工具直接突出显示原始输入文档的相关部分，从而使研究人员能够了解所部署的模型。
PySS3是使用Python开发的，并经过专门编码来与Python 2.7和Python 3.x兼容。 此外，它还与不同的操作系统兼容，例如Linux、macOS和Microsoft Windows。
PySS3带有针对研究社区的实用开发与可视化工具，它为研究人员和从业人员提供了一个平台，可以部署强有力的、可解释的和可信赖的机器学习模型进行文本分类。
它还允许他们部署SS3模型并通过特殊命令在机器学习的每个阶段（包括模型选择、训练、测试等）与它们进行交互。
原文：
https://arxiv.org/abs/1912.09322v1
其他爆款论文
研究人员提出了这些问题期望能够指导人工智能研究的未来：
https://arxiv.org/abs/1912.10305
深入分析不同的特征处理和建模方法以及情感识别结果：
https://arxiv.org/abs/1912.10458
如何提高现有多对象跟踪器的性能——深度多对象跟踪器的端到端训练：
https://arxiv.org/abs/1906.06618v2
研究人员开发了一种非常轻量级而快速的表情识别模型 —— MicroExpNet，用于正面图像的面部表情识别（FER）：
https://arxiv.org/abs/1711.07011v4
区分CNN生成的图像与真实图像区有多困难？ 事实是：CNN生成的图像非常容易发现，起码暂时是这样的：
https://arxiv.org/abs/1912.11035v1
AI大事件
人工智能在2020年将如何发展？ 2020年有趣的AI预测：16位专家发表看法
https://www.verdict.co.uk/2020-artificial-intelligence-predictions/
Facebook正在开发自己的操作系统！
https://www.theverge.com/2019/12/19/21030043/facebook-os-custom-operating-system-android-reliance-self-sufficiency-ar-glasses
随着AI芯片市场的蓬勃发展，英伟达的领导层面临挑战：
https://www.investors.com/news/technology/ai-chips-nvidia-artificial-intelligence-stocks/