机器人库早报瑞士和英国科学家发明柔性微型机器人可用于医疗

1.如何打造超越波士顿动力的机器人？

深度强化学习开发出的机器人模型通常很难应用到真实环境中，这也是人们对波士顿动力为什么不使用该技术的理解。然而这已经是板上钉钉的结论了吗？一款名为ANYmal的机器人两天前引发了人工智能界的广泛关注，其机动性和适应性看起来完全不逊色于波士顿动力。ANYmal的相关论文《Learning agile and dynamic motor skills for legged robots》于今天登上了Science子刊《Science Robotics》，其中明确指出使用了深度强化学习技术。由于AI技术的成功应用，ANYmal在资料驱动的开发上或许会更有优势。

2.人工智能可以预测你几十年后的样子

借助先进的人工智能技术，科学家可以精准预测人们几十年后的样子。新的AI系统由两部分的AI算法组成。(A) 首先获取一张使用者的照片，AI基于这张照片生成使用者在指定年龄时间的照片。(B)随后，AI会将生成的照片与这个年龄段的其他人的照片进行对比，并提供反馈给前一步的AI计算（即步骤A），进而优化AI的预测算法。这套系统的不同之处在于，虽然都是用GAN（generative adversarial network ）算法来训练模型，但是它同时还会保留个人的面部特性。除此之外，模型还会记录测试使用者是否脱发、额头的特征等情况。目前，研究人员打算将本研究成果发表在本月的盐湖城计算机视觉大会上。可以说是目前为止世界上最复杂的一门学科之一，它跟生物直接有关，简单的数学等式无法更好地帮助我们来理解生物运作机理。

3.优步申请新专利：用AI辨别你是否喝酒

据美国有线电视新闻网，优步申请了一项新专利——利用人工智能评估使用者状态。该人工智能会记录一个人日常行为，当出现非正常行为时，系统就能够检测出来。将来打车，司机会预先知道个人基本情况，去选择是否会接这位乘客。不过还没有迹象能够表明该系统会很快地使用到优步客户端。

4.用于医疗影象分析的人工智能系统很容易遭到攻击

近日公布的一项研究显示，用于医疗影象分析的人工智能系统很容易遭到欺骗式攻击，而且人类很难察觉。研究小组通过修改影象中微不足道的画素，形成了对抗性样本。这些肉眼甚至根本无法察觉的改动，轻易地欺骗了训练好的神经网络，使其错误地将这些图片分类，比如将健康判断为有患病迹象。系统的错误率甚至高达100%。这种攻击手段可以应用在任何影象上，甚至是在影象捕捉的过程中。一旦它被用来进行医疗，患者将很难发现端倪，最终导致患者或保险公司花费钜额临床诊断费用，甚至耽误最佳治疗时机。