以下新闻选自人工智能信息平台“Pro”：花最少的时间，看最重要的新闻。
行业动态
1.靠脸吃饭的时代已经到来
根据艾媒咨询发布的专题报告，2019 年我国刷脸支付用户达到了 1.18 亿，这个数字还在高速增长中，2022 年中国刷脸支付用户将达 7.6 亿，在刷脸技术上中国已远超欧美等国家。
2.武汉大学正式成立人工智能研究院，教育部50家人工智能院所的小目标已经完成4/5
11 月 22 日消息，武汉大学正式成立人工智能研究院，其中由李建成院士担任人工智能研究院院长职位，杜博教授担任常务副院长，杨志坚教授，刘娟教授担任副院长。据了解，武汉大学成立人工智能研究院也得到了武汉市政府给予的高度重视，未来五年里将给予 25 亿元人民币的财政支持。2018 年 4 月 2 日，教育部印发的《高等学校人工智能创新行动计划》明确提出，为了「加强人工智能领域人才培养」，「到 2020 年建立 50 家人工智能学院、研究院或交叉研究中心」。截止目前为止，我国各高校和科研单位已经相继成立了近 40 所。
3.南科大机器人研究院与日本AERONEXT公司共建飞行机器人联合实验室
近日，南方科技大学机器人研究院与日本 AeroNext 公司飞行机器人技术联合实验室举行签约揭牌仪式，据官方介绍，联合实验室主要依托南科大机器人研究院进行建设，目标是将联合实验室建成集科研平台建设、产业技术研发、人才培养、应用示范和成果转化于一体的先进制造创新平台。
产品应用
1.FANUC推出用于弧焊的新型协作机器人系列
11 月 22 日消息，FANUC 在美国最近举行的 FabTech 活动上展示了其新型协作式弧焊机器人系列。用于 Arc 的 CR-15iA 和 CR-7iA 将在下个月投放市场。新型协作弧焊机器人可提供「与 FANUC Arc Mate 机器人相同的高水平性能，包括享誉世界的技术和久经考验的可靠性」。内置传感器使焊接机器人可以在人与人之间安全地工作，而无需昂贵的防护。该公司还表示，新机器人「易于使用，即使对于从未使用过机器人的人也是如此」。FANUC 的弧焊合作机器人配备了 FANUC 的 ArcTool 应用软件。
2.新型柔软机器人 可轻易卷起放在口袋里
布里斯托大学团队开发了一种可以卷起并放在口袋里的可拉伸的类似皮肤的机器人，该机器人采用了一种将人工肌肉和电粘附力嵌入柔软材料中的新方法。这一发表在《软机器人》(Soft Robotics) 上的新发明可以被用于制造在危险环境中进行环境监控和部署的新型轻薄型机器人。由机器人学教授乔纳森·罗西特（Jonathan Rossiter）领导的布里斯托尔工程学院的研究人员从生物皮肤和蜗牛和等软生物的灵感中获得了成功的展示，这种新的机器人的表面通过交替收缩而可以在平面上爬行。传统的机器人大多是刚性且不灵活的，而柔软的机器人可以拉伸和扭曲以适应其环境。将来，这类软机器人可以爬上墙壁并跨过天花板进行清洁，探索难以到达的环境中，比如倒塌的建筑物，并可以在一系列可穿戴的设备中使用。(ScienceDaily)
大公司新闻
1.Adobe：iPad端Photoshop AI抠图功能年底前上线
Adobe 于本月初正式上线了 iPad 端 Photoshop，后期因 App 核心功能缺失导致被用户吐槽。不过在 Adobe 今天更新的官方博文中展示了一些未来 iPad 端 Photoshop 将加入的一些新功能：比如 AdobeSensei 加持的 AI 抠图功能等。博文显示，Adobe 将于 2019 年年底前上线的 AdobeSensei 加持的 AI 抠图功能。（IT 之家）
2.比尔·盖茨：北京实验室完成了微软大量最优秀的人工智能研究
比尔·盖茨表示，北京实验室完成了微软大量最优秀的人工智能研究。（彭博）
研究与技术
1.韩国ETRI提出实时Anchor-Free实例分割算法CenterMask，代码将开源
这几天来自韩国 ETRI 的一篇论文《 CenterMask : Real-Time Anchor-Free Instance Segmentation》很抢眼，作者称「CenterMask outperforms all previous state-of-the-art models at a much faster speed」，其分割精度打败了所有之前的 State-of-the-art，速度也更快！仿照 Mask R-CNN 是在 Faster R-CNN 基础上实现实例分割，CenterMask 是在著名的一阶段 anchor-free 目标检测算法 FCOS 基础上添加了作者发明的 SAG-Mask 模块，实现了更快也更好的实例分割。
论文地址：https://arxiv.org/abs/1911.06667v1
2.Transformer落地：使用话语重写器改进多轮人机对话
这是一篇发表于自然语言处理顶会 ACL 2019 的论文《Improving Multi-turn Dialogue Modelling with Utterance ReWriter》，数据集以及 LSTM 版本的模型可在以下链接找到（由于 Transformer 版本模型已被线上应用，涉及到法律问题未进行开源，但作者欢迎发邮件进行探讨）。这篇论文提出把话语重写作为预处理，帮助多轮对话建模。具体来说就是每句话都要先重写，以恢复所有共指的和省略的信息，然后基于重写的话语执行下一个处理步骤。为了正确地训练话语重写器，本文收集一个新的带有人工注释的数据集并介绍了一个基于 Transformer 的使用指针网络的话语重写架构。本文所提出的架构在话语重写的任务上实现了极其出色的效果。训练好的话语重写器可以很容易地集成到在线聊天机器人。
3.深度强化学习助力流处理中通用化的资源分配
来自金融机构 Citadel、IBM Research 和新泽西理工学院的研究人员近日发表了一篇论文，探讨了流处理中的资源分配问题，尤其因为在这类情况下常常要求在大型分布式系统中对连续的数据流进行实时处理。为了最大程度地提高系统吞吐量，将流处理图的计算任务划分到计算设备上的资源分配策略必须同时平衡工作负载分配并最小化通信。在研究中，他们提出了一种图感知的编码器和解码器的框架，以学习一种通用的资源分配策略，该策略可以适当地分配训练数据中未观察到的流处理图的计算任务—这是首次提出利用图嵌入来学习流处理图的结构信息。通过使用深度强化学习与图感知解码器共同训练，测试表明，在约 70％的测试案例中，他们所提出的模型均优于 METIS—最先进的图形划分算法和一个基于 LSTM 的编码器-解码器模型。
本文网址：
