嵌入式 AI
5月25日，智东西汇聚了16位AI与物联网行业大佬的GTIC 2021嵌入式AI创新峰会在北京举办，现场座无虚席，十分火爆！随着AI落地进入深水期，越来越多的AI需要从云端，扩展到设备端和边缘端——智能耳机、智能手环、智能门锁、智能摄像机、AI无人机、扫地机器人、物流机器人等设备层出不穷。而在一个信息安全问题日益凸显的时代，将AI部署在端侧、边缘侧，也成为产业亟待关注的需求。而这，正是嵌入式AI要做的事情——将AI部署到嵌入式的设备端和边缘端。人工智能真正业务落地的大舞台，已经越来越转向物联网端侧的AI嵌入这一新战场！作为今年首场聚焦嵌入式AI的创新峰会，来自产业链上下游的16位大佬共聚一堂，围绕嵌入式AI的软硬件生态创新、家居AIoT、移动机器人和工业制造产业4大版块地图，带来了深入浅出的分享。
本次峰会，RT-Thread带来了最新的RT-AI kit开发组件，该组件是 RT-Thread 团队为 RT-Thread 实时操作系统所开发的 AI 套件，能够一键将 AI 模型部署到 RT-Thread 项目中，让用户可以 在统一的 API 之上进行业务代码开发，又能在目标平台上获极致优化的性能，从而更简单方便地开发端侧 AI 应用程序。
通过本次峰会，在底层技术创新方面，我们看到在轻量级神经网络模型设计、模型压缩、AI推理引擎、AI芯片架构创新等领域的最新创新实践。而在行业落地层面，我们也洞察了智能家居、移动机器人、工业互联网、智能安防等多个领域面临的挑战和应对举措，看到AI落地的火苗正焕发出多样化的智能“魔力”。总的来说，当AI落地从云端扩展到更加宽广的端侧、边缘侧领域，一个更加广阔的物联网端侧的AI嵌入新战场正在爆发前夜，AI也将真正进入普罗大众生产、生活的方方面面！
6月2日消息，腾讯今日公布了机器人方面的最新研发成果——Ollie（奥利）。作为腾讯家人家族的新成员，Ollie应用了许多新技术，比它的前辈更加身手敏捷和智能化。
腾讯官方表示，机器人是智能技术的集大成者，涉及动力学、控制论、机械设计等众多技术，仅是让机器人可以蹦蹦跳跳，都是非常复杂的过程。Ollie则是机器人中的佼佼者，具有机械设计、感知、运动规划和控制，以及融合这三大模块的整机统设计，相当于人类的躯干、眼睛、大脑，以及器官协调能力。
在非线性控制方法的加持下，Ollie可以完成许多复杂的操作，比如360°空翻、高精度避障、抗碰撞能力等，矫捷的身手可能比小雷还要强一些，毕竟那些体操动作，小雷可做不到。如果给它装上机械手臂，Ollie还能帮你端茶送水。
在当今，机器人的重要性不需要多说，许多危险性较高的工作，都逐渐改为由机器人完成。国内腾讯、国家电网等公司在工业级机器人领域都有不少研究专利，取得了不错的研究成果，他们研发的机器人也开始应用在许多岗位。
2021年5月21日– 服务多重电子应用领域的全球半导体领导者意法半导体(STMicroelectronics，简称ST；纽约证券交易所代码：STM)宣布与Cartesiam公司达成并购协议，收购其公司资产(包括知识产权组合)，调动和整合员工。这项交易须经监管部门批准。
Cartesiam成立于2016年，总部位于法国土伦，是一家软件公司，专门从事人工智能(AI)开发工具研发，让基于Arm®的微控制器具有机器学习和推理能力。今天，采用Cartesiam技术的产品数量已达数十亿。公司开发团队由数据科学家和嵌入式信号处理专家组成，在开发标准和定制解决方案方面具有丰富的经验。NanoEdge™AI Studio是其获得专利的旗舰解决方案，让没有AI知识背景的嵌入式系统设计人员也可以快速开发专用的软件库，将机器学习算法直接集成到各种应用系统。含有Cartesiam技术的设备已经在全球量产，包括物联网设备、家用电器和工业设备。
通过此次收购，意法半导体可加强人工智能战略内涵，提升技术组合的实力，满足市场对嵌入式机器学习的各种需求。NanoEdge™AI Studio解决方案与意法半导体的STM32Cube.AI工具相辅相成，相得益彰，为客户在自己的解决方案内集成机器学习模型带来额外的灵活性。
意法半导体微控制器和数字IC事业部总裁Claude Dardanne表示：“无论规模大小，处于什么行业，客户都将非常重视使用人工智能技术开发智能解决方案。STM32Cube.AI软件让客户能够移植预训练人工神经网络，在广泛的STM32微控制器产品组合上运行。在ST现有解决方案中加入Cartesiam的机器学习技术，可为寻求在产品中增加创新功能的客户带来市场上最佳的边缘AI解决方案组合。”
关于意法半导体
意法半导体拥有46,000名半导体技术的创造者和创新者，掌握半导体供应链和最先进的制造设备。作为一家独立的半导体设备制造商，意法半导体与十万余客户、数千名合作伙伴一起研发产品和解决方案，共同构建生态系统，帮助他们更好地应对各种挑战和新机遇，满足世界对可持续发展的更高需求。意法半导体的技术让人们的出行更智能，电力和能源管理更高效，物联网和5G技术应用更广泛。详情请浏览意法半导体公司网站：www.st.com
盖世汽车讯目前，大多数ADAS都基于摄像头、雷达或激光雷达，目标物体必须在系统的识别视线范围内。然而，对于紧急车辆而言，虽然其警报声可以提前被听到，但是只有驶进ADAS的视野时才能被发现。
为了应对这一挑战，英飞凌（Infineon Technologies）与Reality AI共同开发了高级传感解决方案，为车辆提供听觉。该解决方案将XENSIV™MEMS麦克风添加到现有传感器系统，能让车辆“看到”拐角，并提醒车辆注意隐藏在盲区中的移动物体，或正在驶近，但由于距离太远而无法看见的紧急车辆。
这一新的传感解决方案基于XENSIV™MEMS麦克风，并结合了AURIX™微控制器（MCU）和Reality AI的Automotive See-With-Sound（汽车声视）系统，将在英飞凌的Virtual Sensor Experience（虚拟传感器体验）中展示。由于该系统使用基于机器学习的算法，因此即使驾驶员无法看到，或车辆ADAS内置传感器无法检测到紧急车辆、其他车辆和其他道路参与者时，该系统也能检测到。此外，机器学习还能确保识别特定国家紧急车辆的警报声。
汽车合规XENSIV MEMS麦克风IM67D130A的工作温度范围为-40°C到 105°C，适用于苛刻的汽车环境中的各种应用场景。低失真（THD）和130dB声压级的高声学过载点（AOP）使该麦克风能够在嘈杂环境中捕获无失真的音频信号，因此即使警报声隐藏在高背景或风噪声中，也能进行可靠的分类。此种基于声音的传感技术还可以应用于其他车辆，如道路状况监测、损坏检测和预测性维护。
为了处理音频信号，Reality AI软件采用了英飞凌的AURIX TC3x系列MCU，该MCU广泛应用于多个汽车应用。该可扩展MCU系列产品达到了ISO26262 2018标准规定的ASIL-D功能安全等级，并提供从1核到6核的选择范围，以及高达16MB的Flash。AURIX TC3x为客户在ADAS应用场景中部署XENSIV MEMS麦克风提供强大的性能和灵活性。
本周，Facebook 在开发者大会 F8 Refresh 上，宣布要PyTorch 将成为该公司构建所有 人工智能设备的默认深度学习框架。PyTorch 作为一款开源的机器学习框架，其诸多优秀便捷功能可以加快AI和机器学习算法从研究原型到产品部署过程，这一框架由 Facebook AI 研究人员于 2016 年和一些开源爱好者共同创建，随着近年来AI领域的不断发展而收到众多开发者的推崇。该公司表示，Facebook 的迁移工作已经推进了有一年多的时间，并且其已经将大部分的 AI 工具迁移到了 PyTorch。
6月1日到3日，国际性人工智能高端学术交流活动——北京智源大会，在北京开幕。超过3万多名人工智能领域专业人士注册参会。
北京智源大会是一个国际性人工智能高端学术交流活动，定位于“AI内行顶级盛会”，2019年举办了首届大会，今年已经是第三届，6月1日至3日线上线下同步召开。大模型对于人工智能发展具有重大意义，未来将基于大模型形成变革性的AI产业基础设施。在本次智能大会上，中国首个超大规模智能模型——“悟道2.0”，重磅发布。
北京智源研究院学术副院长 唐杰：它可以实现很多基本的人的一些功能，比如说我们实现强人工智能中的基本的一些问题，像比如说问题回答、作诗、作图。它可以赋能每一个传统的企业，甚至很多IT的企业，以它们智能的能力，就是它们可以在这个电力的基础上，可以实现很多电力的计算，包括其他方面的一些应用。
北京智源研究院理事长 张宏江：今年的大会还有一个很重要的特点在于我们发布了大规模的预训练模型，悟道2.0。这是世界上最大的人工智能的模型，我们看到一系列的这个参数都在世界领先地位，也代表了中国和世界在AI上面的最新的突破，最新的发展。
2021年6月1日，清华大学计算机系知识工程实验室迎来了中国首位原创虚拟学生——华智冰，清华大学为她办理了学生证和邮箱。“2021北京智源大会”开幕式上，华智冰同学正式亮相。“华智冰”不同于一般的虚拟人物，“她”是智商和情商双高，不仅形象亲切、言语自然，还可以作诗、作画、创作剧本杀，有一定的音乐才艺，还具备一定的推理和情感交互的能力。
她背后依托的是中国“悟道2.0”超大规模人工智能模型。“华智冰”由三方合作诞生：北京智源人工智能研究院领衔开发超大规模智能模型“悟道2.0”；智谱AI团队作为骨干参与开发“悟道2.0”，并主要开发平台应用生态；小冰公司提供全球领先的人工智能完备框架，同时负责声音、形象的开发应用。
在未来，“华智冰”将师从于唐杰教授（北京智源人工智能研究院学术副院长、清华大学教授）持续学习、演化，并在智谱AI团队、北京智源人工智能研究院及小冰公司的联合培养下，不断在人工智能领域深造，成长为一个具有丰富知识、与人类有良好交互能力的机器人，并最终推动人工智能深度服务社会。
开源的人工智能项目并不总是得到很多宣传，但它们在人工智能的发展中起着至关重要的作用。因为这些开源项目经常被开发者作为激发灵感的项目来上手，所以这些进步是创造性的，特别具有前瞻性。
这些开源人工智能项目通常不受企业开发环境的限制，可以梦想成真——并且通常会带来突破性的机器学习和人工智能进步。同样重要的是：这些领先的开源人工智能项目的进步推动了更大的人工智能领域的进步。
如果你知道其他顶级开源人工智能工具应该在这个列表中，请在文末留言与我们分享。
1、PyTorch
PyTorch 具备领先的开源人工智能项目的所有元素。它侧重于机器学习，可以说是新兴技术发展阶段人工智能最受欢迎的应用。更重要的是，开发者和AI工程师可以在顶级云计算平台上搭建 PyTorchAWS 上的 PyTorch 和 Azure 上的 PyTorch 都是可行的，Google Cloud 和阿里巴巴也是可行的。PyTorch 提供了神经网络，这是人工智能发展的一个基本要素。
2、Open Neural Network Exchange
由微软和脸书开发的 Open Neural Network Exchange（开放式神经网络交换）提供了一些非常强大的工具，尤其是将完全开发的神经网络模型(在系统中花费了大量时间进行训练)回收到各种其他系统中的能力。本质上，开放神经网络交换通过支持这种移植极大地扩展了现有模型的有用性。预计 ONNX 在未来几年将变得越来越受欢迎。
3、IBM AI Fairness 360
人工智能算法中的偏差问题越来越受到关注，AI Fairness 360是解决这一问题的开源解决方案。该工具提供了算法，使开发人员能够扫描最大似然模型，以找到任何潜在的偏见，这是打击偏见的一个重要部分，当然也是一项复杂的任务。重要的是，人工智能公平性允许人工智能工程师在整个开发生命周期中探索算法。该工具可以设置为自动工作。该工具的基础是一个检查相关性的架构；这种相关性是否创造了一种暗示有害刻板印象的预测？
4、Keras
Keras 在人工智能开源项目的世界中是罕见的：它把自己宣传为“一个为人类而设计的应用编程接口，而不是机器。”作为一个 Python 深度学习 API，Keras 可以与像 Antao 和微软 Cognitive Toolkit 这样的高知名度人工智能项目进行互操作。开发人员和人工智能工程师将其用作一个 ML 库，以相对容易的方式构建原型。同时也有助于其易于部署，Keras 可以在混合处理器硬件上运行。
5、Accord.NET
顾名思义，Accord.NET 使用. NET 框架。这是一个 . NET ML 学习框架，提供用 C# 编码的图像和音频库。它具有前瞻性，因为它为开发商业级应用程序提供了一个平台，包括面向信号处理的应用程序、视听工具集和统计应用程序。如果你刚刚起步，Accord.NET 还包括模板应用程序，这样你就可以更快地开始构建。
6、GPT-2
当然，开源人工智能技术正在产生轰动效应，创成式预训练变压器2 (GPT-2)于 2019 年由 OpenAI 发布。GPT 利用深度神经网络，它使用多层软件来处理任意数量的输入。众所周知，GPT 2 号处理文本，从翻译到创造文本，在最好的情况下，可以与人类书写的文本非常相似。此外，它是一个非常强大的学习工具，可以非常准确地合成和适应数据。
7、Cheatsheets AI
如果你是一个可以在开放源码的语言/人工智能项目中伸出援手的语言/人工智能开发者，这个项目是非常有用的。与其说是一个项目，不如说是一个学习工具，它可以帮助你跟上人工智能/人工智能项目的速度，从 Keras 到 Scripy 到 PySpark 到 Dask。它所提供的指导是深入的，而且必然是复杂的。虽然 Cheatsheets AI 是为“人工智能新手”设计的，但事实上你需要一些预先培训才能使用这一资源。
8、TensorFlow
还有不知道 TensorFlow 的开发者吗？这几乎是一个家喻户晓的名字。由 Google Brain 团队开发，供 Google 内部使用，现在是最著名的开源机器学习平台之一。Google 还向研究人员免费提供了基于云的 TensorFlow 版本。
9、Caffe
最初是由加州大学伯克利分校的精英们创造的 Caffe 已经成为一个非常受欢迎的深度学习框架。它的名气包括表达架构、可扩展代码和速度。
10、H2O
凭借庞大的用户群，H2O 自称是“世界领先的开源深度学习平台”除了开源版本，该公司还提供付费支持的高级版本。
近五年来，AI学术论文的投稿量和接收量都在不断攀升，包括NeurIPS、AAAI、ACL，ICML、EMNLP等国际顶会。根据权威数据统计，NeurIPS论文收录量在2019年呈指数级增长，领先AAAI近300篇；而AAAI 在2020年创下历史新高，达到了1692篇。如何在海量论文库中发现最具影响力的论文，谷歌引用次数是学者们参考的一项重要指标，它在一定程度上反映了论文的质量。
近日，知名外媒《Towards Data Science》按这一指标，统计了近五年来发表在各大国际顶级会上引用量排名前十的论文。根据统计结果显示，Top 10 论文引用量最高为67514次，最低6995次，全部出自ICLR、NeurIPSR、NeurIPS、ICML以及《Nature》四家期刊，覆盖深度学习、机器学、强化学习、视觉处理、自然语言处理等多个领域。其中，智能体AlphaGo、Transfromer模型、强化学习算法DQN，以及神经网络优化算法Adam全部在列。大部分论文所属研究机构为Google Brain 、Facebook AI Research、DeepMind以及Amsterdam University，作者包括我们熟知的AI大佬Ian J. Goodfellow、Kaiming He、Thomas Kipf、Ashish Vaswani 等。
下面AI科技评论按引用次数从低到高的顺序对Top 10 论文进行简要整理：
Top 10：Explaining and Harnessing Adversarial Examples
Top 9：Semi-Supervised Classification with Graph Convolutional Networks
Top 8：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
Top 7：Mastering the game of Go with deep neural networks and tree search
Top 6：Human-level control through deep reinforcement learning
Top 5：Neural Machine Translation by Jointly Learning to Align and Translate
Top 4：Attention is all you need
Top 3：Faster R-CNN: towards real-time object detection with region proposal networks
Top 2：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
Top 1：Adam: A Method for Stochastic Optimization
如果您是深度学习领域的新手，那么您可能会遇到的第一个问题是“我应该从哪篇论文开始阅读？”
本文是深度学习论文的阅读路线图！
该路线图是根据以下四个准则构建的：
从轮廓到细节
从旧到最新
从通用到特定领域
专注于最新技术
您会发现许多非常新的论文，但确实值得阅读。
使用方法：
1.zotero 中阅读，先导入到zotero，阅读论文只需要在红框中输入论文名称即可搜到。
2.直接下载文件阅读
剩下的就是愉快的阅读啦！
本篇文章介绍了 GCC 的整体架构 (以 C 前端为例)，对GCC的使用存在疑惑的小伙伴可以学习一下，一定会受益良多的！
近几年来机器人的火爆贯穿整个学生阶段,有条件的小学生开始了机器人竞赛，它们使用开源的硬件，使用简单的图像化编程平台，让各式各样的机器人动起来，完成简单的动作。年龄大一点，每年有举行好几类全国大学生机器人、智能车竞赛，在这些竞赛中，常常会看见Arduino、树莓派的名字；在更高级别的机器人竞赛中，常常会看到ROS这个名字。机器人是一个多学科交融的方向，相关爱好者需要在机械、嵌入式、图像、算法等方面具备一定的了解，特别是摆脱虚拟仿真环境，想要搭建一辆可以跑ROS的实车，那可不是一项简单的任务。鉴于此，我们利用开源硬件树莓派和Arduino以及开源机器人操作系统ROS搭建一台ROS实车，并将整个过程：选型、购买配件、画PCB、组装、软件调试的整个过程，在接下来的推文中进行了详细地分步描述，希望能够帮助到ROS初学者能够快速上手，不会陷于造轮子这第一而又重要的一步。本文从零开始，逐步带领大家实现一个ROS小车，可以提高动手能力的同时，逐步了解ROS系统的运行原理。
联系客服
