锐眼视点：
- Google 推出 TensorBoard API 来增强机器学习的可视化；
- AI 可以仅仅通过观看游戏视频来重新创造电子游戏；
- 中国和印度希望所有的新汽车都是电动的。
[业界新闻] Google 推出 TensorBoard API 来增强机器学习的可视化
Google Brain 团队的成员昨日推出了 TensorBoard API，允许人们对 AI 模型进行训练，以实现训练的可视化。同时，TensorBoard 仪表板也得到了升级。TensorBoard 自 2015 年由 Google 开源以来一直是 TensorFlow 的一部分，Github 上可以找到可用的 TensorBoard 插件，如音频、图像等。TensorBoard API 是Google 开源机器学习工具的最新举措，以鼓励大家使用 AI。上个月，来自Google 开源语音识别数据集的 TensorFlow 和 AIY（AI + DIY）团队允许人们为各种智能设备创建自己的基本语音命令。在推出用于在移动设备上运行AI 模型的 TensorFlow Lite 的几周之后，Google 开源了专为智能手机而设计的预培训计算机视觉模型 MobileNets。
原文链接：Google launches TensorBoard API to enhance machine learning visualizations
[业界新闻] AI 可以仅仅通过观看游戏视频来重新创造电子游戏
从 80 年代开始，机器学习已经开始着眼于电子游戏开发。通过观察一段时间，AI 便能够学会玩太空侵略者的游戏了。到现在，AI 会玩游戏已经不是什么新鲜事，甚至在大多数游戏上，AI 远比人类玩得好。但近期，佐治亚理工学院的研究人员写了一篇文章，描述了一个 AI 系统，它可以通过观看视频，重新创建了一个类似于超级玛丽的游戏引擎。该系统不需要访问代码，它只用观看像素的变化并学习。结果显示，它重建的游戏虽然存在一些问题，但是可以运作的。这是 AI 视频游戏世界的首例，但研究仍存在限制。在一开始，AI 系统只得到了两个关于游戏的信息：第一，一个视觉词典，包含了游戏中的所有角色; 第二，一套基本概念，如物体的位置和速度。通过这些工具，AI 会逐帧分解游戏，标注它看到的内容，寻找并解释操作规则。随着时间推移，系统建立了所有规则，将其记录为一系列的逻辑语句，再将其组合到一个类似的游戏系统中。而以上的规则可以导出，并转换成多种编程语言，可用于重建新游戏。现在，由于依赖人类定义的游戏信息，这套系统的使用仅限于 2D 平台。定义 3D 游戏的所有信息需要花费更多的时间，以及更先进的机器视觉工具。佐治亚理工大学的团队认为，未来，这样的技术不仅可以用于解决电子游戏如何运作，还可以用于现实生活中。虽然世界远比超级马里奥复杂，但人类理解世界的能力可能将会大大突破，这不是一个不可能的想法。
左为 Mega Man 原版游戏；右为 AI 系统学习后重建的游戏
原文链接：AI Can Re-create Video Games Just by Watching Them
[业界新闻] 中国和印度希望所有的新汽车都是电动的
据彭博社报道，中国计划终止化石燃料汽车的销售，尽管目前还不清楚禁令是否会启动。同时路透社报道，印度计划在 2030 年之后，让所有的新车电动化，并且在年底会详细说明该计划的开展。目前，中国的电动汽车产业蓬勃发展，是世界上最大的电动汽车市场，尽管道路上电动汽车的数量远远少于燃气车和柴油车。印度相对落后，国内电池制造业欠缺，这可能导致本土电动车的发展速度较慢。即使如此，如果两个亚洲大国如报道所言进行推进，逐渐禁止化石燃料汽车，那么他们将加入英国与法国这样的阵营——这两个国家最近决定在 2040 年之前禁止销售新的内燃汽车。正如之前所说，这样的大型政策转变是快速使电动汽车普及的唯一途径。彭博新能源金融公司最近的一项分析表明，到 2040 年，电动汽车的销量将达到所有新车的一半。如果像印度和中国这样的政策继续开展的话，这种乐观的评估将更有可能实现。
