人工智能能和人类辩论了；《云网产业发展白皮书》发布
开发者社区技术周刊又和大家见面了，快来看看这周有哪些值得我们开发者关注的重要新闻吧。
谷歌实时字幕功能现开始在 Google Chrome 中上线
人工智能能和人类辩论了：开场白出色，但还是输给专业辩手
Taichi（太极）0.7.15 发布
京东科技“智臻链”打通省域冷链市场，云上溯源推动行业变革
云网产业推进方阵发布业内首部《云网产业发展白皮书》
中国信通院即将发布“可信数字化评估体系”
CVPR 2021丨基于跨任务场景结构知识迁移的单张深度图像超分辨率方法
CVPR 2021丨AdCo基于对抗的对比学习
3 月 18 日，实时字幕功能在 Chrome 89 上线。该功能通过机器学习技术，自动为音频和视频添加字幕，主要是为了帮助聋哑人或有听力障碍的人士更容易访问网络。
此前，在 2019 年 Google I/O 大会上，谷歌首次展示了其令人惊叹的实时字幕可访问功能。该功能首先在更新了 Android 10 的Pixel手机上推出，随后在许多非Pixel手机上推出--包括 Galaxy S20 系列、一加 8 系列、一加 Nord 等。可以确认的是，实时字幕功能现在出现在设置>高级>可访问性。如果在 Chrome 89 上没有看到那么可能需要重启 Chrome。
日前，学术期刊《自然》发表的一项研究描述了一种能与人类进行竞技辩论的自主智能体。虽然人类辩手被判定最终获胜，但作者认为，人工智能或具备参与复杂人类活动的能力。在这项研究中，IBM 工程师 Noam Slonim 和同事描述了一个名为 Project Debater（意为“辩手项目”）的自主系统，这个系统可以与人类进行有意义的辩论。该系统能通过扫描储存了4亿篇新闻报道和维基百科页面的档案库，自行组织开场白和反驳论点。IBM 认为，人工智能辩手能够帮助人们推理，建立充分的论据，做出更好的决定。Project Debater 的潜在应用包括金融顾问、律师、公共事务决策、学生助手和企业决策者。
Taichi (太极) 是专为高性能计算机图形学设计的编程语言。它深深地嵌入在 Python 中，并且它的即时编译器将计算密集型任务转移到多核 CPU 和大规模并行 GPU 上。本次 0.7.15 版本主要更新了以下内容：
[refactor] 将 TypedConstants 移至 taichi/ir/type；
[refactor] 将 ASTBuilder 和 FrontenContext 移动到 frontend_ir；
[ir] [transforms] 增加了在调试模式下索引不会导致溢出的断言等。
更多更新请访问：
https://github.com/taichi-dev/taichi/releases/tag/v0.7.15
冷链商品流通全球化，每天都在有数以亿级的蔬菜、水果、蛋奶、海鲜在全球各地流转着，疫情常态化下，对冷链商品的溯源变得尤其重要。近日，以京东云为底座，京东科技基于“智臻链”防伪溯源平台，联合京东物流、京东生鲜共同打造的“京东冷链溯源平台”正式上线。平台目前已覆盖了生鲜果蔬、肉禽、海产等生鲜所有品类，服务近 300 个商家的超 400 万件生鲜商品。通过该平台，不仅能实现商品从原产地到消费者全程可追溯，并且未来能实现国内各省市溯源码互通，一码到底。
3月18日，由中国信息通信研究院（以下简称“中国信通院”）、中国通信标准化协会主办的“2021云管和云网大会”在北京成功举办。会上发布了业界首部《云网产业发展白皮书》（以下简称“白皮书”），白皮书由中国信通院牵头，行业内多家企业联合编写。白皮书详细阐述了我国云网产业的产业发展现状、技术特点、应用场景实践、以及未来发展趋势，解答了业界关注的云网发展的多个焦点问题，并指出云网将成为未来一段时期云计算的重点发展方向。
数字化浪潮汹涌来袭。今年的政府工作报告明确指出，要“加快数字化发展，打造数字经济新优势,协同推进数字产业化和产业数字化转型，加快数字社会建设步伐。”在不久前闭幕的全国两会上，“数字化转型”也成为代表、委员们关注的热词。
随着越来越多的企业和行业加快数字化转型，相关痛点也开始显现。企业数字化转型究竟要从哪里入手？已经实施的数字化方案是否存在“漏洞”？如何选择真正可信的数字化解决方案？在3月31日即将召开的“2021数字化转型发展高峰论坛”上，中国信息通信研究院（以下简称“中国信通院”）将正式发布“可信数字化评估体系”，帮助企业寻找上述问题的答案。
本项研究针对深度传感系统获取的场景深度图像分辨率低和细节丢失等问题，突破现有基于彩色指导的场景深度复原方法的局限性，即在训练及测试阶段同时需要高分辨率彩色图像和降质深度图像作为网络输入来估计高质量深度图像（在实际测试环境中，同视角的高分辨率彩色辅助信息并不容易获得）。首次提出基于跨任务场景结构知识迁移的单一场景深度图像超分辨率方法，在训练阶段从彩色图像蒸馏出场景结构信息来辅助提升深度复原性能，而测试阶段仅提供单张降质深度图像作为输入即可实现深度图像重建。
*论文链接：
http://faculty.dlut.edu.cn/yexinchen/zh_CN/zdylm/1123985/list/index.htm
在自监督学习领域，基于 contrastive learning（对比学习）的思路已经在下游分类检测和任务中取得了明显的优势。其中如何充分利用负样本提高学习效率和学习效果一直是一个值得探索的方向，本文第一次全新提出了用对抗的思路 end-to-end 来直接学习负样本，在 ImageNet 和下游任务均达到 SOTA。
AdCo 仅仅用 8196 个负样本（八分之一的 MoCo v2 的负样本量），就能达到与之相同的精度。同时，这些可直接训练的负样本在和 BYOL 中 Prediction MLP 参数量相同的情况下依然能够取得相似的效果。这说明了在自监督学习时代，通过将负样本可学习化，对比学习仍然具有学习效率高、训练稳定和精度高等一系列优势。
*论文链接：https://arxiv.org/abs/2011.08435
*以上信息来源于网络，由“京东科技开发者”公众号编辑整理，
不代表京东科技立场*
