新设备可将大脑信号直接转换为语音

新设备可将大脑信号直接转换为语音

据美国每日科学网站近日报道，美国科学家研制出一套新系统，可借助语音合成器和人工智能，通过监控某人的大脑活动，将其想法直接转化成了可识别、可理解的语音。研究人员称，最新研究为那些言语能力有限或无法说话的人重新获得与外界沟通的能力奠定了基础，也有望为计算机直接与大脑通信开辟新途径。

哥伦比亚大学莫蒂默·B.祖克曼心脑行为研究所的莫斯尕拉尼团队求诸声码器，这是一种计算机算法，可在接受人们说话的录音训练后合成语音。

为了教声码器解释大脑活动，莫斯尕拉尼与神经外科医生阿希什·迪勒希-梅塔合作。在研究中，他们要求接受过脑部手术的癫痫患者听取不同人说的句子，同时测量他们大脑的活动模式，这也是对声码器进行训练。接下来，他们要求这些患者听说话者复述0到9之间的数字，同时记录可以通过声码器运行的大脑信号。然后，再借助模仿生物大脑中神经元结构的人工智能——神经网络，对声码器响应这些信号所产生的声音进行分析。

莫斯尕拉尼说：“我们发现，这些人可以理解并重复75%的声音，远超以往任何尝试。”

美国

微软持续押注混合现实头戴式设备;

2018年美国工业机器人数同比增16%;

Google.dev顶级域名近日开放免费注册;

谷歌面向企业用户推广AI语法检查功能;

NASA拟在美国内华达州进行无人机飞行测试;

美国MIT研发出可提升数据中心运营效率的资源分配系统;

微软将在德国、法国和西班牙等12个欧洲国家推出网络安全服务;

谷歌：已帮助30万开发人员修复百万个应用的漏洞;

美国卫星初创公司OneWeb发射首批6颗互联网卫星;

大众深化与微软合作，在全球提供网联汽车服务。

加拿大

加拿大政府向黑莓拨款4000万美元，助其研发自动驾驶技术;

加拿大渥太华大学成功利用光量子创建出量子模拟器。

欧盟

德国将向电动汽车领域投资近600亿欧元;

宝马和戴姆勒将联合研发自动驾驶技术;

恩智浦半导体发布新款车载网络芯片组;

荷兰毕马威发布《自动驾驶汽车成熟度指数》报告。

剑桥大学研究人员找到量子点控制方法 为开发量子存储器提供可行途径

剑桥大学研究人员日前找到了能够控制半导体量子点中原子核排列的方法，从而为开发量子存储器提供了可行途径。

研究团队利用量子物理学和光学原理，研究探索量子计算、传感性及其在通信领域的应用。目前他们对目标量子组合进行连贯性刺激导致了量子多体现象，为制造量子信息存储器带来了可能。

在这项新实验中，研究人员首先使用一个电子，将半导体量子点中原子核自旋组合冷却到原子核边带分解态;然后采用一种全光学方法来观察单个量子化电子—原子核的自旋态转变;最后，对自旋波中单个集体核自旋进行相干光旋转。这使得每个量子点自旋量子位成为本地存储器的基础，并为孤立的多体系统的量子工程提供了一个固体平台。

主要研究人员甘高夫说，这一发现将重新引起人们对半导体量子点的兴趣，并提供了研究量子模拟复杂系统动力学的工具。

俄罗斯

俄罗斯开发出航空制动系统新型复合材料;

俄罗斯限制外国通信卫星运营商的运营。

韩国

韩国现代公司投400亿美元研发自动驾驶和电动车;

韩国SK公司将推出自动驾驶汽车安全量子网关解决方案;

韓国外卖公司将推出送餐机器人;

三星全球首发量产512GB eUFS3.0闪存芯片。

日本

东芝研发出新型锂电池，EV快充只需6分钟;

东芝推最新汽车图像识别片上系统，可提升ADAS和自动驾驶功能;

日本防卫省拟统一培养网络防卫人才。

其他

澳大利亚军方投资研究人工智能武器;

新加坡拟设立AI相关跨部门全国工作组。

俄罗斯首辆无人驾驶有轨电车将在莫斯科试运行

据俄罗斯《消息报》报道，俄罗斯首辆无人驾驶有轨电车将于两个月内在莫斯科开始试运行。

据悉，在试运行的初级阶段，司机将控制有轨电车的运行状况。该有轨电车由Cognitive Technologies公司以“勇士-M”电车模型为基础生产。据Cognitive Technologies总裁乌斯科娃介绍，电车操作系统包括20个摄像头以及10个雷达。这些设备将帮助电车在雨雾天气或光线昏暗的情况下识别行人、汽车及其他障碍物。

Cognitive Technologies公司无人驾驶交通工具研发经理明金娜表示，操作系统识别到道路障碍物后会自动刹车。此外，如果电车在危险路段或天气状况不佳时运行过快，系统会自动降速。

人工智能或能提前一周预测出台风

日本海洋研究机构和九州大学的研究小组利用人工智能深度学习技术，开发了从全球云系统分辨率模型（NICAM）气候实验数据中高精度识别热带低气压征兆云的方法。该方法可识别出夏季西北太平洋热带低气压发生一周前的征兆。

利用深度学习获得更高的识别精度，识别每一种气象类型都需要学习数千张图片的大量数据。研究小组首先利用热带低气压跟踪算法，将全球云系统分辨率模型20年积累的气候实验数据，制成5万张热带低气压初始云及演变中的热带低气压云图片，再加上100万张未演变成热带低气压的低气压云图片，共105万张图片组成10组学习数据，利用深度卷积神经网络的机器学习，生成不同特征的10种识别器，然后构筑出可对10种识别器结果进行综合评价的集合识别器。

该方法还可对台风路径和强度进行预测，并预测暴雨的发生。今后研究小组将以深度学习为代表的人工智能技术融合数据驱动方法和模型驱动方法，开展新的海洋地球大数据分析。