在激烈的竞争中，无数直播间和店家，也纷纷走上了直播刷量、弄虚作假的道路。

论文作者来自南方科技大学（深圳湾实验室生物医学工程研究所）、首都医科大学生物医学工程学院以及中国科学院大学国家纳米科学技术中心。【苹果手机上的 NFC 功能】其实电子纹身可以有很多种用途，例如耳机、无线收发器、电源、噪音检测器、测谎仪等等。

多层电子传递纹身研究人员设计出了一种「多层电子传递纹身」，即 multilayered electronic transfer tattoo（下文简称为 METT）。释放层（release layer）：一种硅酮膜，主要目的是便于电路模块从释放膜剥离。Regina Dugan 表示这款电子纹身是一种移动式智能设备，可惜并未过多展示它充满未来感的那一面设备植入并受磁铁激活后，LED 灯会发光，皮肤上则显现出一朵梅花，这纹身可以说是太硬核了，硬核得有点儿肉疼。何为「电子纹身」？通过上文介绍，我们大概已经能对电子纹身下一个定义了：一种能直接贴在皮肤上的超薄电路。

实验中，科学家们将METT 进行了实际应用——通过手指弯曲发出的信号被放大，通过蓝牙传输到了机械手，因此 METT 能远程控制机械手，机械手在模仿我们手的动作时也不会出现异常的振动。据悉，其工作原理是 NFC（Near Field Communication，近场通信），一种能让设备在彼此靠近时进行数据交换的技术。3、Facebook和Twitter关闭了他们认为是扰乱国家宣传活动的账户。

前不久，DeepMind的AlphaFold模型在短短几个小时内就确定了蛋白质的三维结构，其对研发新型药物的承诺和对生物学的洞察迅速引起了人们的关注。1、GPT-3的写作能力比上一代GPT-2更加强大，以至于用它来撰写博客文章和Reddit评论时，成功欺骗了很多人类读者。让Amazon的语音小助手Alexa能够跟随对话内容切换。YouTube采用的算法成功减少了虚假信息内容创作者的访问量。

例如：1、巴黎和戛纳市在公交车站、公共汽车和市场中使用计算机视觉评估法规的遵守情况。（PULSE将提高低分辨率照片转化为高分辨率的图像）在PULSE事件出现后，Facebook首席科学家Yann LeCun和当时Google AI伦理负责人Timnit Gebru之间展开了一场辩论，争论的焦点在于：机器学习中的社会偏见是出自AI数据集，还是AI系统？ LeCun的立场是：模型在训练存在偏见的数据集之前不存在偏见，也就是模型本身不存在偏见，而且有偏见的数据集是可以修改的。

更多信息：Deeplearning AI医疗专刊包括深度学习在诊断、预防和治疗方面的应用，以及AI医学教父Eric Topol的独家专访。尽管距离遥远，但我仍然感到很高兴，我的家人们可以从美国，新加坡，香港，香港和新西兰一起线上聚会，并演唱同步性很差的Happy Birthday To You。2、YouTube开发了一个分类器来识别违规内容：包括仇恨言论、阴谋论、医学错误信息以及其它恶意视频。同时，它展现了机器学习领域的广泛趋势：模型参数呈指数增长，无监督学习成为主流，且越来越普遍。

该公司继续开发深度学习工具，以检测仇恨言论，导致偏见的模因以及有关Covid-19的错误信息。如果你使用的语言在数据中代表性不高，则可以对其进行过度采样。以下制度上的转变提高了医疗AI的知名度，也让它越来越受到认可。ImageNet的创建者李飞飞及其同事对数据集进行了重新梳理，并删除了WordNet词汇数据库带来的种族主义、性别歧视和其他贬义标签。

我的立场：语言模型显然越大越好，但它还不止于此。另外，也有很多人以不同的方式展现了GPT-3的创造性，例如撰写哲学文章、与历史人物对话。

今年，我们则是通过Zoom线上庆生。节假日期间，我经常想一想重要的人，回顾他们为我或他人所做的事，并默默地表示我对他们的感谢。

但它也增加了某些经常传播同样可疑信息的大型实体的访问量，例如福布斯新闻。我的立场：目前在这场猫和老鼠的游戏中，尚无明确的方法能够赢得那些造谣者或虚假内容传播者，但是猫在这场游戏中必须保持领先的地位，否则将会失去公众的信任，或者遭到监管机构的调查。论文链接：https://arxiv.org/pdf/2011.05552.pdf关于GAN的发展、应用和风险等问题，我曾经对Lan Goodfellow进行了简单的访谈。3、一个跨学科的国际医学专家小组介绍了两个协议：Spirit和Consort，该协议旨在确保基于AI的临床试验能够遵循最佳实践，同时，便于外部评审人验证试验成果并进行报告。Lan Goodfellow表示，他在GAN那篇论文中就列举了很多未来可能的研究方向，但没有想过域到域的转换（Domain-to-domain Translation），比如CycleGAN。这几家公司尝试通过各种算法和策略解决虚假信息问题，例如：1、在发现了数百个包含AI生成的虚假头像的用户个人资料后，Facebook严厉打击了被认为有误导性的操纵媒体，并彻底禁止了Deepfake视频。

4、生成的不存在的中国山水画，欺骗了众多艺术爱好者。Keep learning! 2020年回顾在过去一年，突如其来的传染性冠状病毒破坏了人们的正常生活，它所导致的社会裂痕也威胁到了我们的共同利益。

最后，谈到GAN输出中包含的偏见，Lan Goodfellow表示：随着GAN生成人脸越来越逼真，GAN可以通过为其他机器学习算法生成训练数据，来抵消训练数据中的偏见。iGPT预示着在图像和文字上训练的模型，至少在OpenAI的工作中，它可能比2020年的巨型语言模型更聪明、更怪异。

美国国会议员对他们展开了调查。4、视频会议公司为在线办公提供AI模型，以过滤背景噪音，并将睡衣变成虚拟的商务正装。

Facebook不够诚意的做法已经导致了一些员工辞职。3、麻省理工学院计算机科学与人工智能实验室撤回了Tiny Images数据集，原因是有外部研究人员发现该数据库充斥着性暗示、种族歧视等大量不良标签。例如，某非营利组织使用半监督深度学习平台筛选了14000种候选抗病毒药物，该系统验证了有望用于动物试验的四种化合物。2、一项研究发现，即使使用未经标记的ImageNet数据进行训练，其模型也可能由于数据多样性不足而引起偏差。

不过，他们显然没有做出触及底线的更改，而且其改革可能也不会持续很久，因为他们的政策有的已经松懈，有的已经发生了适得其反的效果。3、聊天机器人提供了合成的虚拟朋友，供被疫情封锁的人们聊天和调情。

关于GAN的用途，Lan Goodfellow认为，将GAN应用在医学领域会更有意义，比如为牙科患者设计个性化的牙冠，以及设计药物等等。4、这三家公司在含有美国大选误导性信息内容中均添加了免责声明。

3、This Pizza Does Not Exist，与真实的披萨相比，可能会缺少一些奶酪和酱汁的光泽感。4、用于训练StyleGAN的数据集FlickrFaces-HQ（FFHQ）同样缺乏足够的多样性。

在这一年期间，有大量的机器学习工程师参与其中，设计了用于新冠肺炎（Covid-19）诊断和治疗的工具、建立了识别仇恨言论和虚假信息的模型，并指出和强调了整个AI社区偏见的存在。如我们所见，Deepfake出现在了主流娱乐活动、商业广告、政治活动，甚至出现在纪录片中，它被用来替换当事人的真实面貌以提供隐私保护。该公司后来撤销了在选举期间使用的修改算法，因为它促进了某些新闻源的知名度。由于数据集的编译、标记和使用方式的不同，导致其在模型训练过程中会对社会边缘化群体产生偏见。

2、美国食品药品监督管理局（FDA）批准了几种新的基于AI的治疗方法和设备，例如心脏超声检查系统。据了解，医疗机构已经采取了行动将此类技术纳入了主流医学实践中。

更新机器人律师，对非法称呼美国公民的电话销售商提起诉讼。我的立场：确保数据集中的偏见在任务开始时被删除，这项重要的工作才刚刚开始。

这使我感到与他们的联系更加紧密。例如GPT-3可以用来写作画图敲代码玩游戏等，被网友们玩出了50多种新用法。