大数据文摘出品
编译：云舟
呜啦啦啦啦啦啦啦大家好，原AI Scholar Weekly改版，融合AI时事新闻内容再度来袭！ AI大事件是AI领域的综合性专栏，致力于为你带来最新潮、最全面、最深度的AI行业概览，从硬核的学术内容到精品产业新闻，为你一网打尽每周AI的前沿资讯。 做AI行业的终身学习者，每周一篇就够啦！
本周关键词：AI诊疗，知识图谱，AI机器人
AI新闻
AI医生犯错，谁来负责？
在很多研究中都表明，人工智能在诊断任务上优于人类医生。但在医疗领域实施人工智能的任何环节中，从设计到数据和交付，都有可能出现错误。那么，谁将为这些错误负责呢？
详情：
http://cur.at/dQivjNy?m=web
美国海关和边境保护局数据库泄露
一份督察长的报告显示，去年的一次数据泄露导致至少19张来自美国海关与边境保护局数据库的照片泄露到了暗网上。
详情：
https://venturebeat.com/2020/09/24/mugshots-from-u-s-customers-and-border-protection-database-leaked-onto-the-dark-web-report-finds/?utm_campaign=AI Weekly&utm_medium=email&utm_source=Revue newsletter
Twitter照片算法被曝存在明显种族偏见
在人们的时间轴上显示脸部照片时，Twitter的显著性检测算法似乎总是优先考虑白人的脸。
详情：
https://venturebeat.com/2020/09/20/apparent-racial-bias-found-in-twitter-photo-algorithm/?utm_campaign=AI Weekly&utm_medium=email&utm_source=Revue newsletter
AI机器人打败世界级冰壶选手
在人工智能中风靡一时的深度学习技术在掌握脑力游戏方面表现尤其好，比如国际象棋和围棋。但跨过仿真到现实的鸿沟并不容易，然而如果你认为体育游戏AI就无法胜任了，这个视频可能会让你大吃一惊。
详情：
https://www.scientificamerican.com/video/watch-a-robot-ai-beat-world-class-curling-competitors/?utm_campaign=Artificial+Intelligence+Weekly&utm_medium=web&utm_source=Artificial_Intelligence_Weekly_180
AI女神赢得AAAI 100万美元大奖
为了表彰她在癌症诊断和药物合成中的杰出成就，MIT教授Regina Barzilay日前被人工智能促进会（AAAI）授予松鼠人工智能奖，并同时发放100万美元奖金。
详情：
https://news.mit.edu/2020/regina-barzilay-wins-aaai-squirrel-ai-award-artificial-intelligence-0923?utm_campaign=Artificial+Intelligence+Weekly&utm_medium=web&utm_source=Artificial_Intelligence_Weekly_180
AI学术
知识图谱访问：基于RDFFrames的ML工具
以RDF数据集表示的知识图谱是许多机器学习应用程序的组成部分。这是因为它们拥有良好的数据管理系统和社区生态提供支持，这些系统和工具提供了SPARQL查询接口。但是，知识图谱的ML工具却不能使用SPARQL，主要是因为SPARQL和机器学习工具在数据模型和编程风格方面不匹配。
为了应对这一挑战，本文提出了RDFFrames，一个将知识图谱无缝集成到机器学习应用程序中的框架。
该框架基于几个功能强大的图形导航和关系处理运算符，这些运算符使得用户可以使用在机器学习环境（如PyData）中熟悉的面向过程的编程从知识图谱中生成数据集。
RDFFrames会自动将这些过程调用转换为优化的SPARQL查询，并在本地RDF引擎或远程SPARQL端点上管理这些查询的执行，能够保护用户不受SPARQL查询执行的细节影响。研究人员还提供了一个RDFFrames的Python实现，该实现与pandas库紧密集成，并通过实验证明了其效率。
原文：
https://arxiv.org/pdf/2002.03614v3.pdf?utm_campaign=AI Scholar Weekly &utm_medium=email&utm_source=Revue newsletter
一个用于端到端自动语音识别的分布式ML平台
阿里巴巴和字节跳动合作，推出了EasyASR，一个用于学习和服务大规模端到端ASR模型的分布式机器学习平台。
该平台建立在阿里云人工智能机器学习平台上。它的主要功能是支持分布式GPU集群上端到端ASR模型的有效学习和推理。它拥有一个简单的界面，用户可以使用预先定义或自定义的网络架构来学习ASR模型。
在评估中，EasyASR为语音识别提供了几个公共数据集的最新结果。未来，研究人员将继续开发该平台，以支持更多最先进的ASR模型，并向公众开放。
原文：
https://arxiv.org/pdf/2009.06487v1.pdf?utm_campaign=AI Scholar Weekly &utm_medium=email&utm_source=Revue newsletter
