来自明尼苏达大学等机构的研究者在论文中提出了一种基于嵌入式深度学习控制的神经假肢实现。该研究中的神经解码器基于 RNN 架构设计，部署在 NVIDIA Jetson Nano 上。NVIDIA Jetson Nano 拥有不错的 AI 算力，但体格非常小巧，这使得假肢安装者可以实时控制每一根手指，同时还能自由移动。
研究者利用外周神经信号在桡骨截肢的志愿者身上评估所提出的系统。实验结果显示，无论是在实验室还是真实环境下，该系统都能提供鲁棒、准确（95-99%）、低延迟（50-120 毫秒）的单个手指控制。研究者表示，据他们所知，该系统是第一个在临床神经假肢应用的便携式平台上有效实现深度学习神经解码器的系统。今日，Neuralink 在 YouTube 上发布了一段新的视频，视频中一只猕猴仅用其大脑就能控制光标在屏幕上移动。据报道，视频中的猕猴名叫 Pager，今年 9 岁。在视频拍摄的 6 周前植入了脑机接口。最初，研究团队教 Pager 使用游戏手柄玩电子游戏，并通过金属吸管喂香蕉奶昔奖励它。
在这一阶段，Neuralink 的设备会记录哪些神经元被激活。从本质上来说，这是通过记录神经系统中的激活区域来学习，以进行手部动作的预测。学习了这种模式之后，Pager 使用的手柄就与计算机断开了连接，只用它的大脑就能控制光标，继续玩电子游戏。4月13日，百度AI 全面赋能罗技合作启动仪式暨罗技 VOICE M380 语音鼠标上市发布会在京举行。会上，百度正式发布“语音输入服务”并宣布百度大脑和罗技达成合作，将领先的 AI 技术全面赋能罗技外设硬件，以“智能鼠标”为起点，助力智能时代人机交互体验的加速升级。
基于百度大脑语音识别和机器翻译，用户在办公场景下可实现所说即所得。百度大脑语音识别赋能下的语音鼠标可支持中文、英文、日文3种语言语音输入，中英混合输入，以及粤语、四川话、东北话、河南话、山东话、西安话、合肥话等7种方言语音输入，尤其在长篇内容输入时方便用户获得轻松畅快的输入体验。在深度学习与神经网络领域，研究人员通常离不开 GPU。这是因为利用 GPU 极高的内存带宽和较多核心数，研究人员可以更快地获得模型训练的结果。与此同时，CPU 受限于自身较少的核心数，计算运行需要较长的时间，因而不适用于深度学习模型以及神经网络的训练。
但近日，莱斯大学和英特尔等机构的研究者发表了一篇论文，表明了在消费级 CPU 上运行的 AI 软件，其训练深度神经网络的速度是 GPU 的15倍。这篇论文已被 MLSys 2021 会议接收。IEEE 将2021年 IEEE Richard W. Hamming 奖颁给了网络编码创始人杨伟豪教授。颁奖词这样写道：表彰其对信息理论的基础性贡献和网络编码及其应用的开创性工作。在信息时代，数据流就是一切，杨伟豪教授致力于寻找改善网络编码和数据传输的新方法，他的工作为我们带来了更好的流媒体视频、云存储和移动网络。
IEEE Richard W. Hamming Medal（理查德·卫斯里·汉明奖章）是 IEEE 一项年度颁发奖项，最多颁给三个人，表彰获奖者在信息科学、信息系统和信息技术方面取得的杰出成就。从稀疏的静态图像合成任意 3D 视角物体和场景新视图是很多 VR 和 AR 应用的基础。近年来神经辐射场（Neural Radiance Fields, NeRF）的神经网络渲染研究通过神经网络编码实现了真实的 3D 视角场景渲染。但是 NeRF 需要极端的采样要求和大量的神经网络运算，导致其渲染速度十分缓慢，严重制约了其在实际场景，尤其是实时交互场景中的应用。
近日，来自 UC 伯克利等机构的研究者使用一种名为 PlenOctrees 的数据结构为 NeRF 引入了一种新的数据表示，实现了实时的 NeRF 渲染。其渲染速度比原始的 NeRF 提高了3000多倍，并且图像质量可以与 NeRF 媲美。此外，采用 PlenOctrees 结构还能有效减少 NeRF 的训练时间。
本文转载自网易号【教室里那台风琴】，更多内容请点击“阅读原文”
