01
#行业大事件
DeepMind再登《nature》
用AI复原古希腊铭文
用深度神经网络（DNN）修复受损的古希腊铭文，DeepMind探索AI与古文字学的融合。
人类文字的诞生标志着历史的曙光，对于我们了解过去的文明和今天生活的世界至关重要。例如，多年前，古希腊人开始在石头、陶器和金属上书写，记录下了包括租约、法律、日历、神谕在内的所有内容，从而令后人详细了解地中海地区。遗憾的是，这种记录是不完整的。
几个世纪以来，许多遗留下来的铭文已被损坏或从原来的位置移走。同时，放射性碳测年法等现代测年技术不能用于这些材料，导致解释铭文变得困难且耗时。
DeepMind一直探索如何利用AI修复古老的语言。年10月，DeepMind联合牛津大学共同打造了AI工具Pythia，它可以通过训练神经网络来修复古希腊铭文中缺失的字符或单词。
今日，在最新一期Nature封面文章中，DeepMind联合威尼斯大学人类学系、牛津大学经典学院的研究者，探索利用机器学习来帮助历史学家更好地解释这些铭文，从而让人们更深入地了解古代历史，并释放AI和历史学家之间合作的潜力。
他们提出了首个可以恢复受损铭文缺失文本、识别原始位置并帮助确定创建日期的深度神经网络——Ithaca，它是以荷马史诗《奥德赛》中的希腊伊萨卡岛命名，在之前的Pythia工具上构建并进行了扩展。
CVPR｜跨域检测新任务，北航、讯飞提出内生偏移自适应基准和噪声抑制网络
一篇由北京航空航天大学、科大讯飞研究院共同完成的研究入选CVPR。
跨域检测任务有很多亟待解决的问题，也一直是学术界研究的焦点。目前的跨域检测方法主要研究外部环境引起的域间偏移，这种偏移通常是可以被肉眼感知的，例如晴天和雾天下的城市（著名的Cityscapes跨域数据集）。然而，在真实场景下，例如医学影像、X光安检场景等，还存在着另一种形式的域间偏移——内生偏移，这种偏移是由于内部因素引起的，例如成像原理、硬件参数、机器老化程度等，这种偏移通常很难被肉眼觉察。内生偏移能引起性能的剧烈下降，但是很少被研究者们
