以下新聞選自人工智能信息平台“機器之心Pro”：花最少的時間，看最重要的新聞。
投融資
1.AI教育品牌「貪心科技」完成數千萬元Pre-A輪融資
AI 教育品牌「貪心科技」近日完成數千萬元 Pre-A 輪融資，由青松基金領投，德迅投資和華夏桃李資本跟投。本輪融資由華夏桃李資本擔任獨家財務顧問。貪心科技是一個 AI 教育的職業教育品牌，其用戶分爲三類：「泛 AI 人群」、「准 AI 人群」和「AI 從業者」，總市場規模約在 1000 億左右。
最新政策
1.新加坡批准AI用于血管超聲掃描
新加坡衛生科學局已批准使用人工智能技術（AI）進行血管超聲掃描的自動分析和報告。該應用程序是由See-Mode Technologies開發的，它利用深度學習，文本識別和信號處理技術來幫助臨床醫生解釋此類圖像，該任務通常是手動執行，耗時且容易出錯。
大公司新聞
1.東風汽車：成首家獲得歐洲自動駕駛路測許可的中國車企
日前，從瑞典交通運輸局傳回消息——11月下旬，東風汽車集團有限公司技術中心下屬的T Engineering AB公司自動駕駛汽車公共道路測試申請獲得瑞典交通運輸局上路許可批准。 據東風汽車方面介紹，東風公司成爲首家獲得歐洲自動駕駛公共道路測試許可的中國車企，東風公司技術中心T公司則成爲瑞典5家獲自動駕駛路測許可的企業之一。
2.百度ERNIE獲GLUE榜單第一，多項任務取得SOTA
12 月 10 日，百度預訓練模型 ERNIE 在自然語言處理領域數據集 GLUE 中登上榜首，並以 9 個任務平均得分首次突破 90 分刷新該榜單曆史，其超越微軟 MT-DNN-SMART, 谷歌 T5、ALBERT 等預訓練模型的表現。
3.特斯拉推送Autopilot更新，新增「相鄰車道速度調整」功能
近日，特斯拉向車主推送了最新的 2019.40.2 系統更新，Autopilot 功能進一步升級，新增「相鄰車道速度調整」功能，支持汽車根據道路上其他車輛的速度調整自身速度，該功能改進類似于交通感知巡航控制（TACC）功能的加強版。在自動駕駛方面，馬斯克今年 4 月表示，預計 2020 年第二季度將推出完全自動駕駛汽車。（未來汽車日報）
行業動態
1.智加科技完成全球首次無人重卡生鮮運輸試運營，曆時3天橫越美國東西海岸
12 月 11 日，美國加利福尼亞州庫比蒂諾——自動駕駛重卡技術供應商智加科技（www.plus.ai）宣布，在不到 3 天的時間內，智加科技的 L4 級自動駕駛卡車穿越 2800 英裏（4500KM），橫跨美國東西海岸，圓滿完成了爲世界知名乳業巨頭藍多湖®（Land O Lakes®）提供的首次自動駕駛貨運服務，爲千萬家庭迎接年終假期及時帶來超過 40000 磅（18 噸）黃油。整個端到端的運輸過程從加利福尼亞州的圖萊裏出發，到賓夕法尼亞州的奎克敦結束。值得一提的是，這是首次 L4 級自動駕駛卡車牽引滿載生鮮貨物的冷藏車廂橫穿美國的商業試運營。
2.借助Plus.ai自動駕駛技術，半自動駕駛卡車首次完成貨物長途運輸
12 月 11 日消息，Plus.ai 宣布已完成從加利福尼亞州圖萊裏到賓夕法尼亞州的半自動駕駛卡車的長途運輸，以運送卡車上的Land O’Lakes黃油。根據公告，這次運輸用了不到三天的時間，這是第 4 級自動駕駛系統首次處理商業貨運，其意義是這輛卡車運載的是易腐貨物。
3.蔚來又在硅谷裁員141人，大部分來自自動駕駛團隊
據外媒報道，向美國加州就業發展部提交的最新文件顯示，中國電動汽車初創企業蔚來在其位于聖何塞的北美總部又裁員了141人。這是該公司今年對其美國員工進行的第三輪裁員，裁員主要集中在研發和工程部門。蔚來已經在今年5月份裁員了70人，並關閉了舊金山的辦事處。然後到了9月份，該公司又裁掉了62人。
4.《第一批上海市人工智能創新中心名單》發布：騰訊、寒武紀、商湯等入選
12 月 11 日消息，上海市經信委發布《第一批上海市人工智能創新中心名單》，確定上海寒武紀信息科技有限公司、上海商湯智能科技有限公司、上海依圖網絡科技有限公司、深蘭科技（上海）有限公司、優刻得科技股份有限公司爲上海市人工智能創新中心，聚焦産業創新；上海汽車集團股份有限公司、騰訊科技（上海）有限公司爲上海市人工智能創新中心，聚焦應用創新。
研究與技術
1.谷歌研究中心聯合多倫多大學等機構推出新型標簽和數據的聯合建模框架
來自谷歌研究中心，多倫多大學以及 Vector 人工智能研究所的研究團隊發表了一篇名爲「你的分類器是隱秘地基于能量的模型，你也應該這樣對待它」。研究團隊在文中建議將 p（y | x）的標准判別式分類器重新解釋爲聯合分布 p（x，y）的基于能量的模型。在此設置下，可以輕松計算標准類別概率以及 p（x）和 p（x | y）的非歸一化值。在此框架內，可以使用標准的判別架構，並且還可以在未標記的數據上訓練模型。研究團隊證明了基于能量的聯合分布訓練可以改善校准，魯棒性和分布外檢測，同時還使文中提出的模型能夠生成與最新 GAN 方法質量相媲美的樣本。該團隊改進了最近提出的用于擴展基于能量的模型訓練的技術，並提出了一種與標准分類訓練相比幾乎不增加開銷的方法。據該團隊稱，文中提出的方法是第一個在一個混合模型中在生成性學習和判別性學習上達到與最新技術相媲美的性能的方法。
2.DeepMind 新研究：具有對比性預測編碼的數據有效圖像識別
來自 DeepMind 的研究團隊近日發布了一篇名爲「具有對比性預測編碼的數據有效圖像識別」的研究。以下是該研究的完整摘要分享：人類的觀察者可以通過幾個示例來學習識別圖像的新類別，但是如何通過機器感知來識別仍然是一個開放的挑戰。研究人員假設通過表示使數據有效識別成爲可能，這些表示使自然信號的可變性更加可預測。因此，該團隊重新研究和改進了「對比預測編碼」，這是學習此類表示的無監督目標。這種新的實現産生的功能支持 ImageNet 數據集上最新的線性分類精度。這種新的實現産生的功能支持 ImageNet 數據集上最新的線性分類精度。當用作深度神經網絡的非線性分類的輸入時，與直接在圖像像素上訓練的分類器相比，這種表示形式使我們可以使用少 2–5 倍的標簽。最終，這種無監督的表示方法大大改善了 PASCAL VOC-2007 上從轉移到目標檢測的學習，超過了完全受監督的預訓練 ImageNet 分類器。