Google DeepMind 在《Nature Medicine》期刊上发表的研究报告显示，它的 AI 在诊断眼疾上与人类医生一样出色。 DeepMind 与伦敦摩尔菲尔茨眼科医院合作，在今年 2 月开发出能够通过分析 3D 视网膜扫描影像、识别青光眼和糖尿病视网膜病变等主要眼睛疾病的 AI 技术。在 997 名患者的扫描影像上进行的测试中，DeepMind 的算法在转诊推荐的准确度方面比摩尔菲尔茨眼科医院的 8 名视网膜专科医生表现得更好。DeepMind 算法的错误率为 5.5%，而 8 名人类医生的错误率在 6.7% 到 24.1% 之间。如果向人类医生提供他们通常会获知的有关患者的背景信息，使 AI 与人类医生的比较更符合真实情况，人类医生的错误率会降低到 5.5% 到 13.1% 之间——与 AI 的水平持平或者更差。

国际外交舞台上，一个经常用的形容词是 “风云变幻”。但中国的科学家相信，国际关系看似变幻莫测，实则有序可循。利用人工智能 AI 进行数据分析，可以从纷繁的蛛丝马迹中理出个头绪脉络，预测外交领域里的冷暖阴晴。中国外交部在接受《南华早报》的采访时首次证实，中国正在研发专门用来分析国际形势变幻的 AI 模型，为中国的外交官预测国际关系和国际局势的发展趋势助一臂之力。中国外交部没有透露研发项目的细节。但据信中国外交部已经在使用其中一个早期研发的系统，用于中国在海外投资的风险评估以及预测发生政变和恐怖袭击的可能性。《泰晤士报》称，中国社科院设计的一个 AI 系统据信用来对收集的大量的数据，包括从鸡尾酒会上的闲谈到卫星图片，进行分析，为外交战略的制定提供参考。

一些未来学学者和技术专家预言了一个并不遥远的未来，AI 将变得和人类几无差别，成为真正的智能。他们声称，到那时，AI 很可能按照我们人类的方式，从情感、智力和精神层面，来体验这个世界。但它们有灵魂吗？当我们听到或使用“灵魂”这个词时，大部分人本能地知道我们所指的灵魂为何意，但要深究灵魂是什么却有些困难。关于灵魂究竟为何物的争论有一个根本的问题，即人类是纯粹的肉体存在，还是肉体和某样东西的混合体。富勒神学院的心理学教授布朗（Warren S Brown）一直在思考这个问题。对他而言，灵魂不是身体自我（physical self）之外的本质，而是血肉之躯的个体之人与上帝（精神上的），或是人类彼此之间的交往和沟通这些经历的总和。布朗和许多哲学家都用“非还原物理主义”这一术语来探讨人类的演生属性，他们认为人类的精神世界“是不可还原为人类躯体基本的组成部分，比如分子、细胞、神经元、神经系统、大脑”。基于人类是灵性行为存在的定义，是时候把我们原本的问题从“AI 可能有灵魂吗？”改“AI 可能像我们一样成为灵性行为体吗？”人工智能先驱、MIT 的明斯基（Marvin Minsky）认为是可以的。明斯基假设，机器很有可能进化出一种世界上特殊的存在，这种存在以探索自我身份和目的为基础，而且这种存在方法和人类自己的存在形式可能很相似。

IBM CEO 今年初声称 AI 会对业务产生指数级的影响。上个月，IBM 旗下的 AI 部门 Watson  曝出了大规模裁员，显示蓝色巨人在将 AI 转变成有利可图的业务上面临重重困难。一名为避免失去遣散费而匿名的工程师称，IBM Watson 拥有很出色的 AI，但就像不知道如何走路的漂亮鞋子，他们必须找到方法如何利用 AI。裁员主要影响 IBM 收购的三家企业：Phytel，Explorys 和 Truven。三家企业是在 2015 年和 2016 年收购的，为 IBM 带来了医保数据和挖掘数据获得新见解的分析系统。两名遭到解雇的 Phytel 工程师指责 IBM 在收购之后管理不善，称 Phytel 的问题其实就是 IBM 在让 Watson 变得有利可图上挣扎不已的象征。

Adobe 知道它的著名图像编辑软件 Photoshop 被用于制造假的新闻照片，它正在研究利用 AI 去识别假照片的标记——也就是照片是否经过了 Photoshop 的特殊处理。Adobe 表示用 AI 识别假的图像是该公司在数字媒体领域帮助增强信任度和真实性的一种方法。当有人用 Photoshop 修图时，除非能在像素级别做到完美，否则他们总是会留下修改的痕迹。元数据和水印可以帮助确定图像源，数字取证工具通过检查像素级别的照明、噪声分布等去发现不一致的地方。Adobe 表示它的 AI 将能更快更可靠的发现修改的迹象。

Google AI 子公司 DeepMind 开发出一个神经网络，能根据一张 2D 图像“想象出”它的 3D 场景。该系统被称为 Generative Query Network (GQN)，相关研究报告发表在《科学》期刊上。GQN 项目旨在复制一个人类大脑仅仅通过环顾四周就能了解世界的那种轻松方式。GQN 由两部分组成。第一部分是通过图像传感器来观察场景，然后用计算机代码将其表达出来。第二部分是 “生成式网络”，它可以从先前未观察到的视角来预测或想象场景。GQN 目前仍有很大的局限性，它迄今只在包含少量物件的相对简单场景中展示了想象力。

花旗投行部门表示，随着机器以更快的速度取代人类，在未来 5 年内，其 2 万名技术与运营人员中，最多将有一半被裁员。花旗总裁兼机构客户集团首席执行官福雷斯 (Jamie Forese)表示，占花旗投行员工总数近五分之二的运营岗位的工作 “最适合由计算机来处理”。如果整个行业都仿效这种做法，潜在裁员力度将远甚于 2007 年至 2017 年，在那十年间，全球前十大投行中的八家总计裁员近 6 万人。并非每个投行老总都赞同还会大量裁员。汇丰全球银行业务及市场主管阿萨夫 (Samir Assaf) 称，技术取代不了多少投行职员。

Google 旗下的英国 AI 公司 DeepMind 目前披露了它申请的 12 项 AI 专利，这些专利覆盖了神经网络的运用，递归神经网络和增强学习等。根据披露原则，专利申请将在优先日 18 个月后公开，因此目前披露的 DeepMind AI 专利是在 2016 年 12 月前申请的。从 2016 年 9 月到 12 月，DeepMind 基本上以每周一项的速度申请专利。DeepMind 并不是第一家申请 AI 专利的公司，作为该领域领先的研究公司，它的专利申请覆盖了相当广泛的 AI 技术。DeepMind 此前强调了对 AI 技术开放且和合作的态度，但它的专利申请未必符合它此前的说法。

在 Project Maven 军用无人机 AI 项目引发公司内外的争议之后，Google CEO Sundar Pichai 在官方博客上公布了 Google 的 AI 原则，承诺不会将 AI 应用于武器或其它导致或直接伤害人类的技术领域。Google 称，AI 应用的宗旨包括：有利于社会，避免创造或加强不公平偏见，安全第一，置于人类的直接控制和监督下，注重隐私，坚持科学卓越性的高标准等等。Google 称，他们不会将 AI 应用于可能造成伤害，主要目标是伤害人类的武器等技术，大规模监视，违反人权等领域。

美国国家运输安全委员会(NTSB)公布了今年三月发生在加州山景城的特斯拉 Model X 致命车祸的初步调查报告（PDF）。这起车祸导致司机 Walter Huang 死亡。报告确认车祸发生时汽车启用了自动驾驶系统。日志显示，在撞击发生前 8 秒，汽车跟在另一辆汽车后面以时速 65 英里行驶。车祸发生在 7 秒，特斯拉汽车开始左转，进入到公路主道和分流出口的一个三角形区域。车祸发生在 4 秒，汽车不再跟在另一辆汽车后面，由于汽车此前设定的巡航速度为时速 75 英里，因此汽车开始加速，在撞击发生前车速增加到了时速 70.8 英里。在 Walter Huang 的最后一分钟旅途中，他的手放在在方向盘的时间为 34 秒，车祸发生前 6 秒他的手脱离了方向盘，汽车并没有对此发出警告。特斯拉声称在 Huang 的手离开方向盘后汽车发生了警告，但 NTSB 指出警告只发生在车祸前 15 分钟。

性爱机器人的市场在升温，这个行业的市场价值估计高达 300 亿美元，至少有四家企业生产成年女性机器人，售价 5000 到 5 万美元。男性性爱机器人据称正在研发中。对于这种趋势，怀疑论者担心性爱机器人可能会增加对女性的厌恶和暴力，点燃恋童癖的冲动，或进一步孤立性挫败感。性爱机器人的厂商则强调其优点，如减少性疾病传播，抑制恋童癖等等。根据发表在《BMJ Sexual & Reproductive Health》期刊上的一篇文章，研究人员认为双方的说法事实上都没有证据，尚无证据显示性爱机器人有害或有益。他们呼吁展开更多研究寻找出答案，他们认为性爱机器人不可避免的会对身体、精神和社会福祉产生影响。

在加州 Laguna Beach，一辆特斯拉汽车周二与一辆停着的无人警车相撞，司机告诉调查人员汽车当时处于自主驾驶模式。司机在事故中受到了轻伤。特斯拉发表声明称：“使用自动驾驶时，司机不断被提醒他们有责任将双手放在方向盘上并始终保持对汽车的控制。特斯拉一直澄清自动驾驶并不会让汽车免于事故。”今年早些时候的一起致命事故让特斯拉的自动驾驶功能受到了广泛关注，特斯拉汽车并不具有真正自动驾驶的功能，该功能实际上是辅助驾驶，特斯拉被消费者组织指责是虚假宣传。

道德模范 写道 "近日，南加州大脑与创造力研究所的研究人员，尝试了利用人工智能技术来分析 Twitter 上的推文，试图预测抗议活动何时会变得暴力。他们利用机器学习分析了 2015 年巴尔的摩抗议活动期间发布的 1800 万条推文，发现示威期间的逮捕率与抗议前几小时发布的道德推文数量成正比。在警察和抗议者之间发生暴力冲突时，包含道德语言的推文几乎增加了一倍，比如用道德术语从主观意义上判断事情的正确性。这意味着，当人们在用道德标准看待抗议的问题时，更容易对持不同意见者使用暴力。该人工智能技术有望成为实时推文监控工具，帮助有关机构保持抗议活动的有序进行。"

今年三月，津巴布韦政府与广州云从科技公司签署了战略合作框架协议，在津巴布韦全国部署脸部识别系统。该项目得到了中国政府一带一路计划的支持，脸部识别计划将主要用于安全和执法领域，还将扩大到其它公共项目。津巴布韦预计将会与中国的 AI 技术专家分享该国数百万居民的脸部数据，云从科技 CEO 姚志强表示，亚洲人和黑人存在巨大差异，不仅仅限于肤色还有脸部骨骼和特征，人脸识别技术需要充分的数据训练才能扩大其能力。云从科技已经调整了其技术以更好的识别较暗的肤色，正在开发系统去识别不同的发型和体型。

此前有消息称，今年三月发生在亚利桑那坦佩的 Uber 自主驾驶汽车致命车祸是软件 bug 导致的。汽车的传感器在 Elaine Herzberg 扶着自行车穿过马路时就探测到了她，但软件将之分类为 “假阳性”，认为不需要停下来。现在，全国运输安全委员会的事故初步调查报告给出了不同的说法。自主驾驶系统在致命车祸发生前六秒就探测到了行人，但它没有刹车是因为刹车功能被禁用了。为了减少汽车在自主驾驶系统控制下的不稳定行为，紧急刹车功能交给了人类司机，由司机决定是否做出干预启用刹车。但系统并没有设计在发现异常后警告司机。而根据警方公布的视频，车祸发生时司机看起来正在分心看手机——但司机本人否认，称她当时看得是监视自主驾驶软件的触摸屏。

Google AI 研究员 Ali Rahimi 去年 12 月在一次 AI 会议上，指责机器学习算法，即计算机通过反复试验和纠错来学习已经成为某种形式的 “炼金术（YouTube）”。他说，研究人员并不知道为什么有些算法会起作用而另一些则不会，他们在选择一个 AI 架构而非另一个时也没有严格的标准。在近日于加拿大温哥华举行的关于学习陈述的国际会议上报告的一篇论文中，Rahimi 和合作者列举了他们所看到的 “炼金术问题”，并为提高 AI 的严格性开了 “药方”。他说，如果不深入了解构建和训练新算法所需要的基本工具，研究人员创建 AI 就会像中世纪的炼金术士一样诉诸于谣言。Rahimi 的论文强调了被浪费掉的努力以及可能导致的次优表现。例如，它指出，当其他研究人员从最先进的语言翻译算法中去掉大部分的复杂性时，它实际上能够把英语更好地翻译成德语或法语，而且效率更好，这表明其创建者并没有完全理解那些额外部分有什么好处。

德国为自主驾驶汽车制定了世界首个伦理规则：如果自主驾驶系统比人类司机造成更少的事故，那么自主驾驶系统将成为一种道德责任；相比对动物或财产造成的伤害，系统必须最优先考虑人类安全；如果事故不可避免，禁止任何基于年龄、性别、种族、身体特征或其它区别的歧视；驾驶的责任方必须明确；汽车必须安装储存驾驶记录的黑盒子；对于是否将驾驶数据转发给第三方或给第三方使用，人类司机保留独有权；如果面临道德上模糊的事件，人类司机必须重新获得汽车控制权。

下层阶级未来将要与中上层阶级的智能助手而不是真人通话了。在 2018 年度的 Google I/O 开发者大会上，Google 演示了能通过电话完成真实世界任务的 AI 系统 Duplex。为了展示其能力，CEO Sundar Pichai 使用 Google Assistant 通过 Duplex 安排了理发预约和订餐。两次任务中，接电话的人都没有意识到他们是在和计算机对话。即使对话没有按照预计的进行，Google 的智能助手也能理解上下文，做出恰当的回应。Google 称它利用大量的匿名通话数据训练 Duplex。目前这项技术还比较初级，还只能支持一小部分询问，AI 的回应也不是很自然。

半个世纪前，混沌理论的提出者发现蝴蝶效应让长期预测变得不可能。复杂系统的最小扰动也能触发一连串的事件，导致未来发生巨大变化。我们生活在不确定性之幕下。现在，机器人伸出了援助之手。科学家在《Physical Review Letters》 和《Chaos》期刊上发表报告，使用机器学习预测混沌系统的长期演化。这种方法被外部专家称赞为重大突破，被认为具有广泛的应用前景。发现来自资深混沌学家 Edward Ott 和他在马里兰大学的同事，他们利用储备池计算（reservoir computing）算法去学习名叫 Kuramoto-Sivashinsky equation 的混沌系统的动力学。通过数据训练，他们的储备池计算能预测的系统演化时间八倍于旧的方法。

英国议会发表报告，建议在发展和应用人工智能过程中把伦理道德放在核心位置，以确保这项技术更好地造福人类。报告提出，应确立一个适用于不同领域的 “人工智能准则”，其中主要包括５个方面：人工智能应为人类共同利益服务；人工智能应遵循可理解性和公平性原则；人工智能不应用于削弱个人、家庭乃至社区的数据权利或隐私；所有公民都应有权利接受相关教育，以便能在精神、情感和经济上适应人工智能发展；人工智能绝不应被赋予任何伤害、毁灭或欺骗人类的自主能力。