研究发现，通过模仿人类视觉工作的原理，AI 软件能打败最广泛使用的区分计算机和人类的图灵测试——Google 的 reCAPTCHA。如果算法能以 1% 的成功率通过测试，那么这种 CAPTCHA 就被认为无效了。湾区创业公司 Vicarious 的 AI 软件能以 66.6% 的正确率通过 reCAPTCHA 测试，以 64.4% 的精度通过 BotDetect， Yahoo 是 57.4%，PayPal 为 57.1%。Vicarious 使用了名叫递归皮层网络（RCN）的神经网络，而且不需要多少训练数据。他们的研究论文发表在《科学》期刊上，公司创始人、论文主要作者 Dileep George 表示，他们的系统能用相对少的例子学习，就像人脑一样。Vicarious 称他们用人类的视觉系统建模了 RCN。他们的发现显示基于文本的验证码正逐渐过时。

AI 需要大量数据训练，如果输入的数据存在偏见，它们也会具有偏见。Google 在2016 年 7 月 宣布公测新的机器学习 API  Cloud Natural Language API，允许开发者在其应用中整合 Google 的深度学习模型。该 API 包含了一个情绪分析仪，允许程序以-1 到 1 的尺度判断句子表达的是正面还是负面情绪。该情绪分析仪被发现具有内在偏见，会将犹太人和同性恋标记为负面情绪。Google 发言人在一份声明中称，他们投入了大量努力确保 CNL API 避免偏见，但并不总能做对，这个例子就是其中之一，他们对此表示抱歉。Google 对此问题非常严肃，正在改进模型。

代表 IBM、微软、Google、亚马逊、Facebook 和苹果的行业组织信息技术产业委员会（The Information Technology Industry Council）发表了开发伦理人工智能系统的原则，承诺负责任的使用 AI，以应对 AI 技术冲击社会的日益增长的担忧。这些原则包括确保负责任的设计和部署 AI 系统，采取措施避免滥用，在部署 AI 系统过程中负责任的使用数据和测试潜在有害偏见等等。这些公司承认它们的基于数据的产品正在改变我们工作和生活方式，它们希望通过承诺负责任的处理这一权力能赢得争论，避免监管。

Google 旗下的 AI 子公司 DeepMind 在《自然》期刊上发表了最新的论文（PDF），介绍了它的围棋 AI AlphaGo Zero。DeepMind 开发的前几个版本的围棋 AI 如 AlphaGo Fan（打败樊麾的版本）、AlphaGo Lee（打败李世石的版本），AlphaGo Master （打败柯洁的版本）都需要人类知识训练，但进化到 Zero 的版本则从零开始完全通过自我学习，3 天后超过 AlphaGo Lee，取得了 100 胜 0 负的成绩，21 天后达到 AlphaGo Master 的水平，40 天后成为史上最强大的围棋选手。DeepMind 认为通用 AI 能帮助人类解决其面临的部分最具有挑战性的难题。DeepMind 称，AlphaGo Zero 只使用一个神经网络，而先前版本的 AlphaGo 使用了策略网络和价值网络判断落子，而 AlphaGo Zero 通过强化学习将两者结合在一起，能更有效的训练和评估，它所需的计算资源也比前几代要少：AlphaGo Fan 使用了 176 个 GPU ，AlphaGo Lee 使用了 48 个 TPU，AlphaGo Master 使用了 4 个 TPU，比 Master 更强的 Zero 也是使用 4 个 TPU。

如果人工智能的发展是一场军备竞赛，那么中国希望成为世界上无可争议的人工智能超级大国。李开复曾指出中国的优势包括：人口众多；数据；人才；甚至在所写代码的数量上都占据优势。中国拥有巨大的数据供应，这是人工智能应用的命脉。“说到政府数据，美国根本赶不上中国从其公民身上收集的数据，”美国战略与国际研究中心高级研究员 James Lewis 表示，“他们拥有巨大的沙坑可以在里面玩，还有很多的玩具和优秀的人才。”2016 年中国的人工智能相关论文产量同比增长了将近 20%，而欧盟和美国的论文产量出现了下滑。去年中国发表了 4724 份人工智能论文，而欧盟发表了 3932 份相关论文。但中国论文质量仍然有待提高。在被引用次数最多的前 5% 的人工智能论文的数量方面，去年中国落后于欧盟，但仍然超过了美国。

AI 崛起的未来会发生什么很难预测，对程序员来说，最迫在眉睫的问题是软件工程师的工作是否会受到威胁？这取决于你问的时间线。未来十年？完全不可能，但它最终肯定会取代人类。AI 系统的神经操作是一个黑匣子。程序员将成为 AI 的教练。他们将教导汽车自动驾驶，教计算机识别照片中的脸部，教智能手机识别支票上的手写书，等等。AI 和机器学习的可能性是无限的，但通过机器学习 AI 的能力虽然令人惊讶但不会领先太多。尝试将人工智能应用于编程任务将会导致知识和自动推理的进一步发展。因此程序员必须重新定义他们的角色。软件开发工作不会很快过时，人与计算机之间将需要进行更多的协作。工程师创建、测试和研究 AI 系统的需求将增加。在长期内 AI 和机器学习不会领先到自动化和统治一切，所以工程师将依然是技术的仆人。

中国正在拥抱 AI 革命。视 AI 为未来经济发展的关键，政府计划在未来数年内在 AI 领域投入数千亿元，企业也对 AI 无比热情。MIT Technology Review 发表了一篇文章称西方应该模仿中国的 AI 策略。文章引用前 AI 专家如今的风投人李开复的话说，美国和加拿大有着世界上最优秀的 AI 研究人员，但中国有着更多的足够优秀的 AI 人才，以及更多的数据。AI 这个领域需要让算法和数据同时演化，更多的数据将会产生巨大的差异。李开复认为，美国是今天的科技领导者，但中国有着巨大的潜力。商汤科技是今天估值最高的 AI 创业公司，今年早些时候，该公司的工程师开发出一种新颖的图像处理方法自动从照片里移除烟雾和雨点，还开发出一种方法使用一个摄像机跟踪全身运动。公司创始人是香港中文大学教授湯曉鷗，他说，中国曾经领先于世界，未来我们将再次成为领导者。前百度首席科学家吴恩达说，中国的商界领袖比大多数人更长于理解新趋势，他们在一生之中见证了财富的创造，也见证了财富的流失，当你看到科技趋势发生变化时，你最好跟上，否则别人就会打败你。

微软正在 AI 上下注 。去年九月，微软组建了 AI 和研发集团，一年之后通过收购和招聘，该集团的人数从 5 千增加到 8 千，增长了 60%。但微软的竞争对手同样积极进取。独立研究公司 Directions on Microsoft 的研究副总裁 Rob Sanfilippo 指出，微软取得了进步，但 IBM、Apple、Amazon、Google 和 Facebook 等公司也是如此。可以认为亚马逊在 AI 领域处于领先，人们更熟悉 Alexa 而不是 Cortana，微软正努力避免在移动和社交网络之后错过另一个大的机遇，向 AI 投入了更多资源和关注。微软有优势也有劣势，它的 Windows Phone 业务几乎停滞，因此在流行的智能手机平台，它的数字助手 Cortana 处于第三方应用的状态，但在 Windows 桌面上 Cortana 则是第一方。

为了加快 AI 的发展，苹果去年底解除了对研究团队发表论文的禁令。但过去一年，热衷保密的苹果仍然只表现出有限的透明度。苹果发表的 AI 论文只有竞争对手的一小部分，同时该公司科学家避免在大会上谈及该公司的相关研究。苹果研究科学家 Charlie Tang 在今年 3 月的一个会议上对机器人方面的内容进行了演示，但他展示的图片来自 Google。他没有特别提到苹果公司的任何工作。苹果继续有所保留引发了外界对其透明度承诺以及招揽研究人员能力的质疑。

亚马逊的语音助手 Alexa 将能与微软的个人数字助手 Cortana 互相交流。到今年晚些时候，Amazon Echos 和其它内置 Alexa 设备的用户将可以发出指令“Alexa, open Cortana”去查询微软的语音助手。运行微软 Windows 10 操作系统的用户也可以通过 Cortana 向 Alexa 发出类似的指令。为什么客户想要在两种语音助手之间切换？亚马逊和微软称他们各自的语音助手都有各自的强项，比如微软的 Cortana 与 Microsoft Outlook 和 Exchange 深度整合，而 Alexa 的强项是购物和智能家庭控制。不清楚 Cortana 和 Alexa 是否会共享语音数据以改进其性能。

在市值和生态系统上落后于竞争对手腾讯和阿里巴巴的百度正全力投资 AI，押注 AI 革命能让帮助它赶超对手。百度正在与政府合作，在北京创建中国首个国家人工智能研究实验室。今年 4-7 月，百度在研发上的支出增加至 4.64 亿美元，较去年同期增长了 28%。正在研发中的项目包括百度针对无人驾驶汽车设计的操作系统 Apollo。另一个项目则是个人数字助手 DuerOS。但是百度面临的主要挑战是如何填补自身在移动时代发展缓慢与其所畅想的光明的人工智能未来之间的差距。“Apollo 和 DuerOS 项目将使百度有机会在人工智能时代占据主导地位，”IDC 的分析师薛宇表示，“当然，问题是它能否打破目前在激烈竞争下四处受制的局面。”

特斯拉 CEO Elon Musk 去年宣布要让汽车实现全自动驾驶，结果他旗下的工程师对此也倍感震惊，一些关键工程师之后选择了辞职。特斯拉声称人员流动率是因为行业内竞争激烈，而不是其它原因。《华尔街日报》援引消息来源和相关文件报道，在特斯拉内部，自动驾驶系统 Autopilot 团队在截止期限、设计以及营销决策等问题上存在严重分歧。Autopilot 的名字来源于飞机自动驾驶系统。在 2015 年 10 月 Autopilot 发布的几周前，一名安全技术工程师警告特斯拉称，这款产品还没有准备好。这名工程师名叫 Evan Nakano。他写道，Autopilot 的研发基于鲁莽的决策，有可能将客户生命置于危险之中。

最大的矿机制造商比特大陆计划将矿机使用的 ASIC 技术应用于 AI 领域，公司联合创始人詹克团和吴忌寒正准备推出基于 ASIC 的深度学习芯片，以科幻小说《三体》中的虚构超级电脑智子为名。如果一切按计划进行，数以千计的智子单元将在世界各地的数据中心训练神经网络。ASIC 芯片设计能以极高的效率执行单一功能，比特大陆的深度学习芯片设想在芯片中集成最常见的深度学习算法，极大的提升效率。用户可以在芯片上应用其数据集和构建模型，使用神经网络更快的产生结果和从结果进行学习。Google AI 子公司 DeepMind 就使用其定制的芯片 Tensor Processing Unit 去训练围棋 AI AlphaGo。百度、腾讯和阿里巴巴都是比特大陆的目标客户。

微软宣布其语音识别系统错误率仅为 5.1%，超过了去年该公司人工智能和研究团队所实现的 5.9% 的错误率。这一成就是语音识别技术的一个新里程碑，达到了人类专业转录者相同的精度。人类的一组专业转录者能听录音多次，还能访问其他转录者转录的文本。微软的语音识别系统被用于 Cortana、Presentation Translator 和 Microsoft Cognitive Services 等服务。

包括 Elon Musk 和 Google 的 Mustafa Suleyman 在内的 116 位 AI 和机器人专家联合致函联合国，呼吁禁止发展和使用杀人机器人。联合国最近投票决定正式开始讨论自主机关枪、坦克和无人机之类的自主武器。专家们在信中警告，一旦研发出致命自主武器，武装冲突的规模将会比以前更庞大，在时间尺度上比人类理解的更快。它们也可能会被用于恐怖行动，被独裁者和恐怖分子用于对付无辜的人民，武器也可能会以不受欢迎的方式被修改。专家们指出，一旦潘多拉的盒子打开，它将很难关上。

中国最近制定了 AI 发展规划，希望在 2030 年成为人工智能领域的世界领导者，在技术上超越对手，打造规模近 1500 亿美元的本土产业。这一计划并不疯狂，中国有三大优势：大量的软件工程师，有超过 7 亿网民可以测试，政府支持及分享其收集的庞大公民数据集。彭博社的一篇报道称：徐立的软件扫描的脸部数量可能比其它任何软件都多，他创办的商汤科技上个月筹集到了 4.1 亿美元。他说，中国人口众多，更容易收集到数据用于你需要的任何用例，当我们谈及数据集，最大的数据源就是政府。Rochester 大学计算机科学教授 Jiebo Luo 说，数据访问在中国总是更容易，政府、机构和企业中的人现在已经认识数据的价值，只要他们发现能信任的人，他们将愿意分享数据。福州市政府在 6 月举行了一个会议，与会者包括了戴尔、IBM 和联想的研究人员，政府官员分享了 80 exabytes 心脏超声视频，利用这一数据企业可以用它构建 AI 去识别心脏疾病。

特斯拉和 SpaceX 的 CEO Elon Musk 再次对 AI 的威胁发出了警告。他称你应该关心 AI ，因为它所具有的威胁性远高于朝鲜。朝鲜最近威胁要用核弹攻击美国的关岛，引发了美国总统的强烈反应。不过讽刺的是，Musk 资助创办的 OpenAI 开发的 AI 在 Dota 2 锦标赛上打败了两名专业的电竞选手。Musk 的帖子使用了一张图片，其中的文字宣称“在最后，机器将会获胜”。

去年 11 月，Google 的人工智能子公司 DeepMind 宣布与暴雪合作，将在 2017 年向 AI 和机器学习研究员发布一个用于 AI 研究的《星际争霸 2》。现在，双方正式发布了一系列工具，包括一个机器学习 API、匿名化的游戏对战回放数据集、DeepMind 开源工具集 PySC2，允许研究人员测试特定任务 AI 表现的简化 RL 游戏，一篇论文等，将《星际争霸 2》 转变成一个 AI 研究环境。这些工具都发布在 GitHub 上，采用 Apache 或暴雪许可协议。

16 岁高中女孩 Kavya Kopparapu 的生活非常丰富，她担任学校生物信息学会的会长，组织研讨会，甚至还运营者一个非营利组织。2013 年，她的印度祖父出现了糖尿病视网膜病变的症状，这种症状会导致失明。如果能及时治疗的话，眼睛不会有事。但绝大多数人并没有这么幸运。她的祖父虽然得到了治疗，但因为比较晚而眼睛受损。Kopparapu 因此想利用自己的计算机科学技术，发明出能快速诊断眼部疾病的系统。 Kopparapu 与她的弟弟 Neeyanth，高中同学 Justin Zhang 合作训练 AI 去识别眼部照片中糖尿病视网膜病变的迹象，提供一个初步诊断结果。这套系统包括了一个智能手机应用和一个 3D 打印的镜头。她在上个月的 O’Reilly AI 会议上展示了这套系统。NIH 的一位专家认为，这套系统还需要更多的临床诊断数据，认为它具有商业潜力，但可能会因为太廉价大企业看不上。

在年度 ImageNet 图像识别竞赛上，来自中国大学和企业的 AI 团队统治了比赛。 27 支参赛团队超过半数来自中国，表现最出色的团队全都来自中国。2014 年度竞赛的获胜者 Google 没有参加过去两年的比赛。在今年的比赛中，WMW 团队以 2.25% 的错误率赢得了图像分类竞赛，去年最佳成绩的错误率是 2.99%，团队成员有两名来自北京创业公司，一名来自牛津大学；在物体识别比赛中，DBAT 的识别精确度为 73.1% ，比去年的 66.3% 有显著提高，团队成员有八人来自南京大学，两人来自伦敦帝国学院。