在中国测试人工智能前沿应用的时候，科大讯飞成了中国科幻野心与这种技术的反乌托邦黑暗可能性的一个令人信服的例子。科大讯飞主持的一个实验室正在为中国国内的安全部门开发语音监听能力。与政府的这种紧密关系可能会让科大讯飞及其他中国公司在这个新兴领域获得优势。专家说，中国政府的财政支持为中国企业提供了大量的资源，中国没有得到严格执行的、未经实践检验的隐私法让公司能获得大量的声音、面孔和其他生物识别数据，这些数据能帮助公司发展这方面的技术。中国 “没有西方企业所面临的严格的隐私法，中国公民也不反对他们的数据被收集，因为（可以这样说），政府监控是中国的现实，” 研究公司 Sanford C. Bernstein 的分析师们今年 11 月在一份报告中写道。“数据是金，”密歇根州立大学研究生物统计学的教授 Anil Jain 说。“如今，你无法（在没有数据的情况下）设计出准确可靠的识别任何东西的系统。”

Google AI 已经能发明自己的加密算法，现在它还能创造自己的 AI 了。Google Brain 团队今年早些时候公布了 AutoML，能自己生成 AI 的 AI。研究人员尝试用 AutoML 创造出性能打败人类 AI 的子 AI。他们使用了强化学习的方法自动化机器学习模型的设计，AutoML 作为一个控制器神经网络创造一个执行特定任务的子 AI 网络。这个被称为 NASNet 的 子 AI 的任务是从视频里实时识别目标如人、汽车、交通灯、手提包和背包。AutoML 会评估 NASNet 的表现，然后使用获得的信息开发改进版本，重复这一过程数千次。研究人员用 NASNet 测试了 ImageNet 图像分类和 COCO 目标识别两大数据集，在 ImageNet 的测试中 NASNet 的正确率达到了 82.7%，比人类的最新结果高 1.2%，效率高 4%，计算需求也更少。

上个月初日内瓦举行的联合国致命自主武器系统会议没有取得进展，俄罗斯在会议上公开表示它不会遵守任何对杀人机器人的禁令。这次会议的与会国尝试定义自主武器系统和制定相关限制。俄罗斯在一份声明中表示，由于缺乏自主武器系统的工作样品，因此很难制定此类武器的禁令。俄罗斯国防承包商据报道已经在开发利用人工智能判断和射击目标的武器系统。俄罗斯被认为从年初开始就一直在拖延，它甚至不希望举行会议。

间谍卫星及其商用卫星每天拍摄了数十 TB 的卫星图像，而人类分析师只能从卫星图像中筛选出高价值的目标如核设施和导弹。这就是为什么美国情报机构资助了自动识别卫星图像中感兴趣目标的 AI 挑战赛。挑战赛从 7 月开始，参赛者用世界最大的卫星图库数据集训练机器学习算法，该数据库由 U.S. Intelligence Advanced Research Projects Activity 提供。10 名决赛选手将能在 12 月底在一个秘密的卫星图像数据集里测试他们的 AI 算法。美国情报机构想要用 AI 自动处理目前由人类完成的四分之三的工作负荷。

扫地机器人 Roomba 的制造商 iRobot 正在测试软件让机器人能理解所有的房间。Roomba 采用的方法是尝试将混乱的占用网格变得有用。占用网格是一种二元地图，代表着一个给定的空间被东西占用或没有东西。Roomba 在扫地过程中会根据遇到的情况将信息加入到占用网格，比如墙壁、桌脚或鞋子。扫地机器人创造的占用网格无法精确代表你的房间。下一步是利用 CPU 将占用网格以一种人类能理解的方式分割到不同房间，一旦完成机器人将能以根据最有效的路径制定计划。iRobot 开发的方法叫 RoomsSeg。

多年来，投行招募顶尖的程序员来帮助他们的交易员用软件执行交易策略。现在，它们找到了更好的方法：让程序员变成交易员，由程序员接管交易。但在另一方面，金融行业的经理们也正在努力帮助他们的雇员适应这一未来趋势。咨询公司 EY 正鼓励他们的雇员自学 AI 和其它相关主题以避免被淘汰。美国银行和富国银行也都表示正考虑如何帮助雇员个人发展。随着金融行业用计算机系统处理各种事情，没有什么职业会不受影响。在高盛公司，程序员多年来已担任着日益重要的角色，而这一转变正在加速。高盛正在争抢有技术和定量背景的应聘者。

Google 工程师 Jeff Dean 最近在硅谷和中国的演讲中，专门提到一个名为 AutoML 的项目。ML是机器学习(machine learning)的缩写，指的是通过分析数据来学习如何完成某种特定任务的计算机算法。AutoML 指的是一种学习如何构建其他机器学习算法的机器学习算法。它能在构建人工智能系统时在一定程度上不需要人类，许多人认为这是技术产业的未来。它属于人工智能研究一个重要趋势的一部分。专家将其称为“学会学习”或“元学习”。 许多人相信，这种方法会极大地加快网络及现实中人工智能的发展。这些方法不能完全取代人工智能研究人员。专家仍需做大部分重要的设计工作。但它要实现的是以少数专家的工作来帮助其他更多的人搭建自己的软件。

Anthony Levandowski 是 Waymo 和 Uber 诉讼案的核心人物，他被前雇主 Waymo 指控窃取了 1.4 万份自主驾驶汽车机密文件，因为拒绝合作而遭到 Uber 解雇。你认为他遭到解雇后会干什么？创办新公司？不是，他创办了新的宗教，膜拜的对象是人工智能。根据递交到美国国税局的文件，新宗教的名称叫 Way of the Future（WOTF），Levandowski 是新教会的领袖兼运营该教会的非营利组织 CEO。WOTF 的活动将集中在领悟、接受和崇拜基于 AI 的神格，包括资助创造出 AI 之神。WOTF 寻求与 AI 行业领袖建立合作关系，通过社区外展创建会员。Levandowski 首次接受了公开采访，谈论他的教会，表示他对这个项目非常严肃和认真。为了避免被指试图骗钱，Levandowski 表示他不领取薪水，他相信改变即将到来，这一改变将转变人类存在的所有方面，可能也将决定人类作为一个种族的生存。

中国公司麦克奥迪宣布与比尔梅琳达盖茨基金会支持的 Global Good 基金合作推出用于对抗耐药性疟疾及病例管理的人工智能驱动显微镜 EasyScan Go。运用自定义图像识别软件，EasyScan Go 能在 20 分钟内识别和计数血片中的疟疾寄生虫。“疟疾是在显微镜切片上最难识别的疾病之一”, 戴维 · 比尔 （David Bell）, Global Good 全球健康技术总监表示：“通过让实验室技术员操作人工智能显微镜，我们可以克服两个主要障碍用于对抗变异寄生虫——改善了病例管理中的诊断及标准化了跨地域和时间的识别。运用人工智能显微镜自动化该过程可以缓解资源贫乏国家专业人员的短缺。每年有近百万人死于疟疾，研究人员估计全世界将近一半的人口有被感染的风险。

前 Google 自主驾驶子公司 Waymo 正在公路上测试真正的无人驾驶，也就是汽车方向盘后没有坐着人。Waymo 正在亚利桑那州的 Chandler 地区测试无人驾驶，测试不限于一条或两条线路。Waymo 试图率先实现 L4 级的自动驾驶，这意味着其汽车能在预先设定的区域实现完全自动驾驶，这些区域都经过了仔细的地图绘制与测试。该公司计划将这一测试扩展到整个凤凰城，但并未给出时间表。竞争对手们承认，Google 在技术上仍然领先，尽管怀疑者质疑，人工智能技术是否已完善到足以应对道路上可能发生的许多无法预见的情况。

官方的中国围棋协会宣布，鉴于围棋人工智能发展速度，2017 年进行的余下围棋职业比赛将禁止携带电子设备。当然围棋 AI 虽然进步显著，但还没有达到能在移动电子设备上运行的地步。Google AI 子公司 DeepMind 开发出的最先进围棋 AI AlphaGo Zero 需要 4 个专门用于运行深度学习算法的 TPU。中国围棋协会宣布， “1. 比赛期间，对局棋手一律禁止携带、观看手机及其他电子设备，一经发现立即判负。比赛期间指从对局开始到对局结束，包括中间休息的全部时间...3.包括午休时间在内，对局棋手一律禁止回房间。如因特殊情况必须返回房间的，须有当值裁判陪同。4. 团体比赛中，如发现棋手所在队领队、教练及其他相关人员利用人工智能技术影响对局进程，一经查实，全队当轮成绩取消。5. 上述规定，须由当值裁判长在比赛前向对局棋手宣读，赛前棋手可将手机等电子设备交至裁判长处保管。其他细节规定将于 2018 年出台。”

最大的矿机制造商比特大陆将在明天举行的 AIWORLD 会议上公布基于 ASIC 的深度学习芯片“智子 BM1680”，该公司将开始销售基于这款 AI 芯片的系统。比特大陆的矿机占据了七成市场份额。根据公布的 BM1680 规格，这款芯片使用 32 位浮点运算，运算速度 2 teraflops，正常功耗 25 瓦，全速运行时功耗会提高到 41 瓦。比特大陆声称，BM1680 的架构类似于 Google 的 Tensor Processing Unit（TPU）。该架构被称为 systolic。该公司工程师称，他们在 2015 年底开始开发自己的 AI 芯片，采用了增强版的 systolic 技术，类似 Google 的 TPU。

绝大多数软件的 bug 不会杀死你，但自主驾驶汽车的 AI 可能是一个例外，错误可能会导致 AI 在错误的时间做出错误的决定。哥伦比亚大学和 Lehigh 大学的研究人员设计的 DeepXplore 方法能在不同神经网络触发尽可能多的冲突决策，系统性的暴露软件错误。比如 DeepXplore 在 Nvidia 的 DAVE-2 自主驾驶软件发现了一个错误，能导致汽车撞上公路上的护栏。研究人员深知，只要恶意的黑客能利用一个 bug，整个系统就仍然是脆弱的。研究人员的测试发现，DeepXplore 在各种深度学习应用中发现了数以千计的以前未知的 Bug。它并不能保证能发现系统的所有 bug。

AI 战胜人类不再是新闻，人类战胜 AI 才是。在韩国世宗大学举行的首届 AI 与人类职业电竞选手的比赛中，29 岁的职业星际选手宋炳具以 4 比 0 击败了 AI 选手。他打败的 AI 包括了 Facebook 开发的 CherryPi，其它 AI 来自澳大利亚、挪威和韩国。韩国世宗大学从 2010 年开始就举办 AI 挑战赛，但此前的比赛都是在 AI 之间进行的。此次是首次与人类职业电竞选手对战。《星际争霸》涉及到复杂的宏观和微观管理，因为缺乏对手的信息，AI 的每一步行动并不像围棋 AI 如 AlphaGo 那样精确计算出赢率。在比赛中，澳大利亚的 AI 在每分钟内完成了 1.9 万次行动，大多数职业电竞选手一分钟最多完成几百次行动。

英国理论物理学家霍金在接受《连线》采访时候重申了对 AI 的警世危言。霍金说，AI 最终会演变成一种超越人类的新形式生命。他担心 AI 会取代人类，“如果人类会设计出计算机病毒，那么有人也将会设计出能改进和复制自己的 AI 。”他说，我们需要新的太空时代以鼓励年轻一代从事科学，认为如果更多的人对科学不感兴趣将会产生严重的后果。他认为人类已经到达了一个不能后退的临界点，地球太小，人口增长太快，我们正处于自我毁灭的危险境地。

Alphabet 主席 Eric Schmidt 认为美国正冒着在开发最先进 AI 的竞赛中落后的风险。他预言在中国快速赶上来前美国在 AI 领域的领先优势还能持续五年。Schmidt 称中国会将 AI  运用到商业和军事目标上。他指出美国在基础研究上投入不足，限制移民的政策也束缚了从海外吸引 AI 人才的能力。这些国家的最优秀人才不被允许进入美国。Schmidt 称美国军方能受益于 AI，以视觉系统为例，与其浪费时间训练士兵站岗，不如让计算机永不疲惫的监视。Schmidt 称距离开发出接近人类或超过人类的 AI 还很遥远，而 Alphabet 比其他人更可能获得成功，其子公司 DeepMind 最有可能发明通用智能。

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。