有 3 篇于去年 3 月至 11 月间发表的论文，是由位于北京的微软亚洲研究院的学者与隶属于中国人民解放军国防科技大学的研究人员联合撰写的。其中一篇由微软和国防科大研究人员共同撰写的论文，描述了一种新的人工智能技术，通过分析人脸来重建详细的环境地图。论文承认，该系统可以提供关于 “未被摄像头拍到的” 周围环境的更多信息，这可以发挥“各种视觉用途”。另外两篇论文探讨的领域包括机器阅读，即计算机如何理解在线文本。微软表示，其 “研究人员——通常是学者——与世界各地的顶尖学者和专家一起进行基础研究，以增进我们对技术的理解”。

未来学家 Gary Grossman 刊文称，工人需要担心 AI 技术。他认为，AI 可能是科技史上最快的范式转变。这一次 AI 创造的工作将少于它取代的工作。毕马威会计事务所的调查称，超过半数的高管计划未来 12 个月实现某种形式的 AI ，调查的组织有四分之三预测 AI 自动化将会在未来两年内对 10 到 50% 的雇员产生严重影响。花旗的一位高管称，更好的 AI 将能减少 30% 的银行雇员人数。许多企业表示 AI 能消除部分枯燥的重复性工作，让人们能从事能更高端的工作。但大部分失业的呼叫中心雇员并不会成为 Java 程序员。除了低技术工作面临消失的风险，Gartner 报告称 AI 将能消除 80% 的项目管理工作。Edelman 2019 AI 调查显示，54% 的公众和 43% 的科技高管表示 AI 将会伤害穷人，他们中有 67% 和 75% 的人相信 AI 会让富人受益。

北京交通监管部门第一份关于持牌无人驾驶汽车的报告显示，2018 年 8 家公司的自动驾驶车队总共行驶了 15.36 万公里，其中百度的无人驾驶汽车在北京行驶了接近 14 万公里，约占 8 家有授权公司自动驾驶行驶总里程的 91%。百度的领先地位也符合该公司对人工智能技术的全力投入 。关于将人工智能应用在交通领域，百度明确表示不会涉足硬件，而是通过 “ 阿波罗 ” 开放平台让第三方厂商可以使用该公司的技术。根据最新数据，已经有 135 家 汽车厂商、零部件供应商和汽车行业公司参与 “阿波罗” 平台。

美国计算机学会（ACM）宣布 2018 年度的图灵奖授予了三位在神经网络上做出突破性贡献的计算机科学家： 纽约大学的 Yann LeCunn，多伦多大学的 Geoffrey Hinton 和蒙特利尔大学的 Yoshua Bengio。图灵奖是计算机科学领域的最高奖，三位科学家将分享一百万美元的奖金。Hinton 博士现在为 Google 工作，LeCunn 博士为 Facebook 工作，Bengio 博士则与 IBM 和微软有合作。神经网络是通过分析大量数据从中学习离散任务的复杂数学系统，比如通过分析大量通话学习去识别口语。神经网络让人工智能以以前不可能的速度快速发展。

在中国，推进 AI 发展的一些最关键工作是在与北京和深圳相距十万八千里进行的。虽然人工智能机器是超快的学习者，擅长处理复杂的运算，但它们缺乏就连 5 岁的孩子都具备的认知能力。人工智能需要被教导。数据工厂应运而生，它们开始在远离大城市的地区涌现，通常是在相对偏远的地区，劳动力和办公空间都很便宜。那么其它国家呢？印度成为一个热门的世界数据工厂。在一个叫 Kumaramputhur 的小村庄，大约 200 名工人在从事数据分类的工作，大部分人的年龄在 20 到 25 岁。外包公司在偏远地方建立了类似的工厂去从事数据分类，数以千计的人类在帮助训练最先进的 AI。

Google 于 2017 年在中国设立了 AI 实验室，主要是从事 TensorFlow 等软件的开发工作。但 Google 的中国 AI 实验室却在美国引发了争议，参谋长联席会议主席 Joseph Dunford 将军本周称，Google 在间接的帮助中国发展军事，这不符合美国的国家利益。本月早些时候，美国总统特朗普（Donald Trump）通过 Twitter 发表了类似的批评。自去年 Google 撤回与五角大楼的军事合同之后，双方的关系就出现了紧张。应 Google 的要求，Dunford 将军暂定下周与其高管进行会谈。Google 发言人称中国 AI 实验室与军事无关，主要是在进行自然语言理解和营销算法方面的研究。至于 TensorFlow，它是开源软件，Google 无法控制谁使用它。

对 2500 名欧洲人的一项调查发现，人们认为 AI 会比政客做出更好的政策决策。这次调查主要是了解人们对新技术的看法。结果显示一半以上的被调查者担心他们的工作会被机器取代，70% 的认为放任的技术创新对社会造成的伤害可能大于其好处。但调查的一个有意思的结果是四分之一的人更乐意由 AI 而不是政客去做出有关国家治理的政治决策。世界各地的人对他们的声音是否会影响政治决策日益产生怀疑，但算法作为一种解决方案并非没有缺点，因为算法可能会内在含有程序员的偏见，或者容易被操纵去产生特定结果。

日本旧的《道路交通法》禁止驾驶人员在驾驶中操作智能手机和注视车载导航仪，本周五通过的新修正案将自动驾驶排除在上述规定的适用对象之外。修正案以紧急时切换为手动驾驶为前提，将解禁智能手机操作等 “开车一心二用”。车辆驾驶员此前还需承担遵守交通规则等 “安全驾驶义务”，禁止喝酒、睡觉、吃东西和读书没有明确的法律上的规定。在修正案中，吃东西等没有明令禁止，但事故发生时司机有可能被控违反安全驾驶义务。喝酒和睡觉则仍然被严令禁止。修正案还要求通过车辆配备的装置记录行驶状态，保存数据。

风险投资公司 MMC 发表报告（PDF），它分析了 2830 家被归类为 AI 的欧洲创业公司，只有 1580 家公司符合其描述，五分之二的公司在其产品中没有发现使用任何 AI 的证据。MMC 检查了每一家公司的材料、产品、网站和产品文档。研究负责人 David Kelnar 没有给出这些公司的名字，他认为许多创业公司其实知道被错误归类，但它们没有动机去修正，因为这潜在可能会导致投资减少。

上周，非营利性人工智能研究公司 Open AI 声称，它的文本生成器 GPT2 可能会被滥用，因此决定不公开其细节（PDF）。Open AI 称，AI 产生的文字，从质量到数量到适应范围，都远远超出了设计者的预期。其它类似的 AI 文字编写程序相比，它没有使用此类系统经常露出的马脚，比如写着写着忘了在写什么，或夹杂一些莫名其妙的词汇等。研究负责人 Dario Amodei 表示，GPT2 从两个方面具有革命性的突破。一是它的数据储藏能力巨大，是现有最前沿的 AI 文本生成器数据储量的 12 倍。这使得它能更好的理解掌握写作文风，笔法和意图。但其他人认为，Open AI 是在夸张，它只是改进了文字生成器的机器学习模型而已。

百度的开发者利用百度大脑开放的动物识别技术，造出智能猫窝，在探测到猫接近时打开门，不放狗进来，因为它只识别猫。 猫脸门禁能准确识别 174 种不同种类猫咪，经过一系列图片训练，AI 猫窝不光可以识别猫，甚至还能看出猫咪有没有生病、有没有做绝育。利用 EasyDL 平台，通过图片训练，系统最终成功实现猫口炎、猫鼻支、猫皮肤病、猫外伤 4 种常见猫病的识别。通过训练流浪猫打耳标图片，实现识别猫是否绝育。当摄像头上传数据后，300 毫秒内就可以判定猫生病或者未绝育，帮助流浪猫得到有效救助。

机器学习能帮助揭示人类祖先的线索。根据发表在《Nature Communications》期刊上的一项研究，科学家利用机器学习分析古人类基因组数据，从人类基因组中发现了未知人类祖先的证据。一个已经灭绝的人类种群与亚洲和大洋洲的智人有过杂交，在现代人类 DNA 中留下了痕迹。这个神秘人种可能是来自尼安德特人和丹尼索瓦人的杂交后裔，类似在西伯利亚丹尼索瓦洞穴内发现的一个有 9 万年历史的少女化石，这个化石被认为是第一代尼安德特人和丹尼索瓦人杂交后裔。

Yoshua Bengio 是深度学习技术的缔造者之一，而深度学习是面部识别、自然语言处理、翻译和推荐算法取得进步的基础。Bengio 对中国将 AI 用于监视和政治控制表达了担忧，他在接受采访时表示这就像 1984 中的老大哥，越来越令人感到可怕。中国除了利用监控探头和面部识别跟踪公民，还在建立社会信用体系去引导公民的行为。Bengio 认为应该严格监管面部识别。此外，大型科技公司控制的数据量也日益成为一个问题。他认为创造某种非盈利机构或法律框架去控制数据的使用可能是一种解决方案，公民能控制自己的数据，同时限制其用途。

区分计算机和人类的图灵测试——Google 的 reCAPTCHA 系统进入到了这样一个阶段，人类开始对其避而远之，因为它太难了。为什么 CAPTCHA 变得越来越难？因为机器学习在基础性的文本、图像和语音识别任务上的表现与人类已经不相上下，甚至有过之无不及，以至于增加机器人程序识别难度的 CAPTCHA 对人类也越来越难。新的 CAPTCHA 混入了文化元素和游戏元素，计算机难以理解，但人类也是，人类并非笨而是因为人类之间在语言、文化习俗和经验上也存在巨大差异。图灵测试让人类也越来越难以证明自己是人类了。

上周，DeepMind AI AlphaStar 在与世界排名 44 位和 13 位的职业选手 Dario Wunsch 和 Grzegorz Komincz 之间展开的《星际争霸 2》人机大战中以 10 比 0 获胜。但分析人士认为这次人机大战并不公平。AlphaStar 的微操确实令人印象深刻，但许多操作对人类玩家是不太可能做到的，而这对机器人程序来说却是稀疏平常。举例来说，AlphaStar 同时在屏幕的两个对立面操纵单位。虽然为了公平起见，DeepMind 限制了 AlphaStar 的速度，但仍然远远超过人类。通过使用 API 它的点击精度也比人类玩家高得多。API 也给予 AlphaStar 对整个战场有着近乎上帝的视野。

官媒报道了浙江绍兴用 AI 监控厨房，识别出违规行为后就向管理人员发出警告。技术提供方杭州祐全科技发展有限公司总经理聂立功表示，人工智能通过深度学习厨师在操作场所不穿工装、砧板混用、垃圾桶不加盖等 8 种不规范行为和专间洗手消毒、环境清洁等 4 种规范行为的大量体征和动作，构建了行为运动状态模型数据云。在接入该智能系统的首家餐饮单位绍兴市咸亨酒店厨房区，当操作场所出现上述规范或不规范行为时，人工智能便利用监控进行实时识别、抓拍，并立即向管理员手机 APP 示警。同时，违规行为在现场显示屏同步曝光，在企业负责人电脑端也可实时展示。

YouTube 和 Twitch 直播了 AI 和人类顶尖电竞职业选手之间展开的一系列《星际争霸 2》人机大战，结果 DeepMind AI AlphaStar 以 10 比 1 打败了世界排名 44 位和 13 位的职业选手 Dario Wunsch 和 Grzegorz Komincz。DeepMind 的 David Silver 在直播中表示，这一时刻令人兴奋，我们首次看到 AI 能战胜职业玩家。DeepMind 开发了五个版本的 AI 程序 AlphaStar，使用人类玩家的数据进行训练，然后五个 AI 在竞技场上互相对战，领先的 AI 积累了相当于 200 年的游戏经验。AlphaStar 的成功也有其局限性，它只使用一张地图和单一游戏种族（神族）。虽然程序是运行在一个 GPU 上，但训练时它使用了 Google 云端的 16 块 v3 Tensor Processing Units。

研究人员在《Nature Medicine》期刊上发表论文，描述了名叫 Face2Gene 的智能手机应用的技术特点。它依靠机器学习算法和类脑神经网络对先天性和神经发育障碍患者照片中的面部特征进行分类。利用从图片中推断出的 “经验”，对可能的诊断进行定位，并提供可能的选项列表。研究负责人、马萨诸塞州波士顿数字健康公司 FDNA 首席技术官 Yaron Gurovich 表示，以标准化方式描述显型能力的增强，为未来的研究和应用，以及识别新的遗传综合征打开了大门。“它展示了如何将先进的算法，比如深度学习，应用到一个具有挑战性的领域。”

DARPA 的一个新项目旨在创建一个机器学习系统，能从日常的无数事件和媒体片段中识别出其中的联系。该项目被称为 KAIROS，代表 Knowledge-directed Artificial Intelligence Reasoning Over Schemas。我们日常所经历事件中的关联性对人类而言十分简单，但对机器来说就不那么容易搞清楚了。举例来说，你要买东西，你会走进商店，选择商品，拿到收银台，扫描，支付，然后离开商店。买东西的流程是一种我们能识别的模式，但计算机对此却难以理解。DARPA 的计划就是创建能理解这种模式的 AI。

AI 过去几年取得了令人瞩目的成就，以 DeepMind 的 AlphaGo 为例，它先后击败了当今最顶尖的围棋选手，而它的演进版本 AlphaZero 能在只掌握最基本的棋类规则的情况下通过自对弈成为棋类游戏的最强者。AI 的成功部分来自于深度神经网络，而深度神经网络的基础则始于 30 年前提出的误差反向传播学习算法（backpropagation）。在廉价但更强大的硬件帮助下，深度神经网络产生的某些结果比专家更出色。那么深度神经网络是否可能预示了强人工智能？DeepMind 的联合创始人 Demis Hassabis 不这么看。他认为强人工智能离我们还很遥远。游戏或棋类游戏某些方面非常简单，状态之间的转换模型明确且易于学习，而真实世界的 3D 模型和真实世界本身是难以弄明白的。他说，现有的 AI 系统首先需要学会看然后再学会玩，而人类能更快的学会玩游戏。