文章提交注意事项:
请在发布文章时用HTML代码加上至少一条新闻来源的链接;原创性消息,可加入相关信息(如涉及公司的网址)的链接。有任何问题,邮件至:he.fang#zhiding.cn
ken:feigaobox@gmail.com
注意:收到邮件乱码的用户请修改客户端的默认字体编码,从"简体中文(GB2312)"修改为"Unicode(UTF-8)"。

Solidot 公告
投 票
热门评论
- unity 到底有什么好 (1 points, 一般) by Craynic 在 2022年07月05日11时17分 星期二 评论到 Ubuntu Unity 桌面复活
- 这不科学 (1 points, 一般) by qq33357486 在 2022年07月04日20时22分 星期一 评论到 Ubuntu Unity 桌面复活
- 吃便便 (1 points, 一般) by Craynic 在 2022年07月04日12时34分 星期一 评论到 现代城市居民失去了半数肠道微生物群
- 来自 ctOS 部门 (1 points, 一般) by lot 在 2022年07月01日21时15分 星期五 评论到 新算法提前一周预测未来犯罪准确率 90%
- 找原因 (1 points, 一般) by lrobot 在 2022年07月01日20时03分 星期五 评论到 通用无人驾驶出租车挤在一起堵塞了旧金山的交通
- 感谢 neovim 的出现,否则 vim 还在 v7.999.9999 上墨迹 (1 points, 一般) by cupen 在 2022年07月01日00时40分 星期五 评论到 Vim 9.0 发布
- 果然是高速飞行 (1 points, 一般) by liangl_dong 在 2022年06月30日10时23分 星期四 评论到 研究人员发布开源软硬件自主四旋翼无人机
- 山东省济南市槐荫区人民法院 (1 points, 一般) by solidot1656463655 在 2022年06月29日08时48分 星期三 评论到 阿里巴巴性侵案客户被判 18 个月
- “明日黄花”这个词 (1 points, 一般) by Reinhardt 在 2022年06月27日16时26分 星期一 评论到 今天的程序太臃肿了
- 没用 (1 points, 一般) by jerry 在 2022年06月24日14时44分 星期五 评论到 7-zip 支持 Windows Mark-of-the-Web 安全功能

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。
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。
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。
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。
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。