Google Health 开发出了一种人工智能系统，在确诊乳腺癌上能媲美或打败放射科医生。但在部分情况下医生仍然能战胜 AI。研究报告发表在《自然》期刊上。该 AI 模型减少了假阳性误报——没有患癌症但被错误报告患有，以及假阴性误报——已患但未诊断出。Google 的 AI 系统利用了匿名化的数万英国和美国女性乳房 X 射线照片进行训练，研究人员表示它尚未做好临床应用准备。报道称，尽管有限制，但这项研究令人影响深刻。

北京正式颁发首批自动驾驶车辆道路载人测试通知书。其中百度 Apollo 获得 40 张自动驾驶载人测试牌照，成为国内首批在北京市展开自动驾驶载人测试的企业。百度表示 Apollo 自动驾驶载人测试牌照目前达到了 120 张。北京是继广州、上海后第三个一线城市开放自动驾驶载人测试。北京的自动驾驶载人测试分为三个阶段，其中第一阶段要求测试主体最低自动驾驶道路测试累计里程数达 10 万公里，最少申请测试车辆数为 5 辆，最多不超过 50 辆，且必须配备测试驾驶员和工程师，载人的对象仅限于招募与测试主体签订劳动或者劳务合同的人员（即测试主体的内部员工）。

在人类的早期，我们知道一个苹果加一个苹果等于两个苹果。我们是从实物开始计数，直到后来才引入了零的概念，或者不妨说空盒子里的苹果数。零的概念对数学产生了革命性的影响，今天我们可以自由自在的在数学运算中使用零。但对人工智能（AI）而言，零或无仍然是一个尚未涉足的领域，它可以成为 AI 领域的新突破。AI 和深度学习需要能识别无的意思，并使用无进行推理。深度学习算法如深度神经网络（deep neural networks 或 DNN）传统上是以监督的方式训练区识别特定类的东西。在获得大量高质量数据训练之后，深度学习算法能精确的对已知的的对象进行分类。但当未知的对象出现后问题就来了。如果引入了训练数据集中不存在的未知对象，DNN 不得不进行猜测。举例来说，DNN 用苹果和香蕉的图片集进行了训练，当面临橘子图像时它只能猜测并将其分类为最接近的水果——也就是苹果，它会认为橘子就是苹果，因为它的世界是由苹果和香蕉组成的。在训练 DNN 时，无或零的概念将会非常有用。如果 DNN 能将对象分类为苹果、香蕉，“无或未知”，那么开发者将会知道需要添加新的分类。但到目前为止，还没有简单的方法训练 DNN 去产生“无”的回应，能发出信号通知开发者它看到了偏离常规的东西。

韩国九段棋手李世石 12 月 18 日与 AI 棋手举行了其职业生涯的告别赛，李世石受让 2 子还 7 目半，他执黑先行，但 NHN 开发的 AI 棋手韩豆中盘犯下低级错误，不知枷为何物，被李世石吃掉三子棋筋，韩豆到 92 手时认输，李世石赢下了三番棋的第一局。三番棋的第 2 局将在 19 日举行。李世石是唯一一名打败 AI 围棋程序 AlphaGo 的人类职业棋手。

宝马公司开源了它在产品中使用的 AI 算法。源代码发布在 GitHub 上，采用 Apache License 2.0 或 BSD 3-Clause 许可证。宝马称，这些算法被用于多种 AI 应用，包括图像识别和图像标记，公开源代码将允许全世界的开发者浏览、改变、使用和改进代码，这将有助于减少自主运输系统和机器人神经网络的开发时间。

根据年度人工智能报告 AI Index 2019 ，美国仍然是 AI 领域的全球领导者：AI 领域发表的同行审议论文在 1998 年到 2018 年之间增长了 300%；最大 AI 会议 NeurIPS 的出席者数量自 2012 年以来增长了 800%；AI 是北美计算机科学学科最受欢迎的专业，21% 以上的计算机科学博士生选择了 AI；虽然中国比其它任何国家出版了最多的 AI 论文，但美国的影响力仍然最大，美国 AI 论文的引用率比全球平均高 40%，美国向 AI 领域的私人投资最多达到了 120 亿美元，而中国是 68 亿美元，美国申请的 AI 专利也最多；AI 算法正越来越快，训练日益便宜，以流行机器视觉算法数据库 ImageNet 为例，2017 年算法需要 3 小时训练，而 2019 年降至了 88 秒；自主驾驶汽车是投资最多的 AI 应用，投资金额达到了 77 亿美元，之后是医疗研究和面部识别的 47 亿美元。

作为唯一一名曾经打败 AI 围棋程序 AlphaGo 的人类，韩国九段棋手李世石上周正式退出职业围棋。李世石说，在 AI 出现之后，他意识到即使通过疯狂的努力再次成为排名第一的棋手，他也无法真正一览众山小，因为有一个实体你无法击败它。Google AI 子公司 DeepMind 开发的 AlphaGo 程序在 2016 年的人机大战中以 4 比 1 战胜了李世石，而这唯一的一场胜利也是人类唯一一次战胜 AI 棋手。李世石认为是程序 bug 导致 AI 失手，他说在前三场比赛输给 AlphaGo 之后他倍感挫折。为了纪念退役，李世石计划在下个月再次对垒 AI 围棋棋手。他的对手是 NHN Entertainment 开发的 HanDol，这名 AI 棋手已经打败了韩国排名前五的棋手。在第一场比赛，他将被让两子，李世石表示即使如此他很有可能会输。

机器学习之父、卡内基梅隆大学机器学习系主任 Tom Michell 教授认为美国对 AI 竞争反应过度。他说，美国有更多研发人工智能训练和经验积累的公司，而中国的优势可能更多体现在以大数据为依托的 AI 应用方面。如医疗行业，美国 20 多年前就开始有医疗文件电子存档，但到今天为止还做不到把全国各地医疗系统所有的电子文档集中起来，为机器学习算法提供数据库。客观原因是美国法律对个人隐私的保护，也跟医疗行业 “城堡” 林立、相互隔绝、盈亏自负的状况有关。中国的情况大不相同。“一旦政府决定建立覆盖全国的医疗记录电子文档数据库…… 那这件事就能办到。”Michell 教授呼吁华盛顿区别对待 “双赢” 类 AI 应用和那些确实敏感、竞争激烈的 AI 科技，比如军用 AI。他还担心华盛顿甚嚣尘上的民粹主义论调将把美国学术和教育圈的外国学者置于孤立处境，而他们许多人为美国保持世界科技领先地位担当了关键角色，其中不少是华人。

虚拟现实（VR）没有如此前人们想象的那样快速发展。著名游戏程序员、Facebook VR 子公司 Oculus CTO 卡马克（John Carmack）宣布他的工作重心将转向通用人工智能，其职务从本周开始将变成“咨询 CTO”，他仍然会对公司的开发工作表达意见，但所占用时间将会缩短。卡马克表示人工智能研究非常有价值，他自认为能取得突破的可能性不大，但尝试下总是可以的。

在现代城市，你时刻在 CCTV 的注视之下。我们无时无刻被监视着。但一件简简单单的 T 恤能让你在 AI 监视下隐身。东北大学、IBM 和 MIT 的一组研究人员设计了一种混淆算法的 T 恤图案。他们的研究报告发表在预印本网站 arxiv 上。此类的反 AI 技术被称为“敌对设计”，旨在欺骗识别算法将看到的东西识别为不同的东西，或者干脆视而不见。在某些情况下，这些设计通过调整整个图像的部分让 AI 不能正确读取。

由 Eric Schmidt 领导的国家人工智能安全委员会发布报告，称美国政府对人工智能的投资落后，需要增加研发投资，培训符合 AI 需求的劳动力，并将该技术应用到国家安全工作中。报告表示，美国政府在将 AI “从潜力巨大的新兴科技转变为融入核心国家安全任务的成熟技术” 方面还有大量工作要做。报告称，中国在 AI 方面的投资超过美国，“中国在很多方面利用美国社会的开放性 -- 有些是合法的，有些不是 -- 来转移 AI 技术。”

受制于数据集的规模，人脸识别算法总数存在一定偏差，用一个地方人群训练的算法未必适用于另一个地方。让数据库覆盖所有人群是很难实现的。北京邮电大学教授邓伟洪团队报告他们取得了新的进展，揭示了当前人脸识别算法中普遍存在跨国家 / 地区识别偏差问题，构建了评价偏差程度的人脸数据集 RFW（racial bias in face recognition），提出了减小识别偏差的信息最大化自适应神经网络，以改进对目标域的识别能力。研究结果在由 IEEE 主办的国际计算机视觉大会（ICCV）上发表。在 RFW 数据库的基础上，研究人员验证了微软、亚马逊、百度、旷视的商业 API 和学术界最先进的 4 个算法，发现偏差确实存在。为了探究这种偏差是否是由训练数据的分布不平衡引起的，研究人员收集了一个涵盖全球各地区人类信息的训练数据库，最终发现偏差的发生受到数据和算法两方面影响。

匿名网友写道：

多产的科幻小说作家阿西莫夫（Isaac Asimov）制定了《机器人三定律》，以期防范潜在的危险人工智能。它们首先出现在他1942年的短篇小说《逃生》中： 第一定律：机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管。 第二定律：机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外。 第三定律：机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。

1985年，在《机器人与帝国》一书中，阿西莫夫将三大法则扩张为四大法则（也称第零法则）：机器人不得伤害人类整体，或坐视人类整体受到伤害。查看全文

阿里在2019云栖大会上首次公布人工智能调用规模：每天调用超1万亿次，服务全球10亿人，已经成为中国最大的人工智能公司。

阿里重磅发布的第三代自研神龙架构，正创新推动云计算的算力变革。据了解，在阿里巴巴内部，神龙架构已大规模应用于淘宝、天猫、菜鸟等业务，可解决天猫双11购物狂欢节等高峰值的性能瓶颈问题。

POLARDB BOX（剖乐迪博 博克斯）实现把云数据库轻松带回家。大会上同期发布的这款高性能数据库一体机，让用户享受云数据库的便捷体验，还为甲骨文等传统数据库用户提供一键迁移功能，最多节省95%迁移成本。发布会现场还进行了生动演示，实现了对25亿全球航班4D数据的毫秒级数据查询。

当前，全球23个城市引入阿里云城市大脑，覆盖了交通、城管、文旅等11个领域，48个场景。城市大脑成为“数字经济第一城”杭州发展的关键动力。

哪些系统设计要求片上系统复杂性进行飞跃式发展？

正确答案绝不仅仅是大家首先想到的大数据中心人工智能（AI）芯片，同时还包括无人驾驶汽车等场景，例如汽车、卡车以及无人机。此外，能够自主着陆的可重复利用火箭，以及可以进行远程诊断的医疗设备，也都是这类芯片的需求主力。凭借着夸张的尺寸与复杂性，这些芯片开始被人们称为“怪兽级芯片”。此类特殊设计主要是为了实现互联网连接，这种连接能力不仅可以带来大数据信息，同时还能实现有助于决策的分布式处理机制。这些与互联网连接的系统，往往需要通过每秒处理超过万亿次运算的方式自行做出一部分甚至所有决策，而这也进一步推动了又一轮硬件与软件创新热潮，并最终令芯片的复杂度迈向前所未有的高度。

根据 Canalys 的数据，百度超过 Google 成为第二大智能音箱供应商。搭载百度智能语音助手平台 DuerOS 的智能音箱市场占有率 2019 年第二季度达到了 17.3%，出货量 450 万，与去年同期相比增长了 37 倍。亚马逊市场占有率超过 25%，出货量 660 万，仍然是智能音箱领域的领先者。百度的 DuerOS 智能语音平台一开始瞄准高端平台，产品销量不佳，百度随后改变了战略，开始瞄准低端平台，与合作伙伴发布了大量售价不到百元的智能音箱产品，它的市场份额在今年第一季度超过此前领先的阿里巴巴。

《自然》网站发表文章讨论了中国 AI 的发展进展，认为中国仍然处于追赶者的角色。中国在 2017 年制定了 AI 发展规划，要在2030 年成为人工智能领域的世界领导者，在技术上超越对手（也就是美国）。过去几年，中国在 AI 领域的影响力在增长。对 AI 论文署名作者的分析显示，Top 10% 高引用论文中国作者的比例在增加，2018 达到了 26.5%，仅次于美国的 29%。如果这一趋势继续下去，中国作者的比例将在明年超过美国。中国还有很多 AI 领域的知名创业公司，这些创业公司有许多估值超过了 10 亿美元。但在 AI 的核心技术工具上中国仍然落在后面，比如设计、构建和训练 AI 的开源平台 TensorFlow 和 Caffe 是美国学者和企业开发的，百度开发的深度学习平台 PaddlePaddle 则主要用于快速开发 AI 产品。主要的 AI 硬件也多由美国公司开发。中国的主要优势在于人口规模，有大量数据可用于训练 AI。

Waymo 公开了其自主驾驶车队积累的庞大数据集，允许研究社区自由使用。竞争对手也可以查看，但被禁止使用这些数据集构建商业自主驾驶汽车。数据集花了 Waymo 几个月的时间去挑选、注释和完善。它由 1000 个驾驶序列构成，每个序列持续 20 秒，相当于 20 万帧，由车载激光雷达、雷达和摄像头传感器等构成。

日本软银投资的 AI 创业公司 Engineer.ai 提供人工辅助的 AI 去实现移动 APP 的自动化开发，但现雇员和前雇员披露该公司夸大 AI 的能力去吸引客户和投资者，所谓 AI 其实就是找印度等地的廉价外包完成大部分 APP 开发。《华尔街日报》报道（付费墙），Engineer.ai 总部位于伦敦和洛杉矶，去年从软银子公司 Deepcore 在内的投资者筹集到 2950 万美元。该公司表示，它的人工辅助 AI 允许任何人通过点击网站菜单去创建移动 APP，用户可选择与自己的想法相似的应用如 Uber 或 Facebook 的 APP，最后 Engineer.ai 会利用 AI 为你自动化创建 APP，它声称这种方法比传统开发模式更快更便宜。但熟悉该公司的现雇员和前雇员称，Engineer.ai 开发的移动 APP 不是利用 AI 而是利用印度等地的软件工程师去完成大部分的工作。

MIT Technology Review 报道，中国的 AI 教育实验可能会重塑世界如何学习的方式。当学术界还在争论 AI 教育的最佳方法时，中国已经付诸实践了。这是世界最大的 AI 教育实验，没有人能预测其结果。AI 创业公司“松鼠 AI 智适应”在中国 200 个城市开设了 2,000 多个学习中心，注册学生超过 100 万。松鼠 AI 的创新之处是其粒度和规模，它的工程团队与资深教师合作将每一门课程的主题分成最小的知识点。中学数学分成了 10000 多个知识点，包括有理数、三角形性质和毕达哥拉斯定理。它的目的是尽可能的精确掌握学生在理解上的差异。知识点设置之后，它们就会与视频讲座、笔记、示例和习题配对。根据资深教师的教学经验它们的关系被编码到“知识图谱”中。