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。

自主驾驶技术被认为不仅能减少人为失误导致的车祸，还能提高城市交通利用率，减少拥堵。主要汽车制造商和打车软件公司都是积极研究自主驾驶。现在打车软件公司 Lyft 公开了它的自主驾驶研究数据集 Level 5 Dataset。它包含了 5.5 万多个人类标记的 3D 注释帧，可行驶的表面地图，语境化数据的 HD 空间语义地图。Lyft 称，学术研究能加速创新，但大部分学术研究团队接触不到花费巨资收集的数据，通过公开数据集它希望能推动自主驾驶相关的研究工作。

微软宣布向硅谷的 AI 研究公司 OpenAI 投资 10 亿美元支持它构建通用人工智能，两家公司还将展开合作利用微软的云计算平台 Microsoft Azure 开发 AI 运行的软硬件平台。双方将联合开发 Azure AI 超算技术，微软将成为 OpenAI 的独家云服务商。微软 CEO Nadella 表示这笔投资最终会通过 Azure 业务回收。OpenAI 开发者则表示他们计划在五年或更短时间内花掉了这 10 亿美元。

TabNine 的开发商推出了新的深度学习模型 Deep TabNine，能显著改善代码建议质量。TabNine 是一个代码自动完成工具，能在开发者输入代码时预测其余的代码，它支持 23 种编程语言和 5 种代码编辑器。Deep TabNine 使用了 GitHub 上的两百万文件训练，学习动态类型语言中的复杂行为如类型推动，预测标记。它能根据自然语言写的文档推测函数名、参数和返回类型。Deep TabNine 是基于 OpenAI 开发的 GPT-2。

过去，因为计算机的计算能力有限而迫使软件开发者开发出高效的代码以充分利用已有的算力；今天，至少在短期内计算机的算力够充裕了，但为了快速迭代软件开发者的开发时间变得有限了，因此开发者利用了各种已有构件库，依靠算力去抵消代码的低效。但算力不会无限增长下去，开发者将会面临需要优化代码去利用算力。Facebook 负责 AI 的副总裁 Jerome Pesenti 对现有 AI 依赖算力表达了担忧，认为未来几年软硬件的优化将会变得至关重要。

2019 软件定义卫星高峰论坛上，中国科学院院士、中国探月工程首任首席科学家欧阳自远表示，计划在年底发射的嫦娥五号将在月球表面软着陆，着陆地点位于月球正面，着陆位置将由搭载的计算机确定。欧阳自远称，“探测器非常聪明，它会一直晃来晃去地拍照，琢磨这个地点安全不安全，如果 4 个点不能在一致的水平面上，是会翻车的。” 它一直在计算、挑剔，边走边找，最后作出判断和决策。为什么不拍个照片让地球上的人确定落在哪呢？“人来不及帮它判断。” 欧阳自远解释：一张照片，传到地球需要 1.3 秒，收到后再花几秒钟判断 “哦，这里不行，再找”，再次指令传给它又要 1.3 秒。

1886 年，英国考古学家 Arthur Evans 发现一块古老石头上刻着未知语言。石头来自于地中海的克里特岛。 Evans 动身前往希腊的这个岛屿发现了更多刻有文字的石头石板，时间可以追溯到公元前 1400 年左右。他与同行确定了两种文字，其中最古老的被称为 Linear A，上溯至公元前 1800 年到 1400 年左右；另一种被称为 Linear B，是在公元前 1400 年后出现的。许多人尝试破解这些古老的文字，但都失败而归。直到 1953 年业余语言爱好者 Michael Ventris 破解了 Linear B。原因是他做了两个重要假设，其一是他假设 Linear B 中大量重复的字指代的是克里特岛；其二是假设内容多数与古希腊有关。两个假设被证明都是正确的。但 Linear A 至今仍未破解。MIT 的两位研究人员与 Google AI 实验室的 Yuan Cao 开发了一种机器学习系统，能自动翻译失落的语言，他们演示了用它去破译 Linear B（未提及 Linear A）。他们的研究报告发表在预印本网站 arxiv 上。

加州公用事业委员会批准 Waymo 参加该州无人驾驶汽车客运服务的试点。该公司发表声明透露试点地区位于湾区南部。新牌照将允许 Waymo 使用无人驾驶汽车，包括克莱斯勒 Pacifica 混合动力小型面包车，以及捷豹 I-PACE 电动汽车来提供客运服务。该公司仍将面临某些限制，包括不能收费，以及车辆中必须配备司机以确保安全。Waymo 还必须向加州公用事业委员会提供客运总里程和安全程序等信息。

在河南的一个小村庄，农民们聚集在一起拍照。拍的照片被用于训练 AI 识别真实面部特征，而村民则通过贡献照片换取茶杯或砂锅 。千机数据公司执行长刘阳峰称，“最大的项目有成千上万人参加，他们全部是当地人。”“我们正在创建更多的数据组来为更多的人工智能算法公司服务，它们可以服务于中国的人工智能开发，” 他拒绝透露他的客户。对用于训练 AI 算法的数据需求激增，正在推动一个全新的全球行业，该行业收集照片和视频等信息，然后进行标记并最终让计算机知晓所看到的内容。得益于蓬勃发展的 AI 行业带来的无尽需求，中国已成为重要的数据采集和标注中心。

Adobe 官方博客说，它的流行图像编辑软件 Photoshop 对视觉文化产生了巨大的影响，然而图像编辑的流行也带来了新的伦理方面的问题：如何辨别图像的真伪？ Adobe 的研究人员 Richard Zhang 和 Oliver Wang 与他们在加州伯克利的同事合作正在开发一种实验性工具能区分图像是否 PS 过。鉴于 Photoshop 的 Face Aware Liquify 被广泛用于修饰脸部，该工具目前主要集中在这一功能上。他们的论文发表在 arXiv，代码发布在 GitHub上。Adobe 称人类在判断脸部修改上的正确率只有 53%，它的 AI 神经网络能达到 99%。

加拿大的 Element AI 根据 2018 年内在 21 个国际学会上发表的论文调查了作者人数和经历，统计了顶尖 AI 人才的分布。调查显示，全球有 2.24 万 AI 方面的顶尖人才。其中约半数在美国（1 万 295 人），其次是中国（2525 人）占到 1 成。英国（1475 人）、德国（935 人）和加拿大（815 人）次之。AI 人才较多的欧美和中国近年来出台国家政策，培育了覆盖综合科学技术领域的人才。美国自 10 多年前开始，推行理科和数学教育的振兴政策，大幅增加了科技相关教师人数。中国也于 2017 年制定新一代 AI 发展计划，推进新设置 AI 专业等。

根据科技部发表的《中国新一代人工智能发展报告 2019》，2013-2018 年，全球人工智能领域的论文文献产出共 30.5 万篇，其中，中国发表 7.4 万篇，美国发表 5.2 万篇。中美两国之间人工智能科研论文合作规模最大，是全球人工智能合作网络的中心，中美两国合作深刻影响全球人工智能发展。虽然 AI 论文数量最多，但中国论文的引用率指标仍然比较低。报告称，全国 30 多所高校成立了 AI 学院，75 所高校自主设置了 89 个人工智能相关二级学科或交叉学科，人工智能还进入高中新课标。

Google 的电话智能助手 Duplex 开始为用户提供服务，它使用 AI 帮助用户完成预约或订餐等任务，这项技术给人留下了很深刻的印象，尤其是你以为的 AI 其实是人类的时候。某天下午，一家餐厅的服务员接到了 ID 为 Google Assistant 的呼叫者的订餐电话，服务员察觉打电话的人真的像人类，于是问对方是不是机器人，对方立即回答他不是机器人。Google 随后证实打电话的人来自一家呼叫中心。搜索巨人称 25% 的 Duplex 呼叫始于呼叫中心的工作人员，15% 的自动系统呼叫在某个时候需要有人类介入。换句话说智能电话助手很大一部分还是靠人来运作。在 Duplex 能真正为人类提供服务前它还需要接受更多的呼叫训练，向 AI 的过渡是逐步的。

肺癌是对人类健康和生命威胁最大的癌症之一。专家建议对高危人群进行低剂量的计算机断层扫描筛查。放射科医生会根据结节大小、密度和生长对图像进行解释，但超过 80% 的肺癌病例都没有在早期发现。根据发表在《Nature Medicine》期刊上的一项研究，Google AI 的研究人员开发出一种可预测肺部恶性肿瘤的深度学习模型，其表现相当于甚至优于经验丰富的放射科医生。研究人员利用 42,290 幅肺癌患者的 CT 扫描图像对神经网络模型进行训练，该模型预测了 6,716 个病例中的结节，准确率达到 94%。他们又开展了两项研究，将该模型的表现与放射科医生进行比较。六名放射科医生参与了对比，他们平均拥有八年的临床经验。在未提供先前的 CT 扫描图像时，该模型的表现优于全部六名医生，假阳性率减少 11%，假阴性率减少 5%。在提供先前的 CT 扫描图像后，该模型的表现与医生相当。

腾讯利用人工智能 (AI) 为帕金森病患者诊断的项目开始在伦敦进行临床试验，这一项目是与英国初创企业 Medopad 合作进行的。两年前，中国政府要求这家科技巨头牵头开发用于医疗诊断的 AI 项目。“我们有很多共同的愿景，”腾讯医疗 AI 实验室主任范伟表示。“我们发现我们的道路越来越近了。”据 Medopad 公司介绍，帕金森病诊断的临床试验将在伦敦的一家私人精神健康诊所 Dementech Neurosciences 进行，大约 40 名患者参与试验。这项试验将在未来几个月完成。有 30 多名 Medopad 员工参与了与腾讯的合作。腾讯也有 35 人参与这一项目。

亚马逊内部文件（PDF）显示，电商巨头利用算法去自动解雇未达到生产率指标的仓库工人。去年签名的一份信函中，代表亚马逊的律师表示，由于未能达到生产率指标，该公司在 2017 年 8 月到 2018 年 9 月之间解雇了一个运营中心的数百名雇员。公司发言人称，由于无效率大约 300 名全职雇员的岗位被终止，而该运营中心有大约 2500 名雇员，解雇数量超过了员工总数的 10%。文件展现了亚马逊的一个自动化的跟踪和岗位终止流程。亚马逊的自动化系统跟踪了每一名员工的生产效率，无需上司意见就能自动发出与质量或生产率相关的警告或岗位终止。亚马逊则表示，上司可以推翻系统的决定。