此前有消息称，今年三月发生在亚利桑那坦佩的 Uber 自主驾驶汽车致命车祸是软件 bug 导致的。汽车的传感器在 Elaine Herzberg 扶着自行车穿过马路时就探测到了她，但软件将之分类为 “假阳性”，认为不需要停下来。现在，全国运输安全委员会的事故初步调查报告给出了不同的说法。自主驾驶系统在致命车祸发生前六秒就探测到了行人，但它没有刹车是因为刹车功能被禁用了。为了减少汽车在自主驾驶系统控制下的不稳定行为，紧急刹车功能交给了人类司机，由司机决定是否做出干预启用刹车。但系统并没有设计在发现异常后警告司机。而根据警方公布的视频，车祸发生时司机看起来正在分心看手机——但司机本人否认，称她当时看得是监视自主驾驶软件的触摸屏。

Google AI 研究员 Ali Rahimi 去年 12 月在一次 AI 会议上，指责机器学习算法，即计算机通过反复试验和纠错来学习已经成为某种形式的 “炼金术（YouTube）”。他说，研究人员并不知道为什么有些算法会起作用而另一些则不会，他们在选择一个 AI 架构而非另一个时也没有严格的标准。在近日于加拿大温哥华举行的关于学习陈述的国际会议上报告的一篇论文中，Rahimi 和合作者列举了他们所看到的 “炼金术问题”，并为提高 AI 的严格性开了 “药方”。他说，如果不深入了解构建和训练新算法所需要的基本工具，研究人员创建 AI 就会像中世纪的炼金术士一样诉诸于谣言。Rahimi 的论文强调了被浪费掉的努力以及可能导致的次优表现。例如，它指出，当其他研究人员从最先进的语言翻译算法中去掉大部分的复杂性时，它实际上能够把英语更好地翻译成德语或法语，而且效率更好，这表明其创建者并没有完全理解那些额外部分有什么好处。

德国为自主驾驶汽车制定了世界首个伦理规则：如果自主驾驶系统比人类司机造成更少的事故，那么自主驾驶系统将成为一种道德责任；相比对动物或财产造成的伤害，系统必须最优先考虑人类安全；如果事故不可避免，禁止任何基于年龄、性别、种族、身体特征或其它区别的歧视；驾驶的责任方必须明确；汽车必须安装储存驾驶记录的黑盒子；对于是否将驾驶数据转发给第三方或给第三方使用，人类司机保留独有权；如果面临道德上模糊的事件，人类司机必须重新获得汽车控制权。

下层阶级未来将要与中上层阶级的智能助手而不是真人通话了。在 2018 年度的 Google I/O 开发者大会上，Google 演示了能通过电话完成真实世界任务的 AI 系统 Duplex。为了展示其能力，CEO Sundar Pichai 使用 Google Assistant 通过 Duplex 安排了理发预约和订餐。两次任务中，接电话的人都没有意识到他们是在和计算机对话。即使对话没有按照预计的进行，Google 的智能助手也能理解上下文，做出恰当的回应。Google 称它利用大量的匿名通话数据训练 Duplex。目前这项技术还比较初级，还只能支持一小部分询问，AI 的回应也不是很自然。

半个世纪前，混沌理论的提出者发现蝴蝶效应让长期预测变得不可能。复杂系统的最小扰动也能触发一连串的事件，导致未来发生巨大变化。我们生活在不确定性之幕下。现在，机器人伸出了援助之手。科学家在《Physical Review Letters》 和《Chaos》期刊上发表报告，使用机器学习预测混沌系统的长期演化。这种方法被外部专家称赞为重大突破，被认为具有广泛的应用前景。发现来自资深混沌学家 Edward Ott 和他在马里兰大学的同事，他们利用储备池计算（reservoir computing）算法去学习名叫 Kuramoto-Sivashinsky equation 的混沌系统的动力学。通过数据训练，他们的储备池计算能预测的系统演化时间八倍于旧的方法。

英国议会发表报告，建议在发展和应用人工智能过程中把伦理道德放在核心位置，以确保这项技术更好地造福人类。报告提出，应确立一个适用于不同领域的 “人工智能准则”，其中主要包括５个方面：人工智能应为人类共同利益服务；人工智能应遵循可理解性和公平性原则；人工智能不应用于削弱个人、家庭乃至社区的数据权利或隐私；所有公民都应有权利接受相关教育，以便能在精神、情感和经济上适应人工智能发展；人工智能绝不应被赋予任何伤害、毁灭或欺骗人类的自主能力。

与人类相关的诉讼就很棘手，更不用提 AI 了。虽然具有人类能力的自主机器人还需要几十年时间才会出现，但欧洲立法者、法律专家和制造商们已经展开了一场有关机器人法律地位的辩论：是机器还是人类最终需要为其行为承担责任。这场辩论可追踪到欧盟议会去年初的一份报告，这份报告认为具有自我学习能力的机器人可以被赋予“电子个性”，意味着机器人可以被个别投保，对人类或财产造成的伤害或损害承担责任。支持者认为这是常识，机器人所具有的法律人格将使其变成虚拟的人，可以结婚和受益于人权。但反对者认为，从法律和伦理的角度赋予机器人法律人格是不合适的。

研究人员利用 AI 去分析刻板印象的演化过程。研究人员设计了使用词嵌入 (word embeddings)的程序。通常，一串数字代表一个单词的意思，而这些单词的意思是基于文本中的周围其他单词所考量的。例如，如果人们倾向于把女性描述为情绪化的，那么 “情绪” 这个词语会比 “男人” 这个词汇更频繁地出现在 “女人” 的旁边，而文字的嵌入将会把它挑出来——“情绪”的嵌入将会比 “男人” 更加接近“女人”。而这便是对女性的一种偏见。通过对几十年来出版的英语文本进行分析，研究人员发现，几十年来，与能力相关的词汇——比如 “足智多谋” 和“聪明”——正在慢慢变得不那么男性化。但是与外表有关的词语——比如 “迷人” 和“居家”——却依然没有太大的变化。在过去的几十年里，这些词汇的嵌入仍然明显与 “女性” 有关。

因为自动驾驶汽车在旧金山的一条街道上与行人靠得太近，警方给汽车开了张罚单。这辆汽车属于旧金山公司 Cruise，被交警拦下来开了罚单，原因是它没有礼人行横道上的行人。Cruise 公司为其辩护，称数据显示行人与汽车的距离还比较远，它的自动驾驶汽车并没有犯错。当时行人和汽车距离 10.8 英尺，而在此次事故中行人没有受到任何伤害。

3 月 23 日周五上午 9 点，苹果工程师 Walter Huang 驾驶特斯拉 Model X 汽车在加州 101 公路和 85 公路交接处发生致命车祸，车祸发生时汽车启用了自动驾驶（或自动辅助驾驶）功能。根据 ABC 的跟踪报道，此次车祸可能并非是孤例。去年 9 月 21 日发生的特斯拉车祸与上个月的车祸有很多相似之处，幸运的是司机没事，安全隔离带发挥了作用。多名特斯拉司机在网上公布视频，显示自动驾驶控制的汽车偏离了路线。一名特斯拉司机的通勤路线与 Walter Huang 相同，他本周记录下了类似的现象，自动驾驶控制的汽车没有任何警告的突然左转冲向隔离带，迫使他立即接管了驾驶。另一名 Model X 司机也指出他的汽车自动驾驶下在通勤路线的相同地点多次发生突然转向。

上周五早晨苹果工程师 Walter Huang 驾驶特斯拉 Model X 汽车在加州 101 公路和 85 公路交接处发生车祸，汽车撞在了隔离带，期间汽车启用了自动驾驶。而据 ABC 报道，Huang 曾向汽车零售商抱怨自动驾驶曾多次在同一地点转向隔离带。特斯拉发表声明称，“通过恢复车载电脑中的行车日志，对于事故当时可能发生的情况，我们已经了解了更多的信息。在碰撞发生前（ 3 月 23 日周五上午 9 点 27 分之前）的时段里 ，自动辅助驾驶处于使用状态，主动巡航控制中的跟车距离被设置为最小距离。在驾驶过程中，系统发出了数次影像提示和 1 次声音提示，要求驾驶员双手握住方向盘。但在事故发生前的 6 秒内，系统没有检测到驾驶员将双手放在方向盘上。从距离高速公路混凝土隔离带 150 米处，驾驶员的视野就可以清晰看到隔离带，并有 5 秒左右的反应时间。但遗憾的是，行车日志显示，驾驶员并未采取任何行动...在美国，平均每行驶 8600 万英里就有一起致命汽车事故发生。而对于配有自动辅助驾驶硬件的特斯拉车辆，这个数据为平均每行驶 3.2 亿英里（其中包括已知的行人致死事故）。这意味着，如果你驾驶装备自动辅助驾驶硬件的特斯拉车辆，遭遇致死事故的可能性会低于平均值的 3.7 倍...目前，全世界每年有近 125 万人被车祸夺去生命。如果配备与特斯拉同等安全级别的车辆在世界范围内得到广泛应用，意味着每年有大约 90 万人能免于在车祸中失去生命。我们认为自动驾驶车辆的安全水平将比非自动驾驶车辆高出 10 倍。”

加州旧金山的 Rima Arnaout 和她的同事在《Digital Medicine》期刊上发表研究报告，使用卷积神经网络训练 AI 系统去分类超声心动图。超声心动图是人类心脏病专家检查心脏图像的第一步，心脏是个复杂的器官，超声波心动仪需要从多个不同角度拍摄视频，当医生准备分析视频时，他们首先需要确定图像的角度和器官的解剖特性。在实验中，AI 分类的准确率达到了 92%，而人类只有 79%。Arnaout 强调这个 AI 系统还没有准备好取代人类的心脏病专家，最好的技术仍然掌握在人类心脏病专家的大脑中。

前 Google 大中华区总裁现在的著名风险投资人李开复表示，没有多少国家能受益于 AI 革命，绝大部分国家将会面临麻烦。很多人并不赞同他的观点。李开复称，能受益于 AI 革命的国家只有美国和中国，两个国家人口庞大，同时也拥有技术，而其他大国有人口但没技术，也没有 Google、腾讯、百度、阿里巴巴、Facebook或亚马逊。他举例说，如果一个非洲国家主要使用 Facebook 和 Google，那么他们将提供数据给 Facebook 和 Google，帮助对方赚更多钱，而他们的工作仍然会被取代。

伊利诺大学香槟分校的 Naresh Shanbhag 认为，为了满足今天的数据密集任务，是时候改变传统的冯诺依曼架构了。在上个月举行的国际固态电路研讨会上，他和同事提出了新的架构设计，将计算和存储器更紧密的结合在一起。他们的想法不是完全取代处理器，而是给存储器增加额外的功能，使得设备在无需消耗更多电力的情况下变得更智能。为了将 AI 从云端延伸到消费电子设备，这些工程师相信行业必须采用新的设计。传统的架构为了将数据从存储器转移到处理器需要消耗大量电力，转移本身的功耗 10 倍甚至 100 倍于计算，而 AI 是个电老虎。

亚利桑那州坦佩市警方公布了 （另一地址）Uber 自主驾驶汽车撞死行人的录像，录像分为车内和车外两个视角，其中车外录像显示，在漆黑的夜里，一名正推着自行车过马路的女子突然出现在车灯照亮的区域，自主驾驶系统和司机都没有做出任何反应动作，直接撞上去了。这是首例自主驾驶汽车撞死行人的事故。车载激光雷达未能探测到行人是其中一个问题，另一个问题是车头灯照亮区域太狭窄以至于无法做出任何反应，这次事故从目前看来 Uber 需要负主要责任。

根据牛津大学的一项研究，中国在 AI 领域仍然远远落在美国后面。对于中国在 AI 技术上的总体能力， 报告打了 17 分，而美国的得分是 33 分。除了数据，中国在驱动 AI 开发的每一方面都只是跟着美国，包括硬件、研究、算法和商业化。中国面临的最大障碍是硬件如微处理器和芯片。中国已经制定了计划，到 2030 年要成为 AI 的创新中心。中国有 13.8 亿人口，超过 10 亿部智能手机，以及 7 亿网民，但这份名为《Deciphering China’s AI Dream》（PDF）的报告认为，数据不足以让中国赢得 AI 军备竞赛。

Uber 的一辆自主驾驶汽车在美国亚利桑那州坦佩市发生致命车祸，49 岁的 Elaine Herzberg 周日晚上推着自行车穿过马路时被汽车撞死，这是已知首例自主驾驶汽车杀死行人的事故。Uber 的试车驾驶员 Rafael Vasquez 当时正坐在方向盘后。Uber 随后暂停了在其它城市的无人驾驶汽车测试项目。警方表示，初步数据显示在限速 35 英里的区域汽车的时速接近 40 英里。Uber 表示将会完全配合警方的工作，而美国国家运输安全委员会宣布已发起调查。

微软研究团队报告它的 AI 在新闻中文翻译英文的质量和准确性上媲美人类。微软负责语音、自然语言和机器翻译的研究员 Xuedong Huang 称这是在最具挑战性的自然语言处理任务上面取得了一个重大里程碑。他表示在翻译上取得一个重大里程碑尤其令人欣慰，因为它有助于人们更好的理解彼此。微软自然语言处理小组的负责人 Ming Zhou 谨慎的表示前方仍然有很多挑战，系统还需要接受真实新闻故事的测试。为了改进翻译的质量和准确性，研究人员组合使用了深度学习网络、双重学习和 Deliberation Networks，开发了两种新技术——联合训练和一致性规则化。

丰田的雇员利用空闲时间开发出了类人投篮机器人 CUE，以《灌篮高手》里的樱木花道的外形为模型，其命中率接近 100%。朝日新闻的报道称，CUE 利用了人工智能，而参与开发的雇员以前并没有 AI 或机器人的经验，一切都是从零开始。开发团队通过互联网上的材料学习人工智能。CUE 身高 6 英尺 2 英寸，低于 NBA 运动员的平均身高，它的 AI 程序训练了 20 万次。

每当中国举行重大会议期间，政府都会实施更严厉的安检。百度 CEO 李彦宏表示安检给人们的生活带来了不变，他认为未来将不再需要手动检查。中国在 AI 技术方面的进步正改变安检面貌。在两会前夕，科技日报报道称中国上线了天网系统，“今年两会采用的动态人脸识别实时预警系统，可进行人脸捕获、分析、比对和预警，实现动态布控，对两会安全起到了重要保障作用。这套系统被称为人脸识别的‘天网’，因为它一旦开启，无论要搜寻的人身在何处，都能通过动态人脸识别，在数秒内识别 20 亿人，对目标的面部准确定位。这本是科幻片《少数派报告》中的情节，如今正成为日常生活的一部分。这项来自中科院院士、清华大学计算机教授张钹团队的动态人脸识别技术，在硬件计算能力保证的前提下，可实现每秒比对 30 亿次，2 秒钟就能将全世界的人脸比对个遍。”参与摄像头开发的北京星云科技公司 CEO Shi Pengfei 认为 AI 不会完全替代人类，因为人类会伪装外表甚至指纹，所以仍然需要人类安检在场。