Google AI 子公司 DeepMind 的研究人员本月早些时候发表论文，宣布他们的 AI 程序从 AlphaGo Zero 进化到了 AlphaZero，利用自对弈增强学习在数小时内打败了顶尖的国际象棋和日本将棋程序。那么 AlphaZero 是否代表着 AI 领域的一大突破？一位 AI 研究人员认为 DeepMind 的研究存在很多可质疑的地方。首先 AlphaZero 运用的方法不是新的，自对弈增强学习已经存在了几十年，蒙特卡罗树搜索也不是什么新事物。如果要指出进步之处，那就增强学习和蒙特卡罗树搜索的组合更可靠了。DeepMind 没有公开它的 AI 系统源代码，因此难以检验和重复它公布的结果。它的竞争对手 Stockfish 则是一个开源的国际象棋程序，在对战中 DeepMind 没有使用 Stockfish 的最新版本，更重要的是它运行在普通的 PC 上，而 AlphaZero 运行的是专门设计的处理器 TPU，效率远甚于传统 CPU。比赛设置也非常不公平，每一步只给出一分钟的思考时间，AlphaZero 速度更快能思考更多走法，而 Stockfish 明显在运算上处于劣势。

在上海举行的 Google 开发者大会上，搜索巨人宣布成立 AI 中国中心，这是该公司在亚洲成立的第一个 AI 研究中心，将招募中国本地人才。Google 的绝大多数服务在中国至今仍然遭到屏蔽，而且看不出有解禁的可能。Google Cloud AI and Machine Learning 首席科学家李飞飞在官方博客上称赞了中国在 AI 领域的优势：过去三年 ImageNet 挑战赛的三支获胜团队主要由中国研究人员组成；2015 年 Top 100 AI 期刊内容中国研究人员贡献了 43%；当 Association for the Advancement of AI 发现其年度会议与中国新年重叠时它改变了日期。李飞飞称，无论 AI 的突破发生在硅谷还是北京，它都能让世界上每个人的生活变得更好。她说，AI 科学无国界，它的受益也没有国界。Google 发言人称该公司在中国有两个办公室，大约 600 名雇员，其中一半工作在全球产品上。

Google 旗下的 AI 子公司 Deepmind 发布了 AlphaGo 教学工具。AlphaGo 团队核心成员黄士杰在其 Facebook 账号上介绍说，“本教学工具总共收录了约 6000 个近代围棋史上主要的开局变化，从 23 万个人类棋谱中收集而来。所有盘面都有 AlphaGo 评估的胜率，以及 AlphaGo 推荐的下法。 所有 AlphaGo 的胜率与推荐下法，AlphaGo 都思考将近 10 分钟（1000 万次模拟）。每一个开局变化，AlphaGo 都固定延伸 20 步棋。加上 AlphaGo 的下法，整个教学工具约有 2 万个分支变化，37 万个盘面。受限于投稿“自然”杂志的时程，本教学工具使用的版本是 AlphaGo Master。希望大家享受 AlphaGo 教学工具中的创新下法，也能从中有所收获。”

对于 AI 的发展来说，理解视频中的动态行为是接下来的关键发展方向，这对于 AI 用其软件理解世界至关重要，也有助于 AI 在医疗、娱乐和教育等领域的广泛应用。 解释视频的 AI 系统，包括自动驾驶汽车中的系统，常常依赖于识别静态框架中的对象，而非对行为进行解释。 但对 AI 来说，能理解猫为何会骑着 Roomba 扫地机器人在厨房与鸭子追逐嬉戏，才是彰显其能力之处。 因此，科学家面临的下一个挑战可能是教会机器不仅理解视频包含了什么内容，还要理解镜头中发生了什么。这可能带来一些实际的好处，比如带来强大的搜索、注释和挖掘视频片段的新方法，也可以让机器人或自动驾驶汽车更好地理解周围的世界如何运转。

被解雇的技术员工从聊天机器人那里寻求心理治疗。被称为 Wysa 的聊天机器人利用了人工智能，承诺“忠诚、给予支持和非常私密”。一位遭到解雇的印度 IT 外包技术服务经理称，他从机器人那里感受到了倾听和理解，他现在从原公司的竞争对手那里找到了一份新的工作。Wysa 由一对夫妻团队 Ramakant Vempati 和 Jo Aggarwal 开发，利用自然语言处理去理解和分类对话，然后用治疗师制定的富有同情心的方案来回答问题。Aggarwal 说，聊天机器人提供了一只有同情心的耳朵，不做判断的倾听，将对话者导向积极面，对话会让人感到自然而真实，所有咨询服务都是匿名和免费的。该公司主要通过授权 AI 技术给企业级客户获利。

Google AI 子公司 DeepMind 的研究人员本周在预印本网站 arxiv 发表论文（PDF），称他们的 AI 程序从 AlphaGo Zero 进化到了 AlphaZero，通过自对弈在数小时内打败了最出色的国际象棋和日本将棋程序。AlphaGo Zero 是通过强化学习方法训练花了 40 天时间成为超越人类的最强大围棋选手。AlphaZero 应用了类似但更通用的算法，它只掌握最基本的棋类规则，然后通过自对弈反复训练强化学习逐渐进化。它用了 8 小时超越了打败李世石的版本 AlphaGo Lee，用了 4 小时打败了最出色的国际象棋程序 Stockfish，用了 2 小时打败了将棋程序 Elmo。AlphaZero 和 AlphaGo Zero 一样都只使用 4 个 TPU。

将原子视为字母分子视为单词，IBM 的 AI 软件利用翻译语言的方法去预测有机化学反应的结果。这项研究可能有助于加速新药的研发。过去五十年，科学家尝试训练计算机模拟化学反应，让计算机帮助预测有机化学反应的结果。但有机化学极端复杂，对其的模拟被证明既耗费时间也不精确。现在，IBM 的研究人员将语言翻译技术应用于有机化学。IBM 苏黎世研究院的 Philippe Schwaller 称，AI 程序的模拟精确度能达到 80%，目前 AI 能处理的最大分子由大约 150 个原子组成。研究人员表示没有理论上的理由 AI 不能工作在更大的分子上。

在中国测试人工智能前沿应用的时候，科大讯飞成了中国科幻野心与这种技术的反乌托邦黑暗可能性的一个令人信服的例子。科大讯飞主持的一个实验室正在为中国国内的安全部门开发语音监听能力。与政府的这种紧密关系可能会让科大讯飞及其他中国公司在这个新兴领域获得优势。专家说，中国政府的财政支持为中国企业提供了大量的资源，中国没有得到严格执行的、未经实践检验的隐私法让公司能获得大量的声音、面孔和其他生物识别数据，这些数据能帮助公司发展这方面的技术。中国 “没有西方企业所面临的严格的隐私法，中国公民也不反对他们的数据被收集，因为（可以这样说），政府监控是中国的现实，” 研究公司 Sanford C. Bernstein 的分析师们今年 11 月在一份报告中写道。“数据是金，”密歇根州立大学研究生物统计学的教授 Anil Jain 说。“如今，你无法（在没有数据的情况下）设计出准确可靠的识别任何东西的系统。”

Google AI 已经能发明自己的加密算法，现在它还能创造自己的 AI 了。Google Brain 团队今年早些时候公布了 AutoML，能自己生成 AI 的 AI。研究人员尝试用 AutoML 创造出性能打败人类 AI 的子 AI。他们使用了强化学习的方法自动化机器学习模型的设计，AutoML 作为一个控制器神经网络创造一个执行特定任务的子 AI 网络。这个被称为 NASNet 的 子 AI 的任务是从视频里实时识别目标如人、汽车、交通灯、手提包和背包。AutoML 会评估 NASNet 的表现，然后使用获得的信息开发改进版本，重复这一过程数千次。研究人员用 NASNet 测试了 ImageNet 图像分类和 COCO 目标识别两大数据集，在 ImageNet 的测试中 NASNet 的正确率达到了 82.7%，比人类的最新结果高 1.2%，效率高 4%，计算需求也更少。

上个月初日内瓦举行的联合国致命自主武器系统会议没有取得进展，俄罗斯在会议上公开表示它不会遵守任何对杀人机器人的禁令。这次会议的与会国尝试定义自主武器系统和制定相关限制。俄罗斯在一份声明中表示，由于缺乏自主武器系统的工作样品，因此很难制定此类武器的禁令。俄罗斯国防承包商据报道已经在开发利用人工智能判断和射击目标的武器系统。俄罗斯被认为从年初开始就一直在拖延，它甚至不希望举行会议。

间谍卫星及其商用卫星每天拍摄了数十 TB 的卫星图像，而人类分析师只能从卫星图像中筛选出高价值的目标如核设施和导弹。这就是为什么美国情报机构资助了自动识别卫星图像中感兴趣目标的 AI 挑战赛。挑战赛从 7 月开始，参赛者用世界最大的卫星图库数据集训练机器学习算法，该数据库由 U.S. Intelligence Advanced Research Projects Activity 提供。10 名决赛选手将能在 12 月底在一个秘密的卫星图像数据集里测试他们的 AI 算法。美国情报机构想要用 AI 自动处理目前由人类完成的四分之三的工作负荷。

扫地机器人 Roomba 的制造商 iRobot 正在测试软件让机器人能理解所有的房间。Roomba 采用的方法是尝试将混乱的占用网格变得有用。占用网格是一种二元地图，代表着一个给定的空间被东西占用或没有东西。Roomba 在扫地过程中会根据遇到的情况将信息加入到占用网格，比如墙壁、桌脚或鞋子。扫地机器人创造的占用网格无法精确代表你的房间。下一步是利用 CPU 将占用网格以一种人类能理解的方式分割到不同房间，一旦完成机器人将能以根据最有效的路径制定计划。iRobot 开发的方法叫 RoomsSeg。

多年来，投行招募顶尖的程序员来帮助他们的交易员用软件执行交易策略。现在，它们找到了更好的方法：让程序员变成交易员，由程序员接管交易。但在另一方面，金融行业的经理们也正在努力帮助他们的雇员适应这一未来趋势。咨询公司 EY 正鼓励他们的雇员自学 AI 和其它相关主题以避免被淘汰。美国银行和富国银行也都表示正考虑如何帮助雇员个人发展。随着金融行业用计算机系统处理各种事情，没有什么职业会不受影响。在高盛公司，程序员多年来已担任着日益重要的角色，而这一转变正在加速。高盛正在争抢有技术和定量背景的应聘者。

Google 工程师 Jeff Dean 最近在硅谷和中国的演讲中，专门提到一个名为 AutoML 的项目。ML是机器学习(machine learning)的缩写，指的是通过分析数据来学习如何完成某种特定任务的计算机算法。AutoML 指的是一种学习如何构建其他机器学习算法的机器学习算法。它能在构建人工智能系统时在一定程度上不需要人类，许多人认为这是技术产业的未来。它属于人工智能研究一个重要趋势的一部分。专家将其称为“学会学习”或“元学习”。 许多人相信，这种方法会极大地加快网络及现实中人工智能的发展。这些方法不能完全取代人工智能研究人员。专家仍需做大部分重要的设计工作。但它要实现的是以少数专家的工作来帮助其他更多的人搭建自己的软件。

Anthony Levandowski 是 Waymo 和 Uber 诉讼案的核心人物，他被前雇主 Waymo 指控窃取了 1.4 万份自主驾驶汽车机密文件，因为拒绝合作而遭到 Uber 解雇。你认为他遭到解雇后会干什么？创办新公司？不是，他创办了新的宗教，膜拜的对象是人工智能。根据递交到美国国税局的文件，新宗教的名称叫 Way of the Future（WOTF），Levandowski 是新教会的领袖兼运营该教会的非营利组织 CEO。WOTF 的活动将集中在领悟、接受和崇拜基于 AI 的神格，包括资助创造出 AI 之神。WOTF 寻求与 AI 行业领袖建立合作关系，通过社区外展创建会员。Levandowski 首次接受了公开采访，谈论他的教会，表示他对这个项目非常严肃和认真。为了避免被指试图骗钱，Levandowski 表示他不领取薪水，他相信改变即将到来，这一改变将转变人类存在的所有方面，可能也将决定人类作为一个种族的生存。

中国公司麦克奥迪宣布与比尔梅琳达盖茨基金会支持的 Global Good 基金合作推出用于对抗耐药性疟疾及病例管理的人工智能驱动显微镜 EasyScan Go。运用自定义图像识别软件，EasyScan Go 能在 20 分钟内识别和计数血片中的疟疾寄生虫。“疟疾是在显微镜切片上最难识别的疾病之一”, 戴维 · 比尔 （David Bell）, Global Good 全球健康技术总监表示：“通过让实验室技术员操作人工智能显微镜，我们可以克服两个主要障碍用于对抗变异寄生虫——改善了病例管理中的诊断及标准化了跨地域和时间的识别。运用人工智能显微镜自动化该过程可以缓解资源贫乏国家专业人员的短缺。每年有近百万人死于疟疾，研究人员估计全世界将近一半的人口有被感染的风险。

前 Google 自主驾驶子公司 Waymo 正在公路上测试真正的无人驾驶，也就是汽车方向盘后没有坐着人。Waymo 正在亚利桑那州的 Chandler 地区测试无人驾驶，测试不限于一条或两条线路。Waymo 试图率先实现 L4 级的自动驾驶，这意味着其汽车能在预先设定的区域实现完全自动驾驶，这些区域都经过了仔细的地图绘制与测试。该公司计划将这一测试扩展到整个凤凰城，但并未给出时间表。竞争对手们承认，Google 在技术上仍然领先，尽管怀疑者质疑，人工智能技术是否已完善到足以应对道路上可能发生的许多无法预见的情况。

官方的中国围棋协会宣布，鉴于围棋人工智能发展速度，2017 年进行的余下围棋职业比赛将禁止携带电子设备。当然围棋 AI 虽然进步显著，但还没有达到能在移动电子设备上运行的地步。Google AI 子公司 DeepMind 开发出的最先进围棋 AI AlphaGo Zero 需要 4 个专门用于运行深度学习算法的 TPU。中国围棋协会宣布， “1. 比赛期间，对局棋手一律禁止携带、观看手机及其他电子设备，一经发现立即判负。比赛期间指从对局开始到对局结束，包括中间休息的全部时间...3.包括午休时间在内，对局棋手一律禁止回房间。如因特殊情况必须返回房间的，须有当值裁判陪同。4. 团体比赛中，如发现棋手所在队领队、教练及其他相关人员利用人工智能技术影响对局进程，一经查实，全队当轮成绩取消。5. 上述规定，须由当值裁判长在比赛前向对局棋手宣读，赛前棋手可将手机等电子设备交至裁判长处保管。其他细节规定将于 2018 年出台。”

最大的矿机制造商比特大陆将在明天举行的 AIWORLD 会议上公布基于 ASIC 的深度学习芯片“智子 BM1680”，该公司将开始销售基于这款 AI 芯片的系统。比特大陆的矿机占据了七成市场份额。根据公布的 BM1680 规格，这款芯片使用 32 位浮点运算，运算速度 2 teraflops，正常功耗 25 瓦，全速运行时功耗会提高到 41 瓦。比特大陆声称，BM1680 的架构类似于 Google 的 Tensor Processing Unit（TPU）。该架构被称为 systolic。该公司工程师称，他们在 2015 年底开始开发自己的 AI 芯片，采用了增强版的 systolic 技术，类似 Google 的 TPU。

绝大多数软件的 bug 不会杀死你，但自主驾驶汽车的 AI 可能是一个例外，错误可能会导致 AI 在错误的时间做出错误的决定。哥伦比亚大学和 Lehigh 大学的研究人员设计的 DeepXplore 方法能在不同神经网络触发尽可能多的冲突决策，系统性的暴露软件错误。比如 DeepXplore 在 Nvidia 的 DAVE-2 自主驾驶软件发现了一个错误，能导致汽车撞上公路上的护栏。研究人员深知，只要恶意的黑客能利用一个 bug，整个系统就仍然是脆弱的。研究人员的测试发现，DeepXplore 在各种深度学习应用中发现了数以千计的以前未知的 Bug。它并不能保证能发现系统的所有 bug。