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。

得州奥斯汀的研究人员正在开发有自己想法的机器人，他们将 AI 整合到机器里，使机器人能应对真实世界的情况。研究人员的目标是创造出能执行简单指令的机器人，但说起来容易做起来难，至今为止他们只做到让机器人避免碰撞到东西。机器人需要做到识别目标和人，理解而不只是识别人类语音。研究人员说，机器人必须能处理人类带到环境中的动态、噪音和不可预测性。

无人驾驶里的人工智能 写道 "在连接唐山市区和曹妃甸的高速公路上，几辆图森未来科技（TuSimple）的重型卡车飞驰而过。卡车前方装配 10 个摄像头，不断闪烁的侧灯更让这些卡车尤为醒目。实际上，这不是普通的卡车，而是自动驾驶卡车。截至目前，图森未来公司的 L4 级无人卡车已在曹妃甸零事故完成了超过 1 万公里的真实环境路测里程，时速可以达到 90 公里，已经处在世界领先水平。图森未来科技在美国硅谷和北京都设有研发部门，路测也是在亚利桑那州图森市和曹妃甸同时进行。"

百度开发的新 AI 算法只需 3.7 秒长的音频就能克隆任何人的声音。百度研究院的研究人员在预印本网站 arxiv 上的发表了其 Deep Voice 系统的最新进展《Neural Voice Cloning with a Few Samples》（PDF）。除了利用少量样本克隆声音外，系统还能将女性声音转变成男性，英式声音变成美式。百度研究人员表示，这项研究可应用于人机交互的个性化方面。

过去几天，Echo 用户报告听到了亚马逊的数字助手 Alexa 自发发出笑声。亚马逊承认他们已经知道了这个问题，正在着手修复。亚马逊表示，它计划中的修复将包含禁用短语“Alexa, laugh”，改为命令“Alexa, can you laugh?”电商巨人称，后者不太可能造成误报，换句话说前者更可能在 Alexa 监听用户谈话时引发错误判断而突然发出笑声，它以为用户发出了叫它笑的指令。亚马逊发言人称，公司计划改变 Alexa 对用户要求发出笑声的回应，“Sure, I can laughf ”，然后发出笑声。突然发出的笑声对于一个人在家的用户来说是会感到心里发毛的。

在今天的互联网上，你通常会与一个神经网络有互动。神经网络是一种机器学习算法，被广泛用于从翻译到金融建模等领域。它的一大长项是图像识别。Google、微软、IBM 和 Facebook 等公司都使用神经网络去标记图像。但今天的图像识别算法实际上还比较原始，会犯下很多奇怪的错误。比如 Microsoft Azure 的计算机视觉 API 声称这张图像中有羊，但根本没有。如果真的有羊的话，神经网络反而会误判。它也许能识别出田野或山上的羊，如果羊出现在室内，它只能靠猜了，它可能将其识别为猫或狗。

左图是一只猫，右图你能区分下究竟是相同的猫的图像还是一只狗的图像？两幅图的区别在于右图使用了算法进行了微调，让卷积神经网络难以区分图中的东西究竟是什么。卷积神经网络认为图中是一只狗，而绝大多数人类也是这么认为的。这是所谓的对抗图像（adversarial image）的一个例子。对抗图像设计愚弄神经网络使其难以做出正确判断。Google Brain 的研究人员发现，他们开发的对抗图像不仅能愚弄计算机也能愚弄人类。他们的研究论文发表在预印本网站上。研究人员称，他们研究引发了有关卷积神经网络模型和大脑如何工作这一基础性问题的疑问。

强大的神经网络通常需要消耗大量电力，而 MIT 的工程师开发的新芯片将神经网络的功耗减少最多 95%，让移动设备整合神经网络芯片成为可能。今天的智能手机提供了数字助手之类的 AI 应用，但这些 AI 应用所需要的处理能力是通过将云端实现的，设备需要向云端发送数据然后再接收数据，潜在会泄漏用户的敏感数据，因而并非理想的做法。但利用本地的神经网络则可能会迅速将移动设备的电量耗尽。MIT 的工程师通过使用模拟电路在内存中并行计算所有输入来大幅减低功耗。

去年 26 名顶尖的 AI 研究员集中到牛津讨论了 AI 带来的最大威胁。他们的讨论结果如今以《AI 恶意使用（The Malicious Use of Artificial Intelligence）》的报告正式公布。报告主要从三个方面讨论了 AI 构成的威胁：政治、物理系统和网络安全。报告讨论了从 AI 生成的假视频所导致的政治不稳定，到智能家庭和自动化车辆的灾难性故障，到自动化武器。报告只提供了针对这些威胁的通用指导方针。报告认为，对于 AI 的潜在威胁，人类再也不能视而不见。危险迫在眉睫。政府、科研和产业界面对 “邪恶 AI”，必须联手协同作战。鉴于其双刃剑特性，AI 系统设计者应该更多着力于如何防范滥用、误用和恶意使用，以及如何化解这种情况可能带来的危害。

阿里巴巴和腾讯中国互联网公司等涌入美国的 AI 研究会议，试图通过舒适的工作环境吸引主要是中国留学生的 AI 人才回国就业。如此激烈的竞争人才反映了中国在 AI 领域所取得的显著进展。今年研究人员向美国 Association for the Advancement of Artificial Intelligence 递交的报告数量创下了新的记录，其中来自中国的论文增加了 57% ，百度赞助的研究论文墙报展其中六成有中国研究人员参与。绝大部分研究在政治上是中立的，但存在隐私滥用的导向。北航展示的一项研究根据智能手机位置数据分析了人口移动，百度根据技能计算一个人在劳动力市场的价值，复旦大学介绍了一种改进的方法判断谁拥有特定的 Twitter 用户名。

两位研究人员在 AIES 2018 上发表论文（PDF），认为赋予机器人道德并非是一个好主意。AI 技术的进步令人担心其中可能的风险，因此机器人专家提出发展道德机器人。在理想情况下，这些机器人将会评估行动的后果，从道德上正当化它们的选择。问题是道德规范如何编码到机器人的代码中？是使用可调整的道德设置还是硬编码？如何保证机器人在出厂时不会被厂商悄悄植入非道德行为代码比如像大众那样尾气测试作弊？研究人员通过三项实验发现，改变道德机器人的行为是极其容易的，道德机器人很容易被腐化成非道德机器人，他们认为赋予机器人道德并非是明智之举。

Google 旗下的 AI 子公司 DeepMind 已开发出通过分析医学影像诊断疾病的人工智能，这可能是人工智能在医疗领域的首个重大应用。DeepMind 处理了数千张视网膜扫描图的数据，以训练一种人工智能算法探测眼病迹象——比人类专家更迅速和更高效率。该公司已将研究结果递交一家医学刊物，此前该公司与英国国民医疗服务体系 (NHS) 以及全球最知名的眼科医院之一、伦敦的 Moorfields Eye Hospital 为期两年的合作出现“颇有希望的进展”。如果研究结果通过同行评议，这项技术有望在几年后投入临床试验。由于这些影像提供了数以百万计像素信息的丰富数据，算法可以学会对这些数据进行分析，以寻找三大眼疾的迹象：青光眼、糖尿病视网膜病变和老年性黄斑退化。

根据一项盖洛普民意调查（PDF），73% 的美国成年人相信 AI 消灭的工作超过它创造的工作。绝大多数群体的看法基本一致。但蓝领群体对此尤其感到悲观，82% 的人认为这一转变将会导致净工作损失，而白领群体中的这一比例是 71%。49% 的美国人认为“软”工作技能如团队合作、交流、创意、和批判性思考对于想要避免失去的工作的人变得最为重要， 51% 的人认为学习“硬”技能如数学、科学和编程以及数据相关能力对于普及新技术时保留工作最为重要。

麻省理工学院 (MIT) 启动了一项雄心勃勃的项目，旨在了解人类智力，并利用研究成果开发智能机器。麻省理工学院的 MIT IQ（Intelligence Quest） 项目是学术界发起的一项旨在赢回在人工智能 (AI) 领域的主动权、意义深远的努力。MIT 自 1950 年代以来一直处于 AI 研究的前沿。该项目推出之际，科技行业高速发展的研究实验室大有从各大学吸走 AI 领域最有才华的科学家、工程师和创意之势。MIT 的教授们表示，科技公司已意识到了它们从大学挖走太多 AI 专家引起的担忧。大学需要这些专家给未来的科学家和工程师授课，并从事基础研究。科技行业的回应是增加学术合作和资助。

盖茨接受采访时候表示，机器人接管我们的工作可能是件好事，能让我们更有效率，有更多休息时间。盖茨称，假期在某个时候将会更长，如果我们能用更少的劳动力生产出两倍于今天的产品，人类的目标不只是坐在柜台后面卖东西，你知道吗？AI 等技术的进步已经开始减少很多低薪水的工作，而失去工作的人显然不属于有更多休息时间的群体。人们担心的不是 AI 接管我们的工作，而是我们的薪水是否会变少。前世界首富当然不需要为此担心。