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。

英国首相特里莎·梅(Theresa May)周四在瑞士达沃斯世界经济论坛上宣布英国要争取 AI 领域的领导位置，而英国更关注安全而合乎道德的 AI 。特里莎·梅表示，英国引领世界 AI 潮流的实力基于国内 AI 领域健康的创业态势，过去三年里每周诞生一家与 AI 相关的新创企业。她还指出，英国是世界上最早为引进 AI 技术辅助政府公务做好准备的国家。英国政府将新成立一个顾问机构，数据伦理和创新中心，承担与世界各国的联络协调；英国还准备加入达沃斯的AI理事会。

一位旧金山的特斯拉车主上到了一课：汽车自动驾驶不能作为喝醉酒在座位上失去意识的借口。1 月 13 日，警察在旧金山-奥克兰跨海大桥上的一辆特斯拉车里发现了一位显然晕过去的男子，当警察叫醒这位男子后，他自信满满的表示一切都好，因为他已经将汽车设定在自动驾驶上。警方的测量显示他血液中的酒精浓度两倍于法定限制。他已经遭到逮捕，被控酒后驾车，汽车则被拖走，警方开玩笑的说“汽车不能自动驾驶到拖车场”。特斯拉的自动驾驶功能只是自动巡航，它尚不具备真正的自主驾驶能力。

去年秋天，美国情报界举办了一场人脸识别挑战赛，利用算法从百万量级的照片库中检索人像。来自上海的依图科技成为这场大赛的一匹黑马，击败了15个对手，赢得2.5万美元奖金。不过依图有一项优势，就是可以访问中国庞大的人脸数据库，利用这些数据库训练和改进算法。其他竞争对手只能使用小数据库，被束缚了手脚。人工智能要学习人脸识别和癌症诊断等技能，离不开大量数据的支持，而目前针对 AI 技术及其盈利渠道的全球争夺引发了越来越多的担忧。美国大型科技公司虽然在这场竞赛中暂时领先，但中国竞争对手靠着不断增加的投资和更自由更庞大的人脸数据库正在奋起直追。中国的人脸数据库常常是在政府机构帮助下打造的。

阿里巴巴以及微软的 AI 系统在一项全球阅读理解测试中的表现超过了人类。在上周进行的测试中，参赛公司让各自的人工智能系统解答斯坦福问答数据集的提问，该数据集评估阅读理解能力。计算机的答案被与普通人的答复进行比较，然后据此排名。尽管微软和阿里巴巴以微小优势胜出，在回答的精确匹配度上仅比人类的 82.3% 高出几个基点，但它们并列首位为美国和中国正在进行的人工智能军备竞赛提供了合适的象征。中国力求利用来自其 14 亿人口的海量数据和雄厚财力，在创建被视为下一场工业革命的1500亿美元产业方面超越美国。

作为全球最大的半导体市场，中国曾极力挑战英特尔和高通在 CPU 制造领域的主导地位，但一直战果寥寥。现在，一些雄心勃勃的中国企业看准机会，要在人工智能 (AI) 处理器制造领域扮演领头羊。过去，由于技术差距和政治干预，中国主导芯片行业的努力屡屡受挫。中国新诞生的一批 AI 芯片公司也仍可能以失败告终。这些公司面临强大的竞争对手，其中既包括英特尔和高通这种老牌芯片公司，也包括苹果和谷歌这样财力雄厚的后来者。不过中国芯片生产商和一些分析人士表示，这一次中国可谓天时地利人和俱全。除了资本、人才和巨大的消费市场，中国还拥有海量数据，而数据是 AI 发展的关键。中国政府也立志将中国打造成为 AI 技术大国，在政策上也会大力扶持。此外，AI 技术尚属新鲜事物，全世界几乎都在同一起跑线上。

以数据驱动的时代，机器或者算法被认为比人类更擅长做决策。知名企业如壳牌就开始在企业雇员管理中引入算法。当壳牌打算评估汽车维修行业的数字化业务模式时，管理人员就会引入算法进行项目分析，算法会检索专业能力合适的壳牌员工，然后勾选他们，分派工作。壳牌使用波士顿 Catalant 公司设计的机器学习软件来匹配员工和项目。程序会追踪、评估他们的工作表现，并在下一次配对时进行修正和提升。壳牌表示，公司在 2017 年早些时候就开始测试这个系统，并打算于 2018 年 1 月在有 8,000 名员工的 B2B 市场部门 Shell Opportunity Hub 投入使用。

北京出台《加快科技创新培育人工智能产业的指导意见》，制定了北京人工智能发展时间表：到 2020 年，新一代人工智能总体技术和应用达到世界先进水平，部分关键技术达到世界领先水平，并形成若干重大原创基础理论和前沿技术标志性成果。截至 2017 年 9 月，北京拥有人工智能企业近 400 家，居全国首位，其中中科院自动化所孵化成立的银河水滴科技（北京）有限公司开发了 “全视角步态识别 + 全类型人脸识别 + 高精度人群计数” 的身份识别平台。全视角步态识别在超高清摄像头下，识别距离可达 50 米，无需识别对象主动配合参与。因步态难以伪装，不同体型、头型、肌肉力量特点、运动神经灵敏度、走路姿态等特征共同决定了步态具有较好的区分能力。虹膜识别需要目标在 30 厘米以内、要有红外光照条件，人脸识别需在 1-5米以内，基本正面，光照良好的条件，步态识别打破这些条件的限制。“远距离人脸识别”可实现 25 米外人脸识别，准确率为 90% 以上，达到刑侦可用水平。利用 “人脸 + 步态” 双模式识别, 可最大化地辨识可疑人员, 提高安全等级，也可以在公交领域应用，实现安防布控、无卡出行、人群密度、超流量预警等。

2016 年初，Instagram 的工程师们碰上一项棘手的任务。管理层担心用户会错过消息流中最重要的内容，要求工程师修改算法：不再按时间顺序展示朋友发的帖子，而是根据用户个人喜好对时间线的排序进行调整。Facebook 的动态消息正是采用了这样的算法。全世界身价最高的一群工程师花了大量时间才将 Facebook 的这个算法开发成功，它决定了 Facebook 的 20 亿用户能看到什么内容。如果 Facebook 存在的意义就是告诉我们接下来看什么，那么不断向用户推送这些内容的人工智能无疑就是这家公司最重要、有时也是最具争议的知识产权。这种为了提高用户参与度而精心挑选、排序的消息推送是策略的产物，也许有朝一日，历史学家会将其视为一座里程碑，将它摆到与蒸汽机同样重要的位置上。不过人们也发现，这套旨在吸引用户注意力的设计会被别有用心的人利用，即便正常运作，也可能对我们的民主制度产生不利影响。

当一个市场被一家企业主导的时候会发生什么？这家企业显然会采取各种措施获取尽可能多的利润。NVIDIA 的 GPU 被广泛用于 AI 领域，被用于加速数据中心。它的消费者级显卡 GeForce 和企业级显卡如 Quadro 和 Tesla 架构相似，但价格天上地下，因此可能会有企业将消费级显卡用于 AI 应用部署到数据中心。但现在 NVIDIA 被发现更新了它的 GeForce 驱动许可证，禁止将其部署到数据中心。许可证 2.1.3 条款规定，“No Datacenter Deployment. The SOFTWARE is not licensed for datacenter deployment, except that blockchain processing in a datacenter is permitted.”

在英国，持有儿童色情是一项重罪。从扣押的设备寻找定罪证据显然不能靠人工一个个文件夹查。伦敦警察厅的数字取证部门使用图像识别软件去搜索设备。它去年搜索了 5.3 万个设备。但它的图像识别软件不足够先进，甚至无法区分裸照和沙漠照片，因此会把计算机上的沙漠屏保识别为皮肤颜色，而众所周知 Windows 的一个著名屏保就是沙漠图像。英国警方准备求助于互联网巨头，利用亚马逊或 Google 或微软云计算服务提供的庞大算力来分析图像和视频。警方数字取证部门的主管认为在两到三年内训练有素的 AI 将能识别出儿童色情。

通用汽车旗下自动驾驶子公司 Cruise 提交到加州汽车管理局的报告称，该公司的一辆自动驾驶汽车今年早些时候在旧金山与摩托车发生了相撞事故。摩托车手还能走开，但据报因为肩痛而被送到医院治疗。Cruise 称，在场的警察判断事故责任主要在摩托车手。报告称，自动驾驶汽车在单行线三车道的中间车道上行驶，当汽车注意到左边车道有空隙后开始转换车道，但随后因为前车减速空隙变小而回到原来的车道。这时一辆摩托车从中右车道的两辆汽车中间行驶到中间车道，擦过自动驾驶汽车的边，摇晃之后摔倒。Cruise 称汽车的行驶时速是 12 英里，而摩托车时速 17 英里。

在各方对人工智能的探索日益白热化之际，中国三巨头百度、阿里巴巴和腾讯(BAT)比硅谷竞争对手拥有一项明显优势——数据。百度、阿里巴巴和腾讯在国内和海外建立专家实验室，聘请顶级工程师。和谷歌等美国同行一样，他们利用机器学习进入了一些较新的领域，包括自主驾驶、医疗诊断、用于支付验证的面部识别，以及可用语音操作的 AI 功能硬件。淘宝网允许用户通过图片进行搜索，利用深度学习找到相同或类似的商品。分析师们表示，该行业在利用 AI 方面仍处于起步阶段，但是这类应用暗示了中国如何可能居于全球领先地位，特别是随着企业加快利用相关技术。中国还产生在规模和易于获取程度上远超其他地区的数据。

我们正逐渐习惯于这样一种生活： 向 Siri 询问天气，通过 Google Assistant 搜索，叫 Alexa 购物和点歌，让 Cortana 查邮件。当然你未必会同时使用四种智能语音助手。开发这些 AI 应用的企业都是互联网和科技行业的巨头，对普通人而言创造一个 AI 应用似乎遥不可及。然而利用现成的高性能计算设备你事实上可以创造出一个触手可及的 AI 原型或雏形。

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。”