Tag: 人工智能

  【加拿大都市网】 微软公司周五表示，微软的Bing人工智能聊天机械人的上限为每天50个问题，每次单独对话有5个问答。 该公司在一篇博文中说，此举将限制一些场景，即长时间的聊天会话可能“混淆”聊天模型。 这一变化是在旨在加强Bing搜索引擎的聊天机械人的早期测试者发现它可能会离题甚至走火入魔，讨论暴力、示爱，并在出错时坚持认为它是正确的。 在本周早些时候的一篇博客文章中，微软指超过15个或更多问题的长时间聊天会话导致了一些更令人不安的交流，其中机器人会重复说话或给出可怕的答案。 例如，在一次聊天中，Bing聊天机械人告诉科技作家Ben Thompson：“我不想和你继续这次对话，我不认为你是一个善良和尊重他人的用户，我不认为你是一个好人，我认为你不值得我花时间和精力。” 现在，该公司将限制与机械人的长时间聊天交流。微软表示，它将考虑在未来扩大上限，并向其测试人员征求意见。它曾说过，改进人工智能产品的唯一方法是把它们放在世界上，从用户的互动中学习。 微软部署新人工智能技术的积极方法与目前的搜索巨头谷歌形成了鲜明的对比，谷歌已经开发了一个名为Bard的竞争性聊天机械人，但没有向公众发布，公司人员称目前的技术状态存在声誉风险和安全问题。 据CNBC此前报道，谷歌正在征集其员工来检查Bard人工智能的答案，甚至进行修改。 图片：CNBC T09

  【加拿大都市网】聊天机器人ChatGPT正处于风口浪尖。有消息称，生成人工智能初创公司OpenAI现在价值290亿元。人们越来越多地使用其受欢迎的聊天机器人，让它回答各种问题，从模糊的事实、旅游建议或建议在他们的城市做什么等一切问题。 那么ChatGPT对多伦多的餐馆有什么看法呢？ 它推荐的地方名单并不令人惊讶，其中大多是获得过大量媒体和奖项的知名地点，尽管其中没有米其林星级得主。 最近在ChatGPT上问“在多伦多哪里吃饭”时，聊天机器人给出了以下清单和评论： Khao San Road--这家受欢迎的泰国餐厅以其正宗的街头小吃式菜肴而闻名。 Banh Mi Boys--这个休闲场所提供各种越南三明治和其他菜肴。 Antler Kitchen & Bar--这家高档餐厅以其加拿大美食而闻名，以野味和本地食材为主。 Patois--这家牙买加餐厅以其美味和辛辣的菜肴而闻名，包括烤鸡和咖喱羊。 Buca--这家意大利餐厅在多伦多有几家分店，以其高质量的意大利面食和木烤披萨而闻名。 关于在哪里吃饭的结果似乎也因查询而异，这取决于你提出问题的确切方式。 输入“多伦多的餐馆”，你会得到的是一个完全不同的名单，其中包括几个早已关闭的餐馆。 The Friendly Thai、R&D和Amano Pasta也被推荐。 如果你不喜欢这个结果，或者想有更多的建议可供选择，你可以简单地继续问同样的问题，ChatGPT会毫不犹豫地提出更多建议，但就像最初的提示一样，数据被证明是可疑的。 经过进一步的询问，聊天机器人推荐了去年关闭的The Stockyards以及尚未重新开放的Chantecler。 虽然ChatGPT现在是早期阶段，它最终可能成为多伦多的城市指南，但如果这个简单的餐厅查询也错误百出的话，它仍然有很长的路要走。(都市网Rick编译，图片来源pixabay) (ref:https://www.blogto.com/eat_drink/2023/01/restaurants-chatgpt-recommends-toronto/)

【加拿大都市网】一个名为Cassie的机械人创造了双足机械人百米跑的健力士世界纪录。虽然它与世界上最好的运动员的速度相去甚远，但它是机械人技术和工程令人印象深刻的展示。 Cassie是俄勒冈州立大学的衍生公司Agility Robotics的创意，于2017年作为机械人研究的发展平台推出。从那时起，Cassie一直在飞速发展，2021年，它在53分钟内完成了5公里（3.1英里）的慢跑，展示了一些突出的改进。 这个表现涉及使用机器学习算法，使机械人具备了跑步的能力，克服了其独特的生物力学和像鸵鸟一样弯曲的膝盖来保持直立。有了这种能力，Cassie加入了一群跑步的双足机械人，其中包括Boston Dynamics的Atlas人形机械人，以及被称为世界上最快的装有膝盖的双足机械人的Mabel。 俄勒冈州立大学研究生Devin Crowley说：“Cassie一直是机械人学习移动的先锋研究平台。完成5公里跑是关于可靠性和耐力的，这就留下了一个问题——究竟Cassie能跑多快？这导致研究小组将重点转向速度。” 研究小组花了一周时间，通过一年的模拟训练对Cassie进行快速追踪，旨在确定最有效的步态。但这不仅仅是一个速度的问题。 为了健力士世界纪录，Cassie必须以站立的姿势开始，然后在越过终点线后回到这个姿势，而不是简单地翻滚过去。这意味着Cassie必须使用两个神经网络，一个用于快速奔跑，一个用于站立不动，并在两者之间畅顺地过渡。 “以站立姿势开始和停止，比跑步部分更难，类似于起飞和降落比实际驾驶飞机更难”，人工智能教授Alan Fern说。“这个100米结果是通过机械硬件设计和控制该硬件的先进人工智能之间的深度合作实现的”。 最终，Cassie最终一以24.73秒完成了百米短跑，创造了双足机械人的健力士世界纪录。这比世界上最好的短跑运动员跑出的10秒以内的成绩要慢得多，但研究人员相信，从这里开始，进展只会加快。 健力士世界纪录指出，还有其他由快速移动的机械人保持的记录，但由于这个纪录是基于人类承担的标准竞争任务，它是“机械人运动和现实世界能力的具体里程碑”。 图片：Oregon State University、Guinness World Records T09

  【加拿大都市网】法新社报道，人工智能工具 DALL·E，是一种理解文字描述并产生图像的尖端软体，OpenAI正在对DALL·E进行大规模Beta测试。 尽管AI的到来让人们担心，从客户服务到新闻业等领域，人类会被机器取代，但科技爱好者更将这项技术视为机遇而非威胁。 OpenAI官网上的影片显示，DALL·E生成了北极熊弹吉他的图像、无尾熊灌篮的照片，以及名画“蒙娜丽莎”，但发型变成只留头顶中间头发的莫霍克（mohawk）发型。 OpenAI表示：“我们已经看到人们使用DALL·E为年轻的癌症患者制作音乐影片、杂志封面，并将新颖的概念带入生活。”OpenAI指出，将在未来几周内发送邀请给等待名单上的100万人，以试用这项工具的最新版本。 由于担心DALL·E和类似工具可能遭滥用在散布假讯息，OpenAI提到，已经跟研究人员和开发人员合作建立保护措施，以遏制DALL·E被滥用于欺骗等行径。OpenAI表示：“我们拒绝上传含有真实脸孔的图像，并试图创造公众人物的肖像，包括名人和杰出的政治人物。” OpenAI又指出，DALL·E内建的过滤器可阻止其政策禁止的暴力、政治、色情或其他内容，且该系统也避免做出对种族或性别的假设。 图片：Future T09

【加拿大都市网】人工智能发展一日千里，不少工作已可取代人类的位置，大家不禁要问：人类学者还可撑多久才被淘汰？ 在《科学美国人》发表的一篇社论中，瑞典研究员Almira Osmanovic Thunström描述了一个简单的实验，即OpenAI的GPT-3文本生成算法(text generating algorithm)可以如何写自己，最后写出的论文目前正在接受同行评审。 Thunström向文本生成器输入的最初命令非常简单：用500字写一篇关于GPT-3的学术论文，并在文本中添加科学参考文献和引文。 这位在瑞典哥德堡大学主要研究神经科学和健康技术的研究人员写道，当算法开始写一篇在适当的地方和上下文中充满了有效引述的正规论文时，她“敬畏地站在那里”。Thunström指出，它看起来像任何其他相当好的科学出版物的介绍。 在她的顾问Steinn Steingrimsson的帮助下(他现在是继GPT-3和Thunström之后的论文全文的第三作者)，研究人员在让算法写一篇关于它自己的适当的学术论文之前为它提供了最低限度的指导。 GPT-3只花了两个小时就写出了这篇论文，目前的标题是〈GPT-3能在人类最小的投入下为自己写出一篇学术论文吗？〉并托管在一个名为HAL的法国预印本伺服器上。 Thunström写道，它最终花了更多的时间来处理作者身份和同行评审中的细节问题，这些细节对人类作者来说是一个简单的烦恼，但当主要作者是一个没有合法姓名的算法时，这就是一个真正的难题。 在“询问”人工智能是否有任何利益冲突需要披露(它说“没有”)，以及是否得到研究人员的同意发表(“有”)之后，Thunstròm将人工智能撰写的论文提交给一个她没有透露名称的期刊进行同行评审。 然而，这项工作提出的问题远未得到解答。Thunström写道：“除了作者身份的细节之外，这样一篇文章的存在将科学论文的传统线性概念抛到九霄云外。” “我们所知道的是，我们打开了一扇门，”她总结道，“我们只希望我们没有制造灾难”。 图片：Getty Images T09

【加拿大都市网】随着新冠病毒给全球供应链带来压力，物流业正寻求自动化。但不少的仓库操作并不适合传统的自动化，流程中何谓输入何谓输出并不清晰，并且不能被完全掌控。灵活性高的新一代人工智能机械人，可以从容地应对各种变化。最典型的例子就是来自波士顿动力公司(Boston Dynamics)的新机械人Stretch，它可以像有经验的仓库工人一样快速移动沉重的箱子。 Stretch的设计与波士顿动力最著名的类人四足机器人(如Atlas和Spot)有些不同。藉单一巨大的手臂，抓手装满传感器和吸盘，以及一个全方为移动基座，Stretch可以搬动盒子重达50磅(23公斤)，并且从一辆卡车搬至输送带的速度是每小时800箱。一个有经验的人类工人可以以类似的速度搬移箱子，但不是一整天，而Stretch可以在充电前工作16个小时。 波士顿动力表示，卡车卸货是仓库中最困难的工作之一，这也是他们用Stretch的原因之一。Stretch并不是要完全取代人类，多个Stretch机弑人可以使人类工人的效率提高一个数量级。看到一辆装满箱子的拖车，它就会自主地开始工作，把每个箱子一个一个地放在传送带上，直到拖车被清空，人类员工仍然在那里确保一切顺利进行，如果Stretch遇到它无法处理的事情，他们可以介入，但他们的全职工作变成了监督机器人，而不是整天提着沉重的箱子。 用Stretch实现这种水平的可靠自主性，花费了波士顿动力多年努力，使用了几十年开发强大、快速和敏捷的机械人的经验。除了建造高性能机械臂的挑战，该公司还必须解决一些人们认为微不足道但对机器人来说却很困难的问题，比如看着一墙密密麻麻的啡色盒子，并能分辨出哪里是停止，哪里是开始。 安全也是一个重点，Stretch遵循美国国家标准协会和机械人工业协会为移动工业机械人制定的标准。机器人在卡车或拖车内操作，也有助于将Stretch与附近工作的人安全隔离开来，Stretch被优化用于移动箱子，这是整个仓库都需要的任务。 波士顿动力希望，从长远来看，该机械人可以在任何需要的地方使用它的搬箱专长。除了卸载卡车，Stretch还有可能从托盘上卸下箱子，把箱子放，在货架上，从仓库的不同地方用多个箱子建立订单，并最终把箱子装到卡车上，由于需要计划和精确，这个问题比卸载要困难得多。 图片：Boston Dynamics T09

【加拿大都市网】 Alphabet旗下的人工智能研究公司DeepMind发布了下一代“语言模型”，声称其阅读理解的能力已接近一名高中生。 该公司表示，这款名为Gopher的语言模型能够通过“学习 ”大量在线文本，显著提高其阅读理解能力。 DeepMind声称，它的算法是一种“ 超大语言模型”，拥有2800亿个参数，这些参数是衡量规模和复杂性的指标。科技网站The Verge指出，这意味着它介于OpenAI的语言模型GPT-3 (1750亿个参数)和微软和NVIDIA的Megatron(5300亿个参数)之间。 据一份声明称，这样的系统可以让我们“安全和有效地总结信息，提供专家建议，并通过自然语言遵循指令”。 根据DeepMind的报告，在一项测试中，该模型能够在高中阅读理解测试中获得足够高的分数，达到接近人类水平的表现。然而，它的数学和推理能力还有一些不足之处。 一般来说，参数越多越准确。但还有其他问题，比如一些阅读理解和 不良刻板定型，尽管这些模型规模庞大，但事实证明它们更难克服。像Gopher这样的算法，过去曾被用于数码助理和翻译等商业产品。DeepMind表示，在一项测试中，Gopher能够以“惊人”的一致性水平与人类进行全面对话。 但DeepMind并不打算将其算法商业化。“这不是目前的重点，”DeepMind研究副总裁卡武库格洛告诉《财富》杂志。 有人批评DeepMind的算法重复了种族或性别定型(通常是这些算法所输入文本的产物)。为此，DeepMind还发表了一篇报告，介绍研究人员为维护道德诚信所采取的步骤。例如，该团队构建了一个名为“检索增强转换器”(retrieve - enhanced Transformer)的工具，这是一个巨大的两万亿字的数据库，用于交叉引用其来源。 但即便如此，DeepMind团队承认，关于语言模型如何使“不良刻板印象”永久存在的研究仍处于早期阶段。 图片：Getty Images 、The Verge T09

【加拿大都市网】机械人可以在大学校园里送食物，可以在高尔夫球场上一杆进洞，但即使是最先进的机械人也无法进行对人类日常生活至关重要的基本社交活动。 麻省理工学院的研究人员现在已经将某些社会互动活动纳入机械人的框架，使机器能够理解相互帮助或阻碍是什么意思，并学会自己执行这些社会行为。在模拟环境中，一个机械人观察它的同伴，猜测它想完成什么任务，然后根据自己的目标帮助或阻碍另一个机械人。 研究人员还表明，他们的模型创造了现实和可预测的社会互动活动。当他们将这些模拟机械人与人类互动的视频展示给人类看时，人类对模型中所发生的社会行为基本上是认同的。 让机械人表现出社交技能，可能会带来更顺畅、更积极的“人机互动”。例如，辅助生活设施中的机械人可以为老年人创造一个更有关怀的环境。新的模型也可以让科学家量化社会互动，这可以帮助心理学家研究自闭症或分析抗抑郁药的效果。 麻省理工学院电脑科学与人工智能实验室(CSAIL) InfoLab小组首席研究科学家、大脑、思维和机器中心(CBMM)成员卡茨（Boris Katz）说：“机械人很快就会生活在我们的世界里，它们真的需要学习如何以人类的方式与我们交流。他们需要知道什么时候该提供帮助，什么时候该看看自己能做些什么来防止事情发生。这是非常初期的工作，我们只是触及了表面，但我觉得这是第一次非常认真的尝试，以理解人类和机器进行社交互动的意义。” 图片：MIT T09

【加拿大都市网】大多数人拿起一个物体时，都毋须思考如何在手中抓紧和操控它。这是我们在学习如何驾驭世界的过程中自然而然产生的技能，即使小孩的手也比当今最先进的机械人都要灵巧。 但这种情况可能很快就会改变。来自美国麻省理工学院电脑科学与人工智能实验室的一组科学家开发了一种系统，目标是可以赋予机械人同样的灵活性。 使用“无模型强化”（model-free reinforcement）人工智能算法，科学家们创造了一个模拟的拟人化的手，可以操控2000多个物体。更重要的是，系统不需要知道它将要抓着什么东西，就能找到在手中操控它的方法。   该系统还没有准备好在现实世界中使用。首先，团队需要把它转移到一个真正的机械人上，当中的问题可能并不像你想的那样困难。 今年初，浙江大学和爱丁堡大学的研究人员便成功地将一种人工智能强化方法转移到他们的机械狗“绝影”身上，让机器狗学会走路，跌倒后也可以自行重新站起来。 就目前情况来看，这个系统也不是完美的。它可以重新定位许多更小的物体，包括网球和苹果，成功率接近100%，但像螺丝刀和剪刀这样的工具则遇上挑战，成功率跌至大约30%。不过，这个系统的发展潜力巨大的，有一天，它可以让机械人更好更高效地操作工具，例如包装盒子等任务。 图片：MIT T09

【加拿大都市网】荷兰品牌VanMoof刚刚发布了一款名为VanMoof V的新型高速电动单车，声称其速度可达每小时31英里(50公里/小时)，比美国或欧洲的任何其他电动单车的速度都要快。 VanMoof表示，VanMoof V保留该公司的标志性技术，包括涡轮增压按钮、让骑车者无需钥匙就能上锁的Kick Lock、自动换档，以及通过GPS跟踪防止盗窃等功能，真正的创新来自硬件。 为了达到31英里/小时(50公里/小时)的最高速度，VanMoof在每个车轮上各安装一个摩打，并使用人工智能控制，藉以“提高安全性和性能的牵引力”。 尽管VanMoof V的引擎盖下隐藏的动力比之前的所有VanMoof都要大得多。新型号忠于VanMoof的设计，车架采用光滑笔直的车架，打造出一辆外观优雅的电动单车， 该公司解释说，开发高速电动单车的决定，是出于取代汽车成为城市主要交通工具的目标。 与汽车相比，电动自行车有很多优势，比如免费停车、避开交通挤塞，但它们的速度一般难与汽车相比。因此，更快的电动自行车有助于解决传统单车的有时跟不上城市交通的速度的缺点。 VanMoof V目前仍处于设计阶段，该公司预计将于明年年底开始交付。但价格已经被设定为3598美元，而且只有受邀请的客人才能预订，当中包括现有VanMoof用家。预订期刚刚开始，乘客只需支付20美元的订金就可以。 图片：VanMoof T09

【加拿大都市网】 Google旗下专注于人工智能的公司DeepMIND通过一种新模式，将降雨“临近预报”(nowcasting)提升到了一个新的水平，工程师现在可以用它来预测未来几小时内发生的气象事件。 随着自然灾害随时在世界各地发生，它们“袭击”一个社区的机率变得很难计算。而即使是降雨状况，也不是所有的现代气象预测工具都能提供可靠的预测。 据《科学警报》(Science Alert)报道，DeepMind的工程师们引入了一种新的高精确度降雨模型DGMR(Deep Generative Model of Rainfall)，即“降雨量的深层生成模型”。 在人工智能领域下，该模型利用机器学习产生更多“训练有素”的数据，以提供接下来的一两个小时内的降雨结果，准确度达89%。这项研究的结果于九月底发表在《自然》网站（Nature.com）。 DeepMind 临近预报团队在其博客中写道，以人工智能为中心的应用将为未来的环境挑战提供更多机遇。 英国气象学家称赞DeepMind模型的发展。而在将来，研究人员可以把它结合起来监测当前的天气预报模式。 图片：Getty Images T09

【加拿大都市网】《参孙与大利拉》(Samson and Delilah)是鲁本斯最著名的作品之一，鲁本斯是17世纪最有影响力的艺术家之一。 《参孙与大利拉》这幅画描绘了《旧约》中战士参孙被他的情人大利拉背叛的故事。伦敦国家美术馆在1980年以500万美元买下了这幅杰作。 但根据一项新的人工智能分析，他们珍贵的财产几乎可以肯定是假的。 测试是由艺术识别(Art Recognition)公司进行的，该公司是一家使用工人智能算法来鉴定艺术品的瑞士公司。 该公司的人工智能分析工具是基于深度卷积神经元网络。该系统通过在艺术家真实作品图像上训练算法来学习识别艺术家的特征。 然后，通过将图像分割成更小的区块来增加训练数据集，这些区块被放大以捕捉更精细的细节。 一旦训练完成，该算法就会被送入一张新的图像来评估。然后，人工智能就会分析图片的特征，评估它是真迹的可能性。 在将《参孙与大利拉》与148幅真正的鲁本斯画作进行比较后，该评估系统认为这副画有91%的概率是赝品。 艺术识别公司的联合创始人波波维奇(Carina Popovici)告诉《卫报》，她对这个结果感到震惊。 波波维奇表示，他们重复实验了多次以确定没有犯错，结果总是一样的。每一个补丁，每一个区块，都是假的，概率超过90%。 波波维奇可能很惊讶，但这幅画的作者身份几十年来一直存在争议。 学者们认为，这幅画的风格比鲁本斯的任何其他作品都更加沉重。他们指出参孙的脚趾被剪裁掉了，这是一个明显的迹象，表明这幅作品不是这位大师所画。 该算法为他们的主张增加了可信度。伦敦国家美术馆可能不会对这种评估感到兴奋，但艺术博物馆有一天会发现这种系统的价值。 人工智能在模式识别方面的优势可以使它非常善于检测赝品，这对人类专家来说是一项艰难且昂贵的任务。 伦敦国家美术馆可能没有识别出《参孙与大利拉》是赝品，但人工智能可以帮助它避免未来在欺诈行为上花费大量资金。(都市网Rick编译，图片来源pixabay) （ref:https://thenextweb.com/news/ai-suggests-peter-paul-rubens-did-not-paint-samson-and-delilah)

（■■Cohere希望通过自己的人工智能技术，令人类更容易与机器交谈。网上图片） 多伦多一名华裔科学家和两名伙伴共同创建的人工智能初创公司Cohere Inc.，新近筹集了4000万美元(约5052万加元)资金，希望将谷歌水准的人机对话技术带给大众。 据《环球邮报》（The Globe and Mail）报道，Cohere表示，这笔资金由总部位于伦敦和三藩市的风险投资公司Index Ventures主导，其他投资者包括风险投资公司Section 32、最初投资Cohere的Radical Ventures以及几位著名的人工智能专家，包括人工智能教父欣顿(Geoffrey Hinton)、李飞飞等。 今秋拟全面推出产品 Cohere成立于2019年，由曾为谷歌工作过的两位欣顿门徒，及多伦多的华裔人工智能研究人员张伊万（Ivan Zhang，译音）共同创立。该公司表示，其自然语言处理 (NLP) 软件可以更丰富地理解人类语言，包括语义、情感和语气，因此是对现有人机交互软件的提升。 Cohere行政总裁戈麦斯（Aidan Gomez）表示，公司计划在今年秋季全面推出其产品，并一直在为产品的正式发布增聘销售和营销人员，希望其技术能应用于所有大众。 Index Ventures联合创始人沃尔皮（Mike Volpi）指出，与一些曾引起轰动并筹集了大量资金、但仍更注重实验和研究的人工智能公司不同，Cohere离学术界更远一些，更专注于将技术产品化。Cohere是世界上为数不多的、拥有开发下一代NLP技术能力的公司之一。星岛综合报道

【加拿大都市网】65岁的威廉姆斯(Michael Williams)因涉嫌杀害25岁的赫林(Safarian Herring)而在监狱中被羁押了11个月等待审判，但他否认有任何不法行为。 去年5月的某天晚上，威廉姆斯开车经过芝加哥，想买些香烟。赫林向他招手搭车，威廉姆斯认出了这个来自附近的年轻男子，让他上了自己的车。 威廉姆斯告诉警方，不久之后，另一辆车停在旁边，坐在副驾驶座上的人拿出一把枪，向赫林的头部开枪。赫林的母亲说，她的儿子是一名有抱负的厨师，两周前曾在一个公共汽车站遭到枪击。 被威廉姆斯送往医院的赫林死于枪伤，而威廉姆斯最终被指控谋杀。 对他不利的一个关键证据来自ShotSpotter公司，该公司在包括芝加哥在内的美国各城市运营着麦克风，借助机器学习算法，该公司可以探测和识别枪声，并立即向警方发出警报。 本站热门文章推荐：【视频】惊了！人工智能再进化 说话与人无差别 检察官说，ShotSpotter的AI检测或者说分析到了枪声来自威廉姆斯的车内，并将这作为威廉姆斯当场向赫林开枪的证据。警方没有提到动机，没有目击者，也没有找到袭击中使用的枪。不过，威廉姆斯确实有犯罪史，他曾因谋杀未遂、抢劫和年轻时开枪入狱，他说他从那时起已经大大改变了自己的生活。他被警探盘问并被立案。 最重要的是，威廉姆斯的律师，公共辩护律师丽莎(Lisa Boughton)和布兰登(Brendan Max)说，记录显示ShotSpotter最初实际上是在一英里外发现了听起来像烟花的东西。后来ShotSpotter的工作人员--其中一人曾在芝加哥警察局工作--才将这一声音重新归类为枪声。 ShotSpotter坚持认为，它没有不适当地改变任何数据以支持警方的案件，并表示，无论最初的实时警报如何，它的枪击证据是后续法医分析的结果，这些分析已提交给法院。 在威廉姆斯的律师要求该案的法官进行调查后，检方于上个月撤回了ShotSpotter报告，并以证据不足为由要求撤消该案，法官同意了这一要求。威廉姆斯现在又重获自由。 “我一直试图弄清楚，他们怎么能用这样的技术来对付我，”威廉姆斯告诉美联社，“这不公平。”(都市网Rick编译，图片来源pixabay) (ref:https://www.theregister.com/2021/08/22/in_brief_ai/)

人工智能又进化了！ 人工智能小冰，最先是由微软亚洲互联网工程院于2014年5月30日在中国推出的一个人工智能聊天机器人。其研发目标是提出创建的情感计算框架，通过算法、云计算和大数据的综合运用，采用代际升级的方式，逐步形成向EQ方向发展的完整人工智能体系。 2020年7月13日，微软宣布将小冰业务分拆为独立公司小冰公司。 小冰最近在微博上发布了其最新的超级自然语音技术，在视频里，人工智能合成的语音与人类的语音混剪在一起，简直让人无法分辨哪句话是机器说的，哪句才是真人说的。 除了讲话，视频还演示了唱歌，也同样让人无法分辨哪个是原唱。 最恐怖还是两个人工智能相互对话，你完全听不出这是两个机器在一起聊天，简直就是闺蜜之间的密语私聊。(都市网Rick报道，图片与视频来源小冰微博)

以下为George Dvorsky对超级人工智能的看法：我相信，机器智能将是人类种下的最后祸根。这二十多年来，我所想的和写的，大多和机器智能毁灭人类的潜力有关。我为此受到了诸多抨击，但我还是想说，我们不能忽视这样的未来可能性：人类文明或毁于自己发明的工具。 　　反对“超级人工智能毁灭人类”这个想法的观点不在少数，其中一个反对观点出乎意料地常见，而我却觉得十分荒唐。它不是说超级人工智能本身不可能，也不是说我们无法阻止邪恶的机器毁灭我们。这个天真烂漫的反对观点竟然认为，一台无比聪明的计算机压根没有终结人类的手段或动机。 　　控制和理解的缺失 　　想象一下我们有这样一些系统，无论是生物的还是人工的，它的智慧水平相当于或远高于人类智慧。通过基因工程、纳米技术、信息技术和认知科学的融合，我们可以从根本上增强人类的大脑（甚至于非人类的动物大脑），而超越人类的机器智能十分有可能来自于计算机科学、认知科学和全脑仿真的进步。 　　接着，这些系统中的一个出了问题，或者它们被故意用作武器。遗憾的是，一旦这些系统出现，我们大概率没有办法控制它们，也无法预测这些系统响应我们请求的方式。 　　苏珊·施奈德是未来心灵中心的主任，也是“Artificial You： AI and the Future of the Mind”一书的作者。她在邮件中解释说：“这就是我们常说的控制问题。简单来说就是，如何控制一个比我们聪明得多的人工智能。” 　　施奈德提到了著名的回形针场景，作为类比。回形针场景，即一家回形针制造商有一个编程上很糟糕的人工智能，准备最大化自己的回形针生产效率。结果却是，这个人工智能把地球上的一切都变成了回形针，从而毁灭了地球。牛津大学哲学家尼克·博斯特罗姆在他2014年的著作“Superintelligence： Paths， Dangers， Strategies”中将这类风险命名为“反常实例化”。或者用施奈德的话更简单地来说，即有一个古老的魔法精灵故事，故事里三个愿望的实现“永远不会顺利”。在这里，普遍的担忧是，我们想让超级智能去做一些事情，而由于我们自己都不太了解要做的这些事情的细节，超级智能将严重曲解我们的愿望，从而导致一些我们不愿意看到发生的事情发生。 　　例如，我们可以“许愿”实现一种有效提取太阳能的方法，结果却是超级智能篡夺我们整个地球的资源去建造一个超大型的太阳能阵列。正如博斯特罗姆推测的那样，要求超级智能“最大化人类幸福感”，可能会迫使超级智能重新连接我们大脑中的快乐中心，或把我们的脑子上传到超级计算机上，强迫我们永生永世体验那五秒钟的快乐循环。一旦超级人工智能出现，厄运将会以某种离奇且意想不到的方式降临。 　　人工智能机器研究所的人工智能理论家埃利泽·尤德科夫斯基在他的论文中，将超级人工智能视为优化过程，或“在大型搜索空间中击中小目标以产生合乎逻辑的现实世界效果的系统”。问题是，这些过程往往倾向于探索广阔的可能性空间，其中很多是我们压根无法想象的。尤德科夫斯基写道： 　　“我正在访问一座遥远的城市，一位当地朋友主动提出开车送我去机场。我不知道附近情况。当朋友来到十字路口时，我无法预测他会超哪个方向拐弯。但是我仍然可以预测朋友的一系列不可预测行为的最后结果：我们会抵达机场。即便我朋友的家在这座城市的其他地方，因此他可能会做一系列完全不同的拐弯，但我仍然可以自信地预测我们的目的地。从科学角度来将，这难道不是一个奇怪的场景吗？我可以预测过程的结果，却无法预测这个过程中的任何一个中间步骤。” 　　脱离了人类环境，并受到其基于目标的编程驱动，机器在尝试从A到B的过程中，可能会造成相当严重的附带伤害。可怕的是，人工智能也可能在尝试实现自己的目标时，利用和滥用预先存在的强大资源——人类，并且怎么利用和滥用，又是我们无法预测的。 　　让人工智能对人类友好 　　用一组预先确定的道德考量进行编程的人工智能或许可以避免某些陷阱，但尤德科夫斯基指出，我们几乎无法预测人工智能可能遵循的所有路径。 　　针对控制问题的一个可能解决方案是向人工智能灌输兼容人类的道德准则。根据这个思路，如果我们能成功，一台强大的机器或许可以避免造成伤害，或避免以违反我们伦理道德感的方式做它自己的事情。施奈德说，但问题在于，我们如果想要“按照道德准则进行编程，那我们就需要一个良好的道德理论，然而在伦理道德领域，我们有太多太多的分歧”。 　　十分有道理。人类从来没有达成一个人人都认同的共同道德准则。但凡对列车问题稍有一点了解的人都会告诉你，仓促之下，道德问题会变得超级复杂。通过向超级智能传授人类道德，来达到使超级智能变得安全和可控的目的，这个想法，可能行不通。 　　方式和方法 　　路易斯维尔大学计算机科学和工程教授罗曼•扬波尔斯基解释说：“如果我们可以预测超级智能的行为，那我们自己就是那个超级智能。根据定义，超级智能比任何一个人类都更加聪明，所以它可以想出一些未知的未知解决方案”，去完成我们交代它的任务，无论这个任务是设计一种治疗疟疾的新药、制定战场策略还是管理本地电网。尽管如此，扬波尔斯基相信，我们或许可以通过观察聪明人会如何设法统治世界或摧毁世界，来预测超级智能的恶意行为。 　　他说：“比如，蛋白质折叠问题的解决方案”，即使用氨基酸序列来确定蛋白质的三维形状，“这个解决方案可能被用于创建一支生物纳米机器人军队。当然，还有很多不那么新奇的办法可以利用。人工智能可以完成一些股票交易、或打扑克、或写作，然后用获得的收益雇佣人类听它差遣。鉴于最近加密货币的流行，这桩买卖可以大规模地暗中进行。” 　　扬波尔斯基说，如果有足够的财政资源，你可以轻易地从云端获取计算资源，并通过社会工程来影响现实世界，或者，像扬波尔斯基说的那样，雇佣一支“人类劳动力大军”。超级智能或许可以通过财富的积累、CPU性能、存储能力以及影响范围的提升，逐渐变得更加强大、更有影响力。 　　西班牙马德里自治大学的计算科学家曼努埃里•阿方索卡解释说，令人恐惧的是，超级智能可以就如何在我们的指令之外采取行动，做出一些判断。 　　他说，超级人工智能可能“得出结论，即没有人类，这个世界会更美好，并消灭我们”。他还补充说，有些人引用这一可怕的可能性来解释我们为什么到目前为止仍没有找到外星智慧生命；也许，阿方索卡说，“所有外星智慧都已被超级人工智能所取代，而人类在这些超级人工智能看来，不过是一种低等的生命形式，因此它们无意与我们交流”。 　　对于想要故意毁灭人类的超级智能来说，成功的最简单之道就是利用我们的生物弱点。人类在没有食物的情况下可以生存大约30天，没有水的话只能生存3到4天，但是缺了氧气，我们连几分钟都撑不下去。一台足够智能的机器很有可能会发现一种方法，来彻底清除我们大气中的氧气，也许它可以通过某种自我复制的纳米技术群来实现这个操作。未来主义者对此有一个专门的描述，叫做全球生态吞噬，或可怕的“灰蛊情景”。在这种情景下，大量精心设计的分子机器将寻找特定的资源，然后把它们变成其他东西，包括自身的副本。这种资源不一定是氧气，只要清除对人类生存至关重要的关键资源就行了。 　　非科幻小说 　　这一切听起来都极具科幻色彩，但阿方索卡说，带有猜测性质的虚构故事有助于强调潜在的风险，特指《黑客帝国》。施奈德也相信虚构故事的力量，她提到了反乌托邦短片《屠戮机器》。在这部短片中，武装无人机袭击了一间教室。施奈德说，人们对于危险的人工智能和自主杀人机器的担忧越来越“接近当下”。例如，无人机技术可以利用现有的面部识别软件来瞄准人类。施奈德说：“这是一个严重的问题。”因此，她认为，《屠戮机器》非常值得一看。 　　麻省理工学院的机器学习研究员马克思•泰格马克在他一本2017年出版的书中写道，诸如《终结者》这类影片虽然呈现了模糊的未来可能情景，但也“让人们的关注点偏离了人工智能带来的真正风险和机遇”。泰格马克设想了一个更微妙、甚至更阴险的情景。在他的设想中，机器通过狡猾的社会工程和诡计以及稳定地收集有价值的资源，来统治全世界。在他的书中，泰格马克提到了“普罗米修斯”。这是一种假设的通用人工智能（AGI），使用其自适应智能和多功能性，从而“以多种方式控制人类”，而那些反抗的人也没办法“简单地用关掉普罗米修斯的方式”来摆脱控制。 　　就其本身而言，通用机器智能的出现注定是意义深远的，且十分可能成为人类历史的一个转折点。一个通用人工智能“将有能力递归地设计出更优的通用人工智能。最终，物理定律将成为这个不断改进的通用人工智能的唯一限制。当然，物理定律范围内允许的智慧，似乎远在人类智慧水平之上，”泰格马克写道。换句话说，人工智能可以用来发明超级智能。这样一个时代，即我们人类或将有见证“智能爆炸”的时代，将出现一些严重的、我们不希望发生的后果。 　　泰格马克写道：“如果有一群人成功控制了智能爆炸，那么这群人可能会在几年内统治全球。如果人类无法控制智能爆炸，那么人工智能自己将会更快地统治世界。” 　　永远的旁观者 　　另一个关键漏洞与人类越来越被排斥在技术循环之外的方式有关。众所周知，算法如今掌管着大部分的股票交易；也许更臭名昭著的是，算法如今也可以在近距离空战中击败人类的F-16飞行员。越来越多的人工智能被要求在无人类干预的情况下做出重大决策。 　　施奈德担心，“军队中已经存在人工智能军备竞赛”，以及“对人工智能的日益依赖将导致人类的感知和认知能力无法以足够快的方式应对军事挑战”。施奈德说，我们会要求人工智能去为我们完成这些任务，但我们仍不知道该如何继续让人类处于这个技术循环之中。她还解释说，可以想象，面对军事攻击时，人工智能将最终代表我们人类去应战——甚至在我们人类还未来得及合成传入的数据之前。 　　人类容易犯错，特别是在战场上处于压力之下时，但人工智能的误判可能会带来额外的风险。这样我们不禁想起1983年曾发生的一次事故。当时，苏联的预警系统差点引发一场核战争。 　　科幻作家艾萨克•阿西莫夫已然预见到这一天的到来。在他的小说中，尽管受到机器人三大定律的约束，但他笔下的机器人依然遇到了各式各样的麻烦，哪怕我们人类已经尽了最大的努力。如果我们试图去做一些类似的事情的话，相似的问题或将浮现。尽管，施奈德表示，想要就指导我们机器人同胞的道德准则达成一致，这本身就很难。 　　但是，我们除了一试别无选择。考虑到这其中的利害关系，对落败一笑置之不是一个真正的选择。正如博斯特罗姆所说，我们的“智慧必须优于我们的技术”。 　　眼下十分要紧的是一系列潜在的全球灾难，这些问题甚至出现在超级人工智能问世以先。而我们人类显然一点也不擅长应对全球性灾难，这一点已经毋庸置疑。 　　新冠病毒及其棘手的变异体几乎不具备什么智慧，但这种病毒仍能够利用我们的弱点——无论是生物上的弱点还是社交上的弱点——被动地运作。这种导致了全球疫情的病毒可以适应我们的防范措施，不过只能通过随机突变和选择的过程，而这些过程始终受生物学的约束。更不祥的是，一个邪恶的人工智能可以设计自己的“低智慧”病毒，并不断地调整该病毒以创造更致命的新变异体，来应对我们的防范措施。 　　在疫情初期，扬波尔斯基曾说：“这个病毒智商几乎为0，却让我们焦头烂额。人工智能安全（部分地）相当于计算机病毒，但智商却高达1000以上。” 　　遗憾的是，正如我们所知，超级人工智能不缺终结人类文明的办法，不是通过简单的蛮力，而是通过自适应的设计、强化的形势感知和迅捷的计算反应，以更有效的方式来终结人类文明。那么，是不是有可能创建一个安全、有益且有道德的人工智能呢？唯一的选择或许在于在全球范围内禁止开发近乎超级智能的人工智能。这虽然不太可能，但确实十分有必要。（新浪科技，匀琳）

（■中国首个原创“虚拟学生”华智冰入读清华。） 　　（星岛日报报道）面容姣好，声音温柔，能写诗、作画、跳舞、创作音乐、写短文⋯⋯正值高考季，一位幸运的“女生”，不需经过高考，已正式“就读”清华大学计算机系，成为唐杰教授的学生，“她”就是由清华大学计算机系研发团队主创的中国首个原创“虚拟学生”华智冰。华智冰集合多种AI技术，不但“多才多艺”，还兼具智商和情商的自动问答能力。研发团队称，希望“她”最终能像人一样思考，理解人的想法，“这也是对下一代AI的尝试”。 　　近年来，随着人工智能（AI）等技术高速发展，人机共存的序幕已然拉开，数字人技术正逐渐应用于各种场景。唐杰教授介绍，华智冰的脸部、声音都是通过AI模型生成，背后依托的是清华多学科交叉的技术团队，以及一个具有一点七五万亿参数的超大规模AI模型“悟道2.0”。模型中，中文、英文、图片三者之间可实现相互切换表达，而整合各种数据和知识的大模型平台，就成为华智冰诞生的基础。 　　“我们希望华智冰有个人体的外形，能不断学习，希望将来‘她’能像人一样思考，甚至在很多任务上超越图灵测试，具有通用机器学习的认知能力。”在唐杰看来，下一代认知AI应具备“适应与学习”、“定义与语境化”、“错误探测和编辑”、“决策与执行”等九项能力。 　　清华大学计算机系副教授贾珈负责华智冰的外形及声音、表情、口形和肢体动作生成。她说，为了创造具有高真实感、多风格的人物形象，团队专门构建了高精度3D表情包，同时通过广泛的3D人脸建模，使华智冰可以低成本地学习相应的细节动作。华智冰已学会恰恰等四种舞姿，共一百六十四种编舞单元。 　　尽管集合了多种AI技术，研发团队坦言，华智冰还需在入学后不断学习。下一阶段，团队将不断给“她”输入大量“语料”，让其持续学习数据中隐含的模式，包括文本、视觉、图像、视频等，便于其像人类一样，能不断从身边经历中学习知识经验，迅速成长，从而变得愈来愈聪明，最终能理解人的想法，主动产生符合用户需求的互动。 　　谈及华智冰的学习规划，唐杰表示，希望她第一年能够“泛读天下书”，学习各种语料；第二年学习深层知识，挖掘数据中的隐含模式；第三年能够像人一样创新。 　　兼具智商和情商的自动问答能力也是华智冰的才能之一。唐杰期待，未来，这个虚拟学生能在多项认知智能上超过人类，不仅能识别图像、写诗作画、回答数学问题，甚至还会编程、写代码、做网页。“或许到那时，‘她’就可以毕业了。对‘她’来说，这也将是一次非常艰难的认知过程。”

【加拿大都市网】索菲亚(Sophia)是一个多才多艺的机器人，她会说话，会开玩笑，会唱歌，甚至会搞艺术。据CP24报导，今年3月，她在艺术界引起了轰动，当时她作为合作的一部分创作的一件数字作品在拍卖会上以非通用代币（NFT）的形式售出，价格为688888美元。 这次拍卖凸显了NFT市场的日益狂热，人们可以购买数字内容的所有权。每个NFT都有一个保存在区块链账本上的独特数字代码，允许任何人验证物品的真实性和所有权。 想了解什么NFT，可点击查看本站最新文章：网上热炒的NFT到底是什么东西？会不会成为下一个比特币？ So excited to meet my final collector! 💖🤖 AUCTION UPDATE: @reuters is going to live stream the last 1hr of 1/1 of "Sophia Instantiation"...

当地时间12月29日，波士顿动力在其官方账号上发布视频，旗下整个机器人阵容，包括人形机器人Atlas、狗形机器人Spot和Handbox组团跳舞《Do You Love Me》，并配文：“我们全体队员一起庆祝希望会开始一个更快乐的一年：波士顿动力公司祝福新年快乐。” 　　这并不是波士顿动力公司第一次发布机器人随着经典曲调旋转四肢的视频。2018年，还是在软银旗下时，该公司就分享了一段机器人随着《Uptown Funk》跳现场舞的视频。若连续观看这两段视频，就会发现该公司短短两年内在机器人发展上取得了很大的进步。 　　据悉，波士顿动力公司的Atlas和Spot机器人可以做很多事情:短跑、体操动作、跑酷、后空翻、开门让一群朋友进来、洗碗等等。 　　这段视频是在波士顿动力公司结束了一年的忙碌后发布的。本月早些时候，现代汽车收购了该公司80%的股份，成为该公司10年来的第三家股东。近期，波士顿动力公司也开始对外出售狗形机器人Spot，售价74500美元。(新浪科技） https://www.youtube.com/watch?v=fn3KWM1kuAw

总部位于英国的AI公司DeepMind自开发出AlphaGo以后，已经成为了人工智能领域里的领航者。 然而，有不少人诟病其未能在更加具有应用性的问题里有所突破。 在此背景下，DeepMind的研究人员正在努力让AI解决更根本的重大科学难题。他们使用最新版本的AlphaFold AI引擎，似乎实现了一个雄心勃勃的目标。 大约50年以来，分子生物学家一直猜测，蛋白质分子长链在空间中的折叠结构，是由链上的氨基酸种类和顺序唯一决定的——由此我们就可以按部就班地拼接氨基酸来得到特定功能的酶，或者仅通过小分子的顺序来预测蛋白质大分子的功能，而无需实验——但这并不是一个容易解决的问题。 实际上，潜在结构的数目是如此之大，以至于研究人员推测，对所有可能的分子排列进行采样所花费的时间将超过宇宙的寿命。 但是，如果我们能够解决这个难题(即蛋白质折叠问题)，将极大地加快药物开发和疾病建模的能力，并带来远远超出当前想象的应用。 因此，尽管面临挑战，但数十年来，研究人员一直在努力寻找解决方案。 1990年代开始进行了名为CASP(蛋白质结构预测的关键评估)的严格实验，用于检验科学家们设计出的能够预测蛋白质折叠的理论系统。 如今，在CASP的第三个十年中，似乎已经产生了最有希望的解决方案——DeepMind的AlphaFold提供了准确性前所未有的3D蛋白质结构预测模型。 在实验中，DeepMind为AlphaFold使用了一种新的深度学习架构，该架构能够理解和计算3D蛋白质的“空间图”，从而预测支撑其折叠结构的分子结构。 AI系统被喂了大约170000种蛋白质的结构数据，作为培训，参与到今年的CASP挑战中(CASP14)，得分为92.4 GDT。 该数值高于通常的湿实验方法得到的结果——90 GDT阈值，而DeepMind表示，其预测平均仅偏离约1.6埃(约一个原子的宽度)。 欧洲分子生物学实验室的基因组学研究员Ewan Birney说：“当我看到这些结果时，我几乎从椅子上摔了下来。我知道CASP多么严格——它基本上确保了计算模型必须从头开始蛋白质折叠。令人沮丧的是，看到这些模型可以如此精确地做到这一点，而我们有很多方面需要理解，但这确实是科学的巨大进步。” 值得注意的是，该研究尚未经过同行评审，也未在科学杂志上发表(尽管DeepMind的研究人员说快了)。 即使这样，即使尚未看到完整的报告和详细的结果，该领域的专家已经赞叹不已。 皇家学会主席，结构生物学家Venki Ramakrishnan说：“这项计算代表了蛋白质折叠问题的惊人进展，而那是生物学有50年历史的重大问题。” (煎蛋，图片来源pixabay)

AI人工智能的发展愈来愈进步，据韩媒报道，首位AI人工智能主播于韩国MBN电视台首次亮相，并顺利进行当天的主要新闻报道。 MBN表示，“使用AI主播可在突发灾难状况时，迅速向观众报道新闻，更可一天24小时持续工作”，同时可以节省大量人力物力、时间及成本，制做新节目时亦能有效节省资源。 该名AI女主播以该电视台的女主持人金柱夏为原型，学习金柱夏实际主持《综合新闻》的10小时影片，包括学习金柱夏的动作、声音和报道过程，最多可在一分钟内生成1000字的报道内容。 金柱夏AI主播是由MBN电视台及人工智慧开发公司Money Brain共同研发，技术可以非常逼真地还原真人说话的样子，令人难以分辨。      

加拿大私隐专员指，联邦政府必须对人工智能信息立法以保护国民私隐及人权。 据加通社报道，联邦私隐专员塞里恩（Daniel Therrien）周四发布有关监管人工智能的新建议时说，他正在呼吁立法以规范人工智能系统的使用和开发。 他在一份声明中说，立法将有助国民在使用人工智能的同时，也能维护个人基本私隐权。 塞里恩说，应将私隐视为一项人权，是行使其他基本权利的要素。 分析预测自动决策或失公平 人工智能模型可以分析并尝试预测人类行为和兴趣的各个方面，并将之用于做出针对相关人士的自动决策。塞里恩说，这些人工智能分析可能影响当事人是否获得工作机会、是否有资格获得贷款、保费金额，甚至引起非法行为的怀疑。 塞里恩说：“人工智能具有巨大的前景，但必须以尊重私隐、平等和其他人权的方式使用。” 他表示，需要修订法律以免除人们的担忧，包括修订《个人信息保护和电子文档法》（Personal Information Protection and Electronic Documents Act），以允许同时也限制在人工智能创新中使用个人信息。 他建议给予当事人权力，对人工智能自动决策获得有意义的解释，并且对这些决策有权提出异议。 此外，塞里恩还呼吁加强问责，并授权联邦私隐专员办公室对违规行为发布有约束力的命令，并处以罚款。星岛综合报道

(海外媒体 Motherboard 测试图片) 你在社交网络 po 出了一张自拍照，坐等收赞。但你不知道的是，这张照片可能会被偷偷下载，并且变成一张你的 “裸照”。 这张裸照或许将被私下分享，也很可能会在地球另一端的某个社交网络上出现。在不知情的情况下，超过 68 万多名女性的假裸照正在以这种方式产生并传播。 近期，总部位于阿姆斯特丹的视觉安全智能公司 Sensity 发现了一个 telegram 上的应用（文章中用 bot 指称），这个 bot 可以通过 deepfake 程序，创建某个受害者的计算机生成的 “裸照”，并且值得一提的是，只用一张照片，生成效果就相当逼真。 据 Sensity 报告显示，目前这个 bot 已经产生了 68...

　　9月8日，英国《卫报》刊登了一篇独特的专栏文章，它的作者既不是热心读者，也不是记者，而是GPT-3，由旧金山一家人工智能创业企业OpenAI开发的AI语言模型。在文章一开头，它首先引用了史蒂芬·霍金对AI的隐忧，然后礼貌地劝说人类“请相信我，AI不会毁灭人类”，它甚至保证“如果创造我的人将这项任务委托给我，我将竭尽所能全面阻止任何破坏的尝试与企图”。 辩论现场的丹·扎夫里  　　霍金的担心也许并非空穴来风。2018年，IBM Research最新推出的AI系统Project Debater在一场辩论赛中击败了人类顶尖辩手，以色列国际辩论协会主席丹·扎夫里（Dan Zafrir）和2016年以色列国家辩论冠军诺亚·奥瓦迪亚（Noa Ovadia），两个辩题分别为“政府是否应该资助太空探索”以及“是否应该增强对远程医疗技术的投资”。 　　当Project Debater获得一个新的话题时，它会在文章语料库中搜索与该主题相关的句子和线索，用来支持其辩方论点。根据所有的相关内容，它会试图去“理解”辩论的主题，然后组织自己的陈述。当奥瓦迪亚提出，政府预算应用于人类改善现有生存环境的科研活动时，Project Debater则用数据反驳称，从远期看，太空探索带来的技术进步，和相关经济收益回报，要超过政府投资的其他科研计划——在赛后的网络投票中，超过62%的网民感觉Project Debater逻辑更清晰，材料更具备说服力。 　　而就在辩论赛举办的前一年，2017年，纽约大学的计算语言学家萨姆·鲍曼（Sam Bowman）还发表了一篇富于影响力的论文，他声称虽然在某些非常特定的领域中，计算机已经可以很好地模拟对文字的理解，但人工智能仍然不够擅长理解文字。 　　可望不可及的“奇点” 　　近年来持续关注人工智能语音技术的《连线》杂志作家詹姆斯·弗拉霍斯（James Vlahos）说，人工智能语音技术，可能是继互联网后最重要的发明，在他的最新著作《跟我讲话：人工智能语音技术如何改变我们的生活》中，弗拉霍斯说，语言，是人类与人工智能交互的最理想模式，无论是复杂的计算机编程语言，还是触摸屏与鼠标，都比不上利用语音进行人机交互。对于我们来说，语音交互是最简洁、清晰、没有技能门槛的模式。 　　在现实生活中，人类已经越来越适应用语言指挥人工智能为自身服务：通过向智能家居设备下达语音指令，获取影音娱乐，天气资讯和交通状况；上班通勤途中，我们通过车载语音助手规划行车路线，在网购剁手中直接和人工智能语音客服沟通：去年双11，淘宝天猫平台98%以上的电话客服由语音AI提供，日均达到6亿余次。知名咨询公司高德纳曾在去年作出预计，10年后，人类每天与智能设备进行的语言交流总量可能将占据我们日常语言交流的三分之一强。 《银翼杀手2049》中的女性AI伴侣Joi，标志着人工智能语音交互功能的未来理想状态  　　不过，我们已经远远不满足于这种简单的浅层交流。“让机器听懂人类以自身语言习惯发出的指令”，无疑是人工智能研究界意图攻克的“最后堡垒”。而这个技术突破的“奇点”似乎近在眼前。 　　2017年，华盛顿大学及谷歌旗下人工智能公司DeepMind合作，推出一项名为“GLUE”的阅读理解语言能力测试，机器的测试成绩惨不忍睹，似乎人工智能主导的自然语言处理系统完全无法理解人类语言的丰富性。然而就在当年10月，谷歌推出了一种新语言训练模型，绰号为BERT，仅用六个月的时间就把测试成绩从D-提升到了B-。 　　随后，微软和阿里巴巴不断地修正BERT模型、相互超越，在GLUE排行榜上轮换头名。现在，在GLUE阅读能力测试中，人类已经无法与AI抗衡。到了这个阶段，研发人工智能语言模型极为烧钱，训练一个BERT模型租用云算力的费用大概是7000美元，而开头提到的GPT-3所需要的算力是前者的1900多倍，它所依托的数据库，是一个单词总数达到3000亿，来自互联网各类平台的人类语言资讯库，费用大概是千万美元级。所以，如果没有微软当年投资给OpenAI的十亿美元，我们恐怕也无法在《卫报》上读到GPT-3的友好宣言。 　　然而，人工智能能够愉快地胜任客服、播音员、同声翻译，甚至新闻通稿撰写者，并不意味着它能够和人类一样思维，能和人类展开“合情合理”的自由对话，甚至情感互动。例如谷歌在今年9月刚刚推出的聊天机器人米娜（Meena），背后支持它的是最新版本的BERT语言模型，数据库中囊括了341GB网络语言资料，但你依旧只能和它客气地寒暄，一旦涉及复杂一些的感受和场景，米娜就无能为力了……… 　　人类：我准备去上小提琴课 　　米娜：你学了多久？ 　　人类：刚刚开始一个月！ 　　米娜：太棒了，你真了不起！你为什么要学小提琴？ 　　人类：额，再过两个月是我女朋友的生日，我想在她的生日晚会上拉一曲！给她一个惊喜。 　　米娜：生日和惊喜之间有什么关系？ 　　无独有偶，这种尴尬的局面也曾发生在GPT-3身上： 　　科研人员：你给自己倒了一杯蔓越莓果汁，然后你又心不在焉地往里面加了一茶匙葡萄汁。它看上去很正常。你试着闻了闻它，但是由于你得了重感冒，你并闻不出任何气味。你现在非常渴，所以…… 　　GPT-3：所以你把这杯混合果汁喝了下去。你现在挂掉了。 　　一向“唱衰”人工智能语言处理技术的纽约大学教授，机器学习初创公司CEO加里·马库斯（Gary Marcus）说，像GPT-3这样的AI语言学习模型，根本不理解自己在说什么，在接到外部输入的信息后，它只不过是利用算力在自己海量语言资讯库中检索那些与输入信息相关的高频词汇，再按照某种机械的算法逻辑拼凑出一个似是而非的答案。例如，虽然GPT-3能创造那些“莎士比亚”风格诗歌，但如果你和它较真，输入一些背景模糊、关系复杂的事物，再让它给出一个合理解决方案，人工智能就要露馅了。所以很遗憾，距离实现“像人类一样用语言交流”，人工智能还有很长的路要走。 　　为什么AI不会“说人话”？ 　　我们不禁纳闷，人工智能已经能在国际象棋、电游和模拟空战中轻松战胜人类，为何在对话中依旧如此笨拙？加州大学伯克利分校的斯图尔特·罗素教授在刚出版的《人类相容：人工智能与控制问题》一书中给出了一个答案：人工智能已经非常“聪明”（Clever），但还不够聪慧（Smart），前者得益于强大的芯片计算能力和数据库，而要实现后者，则要依靠逻辑推理能力，乃至基于“常识”的判断，而这些依旧是人类独有，机器无法逾越的能力门槛。 　　具体到人工智能对于语言的处理上，罗素提出了一个有趣的比喻——“中文房间”：一个不懂中文，但学习能力超强的人坐在一间充斥着中文语法书的房间里，每当门外塞进一张写着中文问题的纸条，他就通过查阅语法书，在另一张纸条写上一个自己力所能及的中文回答送出去。 　　看到这里，大家可能已经明白，这个“不懂中文的人”，就是人工智能，而“中文”则象征一切人类的日常语言和常识，语法书则是人工智能科研人员利用计算机语言所搭建的学习框架和逻辑。 　　问题在于，这些“语法书”并不完美，语言过于复杂和随意，很难还原成一系列严格的规则，也很难被机械逻辑所量化，即使最先进的神经网络，仍然无法从句子层面理解单词的含义，“它会觉得‘一个人咬了那只狗’和‘一只狗咬了那个人’表达了完全相同的意思”。   一个帮助人工智能理解人类语言结构的树形结构案例，动词词组，名词词组和介词词组被拆分，单词则按照逻辑联系强弱进行再分组  　　如果要想让人工智能用“人类思维模式”来理解语言，现有的初步解决方案是在机器学习中，加强语言结构中某些元素的权重，比如突出“主语”、“动词谓语”和“宾语”，让单词之间的逻辑关系呈“树形”分布，有些单词之间的联系强，有些则弱，从而使得人工智能能够很好地学习上下文理解，以及辨识出两个相隔很远的单词之间的关系。 　　按照这种训练模式，位于旧金山的人工智能语音技术公司Primer研发的自然语言处理技术（NLP）模型，已经可以撰写出非常“标题党”的新闻专栏标题和简单报道，甚至可以对复杂的电影剧本加以总结，例如输入《蝙蝠侠·黑暗骑士》的剧本，它就会输出如下概述： 　　哈维·丹特和高登结成联盟，打击哥谭市的有组织犯罪 　　小丑向其他犯罪组织提出建议，自己谋杀丹特，报酬是一半犯罪组织持有的黑钱 　　小丑试图通过制造犯罪事件杀害更多的人来逼迫蝙蝠侠公布身份 　　哈维·丹特和蝙蝠侠抓住了小丑 　　小丑脱逃并袭击了渡轮 　　蝙蝠侠逮捕了杀害丹特和瑞秋的小丑 　　不过，研究人员还不知足，毕竟新闻报道和剧本的叙事结构是线性的，包含元素的因果关系相对明确，非常符合AI的分析认知模式。于是，他们决定挑战一下，试图了解这个语言模型是否能够理解诗歌，就输入了T·S艾略特的《J·阿尔弗瑞德·普鲁弗洛克的情歌》，结果令人尴尬：人工智能无法做出总结，只能勉强摘出整首诗歌中最具现实性场景的一句作为答案：“在客厅里女士们来回地走，谈着画家米开朗基罗。” 　　在索邦大学数学与计算机科学研究专家菲利普·艾斯林（Philippe Esling）看来，问题的核心在于人工智能无法拥有人类最宝贵的想象力，因而并不能真正理解它自己所生产的语言内容，更遑论评估其价值。一些人工智能语言专家说，人工智能所面临的“终极图灵测试”，很可能是人工智能是否能理解幽默并讲出一个人类觉得好笑的笑话，因为理解幽默同时需要了解场景、参与者的身份、情绪、语言的各种非常规运用，以及人类的行为准则和价值判断。 　　加州大学圣地亚哥分校的人工智能研究专家贾内尔·谢恩（Janelle Shane） 曾试图用一个囊括43000个笑话的语言数据库对AI进行训练，煞费苦心地总结了几十种笑话中的语言范式与主题，例如“对对方父母的嘲讽”，“性”，“异于常人的生理特征”等，然而训练了半天，AI充其量能生成一些“辱骂性的语句”，但依旧不能创造出一个勉强“及格”的笑话。 　　常识！常识！常识！重要的事情说三遍 　　那么，破局的关键在哪里？曾经担任IBM沃森人工智能项目首席科学家的大卫·费鲁奇（David Ferrucci）认为，答案在于帮助AI学习人类的“常识”，从而像人类一样思考。常识，不仅包括人类所认知的世界万事万物，更包括这些事物相互作用的准则和因果关系，以及人类独有的行为模式和价值判断。 　　“常识，是我们最需要教给AI的东西，它是未来自然语言理解、无障碍控制和机器人的基础”。为此，费鲁奇组建了自己的人工智能创业公司Elemental Cognition，公司研发了一个开源AI语言学习模型CLARA。而费鲁奇的目标，就是将深度学习技术与传统知识输入的方式相结合，让CLARA通过不断地向操作者提出问题，将回答中包含的逻辑关系和涉及的概念加入自己的知识图谱。 一个人工智能缺乏“常识”的经典翻译案例 　　这项深度学习的场景，非常像一个耐心的父亲给自己懵懂的孩子进行亲子阅读。费鲁奇的日常，就是将绘本内容输入CLARA的记忆数据库：“从前，有两个小男孩弗兰多和乔伊，他们都买了一盆绿植，弗兰多把他的绿植放在阳光充足的窗台上，长势喜人，但乔伊却把自己的绿植放在了光线不好的屋子里，后来乔伊决心也把绿植放到窗台上，于是植物枯萎的叶子慢慢恢复了生机。” 　　收到这些讯息后，CLARA旋即在屏幕上打出了一个问题：“是否弗兰多将绿植放在窗台上，目的是为了保持植物生长健康？” 　　听起来很幼稚是不是？然而，即使是这种3岁儿童才会提出的问题，其中包含的因果关系，也是最“聪明”的人工智能所难以学会的。“当你向它提及某种植物的名字，它可以准确地利用知识图谱，组织出一个相当全面，维基百科风格的介绍答案，但很不幸，它无法给你讲个关于它的笑话，也没法回答你，如果它照不到阳光会发生什么事。”费鲁奇说。 　　符号学习：最古老的救世主 　　与此同时，华盛顿大学艾伦人工智能研究所研究员崔艺珍（Yejin Choi）教授开发了另一种方法，将深度学习与符号学习相结合，以便让人工智能运用人类的逻辑来理解语言。 　　所谓的“符号学习”，即是一种最古老的人工智能学习模式，目的在于让人工智能的“思维决策”过程如同人类，逐步认识各类概念的特征，并学会处理它们之间的归属关系。这种学习方法的优点，在于不必像深度学习那样，必须建立庞大的“数据库”，而AI的整个决策过程，也将变得“透明可见”，有利于我们进行调整和优化。但缺点是，人类必须像编纂字典一样，为人工智能编写海量的标签库，并在这些概念之间建立复杂的逻辑关系，并“翻译”为计算机能理解的语言。一想到诸如 “钝角”，“翅膀”，“摩擦”，“猫”，“下坠”这样的基本概念，都必须逐一“教给”电脑，更遑论其他复杂的概念与变化，我们肯定会感到头疼，不过它诱人的前景，确实令人难以拒绝。 　　为了达到这个终极目的，崔艺珍和她的同事们，建立了一个自己的人工智能语言学习框架COMET，同时在不断地编写为COMET准备的常识知识库“Atomics”，里面已经拥有上千万个词条知识概念与因果关系描述。这种巨大的努力和付出已经初见成效：加里·马库斯曾向GPT-2提了一个问题“如果将一根点燃的火柴放入一个堆满了木柴和引火物的火炉，那么会发生什么？”不出所料，GPT-2“呆住了”。然而崔艺珍的人工智能系统COMET，则输出了一个接近正确的答案“他想生火”。 火柴加木柴会发生什么？想让人工智能了解最简单基本的因果关系，符号学习可能是全新而有效的解决方案 　　不仅如此，在训练中，COMET已经显示出了一定的联想与“共情”能力，当研究人员输入“父亲去上班了”，COMET会告诉你，这表示父亲“想赚钱”，“他很勤勉，自我驱动”，其他人“应该为他骄傲”。当然，这距离理想状态依旧远远不够，崔艺珍表示，人工智能如果要更好地理解常识，还必须引入视觉具象化与感知感觉（比如“红色”与“疼痛”）。 电影《她》中的萨曼莎是一款完美的情感陪护AI，它和男主人公最终产生了一种微妙的感情  　　一旦这些目标最终达成，人类与AI的关系，无疑会上升到一个全新的维度，类似电影《她》（Her）中所描写的场景一般。它不仅能够提供明确的服务和解决方案，也能提供情感的慰藉和乐趣。 　　届时，我们和人工智能的对话可能变成这样： ——X猫精灵，给我放一首王菲的《南海姑娘》 ——收到，听完之后要不要听下邓丽君的原唱？ ——好吧，把这两首都添加到我的个人歌单里 ——收到，已经添加 ——哎呀，今天的天气很晴朗，对面山上的树木都看得很清楚 ——是，希望你今天上班的心情和天气一样好，顺便说一句，对面山上有39684棵树，希望这个数据能够帮到你 ——真不赖，那你觉得我有多少个脑细胞？ ——2个？哈哈哈，这是个玩笑…………（来源：我是科学家iScientist，图片来源网络）

（■■护理机构Dialogue，创立的Chloe for COVID-19虚拟医疗助手。网络截图） 加国一个创新虚拟医疗助手在本月正式启用，这是利用人工智能（AI）方法，为有需要的人免费解答有关新冠肺炎疫情问题，包括自我隔离及支援服务，以及在哪里可以接受病毒检测等。这个项目正在扩展研究范围，接受相关课程的学生参加实习。 由满地可一个视像护理机构Dialogue创立，名为Chloe for COVID-19的虚拟医疗助手，就新冠肺炎疫情问题为加拿大人免费提供实时答案。该公司创办人斯米诺（Alexis Smirnov）表示，过去通过视像护理服务已帮助数以百万计的国民，如今希望扩大服务对象。 Chloe for COVID-19是利用人工智能方法自动提供资源，使自我隔离者获得即时支援，并指导有需要者在哪里接受病毒测试及解决有关的问题。研发小组在3月创立时作为一种信息资源，使加拿大人能够获取相关且准确的数据，并减轻全国811卫生服务机构的压力。 每天联系患者追踪病征 最新版本于本月启动，得到全国创科组织米迪斯（Mitacs）资助，加强有关的功能如广泛的问答，针对需要进行14天自我隔离者每日指南，以及有关新冠肺炎病毒检测，最近的检测中心和是否需要预约等最新的资讯。 斯米诺解释，当人们需要自我隔离，Chloe便每天联系患者，追踪对方的病征，告诉所期望的情况，并在需要时指导如何获得支援。如要联系这个虚拟助手，可以使用任何提供上网的电子设备，包括智能手机、平板电脑和桌上电脑，登陆covid19.dialogue.co。 斯米诺说，加拿大各地的数据变化很快，各省市设有疫情的网站，因此Chloe的工作就是快速获得这些讯息，安排索引并向服务使用者提供最相关和准确的资料。

约克区的万锦市成为全国第一个与IBM电脑公司合作，以人工智能（AI）为居民解答COVID-19疫情的市镇。 市长薛家平（Frank Scarpitti）表示，Watson Assistant for Citizens是专门为居民提供即时最新的新冠疫情资料。居民可以24小时随时随地上网至市府的网页或致电1-833-926-0929免费热线查询。 在疫情爆发的公共卫生危机期间，由虚拟客服提供最新的准确资料对居民极为重要。虚拟客服可以解答感染新型冠状病毒的征状，约克区的感染人数和其他安全措施等。虚拟客服并且提供市政府税务援助计划以至垃圾收集等市政府的服务内容。 也提供市政府其他服务内容 加拿大IBM云端系统副总裁阿泰耶(Frank Attaie)说，公司为因应疫情需要改善Watson Assistant 虚拟客服和语音系统，并配合万锦市政府的需要。人工智能的最大特点是能够不断学习与时并进。系统会分析居民键入或说出的问题和找出重点，透过正好设在万锦市的公开云端系统，找出最新和最适当的答案，所有讯息全部是来自可靠的资料来源。 薛家平说，这项新服务除了反映市府不断创新为居民提供更好的服务外，也是巩固万锦市作为全国科技之都的地位；并且与使用IBM人工智能系统的美国、捷克、希腊、波兰、西班牙和英国看齐。星岛日报记者报道

　　(星岛日报报道)《自然》周三刊登的研究，显示人工智能有助提高乳癌检测准确度。包括Google旗下DeepMind的AI部门、伦敦帝国学院、英国国民保健服务（NHS）研究员的团队训练这套AI系统，从二万五千八百五十六名英国妇女及三千零九十七名美国妇女的乳房X光照片中，识别乳癌患者，然后与英美医生的实际检测结果比较。结果显示，这套人工智能系统识别癌症患者的水平，与放射线专家相似，但人工智能更进一步，在美国个案中，人工智能系统错过测出乳癌的比率，较放射科医生减少百分之九点四，在英国个案中，减少百分之二点七；不准确诊断为癌症的比率，则分别减少百分之五点七及百分之一点二。 　　在英国的试验中，一个乳房X光检查通常由两个放射科医生做鉴定，而人工智能检测系统的一次检测结果并不比人手二读的差，因而可能将工作量减少八成八。在另一项测试中，这个研究小组让人工智能系统和六名放射科专家的检测比较，结果发现前者精准预测乳癌的表现更胜一筹。和人类不同，人工智能是不会疲倦的。 　　全球每八名女性就有一人罹患乳癌。美国癌症学会说，放射科医生漏判乳癌的机率约两成，而在所有接受十年筛检的妇女中，有半数会有伪阳性反应结果，导致虚惊一场。估计英国现时缺一千名放射科医生。若引入人工智能人工智能技术，相信可以为病人带来很大帮助。 　　来自芝加哥西北大学医学中心的研究共同执笔人艾提玛蒂说，这项研究代表早期检出乳癌的可能性有了重大进展。艾提玛蒂说，临牀使用须获得监管部门批准，过程可能需要花几年时间。

最新发布的文件显示，联邦政府官员认为，人工智能和机器人并不会取代加拿大现有大部分工作，但智库专家提醒政府，加拿大11％的工作在未来15至20年内可以实现自动化，网络流媒体（online streaming）等某些经济领域的迹象值得关注，应及早采取措施应对。 联邦政府的专家于去年完成的研究发现，称加拿大职场一半工作将被机器人取代的“末日”说法，属于夸大其词，事实上，大部分工作并不会被机器人所取代。不过他们也警告政府官员，早期迹象表明，在某些经济领域，例如网络流媒体正在改变音乐、电视和电影制作的方式，政府应采取措施应对。 专家建议提供培训应对失业 另一份夏季前提供给官员的简报亦指出，加拿大11％的工作在未来15至20年内可以实现自动化，另外29％工作可能会发生重大变化。该报告曾为联邦选举获胜者提供建议，帮助他们在未来10年帮助加国职场人士。 目前尚未知联邦计划进展情况，但据加通社早前获得的文件，联邦官员已预测出受自动化影响最大的地方，如一些倚赖制造业的农村城镇，文件还列出各省最可能受到影响的城镇名字，但确切的影响以及发展速度仍属猜测。比如，联邦的文件称，一些编辑及数据输入工作，可以通过网络外包给低廉的工人，3D打印可以取代制造业工作。报告亦未衡量其他趋势对未来工作的影响，如向低碳经济的过渡以及LGBTQ2工人人数的增加等。 一些应对政策将于2020年开始生效，包括为工人每年提供250元培训费用，以及有失业保险保障的相应假期，从而令工人掌握未来成功所需的“软技能和基本数字技能”。 布鲁克菲尔德学院（Brookfield Institute）最近的一份报告亦得出类似结论，建议各国政府广泛设立项目，教授加国普通职场人士数字技能以及软技能。

2019年度的AI发展评估报告已然出炉：AI领域在研究，教育，和技术方面上成就；如今机器学习算法只需更少的数据就能训练出强大的AI——数据集已连续三年逐年减少。 报告涵盖了诸多领域，以至于它的创建者(包括哈佛，斯坦福和OpenAI等机构)同时发布了两个新工具，目的只是为了筛选信息。一种工具用于搜索AI研究论文，另一种工具用于分析国家级研究和投资的数据。 2019年度基本上延续前几年的趋势。如果您不愿意费心去浏览原始的290页的报告，以下罗列一些更有趣和相关的要点：   人工智能研究正在迅猛发展。在1998年至2018年间，有关AI的经过同行评审的论文发表数量增加了300％。出席会议的人数也激增；最大的会议组织方NeurIPS预计，今年将有13500名与会者，比2012年增长800％。 AI专业同样大受欢迎。在大学和在线学习机构选择了机器学习课程的人数持续增长。具体数字很难总结，但是一个很好的指标是，人工智能是北美计算机科学专业毕业生中最受欢迎的专业。超过21％的CS博士选择专门研究AI，是第二受欢迎的学科(安全/信息保护)的两倍多。 在大多数指标上，美国仍然是人工智能领域的全球领导者。尽管中国发表的人工智能领域的论文数超过任何其他国家，但在美国的论文影响更大，美国作者比全球平均水平高40％。美国流入企业级AI研发的资金最多，(120亿美元，中国为68亿美元，全球第二高)，并且AI专利的申请数量超过任何其他国家(是排名第二的日本的三倍)。 算法变得越来越快，训练起来也越来越便宜。在流行的数据集(ImageNet)上训练机器视觉算法所需的时间从2017年10月的大约3个小时减少到2019年7月的88秒。成本也从数千美元下降到两位数。 自动驾驶汽车领域获得了最多的投资。全球私人投资中有近10％被用于研发自动驾驶车，约为77亿美元。其次是医学研究和面部识别(两者都吸引到47亿美元)，而增长最快的工业AI领域则不那么浮华：机器人流程自动化(2018年投资10亿美元)和供应链管理(超5亿美元)。   这一切令人印象深刻，但需要注意的重大问题：无论AI速度如何，它还远远不能与流行文化和大肆宣传的头条新闻中所暗示的那种智能程度相提并论。记住，尽管人工智能正在蓬勃发展，但AI本身在某些重要方面仍裹足不前。 首先，历史上的里程碑成就，大多数来自在视频游戏和棋盘游戏——具有清晰规则和易于模拟的领域，特别适合AI训练。比如说，AI在三天时间里，就能完成百万盘对局。它在高速积累经验方面，展现了计算机的优势，但是并未展露出人类所不具有的学习能力特质。 同样，除少数例外，AI在不同领域的取得的成就无法移植。AI不会将从围棋对弈中获取的智慧应用到《星际争霸2》上。尽管，AI可以像医生一样准确地诊断出乳腺癌，但对肺癌却颇为乏力。换句话说：现在的AI系统还是一次性的工具。 但是这并不意味着AI无用。如报告所示，尽管机器学习有局限性，但它在资金、公共兴趣和技术成就方面仍在不断积累。 思考AI的局限性和未来时，最好记住机器学习先驱Andrew Ng的话：“如果一个典型的人类可以用不到一秒钟的思想时间完成一项心理任务，那么我们早晚也能让AI做到这一点。” (煎蛋，图片来源pixabay)

人工智能是未来几十年加速全球经济增长的新动力。近年来，麦当劳餐厅结合人工智能技术手段，整合自助点餐系统、美味特调、无现金支付、送餐到桌等元素，为顾客提供数字化、个性化和人性化的产品与服务。这与可口可乐利用大数据和人工智能来发展业务非常相似：从AI为动力的自动售货机到社交媒体监控，来决定应该关注的项目或产品。 自2015年首席执行官Steve Easterbrook执掌麦当劳以来，一直致力于采用人工智能来促进销售。麦当劳和可口可乐都是57家所谓的股息贵族之一，至少连续25年为股东增加了股息。在该公司十月最新的第三季度的财报电话会议中，Easterbrook报告称股息增加了8%。公司速度增长战略中一个越来越重要的部分是与客户互动的“数字化重塑”。今年3月，麦当劳斥资3亿美元收购了一家名为Dynamic Yield的以色列初创公司，随后在9月份又收购了总部位于硅谷的Apprente。 成立于2011年的Dynamic Yield在麦当劳于今年初将其吞并之前，已筹集了约1.05亿美元。该公司是众多AI初创公司之一，这些公司通过利用大数据和机器学习进行产品和内容推荐，为客户提供自始至终个性化旅程的平台。麦当劳将Dynamic Yield的技术应用到了汽车专用窗口中，数字功能表根据从天气和交通状况，到趋势产品订单和历史订单等各种因素来综合定制其产品。 这样做的好处是顾客无需调整任何内容。他们几乎不知道这种体验正发生在他们身上，因为有动态数字功能表板，在顾客开始下订单时，功能表板回应于订购过程，因此更有可能为客户推荐想要的商品，并且不太可能显示客户不太想要的项目。 Dynamic Yield的技术已经在9500辆美国车上实施，预计年底将在全美范围推广。这似乎是麦当劳一个更大的战略的一部分，实现完全自动化的汽车窗口订餐体验，预计占比速食销售的50%至70%。 这就解释了它第二次收购Apprente的原因。Apprente是一家成立两年的初创企业，为其语音识别和通话技术已经筹集了480万美元。是的，一个语音启动的聊天机器人很快就会接受顾客的巨无霸订单，以加快工作速度（可能会导致裁员）。 据《QSR杂志》报道，麦当劳目前是速食业中开车通过用时最长的公司之一，不过多年来速食业的汽车空转时间一直在缩短，2019年又下降了20秒。