Tag: 人工智能

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。

熟悉科幻作品的朋友，对意识上传和虚拟永生的概念一定不会陌生：在近未来的某个时间点，人类通过逐一扫描自己的神经元，并保留其中的关联，将自己的神经状态copy到服务器上，实现虚拟永生。 当然，现在的技术还无法把科学幻想变成现实。不过已经出现了一批初创公司(如Eternime、HereAfter、Nectome、Legacy Locker)致力于售卖“虚拟永生”服务。 对逝者的思念 因为难以遏制的思念，2016年，詹姆斯·弗拉霍斯(James Vlahos)开发了一款聊天机器人——与其父具有相同的语言风格。 现在，他希望每个人都能拥有与逝去的亲人继续互动的机会。 弗拉霍斯是怎么做到的呢？他把父亲生前的书信和语音录入电脑，并将它们转换为“ Dadbot”(基于固定文本的Siri)。与虚拟人格对话的时候，后台处理器会通过检索已知文本，来完成互动。 现在，弗拉霍斯(Vlahos)的雄心壮志是将技术商业化并分享给每个需要者。他于8月与他人共同创立了HereAfter，这家公司承诺“复现人们真实的精神世界，并使他们的人生永垂不朽”。 弗拉霍斯的目标是打造Mambot，Brobot和frinbot，尽管这些机器人能否真正反应人类的本质尚有待商榷。 Dadbot有局限性，即使是当今最先进的AI——具有真实的声音和生动的表情——也很少能令真实人类感受到人性化特征。 机器人的极限 并非所有人都支持他。 尽管他说他的妻子理解他，但她从不愿意和Dadbot说话。 弗拉霍斯说：“她发现它令人沮丧，因为它听起来确实有点像我的父亲，但又令她明白那不是。所以对她来说，它只是在伤口上撒盐。” 聊天机器人永远不会感到幸福或孤独——实际上它们不会“感到”任何东西。 即使配有大数据和专业的程序员，也不能将当前的机器人称之为智能。 弗拉霍斯表示，在目前的迭代中，Dadbot不再是父亲的数字化身，而是父亲的图书管理员，可以对父亲的生活和遗产进行分类。 商业与前景 有了新公司，弗拉霍斯希望给所有人一个机会。 弗拉霍斯对《 华盛顿邮报 》说：“想象一下，能够站在厨房里，打电话给已故的母亲，让她马上回来。能够听到亲人的声音就是一种安慰。” HereAfter尚未透露其商业运作模式，但弗拉霍斯说，他对提供订阅服务持谨慎态度。 他说：“如果按照订阅方式进行，而您停止为Dadbot付款，那么Dadbot将会死亡。就成了第二次死亡。” 但是他不确定替代方案是什么。即使采用了正确的框架和商业模式，也很难说悲痛的家属会如何看待逝去亲人的虚拟备份。 The Atlantic的一位记者写道，她发现自己告诉Google Assistant她感到孤独后，该设备回答：“我希望我有手臂，那样就可以给你一个拥抱。”(煎蛋，图片来源pixabay)  

人工智能正使得制作看上去完全真实但却完全伪造的图像变得前所未有地容易。为了利用这些类型的图片，一家叫做Icons8的公司创建了一个资源库：Generated Photos。 该资源库包含有100000张由人工智能生成的免版税人脸。 尽管有些肖像看上去有些小毛病(因此显得很假)，但还有是许多肖像可以与你在各大图库中看到的真实人像相媲美。 Icons8打算将其人工智能生成肖像以多种方式供人们利用，其中许多方式对于数字设计师来说都是一个理想选择。该公司的免费图片可被用于网络及移动应用程序、教育、讲义、电子邮件与时事通讯、登陆页面、以及用户头像等方面。 该公司在其网站中指出： 我们正在通过人工智能的力量来构建下一代媒体。版权、分销权以及侵权索赔将很快成为过去。 这些人工智能生成人像具有不同的年龄、面孔和种族，但大小和光照都一致。这是为了可以轻松地将多人编译进一张图像或将他们合并到同一项目中。 通过谷歌云端硬盘，便可浏览这100000张由人工智能生成的面孔。如果你在其中找到了自己想要使用的图片，只需加上一条链接标明出自于generated.photos即可。 值得一提的是，尽管该项目的初衷是对广大设计师的最大善意，但还是有些人担心这样的技术可能用于其他恶意目的。(煎蛋，图片来源generated.photos)

机械人技术日新月异，将化身钢管舞孃，脚踩高跟鞋展示舞技。两具机械人周二将在法国西部南特的脱衣舞夜店SC-Club首次登台，将表演钢管舞一个月，以庆祝夜店开幕五周年。 由英国艺术家沃克（Giles Walker）构思设计的这两个机械“脱衣舞孃”，由金属机械身体覆蓋女塑胶人体模特儿零件。 夜店老板鲁埃（Laurent Roue）表示：“对我们来说，这是对机械人技术的致敬。” 但他也承认，这是个不太可能使用机械人的行业。他解释：“我们需要某种有人性的东西、既温暖又能实体接触，而这真的完全截然不同。” 他说，这些机械人不会取代夜店里的十名真人舞者，他们将会和机械人共同演出。 23岁舞者蕾西（Lexi）表示：“他们不会真的改变我们的行业，他们不会取代我们。我们不是在做下流工作，这是艺术，是件美丽的事，而机械人不会改变这点。”

Alphabet旗下的Deepmind，一个在人工智能领域或许称得上是世界领先的公司，去年亏蚀5.72亿美元；在过去的三年中持续亏蚀，金额超过10亿美元。  Deepmind每年都投入大量的资金，金额甚至比之前任何相关项目的金额都要大。但DeepMind 亏蚀的上升幅度仍值得考虑：2016年为1.54亿美元，2017年为3.41亿美元，2018年为5.72亿美元。  DeepMind一心扑在深度强化学习上，该技术将主要用于识别模式的深度学习与基于奖励信号的强化学习相结合。  2013年，DeepMind在一篇激动人心的论文中将这项技术命名为“深度强化学习”，该论文展示了如何训练一个神经网络系统来玩各种Atari游戏，比如Breakout和Space Invaders；不得不承认，有时候它们比人类玩得都要好。 “雷锋网”称，这篇论文是一篇工程杰作，大概也是促使Alphabet在2014年1月收购DeepMind的主要原因之一。随后，该技术进一步发展，推动了DeepMind在围棋和游戏StarCraft（星际争霸）中取得胜利。 问题就在于，该技术对环境的依赖非常大：在玩Breakout时，就连将游戏中的球拍向上移动几个图元这样微小的变化，都会导致游戏性能急剧下降。DeepMind在星际争霸游戏里的胜利也有着同样的局限——使用特定地图和特定“种族”角色时，其结果优于人类；使用不同地图和不同角色结果较差。如果要更换角色，则要从头开始重新训练系统。  在某种程度上，深度强化学习是一种涡轮增压式的记忆，使用它的系统能够实现一些人们觉得不可思议的目标，但它们本身对自己在做的事情只有肤浅的理解。 因此，当前的系统缺乏灵活性，也无法在环境发生变化时进行调整。 深度强化学习还需要大量的资料。比如，AlphaGo在训练过程中参加了数百万次围棋游戏，这远远超过了一个人想要成为世界级棋手所需要的数量；而且实现这个目标需要巨大规模的计算资源，价格也不菲——据估计，训练AlphaGo的成本为3500万美元。  不过，这些都是出于经济学的考虑。正如Rebooting AI（重启人工智能）这本书中所说，真正的问题在于信任。 目前，深度强化学习只能在受到严格控制、很少出现意外的环境中进行；将其运行在几千年里都没有出现变化的环境里或许可行，但在现实生活中，人们可能不会想依赖它。

尽管今年以来，美股迭创新高，但华尔街不少金融机构交易员却在担心自己“饭碗不保”。 比如，花旗集团近日就计划裁减数百位交易员。究其原因，一是今年上半年花旗集团股票交易收入下降17%，且交易总额下降5%，难以满足有形资产回报率12%的目标，只能通过裁员降低成本。二是机器人投资模型在华尔街日益流行，大幅挤压交易员的生存空间。 “相比前者，后者对交易员生存业态的冲击更大。”一位华尔街金融机构股票交易员直言，基于大数据、人工智能等各类金融科技技术的机器人投资模型，正从根本上替代交易员的人工交易决策机制，最终导致交易员这个职业“成为历史”。 随着金融科技技术的崛起，华尔街各家大型投资银行与对冲基金都在不遗余力地研发机器人投资模型。据《21世纪经济报道》称，比如摩根大通此前宣布将投资114亿美元研发全球股票交易机器人，贝莱德基金则正积极引入基于机器人投资决策的量化策略替代交易员人工投资决策机制，高盛则侧重投行工作的自动化，将IPO过程分成逾140个步骤，通过机器人模型自动完成。 “不过，机器人投资模型能否安全替代交易员的人工投资决策时代，现在还不好说。”上述股票交易员认为，机器人投资模型依然面临资料不全、深度学习能力不强、部分投资结论缺乏逻辑推敲等问题，导致其实际投资效果差强人意。但他承认，随着人工智能与大数据技术日新月异，未来机器人投资模型的成熟度与准确性也会随之不断提升，交易员在投资决策的比重注定会持续下滑。 “未来华尔街金融机构的实力比拼，不再是交易员的能力，而是机器人模型的投资能力。”他强调说，“目前华尔街大型投行与金融机构对金融科技的研发投入，都是数十亿美元级别的。” 在他看来，目前华尔街大型投行与金融机构对金融科技的研发投入，主要聚焦在三大领域，一是基础设施的建设，比如多数投行都在借助金融科技设计新的交易系统，从而获得更快的交易速度与更高的交易优势，二是将线下业务搬到线上，以此降低运营成本，比如摩根大通设计的金融合同解析软件COIN节省了律师与贷款人员大量工作时间，且业务出错率也大幅降低；三是设计机器人投资模型创造更高收益以赢得客户青睐。 “目前研发环节最艰难的，就是机器人投资模型。”他说，一个运营成熟的机器人投资模型，需输入海量交易资料与各类金融资产历史走势，让机器人既能从历史走势里找出能创造高回报的投资策略，还得根据历史走势洞察未来，对未来金融市场变化及时做出准确回应捕捉新的投资机会。 一位曾参与机器人投资模型研发的华尔街金融机构基金经理坦言，尽管他们为机器人投资模型根据历史交易资料设计了不同场景的交易策略，实际投资效果却低于预期，甚至时常出现“明显违背投资常识”的错误交易行为。究其原因，是机器人投资模型自主创造的投资结论与交易策略缺乏逻辑性且让人“看不懂”，在实际投资环节得不到合理解释，因此出现差错也难以“纠正”。这导致他们一直没有将机器人投资模型推荐给FOF机构等客户。 但不少FOF与大型资管机构对机器人投资模型的投资兴趣一直在增加，原因是美联储减息与经济衰退风险令美债收益率持续走低，导致无风险套利收益大幅缩水，因此他们迫切需要新的策略找到低风险高回报的投资机会，而机器人模型的“投资潜力”或许能帮助他们完成这个夙愿。 “因此我们一直在加强机器人投资模型在美股投资方面的资料理解与分析能力，从而令其投资效果能真正达到预期值。”这位基金经理直言。但这将是一个持续完善的过程。 目前也有不少华尔街金融机构推出由数百个机器人模型提供交易信号的程式化交易产品，与智能投顾类似，但实际投资收效千差万别，真正跑赢美股涨幅的相关产品并不多。(图片来源pixabay)

根据清华大学新闻网8月1日的报道，我国科学家研制成功面向人工通用智能的新型类脑计算芯片——“天机芯”芯片，而且成功在无人驾驶自行车上进行了实验。   研究团队通过这辆“类脑自动行驶自行车”，建立了一个“异构可扩展人工通用智能开发演示平台”，为学界提供了一个发展人工通用智能的平台和思路，将能促进人工通用智能研究，从而赋能各行各业。 清华大学类脑计算研究中心施路平教授团队的相关论文《面向人工通用智能的异构“天机芯”芯片架构》，8月1日在国际期刊《自然》杂志以封面文章的形式发表，实现了中国在芯片和人工智能两大领域《自然》论文零的突破。 在《自然》杂志网站上登载的论文简介显示，发展人工通用智能的路径目前主要有两条：一种是以神经科学为基础，尽量模拟人脑；另一种则是基于计算机科学，让计算机运行机器学习算法。 二者各有优缺点，但将两者融合被公认为是最佳解决方案之一，“天机芯”就是这样一款支持融合计算的芯片——这是当前人工智能芯片做不到的。(图片来源清华大学官方）

由加拿大移民律师李克伦（Richard Kurland）主编的最新一期《移民资讯汇编》（Lexbase) ，披露一份未有标明日期的移民部内部报告，指随着中国大陆地区民众，申请赴加签证的人数迅速增加，各地签证处人手紧张，为此建议引入一套人工智能“可预见分析系统”（Predictive Analytics），用电脑系统自动处理和审批观光签证和学生签证申请，提高签证审核效率。 这份看似是早前完成的报告，指中国各签证处接收的申请，在2018年预计达到近80万人次，2019年在80万至100万人次之间，至2020年将会突破100万人次，达到100万至120万之间。由于申请人数的快速增长，各地签证处担心由2018年旺季开始，将难以对申请个案进行及时处理。除非增加人手，将难以达到14天内处理旅游签证的服务标准。 中国申请数量占全球25% 报告指出，由于旅游签证处理需要大量人手，以致影响了其他各项工作的效率，因此急需改变工作模式。而中国地区每年处理的旅游签证数量，要占到加拿大全球总量的25%。可以说中国地区的工作表现，直接影响到加拿大移民部的整体工作表现。 这份报告中提到的一个解决方案，就是开发和引入使用人工智能的“可预见分析系统”，即透过预见的分析模式，以电脑系统辅助对申请人的情况和风险作分类评估，然后对透过网络递交的旅游签证（E-Apps）申请，进行审批并做出决定。 这套系统计划先应用于处理中国和印度的旅游签证和学生签证申请个案，日后也会用于处理公民入籍申请和护照申请。  分析学习签证官思维逻辑 按报告当时的设想，项目将于2017年10月起，试用于中国大陆旅游签证的审批过程，之后由2018年2月，在审批中国大陆赴加旅游签证过程中使用，到2018年下半年，用于处理印度地区的加拿大旅游签证申请，以及来自中印两国的加拿大学生签证申请。 这份报告指出，由于当时这一系统还没有完全对接加拿大移民部的全球个案处理系统（Global Case Management System，简称GCMS），在2018年试用这套系统时，还需要某种程度的人手干预。长远目标是让系统完全自动运行。 报告指出，这套系统可以对以往由签证官人工做出的审批决定进行分析，从而在一定程度上“学习”到签证官在审批签证申请时，所使用的思维逻辑。  这种“预见式分析方式”，与其他自动处理系统有三大分别，一是使用严格的统计学模式。二是使用最新科技，特别是最新的软件工具。第三是在电脑处理过程中使用“穷尽法”，即电脑会将已知的全部相关信息，以所有可能的方式进行组合，然后才做出审批决定。 报告指，电脑所组合出的各种情况和考虑，实际上更多于人工处理时人类大脑所能想像到的情况。

“胶囊咖啡机一样的调酒机”，这个概念并不是全新的。但这次Barsys公司出品了更完善的机器人调酒师。下周，Barsys将推出其鸡尾酒机器人2.0。与上一个版本一样，新机可以提供自动鸡尾酒和可定制的饮料配方。但是现在，由于使用蓝牙，您将能够一次最多控制三台设备。而Barsys 2.0将使用AI来保持饮料的一致性。 Barsys 2.0将于7月22日上市，但是机器人服务价格不菲，这台机器售价为1,500美元。这与像Drinkworks这样的竞争对手相比所差甚远，后者以299美元的价格提供调酒机。但该公司希望Barsys 2.0也可能吸引酒吧和餐馆。它声称Barsys 2.0可以通过精确的浇注减少浪费。公司声称调酒机器人并不完全想要取代调酒师，它的作用在于可以释放调酒师，让他们可以多与客户互动。(都市网Rick编译，图片来源网络)

据两份深度研究报告发现，人工智能及自动化不仅影响工作职位，科技广泛应用带来的影响，可能重新定义经济和就业模式。人工智能和自动化可能会侵蚀就业机会，长工可能变成临时工。这些报告为加拿大人未来可能面临的问题提供见解，并有助政府因应重大转变，在制定政策和计划时更具弹性。 加拿大政策视野(Policy Horizons Canada)公布两个新的报告，深入研究人工智能与自动化等科技发展，在就业及经济模式对加国带来的挑战。这些报告的目的，不是预测未来或规划政策，而是探索未来的情况，帮助政府面对挑战，并找出可能出现的机遇。 数码经济带来挑战和机会 其中一份报告《新数码经济》(The Next Digital Economy)，探讨经济如何发挥作用及政策意义。当中研究科技如何重新定义经济的组织原则，革新价值链，改变生产和消费的对象、内容、地点、时间和方式。新的数码经济模式带来多项挑战和机会，并且影响多方面的政策范围，包括经济发展政策，贸易政策，社会支援及税务等。 另一份报告《未来工作》(The Future of Work)发现，人们在就业及其工作经验可能会面临严重的打击，因为区块炼(blockchain)和人工智能等技术的成熟与结合，将会大幅度改变工作的数量和性质。这个变化可以是积极或消极，但为了经济繁荣，只能为未来的事情做好准备。 该报告提出5项游戏规则的改变，将会影响国民的工作及就业机会： (1)工作从长期性质和时间为本，改转变为临时的和项目为本； (2)在科技取代整个工作职位前，人工智能和自动化可能会侵蚀就业机会； (3)人工智能可能导致在知识产业的失业人士增长； (4)综合数码技术可以减少人类作为中介的角色和需求； (5)人们工作和赚钱的地方，可能不是他们生活和消费的地方。 该会行政总监云德埃尔斯特(Kristel Van der Elst)称，面对未来全新的数码经济转型，国民和企业的表现，将取决于如何采取迅速应变方法。其实，没有人能够知道或控制这些变化的速度和深度。但通过理性思考未来及现有的公共政策，政府可以协助国民度过这些转变。 (图片来源pixabay)