开发人工智能 京东集团计划在澳招募专家

中国第二大在线销售零售商京东集团计划招募至少100名澳洲数据专家,来帮助这一价值数十亿澳元的互联网企业推广人工智能技术。

京东集团广告部负责人颜伟鹏(Paul Yan)表示,京东集团已经和数个澳洲大学就发展一系列人口智能技术的问题进行了磋商。

在短暂的访澳期间,颜伟鹏对澳洲人报说:「我们团队的目标是为京东招聘人工智能方面的人才。京东有许多的人工智能项目,需要很多人才。我们会尽可能雇用更多人才。 」

「京东真的很喜欢澳洲,我们在京东的平台上销售着很多澳洲产品,对我们来说,澳洲是一个很重要的市场,」他说。

在中国大陆,食品安全对消费者来说是一个重要的问题。因而,绿色干净的澳洲品牌会在中国获得巨大的商机。

颜伟鹏说:「我们正在开发区块链技术来保证这些商品都是真品,并且确保这些商品在从澳洲运送来的途中无法被做手脚。我们将保证产品都是真货。这会帮助澳洲产品在中国消费者的心中树立品牌形象。」

过去三个月中,京东已经和内蒙古的科尔沁(Kerchin)牛肉制造商共同合作,使用人工智能技术来帮助住在北京、上海和广州的消费者追踪冻牛肉的生产和运输。

人工智能专家炙手可热 硅谷高薪抢夺

人工智能(AI)是硅谷最新的宠儿,Google、Facebook、Amazon和Apple正在开发并应用图像识别系统,还有语音智能助手,而且还试图量身订制读者需要的新闻和社交媒体。这里也是初创公司的圣地,风险投资资金(Venture capital funding)也在这里寻找着合适的对象。 AI的风险投资资金在2017年前5个月就已高达95亿美元,而2014年全年也只有32亿美元,这被认为是今年最大的投资趋势,但也可能是最大的招聘趋势。

本周《纽约时报》发表的一份报告中,卡德·梅斯(Cade Metz)详细介绍了大型科技公司,如何用高达50万美元年薪来抢夺人工智能专家。根据加拿大蒙特利尔的一个独立实验室的数据,在全球只有不到1万名专家,具有必要的技能来进行高度的人工智能研究。

梅斯称,越来越多的大学或研究所的高级人工智能专家被硅谷公司挖去了。位于硅谷的斯坦福大学(Stanford University),4名知名的AI研究员,近年来要么离开,要么休假。在华盛顿大学(University of Washington)的人工智能中心,20名教授中有6人在企业中工作。让人担忧的是,如果教授和研究员都离开学术界,谁来教授下一代的AI专家?

卡内基梅隆大学(Carnegie Mellon University)有着居领先地位的机器人实验室——国家机器人工程中心(National Robotics Engineering Center)。在2015年,机器人工程中心的约40名研究员,被Uber挖走,负责Uber自驾车项目。这相当于该中心总员工的1/3,还包括几名高层主管,对该中心的冲击是致命的。

《匹兹堡邮报》(Pittsburgh Post-Gazette)称,尽管该中心计划使用1,100万美元来新聘请15到20名新员工,但直到2016年3月,这些空缺还没有补齐。卡内基梅隆大学计算机科学院院长安德鲁·摩尔(Andrew Moore)对此无可奈何,他说这种事情每年都会发生几次,他们只能关注下一个是谁了。

摩尔院长说,这种事情是周期性的,很多研究人员先是在学术界开始的,在得到了有价值的成果后,就会花数年的时间在商业上应用他们的研究成果,然后再把新鲜的观点和想法带回到学术界。在2016年的TechCrunch采访中,摩尔表示,每年通常会有5至15人离开大学去公司,一般会休假4年。最终,一部分人又会回到大学来做研究。

除了争夺专家,像Google和Facebook这样的公司现在正在提供课程,帮助员工快速掌握AI技术。经过培训后,他们可以将新知识应用于公司的其他项目团队。另外,高科技公司还采取战略收购的方式搜集人才,例如Google在2014年收购DeepMind,也增加了不少高端的AI人才,但这需要那些AI创业公司的长期耕耘培养。

即便如此,对于那些寻求博士级专业人士的高科技公司来说,需求远远超过供应。如果科技公司希望确保将来能够有足够多的人工智能专家的话,那么他们就必须在聘请专家与允许他们继续教授下一代之间取得平衡。

美训练人工智能 追踪中共地对空导弹基地

情报机构常常在巨量的卫星图像中寻找隐藏其中的秘密核设施或秘密军事基地,但是人类分析师数量有限。深度学习的人工智能在间谍和反间谍的世界中被证明是极具价值的。

一个例子是:美国研究者训练深度学习的算法(algorithms)来寻找中共地对空导弹基地。它们的速度比人类分析师要快数百倍。机器学习是一种实现人工智能的方法,深度学习是一种实现机器学习的技术。

美国《连线》杂志报导说,深度学习的算法被证明能够帮助没有图像分析经验的人找出散布在中国西南大约9万平方公里的区域中的地对空导弹基地。这些人工智能模拟神经网络,层层人造神经元过滤巨大数量的数据并从中学习,它们确定导弹基地的准确率达到人类图像分析师的90%。更令人惊叹的是,深度学习软件将找到导弹基地的时间从过去的60个小时减少到42分钟。

密苏里大学的这项研究发表在《应用遥感杂志》10月号上。眼下,卫星图像分析师正在陷入大数据的汪洋大海中。著名商业卫星图像公司DigitalGlobe每天产生70 TB的原始卫星图像。

密苏里大学地理空间情报中心主任、电子工程和计算机科学教授戴维斯(Curt Davis)和他的同事们,向记者展示了深度学习模型是如何确定情报机构和国家安全专家可能非常感兴趣的目标。深度学习模型,包括GoogleNet和微软的ResNet,其最初被建立起来的目的是辨识传统图片并将之分类。戴维斯和同事们将这种模型进行改进,以用于解读卫星图像。

美国分析师也用人工智能卫星图像来追踪朝鲜的武器计划发展情况。人类分析师可能已经确定了朝鲜境内大多数现有的地对空导弹基地,但是类似的深度学习工具可能帮助分析师自动发现朝鲜或其它国家新的地对空导弹基地。这些地对空导弹基地的发现可能帮助分析师找到其它重要目标,因为各国常常将地对空导弹部署在特定地区,以保卫附近重要的资产。

人工智能分析街景 准确推测政治倾向

斯坦福大学一组研究者们利用人工智能,从数千万张谷歌(Google)街景图中的汽车图片分析出了该区域的人口组成信息,包括选民的政治倾向等。

这一多数成员来自斯坦福大学的研究团队,通过分析某个城市街道上小卡车(pickup truck)和轿车(sedan)的数量来预测该区的选民倾向。如果小卡车数量多,这个城市有82%的概率会是共和党当选;如果轿车多, 88%的几率会选民主党。

随着计算机处理数据量的不断增大,人工智能在快速发展——通过大量的「信息阅读」,加上一些规则的设定,计算机就能做出一些「预测」。在本项研究中,计算机「消化」了来自200个城市的逾5000万张谷歌街景图,利用物体识别技术从图片中找出了约2200个电脑判定为汽车的物体。这些汽车占美国汽车总量的8%。然后对这些汽车按照品牌、型号和年份进行分类。

他们开发了一个人工智能工具来从事这项工作,花了不到两周时间完成。如果雇佣一个人,则需要近15年时间才能看完所有的图片。

研究者们使用一个统计学的回归分析算法,分析以往投票和该地汽车类型等数据,找到了汽车类型与当地政治倾向和人文信息之间微妙的联系。

这份研究论文的第一作者、斯坦福人工智能实验室的前女研究员Timnit Gebru说,他们分析出来的结果「准得令人震惊」。比如,该系统「预测」Wyoming的Casper市应该会是共和党当选。按照2008​​年总统竞选结果,果真如此。

但是她提醒说,这个系统不能代替普查,不过可以作为辅助工具。对于资源紧张的国家,使用这样的工具可以节省一些举办一个全面普查所需的资金。

当然,这项人工智能技术的前景远不止是分析汽车图片来「预测」过去的投票历史,Gebru说它的意义在于人文学家将来可以很好的利用大量数据,比如谷歌街景、甚至卫星图片,进行更多有意义的研究。图片和课题也不仅于汽车和政治,可以扩展到比如树木植被等方面。

人工智能测谎将结束虚假陈词

马里兰大学(UMD)的一组科学家们「训练」了一个人工智能系统来判断法庭上陈词的真实性。他们说,测试结果显示这个系统判断的准确性高于普通人。

据Futurism网站报导,马里兰大学的科学家们开发了一个欺骗分析与推理引擎(DARE)系统,通过分析人类细微的面部表情如抿嘴、挑眉,以及声调的变化等,来分析话语者是否撒谎。

研究者们录制了一些在法庭上让演员们分别说真话和假话的演练视频用于测试。 UMD研究员Bharat Singh说,DARE系统测试结果为0.922, 而普通人测试的结果只有0.58。

他们将在今年2月的2018人工智能发展协会(AAAI)研讨会上展示这项研究成果。

如果有这样一种机制真能判断人们是否在撒谎,将极大提高人类司法系统的有效性。目前虽然有称为吐真剂的能让人说真话的麻醉类药物,但在法庭上使用是违法的;另外还有测谎仪,其测试结果也不能达到法律认可的准确程度。 DARE系统却有希望得到法庭认可。

Singh说:「这个项目的目标不仅是针对法庭视频分析,而是所有公众场合的说谎测试。「Singh认为未来情报机构可能也会使用它。

但是,电气电子工程师协会(IEEE)全球人工智能和自治系统伦理考虑倡议主席Raja Chatilla提出了顾虑。

「如果这个系统可以用于决定一个人的命运,应该考虑到它的局限性和适用的环境,如何帮助一个人——法官做决定。「Chatilla对Futurism网说,系统判定的结果是基于「很大可能性」,仍不是完全确定的,而且每个人的行为都不尽相同,更何况这一系统的「训练」,即数据采集过程,很可能会存在某些偏见。

人工智能预测病人死期 准确率达90%

斯坦福大学一组研究者开发了一套能预测病人死期的人工智能系统,称其准确率可高达90%。这将有助于改善病人的临终关怀服务。

他们撰写的名为《深度学习改善临终关怀服务》(Improving Palliative Care with Deep Learning)的论文已在网上发表,旨在为家属提供数月、数周或数日的死期预测,让家属能更好的帮助亲人达成愿望或安排后事等。

研究者们在论文中写道:「改善临终关怀服务是医疗机构的重要议题。研究显示,医生们通常有着过高的预测,再加上惯性的治疗方式,往往导致病人在生命最后阶段得到的实际护理和其愿望不符。」

来自医生的不准确的估计往往导致病人的愿望不能达成,比如生命的最后几天在医院度过而不能在家里,在亲人的陪伴中度过。而人工智能系统不会像医生一样受情感和乐观等感性因素的影响,它通过分析大量的事实数据,结合一定算法给出预测。这样的结果会更准确,让病人及亲属能规划一个最佳的方式送亲人离开。

研究者们采集了两百多万病人的数据作为系统计算的事实依据。这样的数据量使得人工智能系统比任何医生都更加「见多识广」,就好比有更多的经验来预测病人剩下的存活期。该系统对一批处在临终关怀阶段病人的预测显示,结果达到惊人的90%的准确率。

研究者们称,尽管他们知道该系统如何解析收到的数据,但人工智能系统用何种算法进行分析推理却是非常复杂的。不管怎么样,这一系统的准确率令人惊叹,至于这个电子大脑「如何推理」已是次要的问题了。

人工智能有望破译古代神秘手稿

大约成书于15世纪的伏尼契手稿(Voynich manuscript)是一本以不明文字手写的神秘书籍,共有240页,附有植物、天文观测及裸体人物的插图,其内容不明、作者不详。人工智能的出现有助于解密书中的奥秘。

自从19世纪被发现以来,许多历史学家和密码学家都曾试图破解其内容,包括二战期间顶尖的解码专家,但都未能破译出只字片语,以至于有人认为该手稿只不过是个恶作剧。

近期,加拿大阿尔伯塔大学(University of Alberta)的计算机科学家们借助人工智能对该手稿的文字进行了分析,试图先找出其语言的起源,然后再揭开其神秘面纱。

研究人员先是使用《世界人权宣言》的380种语言的版本对人工智能系统进行「训练」,然后运行了他们的计算程序,最终得以确定与该手稿最近似的语言是希伯来语。

牵头的科学家康德莱克(Greg Kondrak)教授对此感到吃惊,并表示:「确认这是希伯来语仅仅迈出了第一步,下一步是如何去破解它。」

用希伯来语作为参考语言,康德莱克和研究生豪尔(Bradley Hauer)运用计算程序对手稿中的大量文字进行了破解。 「结果是80%的文字都能用希伯来语翻译出来,但我们不知道将这些文字组合在一起是否有意义。」康德莱克说。

通过求助于一位母语为希伯来语的计算机科学家,他们发现这些语言并非连贯的希伯来语的句子。但是,当对第一句话的拼写稍作调整后,研究人员使用谷歌翻译把它译成了英语,意思是「她向祭司、议院的人、我及人们提出了建议。」

「对一份手稿来说,这是个有点奇怪的开头,但却表达了具体的意思。」康德莱克说。

该研究结果发表在《计算语言学协会学报》上。要想完整理解伏尼契手稿的内容,他们还需要与古希伯来语的历史学家共同合作。康德莱克表示,他相信人工智能有能力帮助理解人类的语言,并期待将他的方法用于其它类似的古籍。

人工智能发现月球上数千陨石坑

在人类对太空的探索中,人工智能发挥了重要作用。科学家们发现,为完成引导自动驾驶汽车等类似任务而设计的机器视觉检测工具,亦可被用于梳理大量的天文学数据。天文学家们近日宣布,借助AI技术,他们新发现了月球上的6,000个陨石坑。

这个发现本身并不足为奇,因为人们早就估计到月球上会有成千上万的陨石坑,绝大多数由小行星和流星的撞击造成。因为月球没有大气层,这些物体可以自由下落至月球表面,而不像地球表面那样由于空气摩擦而降低速度、减小体积。另外,由于月球表面没有天气变化,这些撞击坑也就不会被侵蚀消失,因此也就形成了我们现在看到的这种状态。

但利用AI技术发现这些陨石坑的本身却意义重大,因为这证明了机器学习可以通过全新方式使耗时耗力的工作自动化。天文学家们不必耗费大量时间在月球的照片上寻找陨石坑,也就有更多精力专注于其它更具挑战性的研究。而且,我们对月球的陨石坑了解得越多,就越能更好地预测太阳系的形成和历史。

这次研究使用的工具是科学家们熟知的卷积神经网路(CNN),这种常用技术用于梳理视觉数据时效果最好。研究人员使用先前人类发现的一套陨石坑数据库来训练CNN,令该程序掌握了陨石坑的特点,然后用其来梳理月球表面一片全新的区域(大约占月球表面总面积的三分之一) ,结果,CNN发现了6000个陨石坑。

来自多伦多大学、宾州州立大学和亚利桑那州立大学的科学家们参与了这项研究。他们在文章中写道,该程序工作迅速且持续一致,「一旦完成训练,我们的CNN就会大大加快对陨石坑的识别速度,只需几分钟时间就可以产生数万个月球的DEM。」 (DEM指数字高度图,是用来识别并分类陨石坑的标准图形。)

不过,这套系统也并非完美,测试表明,它只能发现人类肉眼可以识别的陨石坑数量的92%。但人工智能在加快基础天文学研究方面确实是个非常得力的工具,类似方法在当今已被用于发现重力透镜、找寻太阳系外行星、识别脉冲电波星以及将星系分类

机器人苏菲亚成沙乌地阿拉伯公民!这位AI专家觉得很不妥

沙乌地阿拉伯颁发公民证书给苏非亚人工智能机器人的消息,令我非常惊讶。在上周这项宣布之前,沙国已承诺将投入5000亿美金,打造一个由机器人与可再生能源推动的城市。

成为一国公民并享公民权益,是人类最大的荣耀之一。身为一名专研人工智慧与自主系统的大学教授,我的工作是设法让这些系统更值得信赖,而我相信现今的人类社会还没有准备好接纳机器人公民。

给予机器人公民身分,象征着对机器人的信赖,而我认为目前的机器人技术仍不值得信赖。对于机器人所衍生的社会与道德疑虑,人类还没有好因应处理的准备。

苏菲亚是何方神圣?
苏菲亚是香港的汉森机器人技术公司所开发的产品。她具备一张可以表情达意的女性脸孔,会说英语,会讲笑话,有能力和人进行有意义的对话。

苏菲亚的创造者是大卫汉森博士(David Hanson),他在2007年于德州大学取得博士学位。

苏菲亚让人联想到「霹雳五号」(约翰尼5),也就是1986年那部电影里第一个拿到美国公民身分的机器人。但霹雳五号只是电影,是科幻喜剧写手威尔森(SSWilson)和布兰特麦达克(Brent Maddock)凭空想像的虚幻情节。

这两位编剧能否想像他们的剧本竟在30年后成真?

公民权的风险
在我看来,公民权是一个国家所能给予其人民最崇高的一种身分权利,但现在这个身分却面临存在危机。

我一向主张科学家打造出来的自主系统,必须能够让人信赖。而我很清楚目前的技术仍未成熟。

在机器人取得人类的信任之前,仍然有许多的挑战须克服。举例来说,目前仍缺乏一个可靠机制可以确保人工智慧系统依循人类的道德规范行事,或是能够保证机器人不做出引发人类浩劫的举动。

我认为现在给予机器人苏菲亚公民权是一个轻率的决定,原因有三:

一,个体身分
公民地位的赋予对象,是一个独特的个体。

我们每个人都拥有独特的身分标记,用以区别人我。当我们在机场快速通关时,我们的身分是透过脸部影像,虹膜以及指纹来辨认。我的博士班学生曾经用脑波的波形,来辨识人的身分。

苏菲亚的身分从何而来?是她的网路位址吗?还是一个条码?一个特殊皮肤印记?她讲话时的声波记号?还是类似人类脑波的电磁讯号?

我认为,个体身分是一个多面向的概念,是由我们的生物特征,认知意识,以及我们所有的经验,文化与环境背景所共同定义出来的。依此概念,苏菲亚的身分定位非常模糊。

二,法律权利
纯粹为了讨论之便,我们假设苏菲亚获得了公民的投票权利。在选举那一天,做出投给谁的决定的人,到底是苏菲亚?还是打造她的机器人公司?

如果说苏菲亚是独立于机器人公司以外的法律个体,那么苏菲亚似乎也应该像其他人一样缴交所得税。

苏菲亚也应该像其他公民一样,受到法律平等对待的保护。

想像一下这个假设场景:?一名警察看到苏菲亚和另一名女子,同时受到攻击警察只有能力保护其中一个人,那么他该去救谁呢如果警察发现苏菲亚是用轮子移动,毫无自卫能力而决定救她而不救另一名女子,这样对吗?

人工智慧产学界目前仍停留在讨论机器人的设计和使用规范的阶段,法律问题根本就还没有机会触及。

最近提出来的一套规范,是列有23条准则的阿希洛马人工智慧原则(Asilomar AI Principle)。准则中包括了“故障透明度”(如果机器人造成损失伤害可以判定原因),“价值校准” 」(让机器人的工作目标符合人类价值),以及「递回自我改善」(对拥有自我复制能力的机器人设下严格的安全限制与控管措施)等。

三,社会权利
还有亲密关系与繁殖的问题。

拥有情绪反应的苏菲亚机器人做为一个公民,可以被允许「结婚「或」生子」吗?北达科达大学的学生已尝试打造过一个能够用3D印表机进行自我复制的机器人。

如果有越来越多机器人像苏菲亚一样成为各国公民,或许他们就会开始要求繁衍的权利,复制出来的机器人也将会是公民。如果没有对机器人的繁衍设下限制,机器人的数量很快就会超越人类的数量。

作为公民,这些机器人可以推动社会的改造,修改法律,再过不久人类就会发现事情的演变,远超乎他们意料之外。

【2018趋势预言】白马非马斑马是马AI以假乱真有图不代表真相

阿诺主演的“魔鬼复制人”,曾掀起一阵复制人是否会引发社会混乱的认真讨论,但在网路时代,人工智能其实不需要你的基因,只用几行演算法,就能假冒你的存在。

你看了那支神力女超人拿着成人玩具在镜头前花枝乱颤的影片吗?

你听过川普在麦可风前替科技公司产品背书的宣传带吗?

年轻的莉亚公主在电影侠盗一号里穿越阴阳界,现身大萤幕上那一刻,你惊呆了吗?

事实上,这些最近在网路上广为流传的影像档和声音档,都是电脑合成的杰作,换句话说,它们都是假的。问题是,乍看之下,这些东西几乎可以乱真,甚至当你明知它们是假的,再把影片和声音看过,听过一遍,还是不禁自问:这,真的是假的吗?

欢迎来到真假难辨的人工智慧年代。

人工智慧「虚构」现实的能力,得力于近年来火红的「机器学习」领域。透过机器学习,原本过去需要大量人力介入的后制,可以改由喂给电脑类似影像资料,让人工智慧自行学习资料模式,就能轻松做到「一键转换」。一个比较容易理解的范例,是加州柏克莱大学不久前释出的一段影片。

人工智慧处理技术,让棕马瞬间变成斑马。
影片中原本毛色是咖啡色的野马,经由机器学习比对类似影片差异之后,可以天衣无缝地套上斑马的毛皮,或是任何体型差不多的动物外皮,让观看者以为自己看到的是一只奔驰的斑马,或是一种现实中不存在的生物。

机器学习的影像处理技术,最早可见于谷歌的「深度梦境」计画,利用人工智慧来产生诡谲迷幻的抽象艺术。接着,影像处里大厂的Adobe推出一系列融入机器学习的强大工具,让一般使用者也能轻松做到过去只有好莱坞大片才看得到的逼真特效。但在艺术工作者获得越来越多好用工具,人工智慧开启越来越多的可能性同时,很多人脑海里都会冒出来一个大问号却是:如果「造假」这么简单,那未来该如何分辨真假?

神力女超人拿性爱玩具的影片,其实是国外网路论坛上一名网友,用免费的机器学习影像处理工具,将盖儿加朵的脸部移植到AV女优身上的结果;而川普的产品代言声音档,则是一家叫做琴鸟的新创公司,为了展示语音模拟软体的功能而玩的「假代言」噱头。但若是依照这种人工智慧的技术演进,距离我们看到川普下令发射核弹攻击北韩的「假新闻」片段上网,引爆全球核战危机的那一天到来,还有多少时间呢?

“我不想变得歇斯底里,但我认为这很可能成真,”达特茅斯大学的资讯系教授Hany Farid预言。