8月6日報道稱，人們應用人工智能技術（AI）的所有領域，包括無人駕駛汽車、機器人醫生、超過10億中國公民的社會信用評分系統等，當前都取決于一場關于如何讓AI做其不能做的事的辯論。這個曾經僅僅是學術界關切的問題，現在卻關乎價值數十億美元的人才和基礎設施，以及人類的未來。
據8月4日報道，這場辯論歸根結底在于目前創建AI的方法是否足夠。經過一些微調和擁有足夠的非理性運算能力，人們現在擁有的技術能否能夠做到真正“智能”，即存在于動物或人類身上的那種智能？
報道稱，這場辯論的一方，是“深度學習”的擁護者——這種方法自2012年多倫多大學三位研究人員發表了一篇具有里程碑意義的論文之后便迅速流行開來。盡管這絕非是AI的唯一方法，但是其展示出了超越以前AI技術實現程度的能力。
“深度學習”中的“深度”指的是人工神經網絡中人工神經元的層數。與其生物等效物一樣，帶有更多層神經元的人工神經系統也能夠進行更復雜的學習。
為了理解人工神經網絡，想象一下空間中的一串相互連接的點，就像大腦中的神經元一樣。調整這些點之間的連接強度，就粗略模擬了大腦學習時發生了什么。其結果是一個帶有實現期望結果最佳路徑的神經接線圖，例如正確識別一個圖像。
報道稱，今天的深度學習系統與人們的大腦不同。充其量，它們看起來就像是視網膜的外層，在這里只有很少幾層神經元對圖像進行初步處理。
這樣一個網絡不太可能完成人類大腦有能力完成的所有任務。因為這些網絡并不像一個真正智能的生物那樣了解這個世界，它們很脆弱，并且容易混淆。在某種情況下，研究人員可以通過僅僅改變一個像素來“欺騙”一個流行的圖像識別算法。
報道稱，盡管存在局限性，深度學習推動了圖像和語音識別以及機器翻譯領域“金標”軟件的發展，并且幫助其在棋類游戲中擊敗了人類。這也是谷歌的定制AI芯片和AI云服務以及英偉達公司的無人駕駛汽車技術背后的重要推動力。
AI領域最具影響力的人物之一、谷歌大腦和百度公司AI部門前負責人吳恩達說，有了深度學習，計算機應當能夠完成普通人在1秒鐘或是更短時間內能夠完成的任何腦力工作。自然，計算機應當能夠甚至比人類完成得更快。
報道稱，這場辯論的另一方，是包括優步科技公司AI部門前負責人、現任紐約大學教授的加里·馬庫斯在內的一些研究人員。他們認為深度學習遠遠不足以實現人們被承諾的結果。例如，其永遠不可能奪走所有白領的飯碗，或是引領我們走向一個實現完全自動化的輝煌未來。
馬庫斯說，獲得“一般智力”（要求具有思維、自主學習和構建對世界心理模型的能力）超出了當今AI的能力范疇。
馬庫斯說，想要令AI更進一步，“我們需要從自然中汲取靈感”。這意味著需要提出其他類型的人工神經網絡，以及在某些情況下，賦予它們內在的、預定程序的知識——就像所有生物與生俱來的本能一樣。
多倫多大學機器學習專業助理教授戴維·杜弗諾說，許多研究人員都贊同這一點，并且正在致力于補充深度學習系統，以克服其局限性。一個集中研究的領域正在確定如何從一個現象的一些事例中學習——而不是深度學習系統通常要求的數百萬個事例。
報道稱，研究人員也試圖賦予AI構建對世界的心理模型的能力，嬰兒甚至在他們的第一年就能完成這樣的事。因此，盡管一個曾經“看”到過100萬輛校車的深度學習系統可能會在第一次看到一輛顛倒的校車時無法辨認，但是，一個對于校車構成（即車輪和黃色底盤等）有著心理模型的AI系統，將能夠更容易的辨認出一輛顛倒的校車。
【延伸閱讀】日本借人工智能技術識別早期胃癌
東京７月２７日，日本研究人員借助人工智能技術開發出一種胃癌識別方法，能以較高的準確率發現早期胃癌。
日本理化學研究所日前發布公報介紹，分辨早期胃癌與胃炎并不容易，專科醫生也未必能通過內窺鏡圖像作出準確判斷。為此，該機構研究人員和日本國立癌癥研究中心的研究人員決定利用人工智能深度學習技術來識別早期胃癌圖像。
計算機深度學習通常需要數十萬至數百萬張圖像用作學習數據。由于大量收集早期胃癌的高質量圖像較為困難，研究人員選取了早期胃癌圖像和正常圖像各大約１００張，并對其進行隨機截取和數據擴展處理，生成了大約３６萬張圖像。
計算機深度學習大量圖像數據后，研究人員用約１萬張未用于學習的圖像進行測試，檢驗計算機能否準確診斷早期胃癌。結果發現，在判斷為胃癌的病例中，準確率為９３．４％；在判斷為正常的病例中，準確率也達到８３．６％。此外，計算機在深度學習后除能判斷是否患癌外，還能指出癌變部位。
研究人員說，這項研究成果將有助于早期胃癌的發現與治療，他們接下來將研究如何進一步提高計算機識別的準確率。
【延伸閱讀】人工智能技術可通過眼球運動判斷性格
北京７月３０日， 人們常說眼睛是心靈的窗戶。一個國際研究團隊日前利用人工智能技術，實現通過觀察眼球運動來判斷性格。
德國斯圖加特大學、澳大利亞弗林德斯大學和南澳大利亞大學等機構的研究人員使用了最先進的機器學習算法，用來證明性格和眼球運動之間的關系。他們跟蹤調查了４２名受試對象在日常生活中的眼球運動情況，并隨后使用調查問卷來評估這些人的性格特征。
結果發現，眼球運動能顯示一個人是否善于交際、小心謹慎或充滿好奇心，而算法軟件能夠可靠地識別出“大五人格”中的４種：神經質、外向性、宜人性和盡責性。“大五人格理論”指的是心理學家發現有五種特質可以涵蓋人格描述的所有方面，分別是外向性、宜人性、盡責性、神經質和開放性。
研究人員表示，這項研究跟蹤評估的是受試對象在日常生活中的視覺運動，而不是在實驗室中嚴格受控下的視覺運動，因此提供的結果更加接近實際。
此外，研究成果能夠為社交信號處理和服務性機器人等新興領域發展提供重要的參考，有助于改善人機交互，幫助開發更加自然、更好理解人類社交信號的機器人和計算機。
研究報告發表在新一期瑞士《人類神經科學前沿》雜志上。
【延伸閱讀】中國研究外交領域引入人工智能 俄媒：最后還是人類拍板
8月1日報道稱，中國正在開發應用于外交的人工智能系統樣機。
據7月31日報道，外交就像下象棋或打撲克：一個國家走一步，另一國作出反應。中國外交部以此為出發點，交給學者制造機器的項目，開發的機器可快速分析衛星和使館工作人員獲取的信息。這些機器將提出最佳解決方案，尤其在出現國際危機時。但最終的決定仍由人類來作。
報道稱，中國正在開發應用于外交的人工智能系統樣機。有數個機構同時在從事該領域的研究。其代表參與了對外經濟貿易大學在北京舉行的會議。
上海國際問題研究院的封帥博士這樣描述機器人相比人類的優勢：“人工智能系統能以人類無法比擬的方式，運用科技成就閱讀和分析數據。人永遠無法避免激素或葡萄糖的影響。制定政策的機器人將不受恐懼的影響，它不具有恐懼的情緒、對榮譽的理解或其他主觀因素。”
報道指出，《南華早報》發表的中國學者和外交部人員的訪談錄令人放下心來：最終決定將依然由人類來作，而不是機器。
這種項目是否有意義？成本能否收回？只有人工智能可以幫助找到答案。
俄羅斯科學院遠東研究所首席研究員亞歷山大·羅曼諾夫在接受《獨立報》的采訪時說，由于中國在國際舞臺上的雄心，《南華早報》的報道令人感興趣。
報道稱，關于在外交中應用人工智能的消息沒有具體細節。羅曼諾夫認為，“談到了某種連接大數據庫的非常龐大的分析系統。首先，系統能夠挑選必要信息，其次，系統可能正在制定某種算法，根據公開報道中出現的某種關鍵字嘗試分析并確定世界的社會趨勢”。
這位專家強調，“中國的電腦技術員未必會透露這個系統如何運作。要知道如果它存在，那么將賦予中國外交官相比于其他國家的巨大優勢。”
【延伸閱讀】日媒稱中國積極發展人工智能：百姓生活正發生改變
7月26日報道稱，全世界都致力于發展人工智能，特別是在中國，全國積極開發人工智能技術，人們的生活也正發生變化。
據7月25日報道，4月，在上海九江路，中國首個“無人銀行”亮相。無人銀行入口處站著搭載人工智能的人形機器人，事先注冊的客戶向機器人說話，將臉部對準攝像頭，大門則直接打開讓客戶入內。客戶可以在店內佩戴具備VR功能的眼鏡觀看出租房的房間虛擬圖，也可以通過安裝的終端與工作人員就房貸和金融產品進行商討。開設這家無人銀行網點的中國建設銀行推出的宣傳語是，可以像人工服務那樣便捷而迅速地提供必要的金融服務。
報道稱，在中國，人工智能服務方面除因搜索引擎而知名的IT大商百度的人工智能服務外，還有“芝麻信用”——通過購物記錄和交友信息等將個人信用數值化的服務，而風投企業作為人工智能技術開發的主力也在不斷提高存在感。中國2015年提出“互聯網+”，強化發展人工智能技術，鼓勵風險企業發展，推進技術革新。
在上海張江地區的“蟻巢眾創空間”是一處支援創業的設施，開發可以讀故事和計算的機器人以及教學用平板電腦的數十家風險企業等聚集在此，這是一家上海市政府提供支持的民間設施。這家設施的聯合創始人張相廷也來自風險企業，這家設施向風險企業提供辦公空間、經營建議、資金支持等。
上海市一位政府官員表示：“我們在資金方面對支援創業的設施提供支持，希望推動技術革新。”
據美國CB風險投資公司統計，中國風險企業在人工智能相關領域籌集的資金2017年超過美國躍居世界第一。熟悉中國企業的藍澤證券分析師王曦認為，中國希望利用人口規模大的優勢獲取大數據，在與美國的主導權競爭中獲得勝利。
與此同時，6月中旬在上海舉辦的2018亞洲消費電子展上，2015年創業的云從科技在展位上展出了“云從城市大腦”。巨大的黑色畫面上標示著地點和“異常人數”。云從城市大腦對城市街道上安裝的監控器拍攝的畫面進行分析，一旦發現可疑人員則及時報告。
云從科技公司一位負責人表示，云從城市大腦可以對交通、天氣和犯罪等情況進行統一管理。據稱，中國地方政府和100多家金融機構已經引進該公司開發的系統。
【延伸閱讀】日媒：人工智能不會搶走人類工作 因為這三個理由……
6月28日報道，6月18日刊登了題為《人工智能不會爭奪人類就業的三個理由》的文章，文章認為人工智能確實會給很多領域帶來變化，但是人類的工作也不會立刻被取代，文章給出了三點理由，具體摘編如下：
悲觀者認為，如果到了機器奪走人類工作的時代，首先陷入窘境的是放射科醫生。這是因為，醫學圖像分析是適合深度學習的作業。深度學習是人工智能相關技術之一，原本吸引人們關注的就是計算機識別出圖像中物體的能力。
有些人工智能研究者認為，人類可能完全失去工作。2016年人工智能領域第一人杰弗里·欣頓表示：“很顯然，應該停止培養放射科醫生。”
考慮到機器學習的應用范圍極廣，從工程師到護士可以說都會面臨同樣的情況。
但如果觀察人工智能在醫療領域的應用可以發現，實際情況更加復雜。機器學習確實會給很多領域帶來變化。但是，人類也不是立刻就變得毫無用處。放射醫學的現狀可以告訴我們理由。
第一個理由我們可以從人工智能的本質中找到答案。機器以明顯的優勢超過人類，但目前來看，能夠應用人工智能的范圍有限。沒有人能通過心算戰勝10美元就可以買到的電子計算器。但電子計算器能做的終究只不過是計算。
深度學習適用的范圍很廣。即使是這樣，歸根結底還是有限的。與其考慮人工智能能否奪取人類工作，莫如思考在某一特定作業中人工智能能否代替人。
這一點帶來了人們可以樂觀看待就業前景的第二個理由。這就是人類工作所具有的特質。例如，大部分職業是由多種作業組成的。即使會計軟件亮相，會計師也沒有失業。原因在于，會計的工作不僅僅是進行數字計算。
放射科醫生解析許多圖像，但他們的工作內容不僅限于這些，還包括決定拍攝哪部分圖像，就難以得出結論的診斷進行討論，還要跟患者商量治療計劃，還要在日常混亂的工作中應用研究文獻給出的結論，等等。即使將其中的一項工作交給“計算機助手”，也不意味著完全不需要放射科醫生了。這反而是給了放射科醫生集中精力進行更有意義的工作的機會。
可以樂觀看待職業前景的第三個理由是，隨著自動化的發展，需求將進一步擴大。即使在發達國家，放射線醫療也是要花錢的。隨著機械化的發展，工作效率提高，則價格會下降。這一成果可以惠及廣大患者，醫學圖像新的應用方法也將得到開拓。
在產業革命時代，隨著作業自動化的發展，紡織工人數量增加。隨著效率提高，生產率提高，價格下降，結果是人們產生了機器無法滿足的更多作業需求。
