眼部追蹤技術一直擁有廣泛應用前景，然而過去 40 年來，由於其昂貴的硬體成本（高達幾十萬），使得它距離普通消費級應用十分遙遠。之前也有廠商嘗試過將這一技術應用於消費產品中，例如三星 Galaxy S4 基於普通鏡頭的眼部追蹤翻動手機頁面功能，然而產生的最大問題就是精度差，受環境光影響嚴重，不同人種更是差異巨大，所以三星後來去掉了這一功能。近日， MIT 與喬治亞大學的人工智慧研究院希望可以改變這一現狀。他們藉助兩款名為 Gaze Capture 和 iTracker （與蘋果的手機防盜追蹤軟體 iTracker 不是同一個）的 App， 可以將任何一支手機都變成眼球追蹤裝置，大大降低了眼球追蹤技術應用的成本，並且精度提高一大截。關於此項技術的一篇論文在 6 月 28 日的計算機視覺和模式識別大會上發佈，論文的作者之一 Aditya Khosla 表示，相比於之前同行的研究，他們的優勢在於數據。 Khosla 介紹，他們已經透過 GazeCapture 蒐集了超過 1,500 個手機用戶的注視模型，而在此之前，最大的數據樣本是大概也只有 50 個用戶。為 什麼他們能蒐集到如此多的數據？答案是「眾包」模式。研究人員選擇亞馬遜的「Amazon Mechanical Turk」群眾外包平台，發佈使用 GazeCapture 任務，用戶可以登錄 Amazon Mechanical Turk。在下載這款 App（目前只提供 iOS 版）之後， GazeCapture 會在螢幕上展示一個顫動的小點，並在小點裡寫上「L」或「R」 （分別代表左右），以確保用戶集中注意力。用戶則透過點擊螢幕左側或右側來做出響應，然後藉助前置鏡頭記錄用戶的目光。用戶在完成每次任務之後，都可以獲得一筆「小費」。透過以上方法， GazeCapture 幫助研究人員蒐集了豐富注視模型數據。之前，大多數的研究機構都是召集人們來實驗室採集數據，有 50 個數據樣本就非常不錯了。（Source：Amazon Mechanical Turk）對於 iTracker 軟體，一款目前只能在蘋果手機上運行的卷積神經網路系統 App 。 iTracker 能辨識出頭部和眼球的位置與方向，確定用戶的目光究竟看向螢幕的哪個位置。目前 iTracker ...
Facebook 推出一款新的人工智慧引擎產品 Deep Text。Deep Text 能夠像人一樣理解用戶在 Facebook 上發表的所有內容和聊天資訊的意思。Facebook 表示，之所以打造 Deep Text，目的就是為了從 Facebook 上的海量內容裡找到人們感興趣的內容，同時過濾清除掉垃圾內容。這聽起來貌似是一個無足輕重的小改進，不過從理論上來看，Deep Text 將有潛力把我們每天都在使用的社群網路，轉變成另外一個我們每天都會使用的東西：一個強大的搜尋引擎。Facebook 機器學習團隊的工程技術主管 Hussein MeHanna 表示：「我們希望將 Deep Text 運用在對 Facebook 平台上的海量內容進行分類，從而讓查找內容變得更加容易，同時為使用者呈現他們感興趣的內容。」Facebook 平台上的內容搜尋量可能沒有 Google 的網路內容搜尋量那麼大，畢竟 Google 是從整個網路上進行內容搜尋的，但 Facebook 平台上的內容量也是非常龐大的。現在每天都有超過 10 億用戶訪問 Facebook，平台的伺服器裡有數萬億的狀態更新、活動邀請資訊、發布的照片和影片。現在 Facebook 平台上積累的資料量正在急劇增長，Facebook 可以更高效地利用這些資料，將有類似興趣的人連接起來、銷售更多的廣告、幫助用戶找到他們正在尋找的內容。目前，Facebook 伺服器裡的絕大部分基於文本的資訊都是非結構化的資訊，這意味著 Facebook 不了解使用者發布這些內容的深意，甚至不知道用戶發的是什麼東西。Deep Text 能夠說明將使用者發表的所有文本類資訊進行歸類同時解讀這些資訊的意思，如此一來，Facebook 就可以將這些原本非結構化的資料轉化為可以有效利用並且可以供使用者搜尋的資訊。Mehanna 表示：「如果我們能夠理解這些文本資訊的意思，我們就能幫助用戶以一種完全不同的方式進行連接和分享。」推出 Deep Text 表明 Facebook 正在開發能追蹤自己平台上所有資訊的能力，就好比 Google 抓取整個網路上的資訊並為其編索引一樣。對於普通用戶而言，這意味著大家可以更容易地在海量資料裡搜尋到自己需要的有用資訊，這和 Google 使用人工智慧去更好地了解我們檢索的問題，並在搜尋結果裡為我們呈現所需要的資訊是一個道理。Facebook 在2015 年已經升級過它的搜尋功能，升級後，如果你在...
美國知名創業家艾隆‧馬斯克（Elon Musk）不但創辦眾所矚目的豪華電動車製造商特斯拉（Tesla Motors），還兼職管理航太運輸服務公司 SpaceX，對科技趨勢非常有遠見。Musk 之前就曾多次強調發展「人工智慧」（AI）的危險性，現在更指稱有一家研發 AI 的公司讓他特別憂心，還說為了對抗 AI，大家都應在腦中植入數位智慧網路（digital intelligence）。The Verge、Business Insider 報導，Musk 1 日在「Code Conference」科技論壇指出，他目前只對一家 AI 企業感到擔憂，但不方便透露名字。主持人 Walt Mossberg 問，那家公司目前是不是在研發自有車款，Musk 沉默了一下，又重複說「只有一家」。大家猜測 Musk 指的或許是 Google。影星阿諾史瓦辛格（Arnold Schwarzenegger）的成名作《魔鬼終結者》（The Terminator）中，描述未來的世界因電腦防衛系統「天網」（Skynet）產生智慧，認定人類是威脅，因而引發核戰。Musk 似乎也擔憂未來可能發生類似事件，2015 年成立了非營利性的「開放式人工智慧」（Open AI）組織。他 1 日在訪談中強調，創立 Open AI 並不是想和對手競爭，其目的是在預防未來出現電腦暴君，導致人類慘遭摧殘，組織將嘗試讓一切往好的方向發展。Musk 相信，AI 快速演化，人類必定會遠遠落後，未免日後淪為人工智慧的居家寵物，大家或許應在腦中植入一層數位智慧網。他提出了「神經織網」（neural lace）的概念，這基本上是一種連接無線網路的人腦 / 電腦運作系統，他認為這種科技非常重要，有能力的企業一定要快點研發。其實，奈米科學家早就在研究這個概念。Musk 說，植入神經織網，並不需要「切開腦袋」，只要透過頸部靜脈就可安裝完成。他認為，若人類能利用自己的數位分身創造寬頻的神經介面，那大家就不用當寵物貓。在被問到是否會自行研發這項技術時，Musk 堅持說：「這件事一定要有人去做。」（本文由 MoneyDJ新聞 授權轉載；首圖來源：達志影像）延伸閱讀： 走得更穩不怕跌跤，Alphabet 次世代「Atlas」機器人現身！ 青壯族群淪為悲慘世代：機器搶工作、貧窮度老年 學者：人工智慧在未來 30 年內，將導致 50% 人類失業
近日，麻省理工學院計算科學和人工智慧實驗室前主管、iRobot 和 Rethink Robotic 聯合創始人羅德尼‧布魯克斯（Rodney Brooks）接受 Radio Boston 主持人梅克娜‧克拉巴爾蒂（Meghna Chakrabarti）的採訪。如果你想要談論機器人，應該沒人比羅德尼‧布魯克斯更適合的了。他是麻省理工學院計算科學和人工智慧實驗室前主管，同時也是 iRobot 和 Rethink Robotic 兩家機器人公司的聯合創始人。似乎羅德尼‧布魯克斯的整個人生都在與機器人和人工智慧打交道，現在，他希望談談我們所關注的人工智慧技術，以及為什麼史蒂芬‧霍金和艾隆‧馬斯克對未來機器人的擔憂是不對的。 當你還在史丹佛讀書的時候，是否就已經預見到如今蓬勃發展的機器人行業？「我當時覺得，機器人行業肯定會取得一定進步，但當時我並沒有想像太多其他事情，那時候我只知道世界上有 3 個行動機器人，算是人們稱得上的那種專業行動機器人。之後，我來到波士頓聯合創建了 iRobot 公司，現在 iRobot 機器人銷量已經超過 1,600 萬部。我讀書的時候根本無法想像機器人行業會發展到現在這種規模……但我那時候所想像的機器人，應該比現在更智慧一些。」 我們現在距離真正的人工智慧還有多遠？「我覺得，有一些不從事人工智慧行業的科學家和工程師曲解了 AI，而且普遍的說，很多人對人工智慧都存在誤解……當某個人有了某種形式的表現，我們就會獲得一個不錯的模型，知道如何把這個模型應用在其他事情上；但當一台電腦執行某個操作時，它可能無法以同樣的方式形成模型概念。如果回到上世紀 90 年代，我們開發的深藍就打敗國際象棋冠軍卡斯帕羅夫。而現在，一台筆電、甚至一支手機上就有很多不同類型的國際象棋軟體程式，這些程式可能比歷史上任何一個象棋高手水平都要高。但是真正的象棋大師卻擅長教別人如何下棋，程式只知道走『最好的一步棋』與『不是最好的一步棋』，它們對象棋的理解和人類對象棋的理解是完全不同的。如果某人是個國際象棋大師，他 / 她肯定會下『井字棋』，而那些國際象棋程式雖然下象棋水平很高，但卻不會觸類旁通，也肯定不會下井字棋，更不會下其他類型的棋，這些程式甚至不知道『自己』在下棋。」 未來在我們的日常生活中，會看到些什麼樣的機器人？「我覺得，現在我們已經能看到帶有輔助駕駛功能的汽車正在機器人化。有些人很樂觀，覺得很快就會出現全自動駕駛的汽車，但我的看法和他們不同。我們的生活中有部分會變得『機器人化』，但像動畫片《摩登原始人》裡 Rosie 家政機器人應該還不會很快出現，不過，某些家用設備將會具備機器人功能。」 人們對機器人的擔心，有什麼看法？「有些人太激動了，說我們已經需要擔心超級智慧機器人，但實際上，我們距離『弱智慧』機器人都還很遙遠呢。」 ‘We Hardly Understand Anything’: Rodney Brooks On Artificial Intelligence （本文由 雷鋒網 授權轉載；首圖來源：Flickr/Steve Jurvetson CC BY 2.0）延伸閱讀： 人類將淪為 AI 寵物？馬斯克：腦中植入數位網路就不怕
隨著汽車朝零排放、無人駕駛發展，德國豪華車大廠寶馬（BMW）正在重新調整研發布局，將投入更多經費開發電動車、人工智慧與自動駕駛技術，藉以迎接新紀元帶來的挑戰。寶馬開發的全電動車 i3 2015 年僅賣出 2.5 萬輛，對照特斯拉（Tesla）Model 3 開放預購，即湧入超過 37 萬輛訂單。即便上述兩種車分屬不同檔次，但還是讓寶馬心頭燃起了危機意識。知情人事消息透露，寶馬預計 2018 年將再推出新版 i3。（路透社）另外，面對無人駕駛時代的來臨，寶馬還將一改過去重硬體輕軟體的思維模式。截至目前為止，軟體工程人員僅佔寶馬 3 萬名員工（含外包商）的兩成，但寶馬研發長佛羅里克（Klaus Froehlich）已宣誓啟動「i Next」專案，5 年內將把軟體工程師比例拉高至五成。寶馬希望廣納機器學習與人工智慧專家，務求在 2021 年推出具全自動駕駛功能的旗艦級轎車。（路透社）如果有全自動駕駛技術的加持，可以想見寶馬未來還可能進軍叫車服務。由於無需負擔司機成本，寶馬將比 Uber 與 Lyft 還具競爭優勢。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/Car leasing made simple CC BY 2.0）
用 AI（人工智慧）把看似無關的訊息線索連接起來，FBI 準備用這個方法提高破案效率。他們選擇的第一個分析對象是刺青。隨著 AI 圖像處理技術開發逐漸成熟， AI 在圖像資訊收集和分析的應用越來越多樣。美國 FBI 和美國國家標準技術研究所（National Institute of Standards and Technology，NST ）合作研發了一個刺青辨識 AI，用於對嫌疑人進行背景調查和資訊分析。據電子前哨基金會（Electronic Frontier Foundation，EFF ）調查，這項合作項目早在 2014 就開始了。透過大量收集嫌疑犯的刺青，建立刺青資料庫，再利用 AI 分析刺青數據， FBI 可以更高效地尋找到刺青者之間的關聯。 （Source：EFF）專案的第一階段是分析 1.5 萬名被捕嫌疑人的刺青。這些刺青都包含很多的個人識別資訊，例如個人信仰、所屬組織、愛人的姓名生日、親人頭像等。刺青辨識 AI 能用圖像分析技術連接這些資訊之間的關聯，並歸納出相似人群特徵。這些 AI 能幫助 FBI 發現肉眼無法看出的蛛絲馬跡。目前，第一階段的分析數據已經交由第三方進行外部算法檢測。專案的第二階段會在這個夏天開始， AI 分析將會分析來自佛羅里達、密西根和田納西州的 100 萬張刺青照片。但是從項目開始之初，電子前哨基金會等機構就大大反對 FBI 這個專案。 （Source：EFF）首先是法律問題。電子前哨基金會認為，刺青是言論的一種形式，因此任何試圖基於刺青去辨識、歸檔、分類或鏈接個人資訊的舉措都違反了美國憲法第一修正案。儘管持相同質疑的人甚多，但刺青是否屬於言論自由、FBI 分析刺青是否屬於侵犯行為，還難以界定。 （Source：EFF）最難以忽視的是 AI 的準確度問題。刺青的圖案重複度很高，刺青者選擇相似圖案的目的差異很大，AI 的分析對象只是相似的刺青圖案，無法理解其他的複雜要素。比如你到刺青店，刺青師幫你刺了個和附近黑幫標誌相似的刺青，不代表你就屬於這個黑幫。但對於AI 來說，你和這個組織存在高關聯度，現階段 AI 無法從演算法上排除這類干擾。另外，很多嘗試改過自新的更生人因為經濟狀態不佳，會拒絕高昂又耗時的刺青清洗服務。電子前哨基金會認為，刺青辨識 AI 對這個群體有「技術上的歧視」。電子前哨基金會指出，目前全美有五分之一的成年人擁有刺青，以刺青辨識 AI...
Google CEO Sundar Pichai 日前接受 Walt Mossberg（莫博士）約 30 分鐘的專訪，談到許多 Google 目前的計畫，包括 Google Home、人工智慧以及 Nexus 手機。首先在人工智慧上，Pichai 表示，他認為 Google 目前是市場上技術最好的公司。儘管有 Amazon，微軟 Cortana 和 Siri 一起競逐，不過 Pichai 認為 Google 在自然語音搜尋仍是領先的，這除了開源生態為 Google 的資料庫帶來助益，也包括 Google AI 在理解用戶聊天語境的能力，因此對他來說，主要以智慧助理和語音搜尋打造出來的新產品 Google Home，將能為使用者帶來不同的感受。「人們將會把像是 Google Home 這樣的產品當作朋友。」他說。此外，對每個不同的用戶來說，將來這個語音智慧助理，也能讓使用者彷彿擁有一個「自己的 Google」，因此 Pichai 日前就已提出「AI 優先」的想法，同時也希望將這個語音助理搬到除了 Google Home 以外的所有裝置，例如 Android 手機。值得一提的是，也許是想起歐洲人的壓力，Google 這次已經預先為這個將與 Google Home 一起出現的進階智慧助理設計好「遺忘功能」，可以脫離 Google 伺服器的追蹤與記錄，以免再遭遇隱私面的爭議。緊接著 Mossberg 向 Pichai...
路徑規劃技術是掃地機器人研究的核心內容之一，機器人定位與環境地圖構建就是為路徑規劃服務的。所謂機器人路徑規劃技術，就是機器人根據自身傳感器對環境的感知，自行規劃出一條安全的運行路線，同時高效完成作業任務。 通常，行動機器人路徑規劃需要解決 3 個問題： 使機器人能從初始位置運動到目標位置。 用一定的算法使機器人能繞開障礙物，並且經過某些必須經過的點完成相應的作業任務。 在完成以上任務的前提下，儘量最佳化機器人運行軌跡。 行動機器人的路徑規劃根據其目的的不同可以分為兩種，一種是傳統的點到點的路徑規劃，另一種就是完全遍歷路徑規劃。點到點的路徑規劃是一種從起始點到終點的運動策略，它要求尋找一條從始點到終點的最優（如代價最小、路徑最短、時間最短）並且合理的路徑，使行動機器人能夠在工作空間順利地通行而不碰到任何障礙物。完全遍歷路徑規劃是一種在二維工作空間中特殊的路徑規劃，指在滿足某種性能指標最優的前提下，尋找一條在設定區域內從始點到終點且經過所有可達到點的連續路徑。對於掃地機器人來說，其作業任務是清掃房間，它的路徑規劃屬於完全遍歷路徑規劃，需滿足兩個指標：遍歷性和不重複性。所謂遍歷性是指掃地機器人運動軌跡需要最大程度的遍布所有空間，它反映的是機器人的工作質量問題。所謂不重複性是指掃地機器人的行走路線應盡量避免重複，反映的是機器人的工作效率問題。掃地機器人的自主尋路可以分為兩種：隨機覆蓋法和路徑規劃式。 隨機覆蓋法隨機覆蓋法，有人也稱為隨機碰撞式導航，但這並非是指機器人真正與環境中的物體產生碰撞，也非毫無章法的在地板上隨機移動，換言之在工程操作中「隨機」也是 一個難以達到要求，隨機覆蓋法是指機器人根據一定的移動算法，如三角形、五邊形軌跡嘗試性的覆蓋作業區，如果遇到障礙，則執行對應的轉向函數。這種方法是一種以時間換空間的低成本策略，如不計時間可以達到 100% 覆蓋率。隨機覆蓋法不用定位、也沒有環境地圖，也無法對路徑進行規劃，所以其移動路徑基本依賴於內置的算法，算法的優劣也決定了其清掃質量與效率的高低。 美國 iRobot 公司研發的 iRobot Roomba 3-8 系列是隨機碰撞尋路系統的典型代表。據稱，其採用 iAdapt 智慧化清掃技術的專利技術，這是一種軟、硬體相結合的智慧化 AI 清掃系統， 硬體由 Roomba 前方的若干紅外線探測器、底部灰塵偵測器和落差傳感器、毛刷膠刷邊刷測速系統等組成，透過 Roomba 的硬體傳回的訊息，iRobot 自身的軟體可以對回傳訊息進行分析，根據紅外線回傳訊息的強度、範圍、高度、轉速、電流大小、阻力等參數，計算出前方障礙物大致形狀，再經過軟體的處理運算，得出的結果就是 Roomba 下一步清潔方式，Roomba 以每秒 60 次的速度計算周邊障礙物的情況，同時根據所處環境做出四十餘種清掃動作，如圍繞、 折返、螺旋、貼邊、轉身等。其次 iRobot 採用面積模糊判定算法，根據房間面積自動設定清掃時長。和路徑規劃不同的是，Roomba 開始收集算法估算所需的兩個重要參數：單次行進距離和單位時間碰撞頻率。單次行進距離越長則間接代表房間面積越大，走幾步就調頭則間接代表房間面積較小。每次碰撞 Roomba 都能收集到相關資訊，單位時間內碰撞頻率越高代表房間面積越小，碰撞頻率低則表示需要清掃的面積較大。 市面上大多數掃地機器人雖都採用隨機碰撞尋路方式，然而清潔效率卻差異很大，歸根到底還是軟體算法上的問題，這也是為什麼同樣大家買的都是隨機碰撞尋路方式的掃地機器人，在覆蓋率與效率上面卻有天壤之別。 路徑規劃式規劃式導航需要建立環境地圖並進行定位。對路徑規劃的研究已經持續很多年了，也提出了很多種類的方法。不同的方法有各自的優缺點，適用範圍各不相同，沒有一種路徑規劃方法能適用於所有的環境信息。 其中的人工勢場法、柵格法、模板模型法、人工智慧法等是路徑規劃中很典型的方法，並且受到越來越多的關注。下面將分別介紹上述這些典型的路徑規劃方法。1. 人工勢場法人工勢場法是機器人導航中提出的一種虛擬力法，其基本方法是將機器人在周圍環境中的運動設計成在一種勢場中的運動，是對機器人運動環境的一種抽象描述，機器人在場中具有一定的抽象勢能，勢能源有兩種：斥力極和引力極。機器人在不希望進入的區域和障礙物屬於斥力極：目標及機器人系統建議通過的區域為引力極。在極的周圍產生相應的勢，在任何一點的勢為該點產生的勢之和、該勢的負梯度稱為勢力。勢場的建立主要用於動態避障，此時的引力極是局部環境中的中間目標，斥力極則是局部環境中的障礙物。引力和斥力的合力作為機器人的加速力，來控制機器人的運動方向和計算機器人的位置。該方法結構簡單，便於低層的及時控制，在實時避障和平滑的軌跡控制方面，得到廣泛的應用。但對存在的局部最優解的問題，容易產生死鎖現象，因而可能使機器人在到達目標點之前就停留在局部最優點。 2. 柵格法設定行動機器人實際幾何形狀可用方形區域表示。規劃過程中將機器人縮為一個點，而環境中的障礙物邊界做相應的擴展及模糊化處理。採用網格表示工作空間，即把工作空間劃分為一個個大小相同的方格，方格大小與機器人幾何外形相同。用柵格法表示環境：使用大小相同的柵格劃分機器人的工作空間，並用柵格數組來表示環境，每個柵格是兩種狀態之一，或者在自由空間中，或者在障礙物空間中。這種方法的特點是簡單，易於實現，進而為路徑規劃帶來很多方便，具有表示不規則障礙物的能力；其缺點是表示效率不高，存在時空開銷與精度之間的矛盾，柵格的大小直接影響著環境信息存儲量的大小和規劃時間的長短。柵格劃分大了，環境訊息儲存量就小了，規劃時間短，分辨率下降，在密集環境下發現路徑的能力減弱；柵格劃分小了，環境分辨率高，在密集環境下發現路徑的能力強，但環境的儲存量大。所以柵格的大小直接影響著控制算法的性能。3. 模板模型法另外一種常用的方法是模板模型。DeCaravalh 提出了一種依靠二維清潔環境的地圖並且是基於完全遍歷路徑規劃的模板。為了完成完全遍歷路徑規 劃，DeCaravalh 定義了 5 種模板，分別是：前進模型（Towards Model）、沿邊轉向模型（Side Shift）、回逆跟蹤（Backtracker）、U 轉彎模型、U 轉彎交替模型。模板模型法是基於先驗知識和先前的環境地圖遍歷機器人讓得到的環境資訊來匹配事先定義的模板。 因此，整個路徑就是一系列的模板組成的。在這個方法中，為了簡化路徑規劃過程，環境事先擴大，這樣這種小巧靈活的機器人就可以考慮成一個質點。基於模板的模型完全遍歷路徑規劃，它要求事先定義環境模型和模板的記憶，因此對於變化著的環境就不好處理了，比如在遍歷機器人的工作過程中突然出現一個障礙等。4. 人工智慧法近年來有許多學者利用模糊邏輯、人工神經網路、遺傳算法等現代計算智慧技術來解決機器人的路徑規劃問題，並取得了一些可喜的成果。A....
目前圍棋世界排名第一的柯潔，終於要跟 AlphaGo 進行對局了。6 月 4 日，在無錫世界圍棋業餘錦標賽抽籤儀式上，國家體育總局棋牌運動管理中心黨委書記、國際圍棋聯盟事務總長楊俊安透露，中國圍棋協會和 Google 雙方都同意在不久後，安排柯潔和 AlphaGo 進行「人機終極對決」。其實 AlphaGo 跟柯潔對弈一事並不突然，5 月 27 日中國圍棋九段古力就曾在其微博上表示，「3 天的工作愉快而艱辛，感慨最深的是人工智慧令人咋舌的進步速度」，暗示他已與圍棋 AI 進行對局。再讓我們在往前看，今年的 3 月 31 日， Google CEO 桑達爾‧皮蔡就曾拜訪棋聖聶衛平開設的聶衛平道場，與柯潔、古力、聶衛平進行非公開交流。根據圍棋等級排名 GoRatings 顯示，目前柯潔以 3,625 位居第一，AlphaGo 以 3,605 位居第二，而曾與 AlphaGo 對弈的南韓九段李世乭，則是以 3,545 位居第四。今年 3 月份，AlphaGo 李世乭五番棋（五局三勝制圍棋比賽）在全世界範圍掀起話題，「人工智慧是否要超越人類，是否會統治人類」等話題出現在電視節目、雜誌，甚至是一般民眾的對話中。對於日漸式微的中國圍棋來說，他們希望藉 AlphaGo 來喚回民眾對圍棋的關注。而對於近年來在尋求途徑回歸中國市場 Google 來說，透過與中國圍棋協會這樣的政府機構合作，也能夠重修官方關係。這次比賽能夠實現共贏狀態。而 AlphaGo 與柯潔一站的實際勝負，可以說是毫無懸念。在《一虎一席談》節目裡，柯潔也委婉地表示過，人類終有一天會輸給人工智慧，他會盡力而為。值得一提的是，在與 AlphaGo 對局後，李世乭棋力大為上漲，實現了 9 連勝。但在 5 月 30 日，由古力九段終結了其連勝之路。如果古力當時對弈的 AI 真為...
Google 收購的英國人工智慧公司 Deep Mind 已經展現出 AI 先進的自學能力，其演算法不僅在玩遊戲比人厲害，而且還在與人類頂級圍棋選手的對決中取得了壓倒性的勝利。這不僅引發了 AI 超越人類的擔憂，甚至還有人擔心類似《魔鬼終結者》劇情那樣，天網對人類殺戮時刻的到來。現在 Deep Mind 決定未雨綢繆，據英國鏡報報導，在近日公布的一篇論文中，Deep Mind 提出了給機器人安裝「切斷開關（kill switch）」的想法，為的是阻止 AI 學會如何阻止人類對某項活動（比方說發射核武器）的干預。用專業術語來說，這叫做「安全可中斷性」。關於安全科中斷性的作用，論文寫道：安全可中斷性可用於控制機器人不正確甚至可能導致不可逆後果的行為，或者將其從微妙處境中脫身出來，或者甚至臨時用來實現某項機器人尚未學會執行或未必會為此受到獎勵的任務。天生具備拯救人類使命感的 Elon Musk 以及地球最聰明的大腦之一霍金都認為，機器對人類的威脅並非杞人憂天。2015 年底的時候，Musk 和孵化器 YC 的總裁 Sam Altman 共同宣布設立一家非盈利的人工智慧公司 OpenAI。他們希望，這個專案能夠抵消邪惡的人工超級智慧可能帶來的威脅。這種威脅的可能性正如牛津大學的哲學家 Nick Bostrom 發出的警告一樣──如果毫無限制地分享人工智慧的研究成果，在沒能確保安全的情況下，一些不懷好意的人可能就會利用它幹壞事：「如果你有一個按鈕，只要按一下就能夠對世界造成破壞，你肯定不希望每個人都擁有一個這樣按鈕。」而 Deep Mind 的研究，就是這一種按鈕的切斷按鈕。不過將來的問題也許是，哪一個按鈕會先用到？（本文由 36Kr 授權轉載；首圖來源：Flickr/chupacabra runner CC BY 2.0）