身為人工智慧（AI）威脅論的主要支持者，馬斯克（Elon Musk）一直都很擔憂 AI 未來的發展可能會對人類造成危險，近日他在推特轉推了一篇駭客對 AI 威脅的看法報導，試圖佐證自己的理念。Gizmodo 的報導談到，為了解 AI 走上「歧途」的可能情況，網路安全公司 ZeroFOX 在 2016 年進行了一次實驗，讓人類和 AI 進行一場競賽，看誰能誘導更多 Twitter 用戶點擊惡意連結。實驗之前，研究人員先讓 AI 理解這次的目標，在研究社群網路用戶的行為模式之後，設計並拋出網路釣魚（phishing）的誘餌，吸引用戶點擊連結上鉤。結果在實驗的規定時間裡，AI 總計向 800 多名用戶發出詐騙推特，並吸引 275 名用戶點擊；相較之下，參加實驗的 ZeroFOX 員工只發出 129 次嘗試，吸引了 49 名用戶。不論是拋出的魚餌數或吸引到的用戶數量，AI 都以壓倒性的比數擊敗了人類。這樣的結果似乎在預料之中，但 ZeroFOX 認為最重要的是，這個結果證明 AI 確實能被駭客用來進行惡意攻擊，事實上，雖然無法證實，但他們很有可能已經這麼做了。今年 7 月舉辦的美國駭客年會（Black Hat），數百名網路安全專家一起討論 AI 技術可能帶來的隱憂，當與會者被問到「未來一年內，是否會有駭客開始利用 AI 進行網路犯罪」時，近 62% 的受訪者給了肯定的答案。運用 AI 進行網路犯罪負責調查的 Cylance 安全數據科學家 Brian Wallace 認為，駭客應該已把 AI 當做武器使用好一段時間了。「這推論非常合理，因為『規模』對駭客來說很重要，他們必須盡可能增加攻擊次數、目標，同時減少自己的風險。對他們來說，AI 和機器學習就是能用到的最終完美武器。」Wallace 的想法並非少數，行動裝置安全防護公司...
許多交通事故的研究都指出，駕駛人分心往往是車禍發生最大的原因，目前已經有一些系統能檢測出駕駛人是否精神不濟，但類似撥打電話、從鄰座拿東西的分心行為，究竟該如何防止？為了避免駕駛者分散注意力的行為影響到自身安全，加拿大滑鐵盧大學（UW）模式分析和機器智慧中心（CPAMI）的工程研究人員發明了一個運用人工智慧（AI）的軟體，會在分心時對駕駛者發出提醒。這個軟體主要是透過車載攝影鏡頭來觀察駕駛的手部動作，再經由演算法將動作與機器訓練已知的活動相配對：像是發送訊息、打電話或拾取東西，接著針對構成的安全威脅等進行評級分類。帶領團隊研發的 Fakhri Karray 教授表示，如果分散注意力的程度太高，系統將自動警告司機。隨著未來越來越多車輛將具備自駕技術，屆時可能會在嚴重分心的跡象出現時觸發保護措施。但系統判斷分心的標準究竟為何呢？根據了解，在團隊運用機器學習（machine-learning）打造的演算法中，主要判斷的標準是「持續時間」和一些其他因素。這項判斷主要建立在 CPAMI 以前廣泛的研究基礎上，除了偵測手部動作，頭部和臉度定位也是分心的重要線索，系統已經學會判斷類似的徵兆，像是頻繁眨眼可能意味駕駛充滿睡意。除了運用鏡頭來追蹤判斷徵兆，CPAMI 也正在探討運用感測器來測量駕駛生理信號，像是眨眼頻率、瞳孔大小或心跳數，來協助確定駕駛是否還專注在眼前的道路上。研究團隊目前正打算擴大系統功能，將數種不同類型的駕駛者分心的檢測、分級模式和處理方法結合至其中。Karray 和團隊近日在蒙特婁（Montreal）舉辦的第 14 屆 ICIAR 國際會議上公布了研究成果，由於分心向來是交通事故的主因，Karray 認為一旦系統能實際運用，可對社會造成很大影響。 New software can detect when people text and drive （首圖來源：Stocksnap.io）
無人機、無人車已經是我們生活中熟悉甚至真實應用的科技，而未來需要在海上長期航行的船艦也能無人駕駛，除了能降低大量營運成本，軍事、探勘用途的船隻也能大幅度降低人力折損的風險。免除人力、後勤補給，營運成本將大幅降低一般熟知打造高級汽車及飛機引擎的勞斯萊斯，最近公布了搭配人工智慧（AI）技術的無人船艦原型概念，這艘船艦預計長 60 公尺、能航行 3,500 海哩，配有電力推進系統，能不中斷航行 100 天。無人船艦可從遠端控制，執行巡邏、礦脈探測、偵測海中地雷等任務。勞斯萊斯表示，他們注意到近年各國海軍對無人船艦的興趣，未來若將這項技術用於軍事用途，將可避免兵力傷亡、折損，長時間的海上任務也能免除人員、物資後勤補給成本，船隻載重也能因此減輕。勞斯萊斯從 2013 年就開始投入無人船艦研發，勞斯萊斯海軍電器、自動化和控制部總經理 Benjamin Thorp 表示：「各國對海軍自動化展現高度興趣，這類型的船艦除了提供更高的執行能力、降低船員在外風險，營運成本也能大幅降低。」期待下一個十年能看到無人船艦普及。整合 AI 技術讓船艦自己控制自己勞斯萊斯表示，他們利用人工智慧（AI）打造智慧系統，確保船艦安全運作，自動駕駛工具還包括能源管理、儀器監測、遠端維護系統，預計能航行 3,500 海哩、速度可達 25 節，能在沒有人力介入的情況下獨自航行 100 天以上。能源將採用柴油或燃氣引擎為主要動力驅動，再搭配太陽能板為能源輔助，同時配有 3,000kWh 電力儲能空間，確保隨時備有足夠能源。沒有人員的船艦最擔心的是發生故障無法立即修復，勞斯萊斯表示，團隊會調整機械設計、導入機器學習預測潛在的故障問題，做為遠端維護能力的基礎，雖然目前動駕駛的技術已經具備，整合 AI 技術讓船艦成為有意識的系統進而控制自己，將會是重要的下一步。靠著科技設備驅動的無人船艦，「網路攻擊」也成為科技發展疑慮的關鍵字。勞斯萊斯表示打造潛艦同時，駭客入侵也是團隊關注的焦點，這將成為無人船艦未來面臨最大的威脅挑戰。 Rolls-Royce reveals plans for autonomous Naval vessel Rolls-Royce has plans for an autonomous naval ship Rolls-Royce planning autonomous naval ship for patrol, surveillance and mine detection （本文由 數位時代 授權轉載；圖片來源：Rolls-Royce）
仔細看看，首圖這輛福特的駕駛座，到底有沒有人坐在上面駕駛？眾所周知，自動駕駛汽車商業化面臨的最大問題是技術尚無法支援全天候系統駕駛，當技術不再是問題時，是不是就萬事大吉只等量產了？不是，還有很多細枝末節的問題要解決。比如，自動駕駛汽車如何自證運行夠安全，以消除大眾對新技術的擔心與疑慮？如何像人類駕駛與路人有效的溝通？福特旗下為自動駕駛汽車工作的人為因素技術專家 John Shutko 13 日在 Medium 發文闡述他們的努力。「如果自動駕駛汽車裡沒有駕駛員，甚至在某些情況下其他座位也空空如也，只有車輛本身運行時會怎麼樣？福特認為研發自動駕駛汽車不僅要關注技術，我們正在努力設計、測試和倡導一個標準，使自動駕駛汽車輕鬆將意圖傳達給路人和道路基礎設施。」為此，福特與佛吉亞科技交通運輸研究所（VTTI）達成合作，探索自動駕駛汽車與周邊環境的互動方式和路人、騎士對自動駕駛汽車的反應。顯而易見，當下的技術水平和法規還不允許自動駕駛汽車自行運轉，也就是駕駛座上必須坐一名駕駛防止意外發生。但為了達到測試效果，福特改造了駕駛座，讓駕駛座彷彿被掏空。這個座椅套裝讓駕駛坐在駕駛座，同時又能騙過路人和騎士的眼睛，收集到他們對無人自動駕駛汽車的真實反應。自行運轉的自動駕駛汽車如何與路人互動呢？福特在模擬自動駕駛汽車的擋風玻璃頂部安裝了一條燈帶，透過燈帶的閃爍吸引路人的目光，達到互動的目的。例如兩條燈帶並排移動，表明汽車正在減速停下；如果是一道快速閃爍的白光，表明汽車啟動即將加速；如果白光處於常亮狀態，表明汽車處於完全無人駕駛狀態。有沒有更簡單的互動方式？肯定有人會在評論區留言，直接改成稍寬一些、能顯示字幕的 LED 燈條，即將減速就顯示「注意！我即將減速停止。」加速就顯示「注意！我即將加速」；無人駕駛顯示「處於完全無人駕駛狀態，閒雜人等退讓。」這麼做的好處是路人完全沒有學習成本，對汽車的狀態一目了然。哪怕直接採用交通號誌那種红綠黃三色指導汽車的加減速和無人駕駛，也比上面那套方案更好吧。其實福特也想到了，但為什麼選了白色燈條方案呢？理由也很充分，比如說，世界上有幾千種語言，許多國家有不只一種官方語言，想要使用文本與所有人有效溝通幾乎不可能。又或者，很多國家的交通監管部門對汽車前方使用什麼顏色的燈是有限制的，從這個角度講，使用白色或琥珀色的燈條被禁止的可能性最小。燈條也不是一勞永逸的方案，比如自動駕駛汽車如何與盲人和視障者進行溝通？這也必須單獨研究一個解決方案。不管怎麼說，在人們真正理解這些燈條閃爍的含義前，需要讓這解決方案多次曝光，讓這些信號燈在大眾心目中，成為像交通號誌那樣根深蒂固的知識。如果這些信號燈成為一種被接受的視覺語言，對自動駕駛汽車融入人類社會運行將大有裨益。「隨著自動駕駛技術的發展，是時候共同創建行業標準，開始消費者教育的行動了。截至目前，我們已在高密度城市測試了超過 150 小時、大約 1,800 英哩的里程，初步的結果表明，創建一種標準化的信號語言可能有社會效益。當我們深入研究這個問題時，我們的目標是幫助社會努力接受自動駕駛汽車的未來。我們認為，一個行業和發展的全球標準，是支持自動駕駛汽車最終商用的關鍵。這就是為什麼我們正與幾個行業組織合作，包括國際標準化組織和 SAE 國際組織。」這麼做是對的，但還不夠；如果想推動這個方案成為行業標準，其他車企的態度也很重要。（本文由 36Kr 授權轉載；首圖來源：medium）
上週，史丹佛大學教授 Michal Kosinski 表示，根據研究，AI 能根據圖片判斷某人是否為同性戀。他的研究引起 LGBT 群體的強烈反感。據衛報報導，Kosinski 再次提出更多有爭議的結論。他說，透過臉部辨識技術，AI 還能得知更多東西，包括人們的政治觀點、智商、犯罪傾向、特殊個性等。Kosinki 研究了人們的臉部特徵與政治傾向間的關係。初步結論是，基於臉部特徵，AI 能有效判斷人們的政治觀點。他說，曾有研究發現，人們的政治觀點是有遺傳性的，因此，政治傾向可能體現在不同的臉部特徵。他還提出，以前的研究發現，保守派政客比自由派政客更有吸引力。臉部辨識還能用於判斷某人的智商高低。未來，在挑選學生時，學校可能會使用臉部掃描技術。不過，這將會帶來一連串道德問題，比如是否應該讓 AI 判定某些孩子更聰明。「我們應思考這些問題，否則，我們就會進入這樣的世界：更好的基因意味更好的生活。」Kosinki 預測，在觀察大量的臉部圖片後，演算法能判斷某人是否為精神病患，或有強烈的犯罪傾向。這是一個值得關注的問題，因為犯罪傾向不一定會轉為犯罪行為。「即使人們有很強的犯罪欲望，真正犯罪的可能性並不是很大。」對 Kosinki 的研究成果，Calgary 大學的電腦科學教授 Thomas Keenan 認為，法律通常將人臉視為「公開資訊」，而法律尚未跟上技術發展的步伐。當某人的臉被電腦監測並生成新資訊，這是否侵犯個人隱私？目前的法律並沒有相關規定。另外，即使 AI 的預測非常精確，也無法保證所有預測都是正確的。「這是一個非常危險的領域，」 Keenan 說，「二十分之一或百分之一的情況下，AI 有可能錯得離譜。」 Face-reading AI will be able to detect your politics and IQ, professor says （本文由 愛范兒 授權轉載；首圖來源：shutterstock）延伸閱讀： 想遮住或躲開臉部辨識軟體也沒用，新的人臉辨別軟體將幫助更快抓到罪犯 人臉辨識資料庫是否侵權？這可能是下一個隱私攻防戰
為什麼很難探討「AI 人工智慧」（Artificial Intelligence）真正影響的原因之一，就在於這個名詞過於氾濫。這是一個歷史比電腦更悠久的概念，而如今所談論的實務問題，早已南轅北轍。就如同前篇所述，若真的要探討人工智慧即將帶來的衝擊，必須要對其有更清晰的定位，並清楚數位革命一直以來對社會的影響，以及社會如何影響數位革命。人工智慧的議題相當廣泛，令人摸不著頭緒，甚至自稱的人工智慧專家也開始到處都是，然而這樣的 現象並非無法解釋。其實現今熱議的自駕車及 Siri 語音助理等技術，其概念並非新穎，早在數十年前就開始發展，很多嶄新事物其實還是有脈絡可循。▲ 早在 1960 年，雪鐵龍 DS19 就做過自動駕駛車輛的改裝。（Source：By Joc281 , via Wikimedia Commons）在西元前，著名哲學家亞里斯多德及數學家歐幾里德等就已在從事機械化推理的研究，在 17 世紀，更有著名哲學及數學家 Gottfried Leibniz 明確提出，人類的思想可以簡化為機械計算的概念。而後引發了更多數學家前仆後繼進入這個課題。不過儘管如此，現代的人工智慧技術發展早已與原來的理想大相逕庭，就像人類想學鳥飛翔，最終發明的卻是噴射機。人工智慧的泡沫1936 年，圖靈機的問世使電腦科學家抓住處理抽象符號的靈感，並且在二戰期間建造出各種解密計算機，甚至有了現今電子計算機的雛形，1937 年就誕生了第一台二進制電子計算機 Atanasoff–Berry Computer。不過以性能來講，美國陸軍彈道研究實驗室的 ENIAC 才算是第一部真正具有圖靈完備性的現代通用型電腦。1950 年，圖靈測試的概念提出後，開始有了通用型人工智慧（AGI），也就是現在認為的強人工智慧，必須能理解人類語言的條件。學術界也終於在 1955 年 8 月，發起全面探討有關人工智慧議題的達特矛斯會議，並在隔年夏天正式提出「人工智慧」術語，為往後的技術發展方向奠定了基礎，所以 1956 年又被稱為人工智慧誕生年。美國國防部等政府機構開始向這個領域投入資金，並開啟第一次人工智慧熱潮。 ▲ 在圖靈測試中，AI 必須不讓人類分辨出與之對話的是計算機。（Source：Flickr/The People Speak! CC BY 2.0）雖然圖靈機、哥德爾不完備定理和 λ 演算早已解答了演算法有極限。但到了 1970 年代初，人工智慧技術受到更現實的硬體限制，實用性一直無法達到期望，甚至被譏笑為玩具。例如機器視覺和自然語言技術等都需要龐大資料庫支撐，還有類神經網路也被創造者 Marvin Minsky 認為無法解決異或問題而放棄。這些難題不僅讓當時的電腦科學家深受挫折，也令金主開始撤退，人工智慧技術被視為一種浮誇及泡沫現象。不過到了 1980 年代，專家系統的出現再度掀起人工智慧的熱潮，電腦科學家 John Hopfield...
諾丁漢大學和金士頓大學的人工智慧（AI）研究團隊日前透過機器學習（machine learning）設計出一種演算法，能將照片中的二維人臉圖像轉換為 3D 建模，近日他們在網站公布了成果。團隊在網站公布了研究論文及詳細研究內容，人們可以運用團隊提供的一些示範照或自己上傳人物的正面照片，來了解具體的轉換方式。根據測試，網站不到 1 分鐘便能展現出轉換成果。網站的介紹指出，上傳的圖片除展示功能外不會做為他用，保留 20 分鐘後就會自動刪除。▲ 運用網站提供的圖靈（Alan Turing）正面照片做出的 3D 建模。研究人員是透過提供卷積神經網路（CNN）大量的臉部數據來訓練，在長時間訓練的過程中，AI 逐漸學會在看到一張全新的臉孔時，去猜測臉部的具體形象，包含照片中看不到的部分。在 TNW 的訪問中，研究人員之一的 Aaron Jackson 表示，許多電腦視覺的研究都難以用有趣的方式呈現，因為那多半只是偵測方法的一些改動，這個示範網站只是幾個晚上趕出來的成果。「之所以建立這個網站，只是覺得如果能看到自己的 3D 建模，會是一件很有趣的事。」研究團隊將出席 10 月在威尼斯舉辦的國際電腦視覺大會（ICCV 2017），並針對相關研究結果發表演講。 This AI program can make 3D face models from a selfie 3D Face Reconstruction from a Single Image （圖片來源：3D Face Reconstruction Demo 網站示範照片）
fortune.com 報導，Evercore ISI 分析師 CJ Muse 15 日將人工智慧（AI）晶片開發商 NVIDIA Corporation 未來 12 個月目標價自 180 美元調高至 250 美元，據此推算這家公司市值屆時將升至 1,423 億美元。Muse 指出，NVIDIA 正在打造競爭對手幾乎無法複製的 AI 運算產業標準。他說，這家公司為了打造 CUDA 生態系統，歷年來累計投入超過 100 億美元的研發經費。MarketInsider 報導，Muse 指出，NVIDIA 經營團隊認為投資人仍嚴重低估 AI 的潛在市場規模以及影響力（未來每台 PC / 伺服器都將內建 AI 晶片）。他指出，NVIDIA 現在已主宰 AI 訓練階段，未來可望成為推論（Inference）階段的領導廠商。Muse 預期 NVIDIA 年度每股盈餘將在 3-5 年內成長至 10 美元，遠高於最近一個會計年度的 2.65 美元。CNBC 5 月報導，Google 等科技大廠所力推的深度學習（deep learning）通常包括兩個階段。首先，研究人員透過給予大量數據的方式訓練內建 GPU 電腦學會辨識照片中的汽車。完成訓練後，研究人員在第二階段（稱為：推論，Inference）要求電腦依據新數據做出預測。Google 去年發表的第...
IBM 的超級電腦「華生」（Watson）是人工智慧（AI）界的明星，被認為潛力無窮。不過華生應用於醫療領域再吃敗仗，似乎無法發揮太大效用。Slate、Barron’s 報導，Stat 的 Casey Ross 和 Ike Swetlitz 調查發現，IBM 大力宣傳華生的腫瘤診斷能力，但是實際上功效不及預期，顯示 IBM 未徹底評估運用於全球醫院的挑戰，就為了提振營收貿然發表新產品。華生與美國紐約的 Memorial Sloan Kettering 醫院合作，學習診療腫瘤病患。華生取得病患醫療紀錄後，會比對醫生建立的資料庫，依照預估的治療成效好壞，提供診斷建議，不過華生無法解釋，為何推薦某種療法勝於另一種。不只如此，Ross 和 Swetlitz 還發現，化療適合於癌症擴散至淋巴結的患者，可是華生卻會建議病症尚未擴散至淋巴結的病患也進行化療。他們認為華生無法提高醫療品質。（本文由 MoneyDJ新聞 授權轉載；首圖來源：IBM）延伸閱讀： IBM Watson 太貴了，AI 大戰將輸給 Amazon、蘋果？
由於競爭對手亞馬遜（Amazon）在人工智慧（AI）上大力投資，使沃爾瑪（Walmart）也不甘示弱，準備在此領域一較高下。據市場研究單位 Global Equities Research 分析師 Trip Chowdry 報告指出，這家零售巨擘計畫在 2017 年剩餘時間內，使用輝達（Nvidia）的人工智慧晶片，打造一個神經網路群集。未來這個群集將讓 Walmart 的 OneOps 內部應用開發和維護團隊，開發一系列神經網路，以便在現有和未來應用裡訓練自家人工智慧。報告指出，人工智慧未來可能成為零售業重大的差異因素，這也是亞馬遜 2017 年斥資 137 億美元（約新台幣 4,115 億元）收購全食超市（Whole Foods Market）的重要原因。全食超市可為亞馬遜在 AWS 雲端運算的人工智慧團隊，提供大量消費者行為資料，用於研究和訓練自家人工智慧系統。此外，AWS 還可以使用全食超市測試與人工智慧有關的服務，最終整合到 AWS 核心產品。Walmart 與亞馬遜彼此為競爭對手，這兩家公司不僅在美國和其他地方爭奪消費者購物市場，還有報導表示，Walmart 甚至要求供應商不能使用 AWS 雲端運算服務。不過，因為只有少數幾家公司能進行人工智慧研究，包括亞馬遜、微軟、Google、中國百度和 Facebook 等公司，Walmart 卻非其中之一。因此 Walmart 決心打造自家人工智慧系統，以結合相關應用。據了解，Walmart 希望把這家 20 世紀的零售業霸主儘快導入數位化世界。事實上，Walmart 過去也逐步涉獵相關領域，包括 2013 年收購 OneOps， 並藉此在 2016 年發表開源版本的平台即服務技術。只是 Global Equities Research 研究指出，Walmart 的人工智慧網路規模可能只有亞馬遜的十分之一，因此必須加緊腳步，才能與競爭對手相抗衡。（首圖來源：Flickr/Walmart CC BY 2.0）