电竞之家_品味电竞生活移动版

　　特别是AI在新药研发中发挥的价值，让这个耗资巨大又常常收效甚微的行业看到了希望。目前，全球有近100家初创企业已在探索用于研发新药的人工智能方法。可以预见，人工智能技术对传统技术的改进以及由其引发产生的新型药物研发技术，将极大缩短新药研发周期、降低研发成本，显著提高药物研发的成功率。

　　不过业内专家也纷纷表示，我们距离真正的“人工智能+医疗”距离显然还很远，甚至AI诊疗究竟会不会成真，都需要打一个问号。要跨越的障碍很多，如医疗信息提取，医疗数据等。

　　不过能为患者提供初步的诊疗意见、为医生提供科学的决策建议、站上手术台实施复杂的外科手术……人工智能在医疗领域的扎实推进，已经开启重构医疗体系的尝试。

　　 论文数量大涨 研发能力攀升

　　在论文方面，中国人工智能科学家已经成为这项智力产出的主力。根据人工智能指数年度报告，从2007年到2017年，中国的年发表AI论文数增长了150%。基于经同行评议论文数据库Scopus的数据，2018年发布AI论文最多的地区是欧洲(28%)、中国(25%)和美国(17%)。从市场表现看，以BAT为代表的中国公司的研发能力上升得非常快。

　　从知识产权角度来看，国内人工智能专利的申请数量也令人欣喜。据《2018人工智能行业创新情报白皮书》统计，目前全球人工智能专利申请集中在中国、美国、日本三国，其专利申请量分别为：99264件、48870件、31158件。中国申请的人工智能专利数量稳居第一。

　　YC中国CEO陆奇曾表示，中国AI所具有的优势是人才众多、市场发展快、友好和有利的政策环境，结构性优势尤其突出。13.8亿总人口、11亿部智能手机、2亿辆汽车、200多家汽车整车厂商所带来的海量数据为AI创新发展提供了决定性支撑，“尽管从高端技术和人才角度来看，美国仍然领先，但是中美的距离越来越短。”

　　过去十几年，中国互联网的创新集中于模式创新，但在这一轮人工智能的竞赛中，底层技术的创新越来越引人瞩目，也诞生了一批前景无限的技术型创业公司，如地平线、商汤、旷视等，成为行业领头羊。

　　但在繁荣背后，我国人工智能产业还存在重应用技术、轻基础理论，底层技术积累薄弱；商业化应用路径尚不明确，商业落地痛点突出，近期实际商业价值变现难度较大；从基础层、技术层到应用层人才严重不足等问题，要想行稳步远，还需迎头追赶。

　　 PK内容升级 人机大战不断上演

　　AI的横空出世离不开围棋大战，这种人与机器的鏖战既吸引眼球，让AI热度高涨，又以最通俗的方式科普了人工智能技术的现状和应用。今年，人机大战依然令人乐此不疲，人与机器孰强孰弱的问题总能瞬间点燃舆论，似乎誓要在每个领域分出高下。

　　写作大概是人类最自负的“山头”，不过AI也没打算放过，写诗有微软“小冰”，写文案也有了“莎士比亚”。这个专为写商品文案而生的AI一秒钟可以作出千条文案，号称让编辑下岗。这套系统基于平台自身在商品标签和搜索数据库层面积累的大数据，从句子层面做结构解析、训练模型和语言生成，从而能够一秒钟生成千条文案，系统还能根据用户对文本的选择实现机器算法的优化。但网站编辑别慌，目前的人工智能协作还非常初级，既需要人工干预，也受到特定场景的局限。

　　另一场引发讨论的人机大战来自游戏领域，马斯克创立的人工智能非营利组织OpenAI宣布，由5个神经网络组成的OpenAI Five，已经能够组成5v5团队在经典战斗竞技类游戏《刀塔2》中击败人类业余玩家队伍。这次事件更是被比尔·盖茨称为“里程碑”，因为OpenAI Five展现出了类似于人的长期规划和团队协作能力，也展现了极高的智能决策能力。

　　游戏AI涉及推理和决策等认知智能，这也是研究者热衷于这项研究的原因。不过相关研究者也表示，真正的认知智能还有很多问题没有解决，比如推理过程的表示、决策优化算法，以及如何让AI使用更少的计算量做到更好的推理、让AI消化吸收学习的速度更快等。因此，这阶段人类着实无需担心机器的威胁。在认知智能上，AI还有相当长的路要走。

　　重视伦理争议 行业规范待定

　　伴随人工智能的高歌猛进，相关的“噪音”也越来越多，比如数据隐私、AI偏见、AI造反……相关话题引发了数次讨论甚至恐慌，人们开始疑问：AI是不是太强了？它会失控吗？

　　麻省理工学院媒体实验室曾出品一个名叫诺曼的“暗黑版AI”，它会以负面想法来理解它看到的图片。团队希望通过诺曼的表现提醒世人：用来教导或训练机器学习算法的数据，会对AI的行为造成显著影响。

　　但其实，当人们谈论人工智能算法存在偏差和不公平时，罪魁祸首往往不是算法本身，而是带有偏差、偏见的数据。

　　偏见、刻板印象、歧视这些人类社会的痼疾，已经深入社会肌理。在这样的语境中产生的数据，携带着大量复杂、难以界定、泥沙俱下的观点。如果研究者没有意识到或着手处理这一问题，机器学习的偏见几乎无解。真正的“公正算法”或许是不存在的。但通过正确地校准标签、数据的均衡和可靠等，机器出现偏见、谬误甚至失控的可能会相应减少。此外，研究者也应该着手建立一种预防的机制，从道德的约束、技术标准的角度对人工智能进行价值观的干预。

　　还有一个重要的忧虑来自隐私，相对于AI的偏见或失控，人类对隐私的担忧要真实可感地多，毕竟，我们每天的吃住行都已经充分数字化，与之相伴的隐私暴露风险也指数级上升。

　　目前，国内从消费电子领域到安保、数字金融等领域都在逐步引入人脸识别， 特别是随着“刷脸支付”的普及，用户的姓名、性别、年龄、职业等身份信息，甚至用户在不同情境状态下的情绪等信息都被机器收集。这些信息如果得不到妥善保管而被泄露，用户个人信息就处在“裸奔”状态。保护公民个人信息的安全，需要管理者、相关行业企业、公民个人的协同努力。目前在人脸识别技术领域，我国尚无相应的安全监管机制，应及早筹谋，完善法律法规、提升应用程度及存储设备的安全程度、强化网络安全和信息保护意识、规范行业信息收集标准等。