MOLAR FRESH 2021年第28期
人工智能新鲜趣闻 每周一更新
关于AI100
历史首次出现 AI100 的字眼是在 2016 年报告的序言中。
图 | AI100 概念图（来源：AI100 Stanford）
2014 年，斯坦福大学启动了“AI100”项目，即“人工智能百年研究”。该项目集结了各领域顶尖的研究人员，旨在研究并预测人工智能将如何发展，及其对人类和社会的影响。它考虑 AI 计算系统的科学、工程和部署。作为其核心活动，监督百年研究的常务委员会每五年组成一个研究小组，以评估 AI 当前的状态以及AI的进展，并描述了这些进展带来的技术和社会挑战和机遇，包括在伦理、经济和与人类认知相容的系统设计等领域。
AI100百年研究的首要目的，是提供一组关于 AI 及其影响的思考。这些研究为 AI 研究、开发和系统设计方向提供专家的指导，以及帮助确保这些系统广泛造福个人和社会的计划和政策。
AI100发布
疫情重创实体经济，造成全球大规模失业，进一步加剧了 “就业鸿沟”也让我们看到旧经济发展模式的不可持续性。然而，虚拟经济业态蓬勃发展和新兴岗位增加，也进一步展现出人工智能技术的巨大潜力，引发实体经济应用新技术的迫切需求，助推“AI+”产业迅速发展。
图 | 人工智能产业图谱（来源：人工智能应用领域）
在新一轮产业变革中，人工智能也推动科技快速发展，人工智能正逐步从技术研发阶段向商业化落地快速推进，目前已进入赋能传统产业链、与各产业深度融合的关键时期。
毫无疑问，AI 的发展已经到达了一个非常关键的转折点。
图 | 报告标题（来源：AI100 Stanford
9月，来自不同领域专门评估 AI 领域状况的国际专家小组，在 AI100 的网站上。
以「人工智能在日常生活中的渗透影响：希望、关注和方向」为题，共同发表了人工智能百年研究 2021 年研究小组报告。
AI100 是由斯坦福大学 Human-Centered AI 研究所主持的一个正在进行的项目，旨在监测 AI 的进展并指导其未来的发展。与5年前的第一份报告明确侧重于AI在北美城市的影响相比，这次报告的重点是更深入地探讨AI对全球人类和社会的影响。
图 | AI100 旨在关注的 14 个问题（来源AI100 Stanford）
这份报告的重点在于回答 14 个 AI 相关的问题，并探讨 AI 发展的关键领域。这些问题由 AI100 常务委员会制定，而这个委员会由一些著名的 AI 领导者组成。
这些问题包括：“AI 最重要的进步是什么？”和“AI 方面最鼓舞人心的开放式挑战是什么？”。其他的问题则涉及 AI 主要风险和危险、AI 对社会的影响、公众对于 AI 认知和 AI 领域的未来。并且在报告中，委员会召集了一个由 17 名研究人员和专家组成的小组解答了这些问题。
AI运用到生活的各个领域
报告小组的主席、布朗大学计算机科学教授 Michael Littman 表示：“在过去的五年里，AI 已经从主要发生在研究实验室或其他高度控制环境中的事情，跨越到社会上影响人们生活的事情。”
图 | OpenAI 的“DALL-E”生成图像表明这套系统不仅仅是检索相关图像，而是产生新的视觉特征组合。（来源：AI100 Stanford）
在计算机视觉和图像处理领域，模型的训练时间相比于之前已经大大减少，例如在ImageNet上完成工作的速度比三年前快100倍。实时物体检测系统，如YOLO（You Only Look Once），在图像中出现时注意到重要的物体，被广泛用于人群的视频监控，对包括自动驾驶汽车在内的移动机器人非常重要。在过去的五年里，人脸识别技术也有了很大的改进，现在一些智能手机，甚至办公大楼都依靠它来控制进出。
金融领域，深度学习模型现在为一些贷款机构部分地自动做出贷款决定，并通过信用评分改变了支付方式，例如微信支付。这些新系统经常利用传统上不用于信用评分的消费者数据。在某些情况下，这种方法可以向新的人群开放信贷。对于金融机构来说，人工智能的用途不仅仅是检测欺诈和加强网络安全，还包括自动处理法律和合规文件，以及检测洗钱。
图 | 在金融领域的运用（来源Mordor Intelligence
此外还包括基础技术，语言处理，游戏，机器人，出行，健康，推荐系统等各大领域。
当然有些 AI 进展可能会被该领域之外的观察者忽视，但实际上反映了基础 AI 技术的巨大进步。一个相关的例子是在新冠疫情大流行期间，在视频会议中使用背景图像，成为了许多人在家工作中普遍存在的现实。
AI运用的风险同样需要警示
自2016年以来，「机器学习」的网络搜索量大约翻了一番。公众对人工智能带来的社会和经济影响的前景表示担忧，诸如歧视性影响、经济不平等、劳动力替代或剥削等负面影响。
AI 的真正危险虽然微小，但是同样令人担忧。
报告中提到的一些危险源于故意滥用 AI，即用于传播错误信息或损害人们声誉的深度伪造图像和视频，或用于操纵公共言论和舆论的在线机器人。Deepfakes”是“deep machine learning”（深度学习）和“fake”（造假）的英文组合词，又被称作“深度伪造”，是一种基于深度学习的人物图像合成技术，由于 Deepfakes 最常见的方式就是在视频中把一张脸替换成另一张脸，因此也被称作“人脸交换”（Face Swap）技术。
图 | 利用 AI 生成的高分辨率图像，这种技术引起人们对虚假信息传播的担忧（来源：AI100 Stanford）20
随着 AI 使用的增加，这类问题可能会变得更加普遍。好消息是 报告指出AI 领域正在认真对待这些危险，并积极寻求心理学、公共政策等领域专家们的意见，从而探索出减轻这些危险的方法。
当前AI最具前景的机遇
