人工智能的风险讨论已经不再是新话题。在过去几年中，很多研究者提及了人工智能（以及与之紧密相关的技术，尤其是机器学习和大数据技术）可能带来的危害与风险。值得注意的现象是：在公众话语空间中，所流行的关于智能技术伦理危害与风险的讨论，大多将“人类”整体视为潜在的被害对象，大量的叙事被构建为“机器VS人类”的形式。
这家搜索巨头本周一推出一项新举措，将谷歌各类研究人员聚集在一起，对人们与机器学习等AI技术的互动方式展开研究。
人工智能最近很热，但是这里面有很多炒作的成分。对于旨在提高生产力的企业来说，选择合适的技术很重要。关于人工智能领域有两个容易被混淆的技术方向
评价一家公司好与坏，通常会用到“一般公认会计原则”（GAAP） 。而这种类型的原则常常只能评判有形资产。人、思想可不像账目清单和银行账户，一目了然，随意评估。机器学习则正好弥补了这一鸿沟，只需要收集人类所思、所想、所说、所做等各种数据，就可以帮助我们评判有形资产。
神经网络正席卷着计算世界。在它们的帮助下，研究人员得以推进机器学习的进程。面部识别、对象识别、自然语言处理、机器翻译……这些原本都是人类才有的技能，现在逐渐成为了机器的常规配置。
CT扫描永远只能解答患者的部分疑问，但是寻求其他医生继续诊断费时又费钱。针对这一问题，以色列初创企业Zebra Medical Vision研发出了新型的机器学习平台，能够为患者提供CT扫描后的下一步诊断。
上海交通大学的武筱林教授和他的博士生张熙近期完成了一项研究，他们发现，通过学习，机器可以通过照片分辨出谁是罪犯，谁是守法公民，识别准确率在86%以上。
会员中心
