今日芯声 | 放心大胆找工作，AI 替代不了你

1. 人工智能来势汹汹，你的饭碗还保得住吗？

如果说在前几年，互联网是绕不开的话题，那么现在，人工智能的时代来临了。人工智能技术的崛起，对IT行业带来了巨大冲击，不少企业开始转型专攻人工智能领域。

但对普通公众来说，他们对AI的概念仅仅停留在“听得懂话的机器人”这样层面的理解，更不明白AI和IT到底有什么区别。

IT为Information Technology的缩写，指的是信息科技和产业。IT行业涉及通信、硬件还有软件。传统IT多为学一门语言去开展特定某个方向的研究，大多以软件研发为主，强调技术性。

而AI是Artificial Intelligence，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。在理论体系上，人工智能属于计算机科学的一个分支，因此可以说AI是IT的进阶。另外在AI行业，同样需要学习语言，IT从业者经过培训可以转行AI。

不过对于AI来说语言只是用来体现算法的一种工具，算法才是核心。IT语言在AI的知识体系中，仅是很小的一部分。以自兴教育的课程体系为例，包含了数学基础、计算机基础、机器学习算法、机器学习分类、各种神经网络算法及深度学习等内容。

人工智能是一个综合知识体系的学习。我们说弱人工智能(一个机器，它能够在某一个方面，达到和人类相同的水平)其实已经广泛地存在，很多很多技术里面都使用到了弱人工智能。当下AI已融入互联网、交通物流、金融、医疗、制造、教育、媒体等诸多领域，不论是什么行业，都开始关注AI技术对自身的影响。

在未来，发展人工智能技术必是大势所趋。AlphaGo让人们看到了AI的无限可能，无人车让人们感受到AI贴近生活的便利，写作机器人让人们惊叹于AI的精巧缜密。AI行业仍在不断发展，企业不断优化算法调整应用领域。

2. 人工智能到底靠不靠谱？博鳌论坛AI翻译表现的“有点抱歉”

本次博鳌亚洲论坛给人最震撼的除了论坛上各位参会巨头们的提议和想法，更让人关注的就是现场的AI工作人员——同传翻译。

这次会议的智能翻译由两员AI大将腾讯翻译君和微信智聆组成。它们一个即时把文本翻译成目标语言，一个把人声实时识别成文字。听起来这样的组合应该是个完美搭配，但是依旧出现了很多问题。

会议上有人发言关于“一带一路”的内容，但是显然翻译君的智能程度还不够：

一个同传翻译者要能即刻翻译，还要能根据语境瞬间判断演讲者表达对错，然后对这条语句进行及时挽救，但是这一行为对AI来说似乎还有那么一点难度，即使是人可能都还要犹豫，何况是AI呢？所以，从这次的会议产生的尴尬来看，智能翻译的进步空间还是很大的。

虽然人工智能被提出已经几十年，但是大力发展还只是近几年的事情，所以发现有些地方不完善是好事，这样就可以推动智能的发展，让它朝着一个越来越成熟的方向走去。

3. 牛津大学计算机系主任：AI立法要挖掘机遇

“人工智能立法的重点应在于充分利用AI技术所提供的各种机遇，构建适宜的环境以激励、培育大量AI初创公司和新服务的发展，防范和应对AI技术所带来的各种潜在危害。”牛津大学计算机系主任迈克尔·伍尔德里奇教授日前在接受采访时如是表示。

迈克尔·伍尔德里奇教授 科技日报记者 郑焕斌摄

对于人们日益关注的AI伦理和立法问题，伍尔德里奇教授认为，AI技术引发的伦理问题是现有计算机伦理问题的新版本。最近发生的“剑桥分析丑闻”是借助于先进计算技术/AI技术，试图利用人们的隐私数据来操纵选举，其实质是基本数据伦理问题。

英国的传统做法是，向计算技术等领域的学生教授数据伦理和各种行为规范，经过这种训练的人应该能清醒认识这些问题并做出正确决定。AI技术目前面临的难题是算法偏见，它是指故意或非故意地将某个计算机程序设计为可做出有偏见的决定。

“坏程序”可能会做出有偏见的决定；但由具有偏见的人所训练的正常程序，也将会不可避免地做出具有偏见的决定。科学家需要对此进行深入研究。

伍尔德里奇教授建议，目前中国的AI投资过度集中于机器学习技术领域。从国家级战略层面来看，更为重要的是放宽眼界，拓展AI投资领域，要同样重视移动技术的深度研究和移动计算系统的研究等领域；英国多年来一直致力于推动AI技术在国民保健系统（NHS）中的应用，中国也应关注此领域，这样必将惠及更多民众。

4. MIT和FB搞了个视频数据集，让Youtube视频审查更容易

今天介绍的这个项目，用到了麻省理工学院和 Facebook 联合创建的数据集，该数据集名为SLAC（Sparsely Labeled ACtions），用于动作识别和定位。它包含520K以上的未修剪视频和1.75M剪辑注释，涵盖200个动作类别。该论文提出的框架使得注释视频剪辑花费的时间更少，仅为8.8秒，与传统的手动修剪和动作定位程序相比，标记时间节省超过95％。

一般来讲，数据集的目的是用来训练和测试学习算法的质量。

在这个数据集中，神经网络在很多场景都会给出一个错误的逻辑答案。很简单，人类知道——我们可能会在一个装有攀岩墙的房间里，但我们不一定会锻炼；我们可能在游泳池附近，但我们不一定游泳。

让神经网络知道有一个游泳池边可能发生游泳这个事情是非常容易的，但真正了解游泳是什么，却需要它对大量的数据进行理解。

所有这些视频都经过镜头和人物检测步骤，提取了包含某种人类活动的相关子片段。然后用两个不同的分类器查看，查看结果是根据两者之间是否存在共性，来决定这段视频剪辑是否被丢弃。

素材来源：雷锋网、搜狐科技、网易智能等

如需转载，请后台留言，遵守转载规范