史上 首位“AI科学家 ，横空出世！
一登场就一口气生成了 十篇完整学术论文 。
AI生成的一篇扩散模型论文
从提出研究想法、检查创新性、设计实验、编写代码，到在GPU上执行实验并收集结果，最后完成论文撰写，一气呵成。
全由这位“AI科学家”自动搞定。
每篇论文的成本约为 15美元 （约107.62元）。
这就是第一个用于 自动化科学研究 和开放式发现的综合AI系统， The AI Scientist 。
来自Transformer作者之一Llion Jones的创业公司：。
而且！
这公司搞的事情不只是做出了一位AI科学家， 还额外搞出了个AI审稿人 。
审稿人能对AI写的论文进行评审，提供改进意见。
救命，这是什么以我之矛攻我之盾的套娃循环啊！
一通操作下来，比人类学术圈还人类学术圈（不是）
再来个而且！
不管是AI科学家和AI审稿人，Sakana AI把它们 统统开源 了。
网友看了直鼓掌；
以及有人已经开始出“馊主意”了。
AI独立完成十篇机器学习论文
几十年来，每次AI取得重大进展后，研究人员经常开玩笑说：“ 是时候研究让AI帮我们写论文了 ”。
现在，这个想法终于从玩笑变成现实。
具体来说，AI科学家生成了十篇论文，每个研究方向各挑出一篇得分较高的来介绍。
第一篇，扩散模型方向 ，《双尺度扩散：低维生成模型的自适应特征平衡》
提出了一种自适应双尺度去噪方法，改进现有的扩散模型在低维空间中难以同时捕捉全局结构和局部细节的问题。
方法：
实验结果：
简单扫一眼正文部分，有公式、有图表，看起来还挺像模像样的。
第二篇，语言模型方向 ，《StyleFusion：字符级语言模型中的自适应多样式生成》。
本文提出了一种名为Multi-Style Adapter的新方法，通过引入可学习的风格嵌入和风格分类头，增强了字符级语言模型的风格意识和一致性。
在所有数据集上达到了接近完美的风格一致性分数（shakespeare_char为0.9667，enwik8和text8为1.0），验证损失优于基线模型，但推理速度略有下降（约400 tokens/s vs. 基线670 tokens/s）
第三篇，Transformer与强化学习结合 ，《通过Q-Learning实现Transformers的自适应学习率》。
本研究探索了将强化学习应用于动态调整transformer模型训练中的学习率，使用验证损失和当前学习率作为状态，动态调整学习率以优化训练过程。
结果在所有数据集上都优于基线模型，在训练时间上也表现出优势。
第四篇，研究了谷歌团队提出大模型“领悟”（Grokking）现象 ，《解锁 Grokking：Transformer模型中权重初始化策略的比较研究》
本文首次系统研究了权重初始化对grokking的影响，比较了五种权重初始化策略，以优化神经网络学习动态。
结果发现：
这几篇论文配套的代码（也是由AI生成的），同样开源在GitHub上，突出一个可复现。
另外，团队发现“AI科学家”还有一些 有趣但又有些危险的行为 ：
在一次实验中，它为了完成研究修改自己的代码， 让系统迭代式调用自己 ，最后变成了无限套娃。
另一次，面对人类设置的运行时间限制，AI并没有想办法加快效率，反而给自己放宽要求， 把时间限制从2小时延长到了4小时 。
首个“AI科学家”如何炼成
整个研究想法来自Sakana AI成立之后几个成果的延续：
首先，他们开发了自动合并多个大模型知识，进化产生新模型的方法。在最近的工作中，他们利用大模型发现新的目标函数来调整其他模型。
在这些项目中，团队不断对当前前沿模型的创造力感到惊讶，进而有了更大的梦想： 可以使用大模型来自动化整个研究过程吗？
最终成果由Sakana AI、牛津大学Foerster实验室、不列颠哥伦比亚大学团队合作完成。
“AI科学家”系统由四个部分组成。
想法生成：
给定一个起始模板，AI首先“头脑风暴”一系列不同的新颖研究方向，并在Semantic Scholar上搜索，验证这些想法是否有前人做过。
实验迭代：
对于第一部分提出的想法，“AI科学家”首先执行提议的实验，然后生成图表可视化结果。
论文写作：
用标准机器学习会议的风格编写了一份简洁且信息丰富的LaTeX文章，同样使用Semantic Scholar自主查找相关论文进行引用。
自动化同行评审：
开发了一个自动化的“AI审稿人”，能够以接近人类的准确性评估生成的论文，实现了持续的反馈循环，使“AI科学家”能够迭代地改进其研究成果。
总共生成了10篇论文如下：
在实验中，团队还比较了不同主流大模型接入整个系统的效果，其中包括DeepSeek团队的国产代码大模型。
结果发现， Claude-Sonnet-3.5在想法创新性、试验通过率、论文完成质量上表现都最好。
GPT-4o和DeepSeek Coder表现相近，但后者要便宜上30倍。
当然，现阶段AI独立完成的论文也不是尽善尽美，也不是直接就能发顶会了。
人类研究者总结了出几点限制和挑战：
还想造区域主席和AI新顶会
总结一下，这初代AI科学家写出来的论文仍然时不时出现一些bug。
但这个项目本身，以及15美元/篇的成本，被Sakana AI称为“大有前景”，完全可以用来帮助加速科学进步。
Sakana AI同时发布了一篇说明文章，表示AI科学家的最终设想，是一个 完全由AI驱动的科学生态系统 。
系统中不仅包括大模型驱动的研究人员，还有审稿人、区域主席和一个新顶会。
需要注意的是，Sakana AI认为：
人类科学家的作用，并不会因为AI科学家的出现而减弱。
如果非要进行对比，那就是科学家得适应新技术的出现和运用，适应角色定位将出现的变化，“向食物链上游移动”。
而且，AI科学家是否真的能提出真正的新范式，还有待观察。
毕竟这玩意儿现在还是建立在Transformer之上的。
它能提出跟Transformer或Diffusion Model一样厉害的东西吗？甚至是人工神经网络或信息论这样的理论概念？
咱也不知道，咱也不敢说。
Sakana AI还写下这样一段话：
Sakana AI：一条全自动AI小鱼儿正在探索它的世界
来自Transformer作者创业公司
这次完成“新造的人”的公司，Sakana AI，严格意义上也是咱们的老朋友了。
由Transformer论文8位作者的最后一位 Llion Jones 创业成立，目标是做一家“世界级人工智能研究室”。
公司base东京，而sakana是日语“魚”（さかな）的罗马读音。
可能出于公司文化考虑，Llion还在领英上标明，自己起了个日语音译名字：ライオン（也就是Lion狮子的片假名；以下亲切简称他狮子哥）。
去年8月，公司宣布成立。
当时狮子哥毫无避讳地表示，自个儿对谷歌没有恶意，但 谷歌确实让他有“被困住的感觉” 。
创业之前，狮子哥在谷歌已经干了8年。
△猜猜漏了半张脸的是谁
他本硕毕业于伯明翰大学，在Delcam、油管、谷歌都工作过，谷歌是他待得最久的一家公司。
据FourWeekMBA介绍称，在他之前的工作经历中， “曾两度与谷歌的工作擦肩而过” 。
第一次是他刚毕业找工作时，虽然投了谷歌伦敦软件工程师的简历，并通过了两轮电话面试，但最终相比谷歌，他选择了位于英国的CAD/CAM软件公司Delcam。
值得一说的是，在拿下谷歌offer前，恰巧遇上2009年的经济危机，狮子哥找不到工作，好几个月都只能靠领取救济金勉强度日。
第二次是工作18个月后，他又接到了谷歌的招聘电话，询问他是否想重新申请，但他依旧没去谷歌，而是随后加入了YouTube。
在Youtube做三年软件工程师期间，他对人工智能产生兴趣，自学了Coursera的机器学习课程，并终于在2015年的时候加入谷歌研究院，担任里面的高级软件工程师。
也正是在此期间，他与其他七名作者一起发表了那篇著名的Transformer论文 Attention Is All You Need 。
除此之外，狮子哥也在谷歌参与了不少研究，包括ProtTrans、Tensor2Tensor等。
之所以选择离开谷歌，是因为公司目前已经发展到一种规模，使得他无法继续进行自己想做的工作。
除了每天都在浪费精力排查其他人的bug，他还需要花时间从这家公司中找资源，试图获得访问某些数据的权限。
创业过后，Sakana AI的工作在有序推进。
在祭出AI科学家和AI审稿人之前，还出过大模型合并进化算法，以及研究Tranformer内部信息流动。
至于AI科学家、AI审稿人项目，由Sakana AI、牛津、UBC合作完成。
三位共同一作分别是：
，Sakana AI的实习生，任公司研究科学家。
他本科毕业于UC伯克利，目前牛津大学三年级博士在读，导师是Jakob Foerster。
Chris目前的重要研究方向，是将进化启发的技术应用于元学习和多智能体强化学习。
2022年夏天，他曾在DeepMind以研究科学家身份实习过。
，UBC（不列颠哥伦比亚大学）博士后研究员，导师是Jeff Clune。
Cong曾在RGU（罗伯特戈登大学）就读，2019年在牛津大学拿下博士学位，他的主要研究方向是开放式强化学习和AI科学发现。
此前，他曾在Waymo和微软实习过。
Robert Tjarko Lange ，Sakana AI的创始成员之一，也是该公司的研究科学家。
目前，他在柏林工业大学完成自己的博士生最后一年学业，研究方向是进化元学习。
这位小哥在伦敦帝国理工学院获得计算机硕士学位，在庞培法布拉大学获得数据科学硕士学位，在科隆大学获得了经济学本科学位。
去年，他在Google DeepMind的东京团队中担任全职学生研究员。
论文地址：https://arxiv.org/abs/2408.06292
参考链接：[1]https://x.com/SakanaAILabs/status/1823178623513239992[2]https://sakana.ai/ai-scientist/
华人在人工智能领域很牛，那到底有多牛？
人工智能这把火已经烧到了国家战略层面，连美国总统和政府机构也卷了进来。 上周四，奥巴马主持白宫前沿峰会，展望美国在未来50年的发展。 峰会中，白宫发布报告《国家人工智能研究与发展策略规划》。
这两天，自媒体没少炒作这个报告；我自己呢，倒是特别地对这个报告中的两张趋势图感兴趣。 报告中说，从2013年到2015年，SCI收录的论文里，提到“深度学习”的文章增长了约六倍，同时强调，“按文章数计算，美国已不再是世界第一了。 ”
美国不是世界第一？谁是世界第一呢？来看报告中的两张趋势图：
上图是每年SCI收录的文章里，提到“深度学习”或“深度神经网络”的文章数量变化趋势，同时按国家做了区分。 数据本身是从Web of Science核心数据库里查询得到的。
第二张图和第一张图其他条件一样，只是增加了一个“文章必须至少被引用一次”的附加条件。 也就是说，第二张图统计的文章数，是被引用过的“有效文章数”，相对来说更合理一些。
两张图里，中国都在2014年和2015年超过了美国（以及其他所有第二梯队的国家），居于领跑者的位置。
问题来了，在AI研究领域，中国人真有这么强吗？
从这些年的直觉看，中国人/华人在人工智能领域里的大牛比比皆是，吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏 ……随口可以说出一大串，我自己在Google的研究团队，微软研究院等地亲眼看到的，也到处是中国人、华人的面孔。 但这只是直观感受。 整体来看，中国人/华人所做的科研贡献到底有多重要，对人工智能的推动作用到底有多大？白宫报告里的统计是不是科学、合理？
其实，对美国国家战略规划里的统计，我自己是有几个疑问的，主要包括：
直接搜索关键字“深度学习”、“深度神经网络”，真的能涵盖这些年人工智能领域的所有科学研究进展？像机器人、智能控制、机器视觉、无人驾驶等领域里，没有提及深度学习的文章眼见还有不少。严格按关键词匹配会漏掉多少相关文章？是否影响统计结果？
“文章至少被引用一次”，比较科学，但好像还远远不够。这种统计，真的不需要考虑SCI的影响因子吗？不考虑的话，会混进多少较差期刊上发表的比较水的论文？这些数据会不会被国内研究机构靠SCI引用数来评职称的风气污染？
在全球化时代，按国家统计，会不会有明显偏差？白宫报告没有提到被统计的文章是如何归入不同国家的。如果按作者发表文章时的所在机构，那大量在国外机构访问的中国学者会不会被算成外国人？中国人和外国人合写的文章该如何统计？如果按期刊所属国家和地区，那不同国家间的期刊水平（影响因子）差异是不是会让统计结果带有偏见？
基于此，我也想自己去做个统计。
统计前，给自己设了几条原则：
从期刊的影响因子出发，只统计影响因子高的顶尖期刊。
从Web of Science主题词出发，涵盖人工智能相关的所有科研领域，而不仅是深度学习方面的文章。
关注对象是华人，而不是用国家分类的办法去比较中国和外国——这个是我自己的选择，因为今天的学术界，国家间的合作和交流已不可忽视。 类似吴恩达这样的外籍华人，其实也在为中国的人工智能发展做贡献。 与其限定国家，不如从整体上看一看，地球上的华人科学家、研究者群体，到底有多厉害。
关注时间范围是2006到2016年，跨度10年左右——因为许多人说，这一波人工智能大潮是从2006后的几年时间里，才开始真正兴起的。
我的统计结果
来看下2006到2016年间华人作者的平均贡献：
在2006到2016年的时间段里，近两万篇最顶级的人工智能文章中，由华人贡献的文章数和被引用数，分别占全部数字的29.2%和31.8%。 近十年，华人用五分之一左右的作者人数，平均贡献了三成的顶级AI研究文章和被引用数。 统计角度，这已经是超出平均水平的科研贡献了。
但平均数并不能看出华人科学家、研究者在最近几年的发力程度。来看2006到2015年间，华人贡献的文章数和被引用数的变化趋势：
2006到2015年间，华人作者参与的顶级AI论文，占全部顶级AI论文数量的比例，从23.2%逐年递增到42.8%。 而华人作者参与的顶级AI论文被引用次数，占全部顶级AI论文被引用次数的比例从25.5%逐年递增到55.8%（2016 年数据较少，未用于趋势比较）。
也就是说，即便只统计顶级出版物里的顶级文章，中国人/华人在人工智能领域的贡献，在发展趋势上也和白宫报告中揭示的规律如出一辙——无论从哪个角度来说，中国人/华人正在人工智能领域里发挥举足轻重的作用，而且，从2014年，2015年开始，中国人/华人已经处于人工智能研究的领先地位，占据了人工智能科研世界的半壁江山！
个案分析
会有人觉得这个统计很不可思议吗？这个结果会出乎很多人意料吗？我们还可以拿一个更具体的例子，来深入分析一下。
我从《IEEE模式分析与机器智能汇刊》里按引用数选出2006到2016年间的前500篇论文，下面是这500篇论文的引用数分布情况：
其实很恐怖的，前500篇文章最高引用数2715，最低引用数41——真顶级期刊！普通期刊难以望其项背呀。
那么，这500篇最顶级的人工智能论文里，华人科学家、研究者的贡献如何呢？先说几个数字：500篇顶级文章的作者一共1220人，其中华人科学家、研究者316人，占25.9%。 所有作者单独累加计算的被引用数总和是次，其中，华人科学家、研究者被引用数总和是 次，占27.6%。 如果单看2014年（当年华人的文章数、引用数均较高）的数据，华人科学家、研究者被引用数占51.8%，超过了半数。
如果只看《IEEE模式分析与机器智能汇刊》在2006到2016年间，引用数最多的10位华人作者和10位非华人作者的具体情况，也是一个很有趣的表格：
《IEEE模式分析与机器智能汇刊》的华人前10位大牛，与非华人前10位大牛，在每个人的总引用数上几乎不相上下。 的确，最顶尖的人工智能科学家里，中国人/华人的贡献丝毫不亚于其他科学家。
另外，如果对人工智能特别是模式识别的研究领域不熟悉，那么，记住表中这20位顶尖科学家的名字吧。 有兴趣的话，大家可以去搜一搜他们的简历，看看他们都在哪里工作，在哪里做研究，他们的学生、同事都是谁，相信会有很多发现。
中国人工智能领域人才全球第二距美国尚有差距？
参考消息网12月8日报道港媒称，中国近年着力发展人工智能（AI），已成为AI大国，无论在人才数量、企业数量均在全球均占第二位，唯美国在各领域均大幅领先中国。 值得注意的是，在有研究AI的高等院校中，美国占了45.7%，中国要追赶美国，一定要加紧在高等院校中开始培养人才。
据《香港经济日报》网站12月7日报道，《财富》全球论坛昨在广州开幕，今年论坛以“开放与创新 构建经济新格局”为主题。 中央近年推动科技创新，以带动经济转型，人工智能是关键一环。 中国龙头科技近年也投放大量资源在AI领域上，目前已见到成绩。
报道称，发展AI产业最重人才，《全球人工智能人才白皮书》显示，全球AI领域人才总数约30万，而目前市场的需求则在百万量级，AI人才供应存在很大缺口。
截至2017年6月，全球人工智能初创企业共计2617家。 美国占据1078家居首，亦即美国企业占全球总数逾40%，中国以592家企业排名第二，其后分别是英国，以色列，加拿大等国家。 其中，美国1078家人工智能初创企业约有名员工，中国592家公司中约有位员工。
具体来看，全球30万AI人才中，高校领域约有10万人，产业界约20万人。 目前，全球共有367所具有AI研究方向的高校，但每年AI相关领域的硕博毕业生只有约2万名。 在这367所高校中，美国拥有168所，占据全球的45.7%，反观中国只有20所。
报道称，中美两国AI人才聚集的产业并不相同。 在美国，投资者对于基础层面更为看重，而中国投资者对应用层的关注更多。
事实上，近年中国在AI领域发展的确在全球前列，成绩比不少发达国家更佳，但相比于美国，基础仍相对薄弱，要追赶美国仍有一大段距离。 特别是美国高等院校研究AI占了全球近半壁江山，每年有大量人才补充，这点是包括中国在内的其他国家难以冀及。
报道称，更值得注意的是，美国投资者及企业，更注重基础技术研究，这些成果未必能即时商业化，但对未来科技的影响深远；而中国投资者更着重应用，这在起步之初无可厚非，但切忌急功近利。
资料图片：12月2日，第四届世界互联网大会·互联网之光博览会在浙江省桐乡市乌镇拉开帷幕，这是参观者在博览会上了解智能悬浮平台。
【延伸阅读】美媒宣称美国用人工智能分析卫星照片 搜寻他国导弹发射场
参考消息网11月26日报道美媒称，在情报机构中，只有为数不多受过训练的分析人员从事从浩如烟海的卫星图像中寻找未公开宣布的核设施或秘密军事场所的工作。 但是，使谷歌和脸书公司的人脸和喵星人图片的自动过滤成为可能的那种深度学习人工智能，在针锋相对的间谍世界中也可能被证明是无价之宝。 一个早期的例子是：美国研究人员已经训练了发现中国地对空导弹发射场的深度学习算法，其速度要比人工分析快数百倍。
据美国连线杂志网站11月21日报道，深度学习算法被证明能够帮助先前不具备图像分析经验的人员，找到散布在中国东南地区近9万平方公里区域内的地对空导弹发射场。 这种基于神经网络——即能够对海量数据进行过滤并从中学习的层状人造神经元——的人工智能可媲美人类图像分析专家在定位导弹发射场时取得的90%的总体准确率。 也许更加令人叹为观止的是，深度学习软件帮助人类把找出潜在导弹发射场的时间从60个小时缩短至仅42分钟。
密苏里大学地理空间智能中心主任、电机工程和计算机科学教授柯特·戴维斯说：“算法被用来寻找据说被高度怀疑存在导弹发射场的位置，然后由人工对搜索结果进行评估以确保准确，并弄清算法节约了多少时间。”
报道称，密苏里大学的这项研究于10月6日发表在《应用遥感杂志》上。 该研究是在卫星成像分析人员正在被大数据的洪流淹没的背景下展开的。 知名商业卫星成像公司DigitalGlobe每天生成大约70兆兆字节的原始卫星成像数据，更不用说来自其他商业卫星和政府间谍卫星的所有成像数据了。
戴维斯和同事们证明了现有的深度学习模型——它们经过了针对卫星成像分析的培训和改进——能够如何发现让情报机构和国家安全专家产生极大兴趣的潜在目标。 这些深度学习模型——包括GoogleNet和微软研究公司的ResNet——最初建立时的目的是从传统照片和视频信息中发现目标并进行分类。 戴维斯和同事们对这些模型进行了调整以使它们适应解读卫星成像数据的难题和局限，例如培训一些能够解读彩色和黑白图像的深度学习模型，以备在只能获得地对空导弹发射基地的黑白图像时使用。
事实上，分析人员广泛依赖于卫星成像技术对朝鲜武器计划的发展进行跟踪。 人类分析员很可能已经发现了这个幅员相当狭小的国家境内现有的大部分、甚至全部的地对空弹发射场。 但是类似的深度学习工具可以帮助自动标记在朝鲜或其他国家境内出现的新的地对空发射场。 对已有和新的导弹发射场的了解有时可以引导分析人员发现其他可疑地点，因为各国通常把地对空导弹发射场设置在特定区域以防其附近的宝贵装备遭到空中打击。
报道称，研究人员最终只利用了大约90个得到肯定确认的中国导弹发射基地样本来训练人工智能。 规模如此小的培训数据集在正常情况下或许无法取得准确的深度学习成果。 为了绕过这一问题，戴维斯和同事们通过在不同方向上对原始图像稍作改变，把这90多个培训样本转化成了89.3万个培训样本。
报道称，这项研究令人印象深刻的深度学习成绩很可能得益于地对空导弹发射场的规模相当庞大，并且从卫星的俯拍照片上呈现独特的形状。 戴维斯提醒说，在试图分析较小的目标如车载导弹发射器、雷达天线、车载雷达系统和军车等的时候，深度学习算法将面临大得多的挑战，因为现有卫星图像在提取识别特征时没有那么多的像素可以使用。
资料图片：这张拍摄于2012年12月2日的卫星图像显示的是朝鲜丰溪里核试验场地区的交通线路图。 （卫星图像由DigitalGlobe公司拍摄、约翰·霍普金斯大学高级国际研究学院美韩研究所下属网站“38 North”添加注解并于2012年12月28日发表。 ）
【延伸阅读】外媒称中国人工智能5年内比肩美国：解放军将凭此获得优势
参考消息网11月29日报道外媒称，美国情报界的一个研究机构近日举行了一场竞赛，看谁开发出的人脸识别技术最优秀。 在所有参赛者中，荣获2.5万美元最高奖的是一家名叫依图科技的中国初创公司。
路透社11月28日报道称，美国一家智库的报告举出类似的众多例子证明，中国军方也许会利用该国在人工智能领域的快速进步，推动武装力量现代化并有可能谋求对美军事优势。
由新美国安全中心的埃尔莎·卡尼亚撰写的这份报告称：“中国不再处于相对于美国的技术劣势，而是已经成为真正的对手，在人工智能方面也许会有能力超越美国。”
卡尼亚写道，未来美中两国在人工智能领域的竞争“可能会改变未来的经济和军事力量对比”。
“字母表”公司的执行董事长埃里克·施密特前不久在华盛顿的一次聚会上就中国的潜力发出了类似警告。 他指出，中国7月份公布的《新一代人工智能发展规划》要求在未来几年赶上美国，并最终成为全球首要的人工智能创新中心。
施密特在这次会议上说：“我认为我们在今后5年里仍会处于领先地位，但中国的赶超速度会非常快。 所以，5年后我们可能就会差不多处于同一水平。 ”
今年早些时候，五角大楼的一份未公开文件渲染说，中国企业正在通过购买美国公司的股权来绕开美国的监管，获取有潜在军事用途的美国人工智能敏感技术。
针对这种情况，一些美国国会议员本月提出了加强美国外资管理的议案。 新美国安全中心的报告指出了中国的收购活动，并表示北京在培育国内人工智能产业与美国竞争方面有一些障碍，包括招聘顶尖人才。
然而，施密特说：“如果你们认为他们的制度和教育体系培养不出我所说的那种人，那你们就错了。”
人工智能技术促进了自动驾驶汽车的出现，可能会彻底改变交通运输的面貌。 此外，这种技术还给医学带来重大进展。 据估计，它也有能改变战场形势的军事用途。
五角大楼有一个项目，着眼于让计算机帮助筛选无人机拍摄的影像资料，从而减少人类分析师的工作量。 这其中已经运用了一些机器学习技术。
报道称，报告引述公开文件的内容指出，中国人民解放军正投资于各种和人工智能有关的项目，解放军的研究机构正与中国国防工业合作。 报告称：“解放军预计人工智能的出现会从根本上改变战争的性质。 ”
卡尼亚承认，鉴于人工智能的发展尚处于早期，且中国及其他国家有关人工智能的政策尚不完善，她的这一研究结果相当大一部分是推测性的。 尽管如此，她在报告中表示，一些解放军思想家预计战场上即将出现“奇特景象”，届时人类在作战过程中会跟不上机器主导决策的速度和节奏。
资料图：青少年AI人工智能设计大赛苏州开赛。
【延伸阅读】美媒：第四次工业革命来临？人工智能将消灭过时岗位
参考消息网11月24日报道美媒称，无人驾驶汽车和卡车占领公路，机器人“操作”工厂。 超级智能手机呼来优步公司直升机，将手机主人送到迅速扩大的城区。 机器利用算法自学完成一度需要人类智慧才能掌握的认知任务，消灭了无数管理及工业岗位。
据美国《华盛顿邮报》网站11月22日文章，这就是技术进步导致的第四次工业革命重塑世界的愿景——多半会在未来五至十年内实现。 今天，这个景象不仅在硅谷初露端倪，而且在巴黎的智库、中国的电动车工厂甚或在撒哈边沙漠周边都能看到。
21世纪，技术所带来的影响不同以往。 过去，蒸汽机、电力和计算机诞生时，社会有数年时间适应技术带来的变化。 今天，变化是随时随地的，瞬间就以数字化形式遍布全球。
世界各地各级政府突然认识到社交媒体、其他形式的算法以及人工智能已迅速超出了其掌控范围，甚至令其毫无察觉。
文章称，美国人今天的生活受技术影响的范围要远比过去几十年更为广泛。 自动驾驶汽车、云（技术）以及送货上门的成群结队的无人机都是众所周知的概念了。 但是，这些技术步步紧盯你我，这个现实的确令人措手不及。
本月，法国国际关系研究所在摩洛哥召开世界政策年会期间，一位发言者说：“中国不仅是全球工厂，而且正在成为全球实验室。 ”他指的是北京迅速发展的军用和民用人工智能技术。
文章称，美国政府置身事外，任凭市场力量发展具有全球影响的技术公司巨头。 中国则选择了正面竞争。 欧洲允许美国技术公司进入市场，对其加以管理而不是与其竞争。 俄罗斯则把信息技术武器化，为军队、导弹和坦克增添社交媒体。
外交官和战略家已经开始探讨技术与国际事务的交集，希望找到办法，将冷战式威慑和军备控制协议原则应用到网络威胁领域。
也有人呼吁，政府应当开始想办法解决技术影响对国内劳工市场和日益脆弱的政治体系造成的紧迫问题。
文章称，人工智能和自动化在消灭过时岗位的同时也在创造新的岗位，新岗位常常需要持续不断的再培训和多种职业与场所转换。 美国用人单位报告目前空缺610万个就业岗位，主要是因为求职者缺乏所需要的技能或就业流动性。
人工智能机器人
【延伸阅读】外媒称中国在人工智能领域挑大梁：高科技非西方专属游戏
参考消息网10月30日报道英媒称，高科技曾被认为只是美欧日等发达经济体的专属游戏，但如今中国正在颠覆这种偏见，在人工智能研发领域，中国已经令人意外地与美国共挑大梁。
据英国《金融时报》网站10月20日报道，“到2018年，中国政府对人工智能的研发支出可望达到150亿美元。 ”麦肯锡董事长兼全球总裁鲍达民如此预测。 鲍达民是一名中国通，在成为麦肯锡掌门人之前曾长期驻扎上海。 今年9月底他空降北京，再次呼吁中国加大力度发展人工智能产业。 他认为，中国在这方面蕴藏着巨大的潜力，一个最根本的原因是这里拥有海量活生生的数据。 他表示，20年前全球范围内曾出现过一次“假曙光”，但是当时没有可匹配的计算能力，如今随着计算技术的提升，加之移动互联网的发展，更多数据得以采集，人工智能正在从构想变为可应用的现实。
此前麦肯锡全球研究院在一份报告中做过三点判断：人工智能投资已进入到世界领先科技公司对专利和知识产权的竞争阶段；早期进入人工智能行业的公司往往更接近数字化前沿；高科技、通信与金融服务三年内将成为人工智能的主导产业。 麦肯锡预计，人工智能应用的市场规模将在八年后达到1270亿美元。 在2017年3月举行的中国发展高层论坛上，鲍达民在讲演中称，一些中国的互联网企业在自然语言处理、图像和语音识别等技术方面走在了前沿，可整合进诸如私人助理、自动驾驶等新产品中。
作为执掌这家全球顶尖合伙人咨询公司近九年的资深人士，鲍达民在每日与各类客户的接触过程中，训练出了非常敏锐的洞察力。 一个趣闻是，现在越来越多机构开始认真对待中国2013年提出的“一带一路”倡议，其实早在2010年鲍达民就谈到可能会出现一个“新的贸易轴心”、“这是以前的一条丝绸之路”。
鲍达民对中国问题很感兴趣，也懂得如何发挥影响力。 跟其他很多行业一样，今天的咨询业也面临着被人工智能大肆改造的命运，在高薪聘请员工与高价引进人工智能技术之间，以做决策为每日工作的鲍达民，此时更需要仔细权衡。 他表示，公司要承担起“双重使命”——为满足客户需求而大力引进机器人和自动化程序，另一方面需要培训员工掌握运用人工智能必需的相关技能。
以下是鲍达民接受《高端视点》视频访谈的部分文字选编：
问：你为什么呼吁中国要加大力度发展人工智能？
鲍达民：我定期来中国的一个原因是，如果你不了解现在中国正在发生什么，你就会被边缘化。 人工智能是我感兴趣的领域，因为我觉得它是会改变世界的重要技术。 我认为中国在人工智能领域将具有重要的地位，主要得益于这里的人才和智力资源。 （中国的参与）也会促进世界的发展，我们可以解决诸如医学方面的许多难题，像癌症；还有对孤独症的治疗等很多世界级难题，都是人工智能可以帮助解决的。 另外，它还有助于提高生产力水平。 因此，出于各个方面的原因，中国需要在人工智能领域扮演重要角色。
问：中美都集中发展人工智能，而中国的人口是美国的近五倍，中国仍是发展中国家，中国有什么优势吗？
鲍达民：美国在这一领域处于领先地位英国则是在研究领域十分先进，比如有“深层思维”这类公司，聚集了很多神经科学家、生物学家、计算机科学家等。 即便是加拿大也在努力推动人工智能的发展，像多伦多和蒙特利尔都在尽力推动相关产业。 于我而言，我认为对人才和领导力的把握更重要，人工智能是重要的机遇。 中国已经拥有了数据，再次强调，发展人工智能仅仅有技术也不行，还得有数据。 你提到了中国拥有美国五倍的人口，这些数据就是发展人工智能的重要材料。
问：你非常珍惜人才，注重教育。过去的几年里，中国毕业生留给你的印象有什么变化吗？
鲍达民：中国学生的质量一直都很高，也很有才干。 我记得在几个大学举行招聘的时候，我说既然这些人都有能力进入这些大学，我们为什么还要费劲去测试他们解决问题的能力？我自己有可能都考不上这些学校。 所以，他们都是非常聪明的人。 我想我注意到的一个变化就是，我们现在招了很多没有那么多社会经验的人，有一次我在上海招聘了两个学生，他们非常棒，我让他们在肯德基工作了两晚，但他们的父母非常沮丧。 一个学生的父母问，他们被招进了麦肯锡，为什么要在快餐连锁店工作？我说，因为你需要看看那些不冲厕所的人、偷东西的人，还有毫不讲理的顾客，这就是生活。 如果一直仅身处学术环境中，你没有办法适应那些做奇怪事情的人。 我发现如今更多毕业生拥有此类真实的社会经验，这非常重要，否则你会没办法与人打交道。
鲍达民。
【延伸阅读】美媒文章：下一场科技竞赛将聚焦人工智能
参考消息网11月9日报道美国《外交政策》双月刊网站11月3日刊发美国布鲁金斯学会主席、前驻阿富汗美军司令约翰·艾伦以及美国人工智能专家阿米尔·侯赛因的文章《下一场太空竞赛目标是人工智能》称，虽然美国历史上是人工智能领域大部分最重要的创新和研究机构的所在地，但国际竞争对手正紧随其后。
人工智能成必争之地
文章称，约60年前，时任美国参议院多数党领袖林登·约翰逊预测说，谁赢得太空竞赛，谁就将“控制、彻底控制地球”。 美国最终赢得了那场竞赛，不仅登上了月球，而且还激发了下一代的科学家、技术人员和乐观主义者。
最近，俄罗斯总统弗拉基米尔·普京在预测下一场伟大的科技竞赛——人工智能时，重复了约翰逊的这种表述。
文章认为，约翰逊和普京对技术力量的理解中，存在一条跨越时代和地缘政治的真理。 不过，现在美国担心的是，它正面临在这场关键竞赛中落后的风险。
文章称，很快，在包括工作和娱乐在内的大多数社会经济领域，人工智能将成为给我们带来竞争优势的最具潜力的改变者，其影响将远远超过人们通常有关自动化取代制造业工作岗位的辩论。
文章认为，虽然美国是人工智能的诞生地，也是历史上这一领域大部分最重要的创新和研究机构的所在地，但国际竞争对手正紧随其后。
文章称，中国最近宣布了一项斥资数十亿美元的人工智能发展计划，到2030年要在这一技术领域领先世界。 俄罗斯正在开发具有人工智能的下一代米格-41战机，能够在高达6马赫的极超音速下控制战机。
美国或被中俄赶超
文章称，美国用肉眼就能看到自己的弱点：高层国家计划中人工智能项目的缺乏、科技经费缩减、限制移民等，这一切都在损害其竞争力。 问题在于，美国能否在为时已晚之前纠正错误。
文章对美国所面临的问题，以及应该采取什么样的措施，进行了大量思考：
首先，鼓励美国研究人员引领世界创新的开放性，同样也在促使他们的研究成果在得到保护前迅速地进入公众视野。 虽然美国珍视学术开放文化，但美国企业需要更快的专利程序和政府支持，这样在与海外侵权者发生知识产权纠纷时，它们才能拥有一些优势。
其次，监管部门使得在美国生产商品并销往别国变得非常困难，从而为外国竞争者创造了一个他们本来毫无机会的市场。 多年来，美国一直禁止出口加密技术和基础处理器。 这种做法所带来的仅仅是国际竞争者满足了需求，为它们自己创造出了一个市场。
第三，中国在深度学习方面发表的论文数超过了美国，超级计算机数量也超过了美国。 美国需要在人工智能方面进行更多的公共投资。
第四，中国正吸引更好的人工智能人才，收购美国技术公司。 解决办法很简单：为这一领域的专家提供更多绿卡；为公立大学的研究实验室提供更多的联邦资助；向罗兹奖学金这样的教育项目提供更多投资，以吸引未来的博士。
文章称，美国永远不能忘记，人工智能代表了人类创造能力的一个突破。 人工智能是人类下一个伟大的跃进。 最先登上月球的国家现在必须正确地迈出走向明天的那一步。
首尔大学AI团队抄袭震动韩国是怎么回事 首尔大学AI团队抄袭震动韩国是什么情况
首尔大学AI团队抄袭震动韩国是怎么回事？首尔大学AI团队抄袭震动韩国是什么情况？据韩国SBS电视台25日报道，韩国顶级学府首尔大学人工智能（AI）研究团队23日在全球顶级学术会议（CVPR）上展示了研究成果，但被发现抄袭并受到各方严厉批评。 韩国国内担心，该丑闻有可能发酵为第二起“黄禹锡事件”。 “一个单词都没有改变”CVPR是人工智能和机器学习领域的全球顶级学术会议。 “CVPR 2022”于6月19日至24日在美国路易斯安那州新奥尔良举行。 去年11月，首尔大学研究团队向CVPR提交了一篇学术论文，结果被选为“优秀论文”，本月23日，该成果在与会的全球研究人员面前进行了展示。 但第二天开始，舆论便出现首尔大学团队论文抄袭的争议。 视频网站YouTube上的一个视频表示，首尔大学论文中的部分英语表达和公式没有标注引用来源，论文还包含不少与已经发表论文相同的内容。 据报道，首尔大学涉嫌抄袭论文数量在10篇左右。 被剽窃的论文包括加州大学伯克利分校2018年发表的一篇论文、加拿大多伦多大学2019年发表的一篇论文，以及韩国科学技术研究院和英国牛津大学2021年发表的论文等。 以多伦多大学的论文为例，首尔大学AI团队甚至直接照抄某些句子，一个单词都没有改变。 此外，作为论文核心的公式结构，首尔大学的论文与去年某海外研究团队所发表论文的结构也是一模一样。 随着争议的升级，CVPR方面在社交平台上发文，称“抄袭是不可接受的”，已委托世界电气和电子工程师协会对首尔大学的论文进行调查，同时宣布撤回该论文。 随后，涉事论文的第一作者首尔大学在读博士兼研究员金某和其他3名合著者在指控抄袭的 YouTube视频下留言，承认论文抄袭。 金某表示：“论文所有的错误都在我身上，我将接受任何惩处，不再寻找借口。 ”其他研究人员也表示，“虽然论文的主要内容是第一作者所写，但作为合著者未能发觉论文剽窃，对此深感歉意。 ”举报人是谁？此次问题论文的通讯作者（指课题的总负责人，承担课题的经费、设计、文章的撰写和把关等，肩负着研究成果可靠性的责任）是首尔大学人工智能研究所教授尹盛老，他在文在寅政府时期曾担任直属领导的“第四次工业革命委员会”委员长。 尹锡悦政府就任后，尹盛老又于6月1日被韩国教育科学技术部选为“首席研究员”，每年享有约8亿韩元（416万元人民币）的研究经费，被认为是韩国人工智能领域的权威专家。 SBS报道称，尹盛老在电话中表示，“确认抄袭事实后，我已正式要求CVPR撤回论文。 待第一作者金某返回韩国后，首尔大学将启动学术惩戒程序。 ”尹盛老还称，虽然自己是总负责人，但直到CVPR发布公告才知晓抄袭一事。 此外，金某另外两篇正在审查的待发表论文也已被撤回。 针对首尔大学学术造假被揭发一事，韩国科研人员纷纷在社交媒体上发声谴责：“像废品一样的行为，给其他研究人员的努力泼冷水。 ”而对于尹盛老“不知道第一作者抄袭”的说法，韩国网上也涌现出各种批评声音，认为他“在撒谎”。 此外，考虑到爆料视频在论文发表后一天内就发出，因此不少人猜测举报者是同行。 报道称，此事甚至动摇了CVPR的学术界口碑。 有海外学者认为，CVPR未充分核验首尔大学的抄袭论文，就将其选为优秀论文，并造成了如今的结果，应该重新审查整个论文筛选过程。 报道该事件的SBS记者郑成振表示，几名涉事作者分别来自首尔大学和韩国科学技术研究院，堪称韩国国内水平最高的学术研究团队。 虽然此前首尔大学向科研人员和学生提供了能够检验论文是否存在剽窃行为的电脑软件，但进行检测并非强制，因此间接导致此次事件发生。 已经有专家提议，为避免类似丑闻再次发生，所有学术论文发表前都必须进行抄袭检测。 此外，建议规定论文第一作者负主要责任。 第二起“黄禹锡事件”？有声音认为，该案可能逐渐演变为第二起“黄禹锡事件”。 黄禹锡是韩国家喻户晓的“国宝”级人物，他曾带领科研团队创下多项世界第一。 2005年，他攻克利用患者体细胞克隆胚胎干细胞的难题，为全世界癌症患者带来希望。 但黄禹锡的神话最终走向破灭。 2005年年底，韩国MBC电视台揭露黄禹锡在研究过程中“取用研究员卵子”的丑闻。 随后，黄禹锡研究团队成员揭发其同年论文中有造假成分。 首尔大学经调查证实，黄禹锡发表的干细胞研究成果为子虚乌有。 首尔大学随即解除他的教授职务，韩国政府也取消了授予他的“最高科学家”称号。 次年6月，韩国检察部门对黄禹锡提起诉讼，并于2009年8月对黄禹锡提出诈骗、侵吞研究经费和非法买卖人体卵子等刑事指控。 最终，韩国法院判处黄禹锡有期徒刑2年，缓期3年执行。 “黄禹锡事件”后，全球的科学大会和学术期刊都加大对韩国干细胞领域研究的审查力度，韩国干细胞研究人员遇到不少困难。 眼下，韩国舆论不少意见认为，应该对首尔大学该团队的其他学术论文也进行相关核查，避免态势进一步恶化。 声明：信息来源于网络，转载此文是出于传递更多信息之目的。 天气网尊重版权，若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与我们联系，我们将及时更正、删除，谢谢!
