计算机视觉AI技术不再受限特定的计算硬件

近年来，计算机视觉人工智能技术发展迅速，特别是人工智能的引入，大大提高了算法的能力和实用性，在视觉人工智能的无数应用中，我们认为未来技术的突破点可能来自三个方面：信息集成、人工智能、人工智能、人工智能、人工智能、人工智能、计算机视觉、人工智能、计算机视觉、人工智能、计算机视觉拔牙，医疗和自动驾驶。

本期杂志的封面人物沈南鹏说，投资者十年后应该考虑一下形势。不仅投资者，在迷茫、混乱的潮流中，市场中的每一个理性的人都需要长远地看待，锚定在时间的河流中更远的地方，来衡量未来，以便站得更稳固，更稳固。为此目的，中国企业家发起了一项特别计划，商业先驱信到2029年。该组织组织了九位企业家、科学家、经济学家和艺术家写信给2029年，以预测10年后在他们眼中的世界，希望读者从中受益。

近年来，计算机视觉人工智能技术发展迅速，特别是人工智能的引入，大大提高了算法的能力和实用性，在视觉人工智能的无数应用中，我们认为未来技术的突破点可能来自三个方面：信息集成、人工智能、人工智能、人工智能、人工智能、人工智能、计算机视觉、人工智能、计算机视觉、人工智能、计算机视觉腾讯优图实验室的人工智能技术布局大致可分为上述三个模块。

信息的整合和提取主要指内容分析，包括字符识别、行为分析、场景识别、目标检测、语义分割等。它可以从丰富的图像或视频中提取有意义的、结构化的信息，结合着陆场景的应用，生成有价值的数据。给用户或消费者提供精确的建议。这个领域近年来取得了快速的进展。例如，通过分析用户的点击或搜索行为，创建用户肖像以使内容服务平台能够更准确地推荐用户感兴趣的内容。这就是像Google和Facebook这样的大公司在视觉人工智能技术成熟之前，他们的用户肖像主要集中于文本搜索记录的分析。然而，随着视觉人工智能技术的发展，未来将会有更多的用户行为直接从多媒体内容中提取。而且，信息的集成和提取将不限于onl。在大数据和5G普及的未来，将会有大量的离线数据。通过提取离线数据，可以更有效地分析人们的行为。从商品推荐到城市规划，视觉人工智能技术将使人们的生活更加方便、舒适和安全。

医学人工智能的目的是在人口众多、医生资源分布不均衡的时代，辅助诊断，减少医生的重复工作，帮助基层疾病筛查的覆盖面。内科治疗和精确的微创治疗对整个社会和人类医疗水平的提高具有空前的意义，未来十年，智能查询、智能配准指南、X射线肺炎自动检测、心脏自动分析等医学图像的自动筛选、心功能检测等将得到发展。交流成像结构，将大大减少医生的工作，使医生能够更加集中精力解决和处理危重病患者的需求，而且，医学人工智能有望实现大多数疾病的初筛的普及。大数据和智能分析有望改变传统医疗的复杂过程。虚拟手术的发展将增加医生的外科经验。智能外科机器人将实现更精确、微创的疾病外科治疗。

自动驾驶技术是未来十年必定会出现的技术，要解决的核心问题是环境识别。目前，在自动驾驶着陆试验中，90%以上的交通事故是由环境识别中的错误引起的。人工智能只需要作出决策，人工智能的决策能力绝对优于人类。阿尔法戈战胜人类的案例表明，人工智能的决策能力在完全封闭的环境中超越了人类。自动驾驶技术之所以还处于试验阶段，是因为对环境信息的不完全理解而做出错误的决策。为了解决这一环境识别问题，随着道路交通试验数据的增加，自动驾驶技术将会越来越完善。同时，越来越多的基于自动驾驶的应用将给人们的生活带来便利。

在接下来的十年里，首先，人工智能算法必将具有更高的指标，而计算机视觉算法将在更接近场景的使用、更准确的结果这一实际道路上越来越深入。专用计算硬件，将成为计算设备了解世界的通用工具。今天的多媒体计算机可以记录和播放多种媒体，未来的计算机将能够理解多种媒体信息的含义。

想象一下，在2029年，商店会自动推断顾客的体形、肤色和年龄，然后推荐合适的服装搭配；在吃之前，商店会自动帮助你判断新鲜度、营养、推荐健康饮食；当智能家居进入数百万家庭时，声音和手势可以自由控制家用电器，以及智能安全摄像头可以帮助您在家中照顾儿童的活动；在医疗领域，疾病检查过程简单，基本医疗设备更加完善，因此少数医务人员可以设置疾病筛查点；对于一些疾病，便携式成像设备应运而生，愚蠢的操作和筛查。g程序进入普通人家，使病人能够实现自我筛查。十年后，我们不再需要担心该挂哪个科室的胃痛。智能对话分析助手通过简单的对话，帮助患者确定疾病范围，选择科室，制定最佳的检查时间，安排医疗时间，简化医疗过程。他因手术而疼痛。

无人驾驶汽车的普及，将释放物流业大量的人力成本，使B-C的业务更加便捷，并且由于人力成本的降低，价格将更加合理。长途汽车旅行会有更多的休息时间。无人驾驶出租车将使人们能够立即打电话和离开。晚上打电话叫女人比较安全。由于更好的路线规划，城市交通也将减少拥挤。

人工智能将赋予计算机理解世界的能力。计算机能更好地帮助人们分析、规划和决策，当然，计算机视觉人工智能技术的想象空间是无限的，但是从技术研究到实际应用还有很长的路要走，这也是所有相关研究人员的方向和愿景。

在网络时代，虚假新闻是压倒一切的，令人困惑。Facebook曾一度陷入虚假新闻的泥潭，不仅被指控影响美国总统选举的结果，还被指控触发德国政府的巨额罚款。就连以信誉著称的BBC也不能幸免。例如，BBC北安普顿分部的Twitter账户就发送了这样一条信息：

爆料新闻：特朗普总统在就职典礼上受枪伤。

10月4日，麻省理工学院的计算机科学与人工智能实验室（CSAIL）在其官方网站上发布了一则消息，声称该实验室与卡塔尔计算研究所的研究人员合作，开发了一个人工智能系统，该系统能够识别信息源的准确性，并且能够识别p.个人政治偏见。这项研究的结果将于本月底在比利时举行。布鲁塞尔举行的2018年自然语言处理经验方法会议（EMNLP）正式宣布。

研究人员使用人工智能系统创建了一个包含1000多个新闻源的开源数据集，这些新闻源被标记为真实性和偏见分数。据说，这是相似数据集中最多的新闻源。

研究人员写道，打击虚假新闻的一种（希望）方法是关注来源。尽管虚假新闻（帖子）主要通过社交媒体传播，但它们仍然有自己的原始来源，也就是说，一种，所以如果一个网站发布了虚假新闻，那么它很有可能在将来被发布。

人工智能系统的新颖之处在于它对所评估的媒体具有广泛的上下文理解。它并不仅仅从新闻文章中提取特征值（通过机器学习模型训练的变量），而是考虑维基百科、社交媒体，甚至基于URL和网络流量数据的结构来确定可信度。

系统的支持向量（SVM）训练用于评估事实和偏差。真实性分为：低、中、高；政治倾向分为：极左、左、中左、右、右和极右。

该小组表示，该系统只需要检测150篇文章，即可确定新源代码是否可靠，在检测新闻源是否具有高度、低度或中度真实性方面具有65%的准确率，在检测其政治倾向是左倾、右倾还是中立方面具有70%的准确率。

在上面显示的文章中，AI系统从六个维度测试了文章的文本和标题。它不仅分析了文章的结构、情感和参与(在本例中是股票数量、对Facebook的反应和评论)，还分析了文章的主题、复杂性、偏见和道德观念，并计算了每个特征值的得分，然后对一组文章进行了平均评分。

维基百科和Twitter也被添加到人工智能系统的预测模型中。正如研究人员所说，维基百科页面的缺失可能表明一个网站不可信，或者说提及这个问题的政治倾向可能是讽刺的或者显然是左倾的。此外，他们指出，信息公开不太可能。通过未经身份验证的Twitter帐户，或者使用没有明确标记的新创建的帐户，都是正确的。

模型的最后两个向量是URL结构和网络流量，它们可以检测试图模仿可信新闻源的URL（例如，foxnews.co），参考网站的Alexa排名，该排名是根据网站的访问总数计算的。

该小组在MBCF（MediaBiasFactCheck）网站上对1066个新闻源进行了AI系统培训。为了生成上述信息，研究人员在每个网站上发表了10-100篇文章（总共94814篇）。

正如研究人员在报告中煞费苦心地介绍的那样，并非每个特征值都能有效地预测事实的准确性或政治偏见。例如，一些没有维基百科网页或Twitter档案的网站可能发布公平可信的信息，而Alexa排名靠前的新闻来源并不总是更公平或更真实。比那些交通不那么拥挤的人更可信。

研究人员有一个有趣的发现：来自虚假新闻网站的文章更倾向于使用夸张和情绪化的语言，而左倾的媒体更倾向于提及公平和互惠。同时，维基百科页面较长的出版物通常更值得信任，包含少量特殊内容的URL也是如此。字符和复杂子目录。

将来，研究小组打算探索人工智能系统是否可以适应其他语言（目前只有英语培训）以及它是否可以被训练来检测特定领域的偏见。他们还计划推出一个应用程序，通过政治领域的文章自动响应新闻。

该论文的第一作者兼博士后助理RamyBaly说：如果一个网站之前发布了虚假新闻，他们很可能会再次发布它。通过自动从这些网站抓取数据，我们希望我们的系统可以帮助找出哪些网站可以首先这样做。

新德里的初创公司MetaFact使用NLP算法在新闻报道和社交媒体帖子中标记错误信息和偏见；SAAS平台AdVerify。AI去年发布了测试版来分析错误消息、恶意软件和其他有问题的内容，并交叉引用定期更新的数据库，该数据库包含数千个错误和合法新闻。

如前所述，一度陷入虚假新闻的Facebook已经开始使用人工智能工具来识别虚假新闻，最近收购了位于伦敦的初创公司Bloomsb.AI，以帮助其识别和消除虚假新闻。

然而，一些专家不相信人工智能能够胜任这项任务。卡内基梅隆大学机器人研究所的科学家迪安·波默洛在接受外国媒体的采访时告诉《边缘》杂志，人工智能缺乏对语言的微妙理解，这对于识别谎言和虚假陈述至关重要。

我们最初的目标是建立一个系统来回答，'这是假消息，是或不是，'他说，但我们很快意识到，机器学习不符合任务。

但是人类事实检验员并不一定比人工智能做得更好。今年，在保守媒体指责谷歌对他们有偏见之后，谷歌暂停了过去在谷歌新闻上贴的标签FactCheck。

然而，无论识别假新闻和个人偏见的最终解决方案是人工智能系统还是人为的，或者两者兼而有之，假新闻被消除的那一天都不会马上到来。

咨询公司Gartner预测，到2022年，如果目前的趋势保持不变，大多数发达国家将看到更多的虚假信息而不是真实信息。