原标题：俄媒：人工智能可利用面部识别判断信仰倾向 来源：参考消息网
参考消息网1月27日报道 《俄罗斯报》1月19日发表了题为《藏不住了？》的文章称，美国斯坦福大学学者迈克尔·科辛斯基教授研发出了一种可根据人脸表情判断其信仰倾向的人工智能技术。
报道称，科辛斯基首先使用人脸照片库来训练神经网络，库中包括大量信仰明确的人物。然后，他将这一神经网络投入使用，让其根据数百万人的照片来将他们区分为自由派和保守分子。人工智能的识别正确率达到了72%。这一结果似乎并不太出色，但人的判断力更糟糕，正确率只有55%，几乎和抛硬币差不多。
有趣的是，科辛斯基还试图搞清楚神经网络的工作原理。他检查了照片中的多项特征和因素，如面部汗毛的颜色、目光是否直视镜头以及各种表情，但发现这些因素都不起作用。这也就是说，神经网络找到了目前尚不为人知的其他某些特征。
值得指出的是，科辛斯基的神经网络几年前已能通过人脸照片来确定人的性取向。在仅有一张照片可供识别的情况下，它对男性性取向的判断正确率达到81%，对女性的判断正确率为74%。如果有5张照片可供识别，它对男女性取向的判断正确率将分别提高到91%和83%。如果由人根据单张照片来进行判断的话，他对男女性取向的判断正确率分别只有61%和54%，这与过去的研究结果是一致的。
当时，科辛斯基的研究受到了同行们的严厉批评，他们认为这项技术可能危及他人的安全和隐私。但这项技术的研发者反驳说，自己没有创造侵犯个人隐私的工具，而是展示了“基本和广泛使用的方法可能以何种方式威胁私人生活”。也就是说，他们对人工智能中包含的危险发出了警告。
科辛斯基已向我们展示了其中一个危险。神经网络把人变得透明化了：它能在人身上发现对方自己可能都不知道的东西。
许多学者表示，必须制定有关人工智能使用的法律规范。但要把已被放出来的精灵重新装回瓶子里是难以想象的。
【延伸阅读】日媒：人工智能助医生快速筛查癌变
参考消息网1月19日报道 据《日本经济新闻》1月18日报道，日本东京大学的研究团队开发出一种人工智能技术，能根据胶囊内窥镜拍摄的图像，迅速找到结肠癌或息肉等病变，其分辨准确率达到96%。
报道称，观看胶囊内窥镜拍摄的图像需要时间，颇费功夫，使用人工智能技术有可能减轻医生的负担，减少失误。帮助读取图像资料的人工智能被率先用于传统的内窥镜。在被用于读取胶囊内窥镜拍摄的图像后，这种人工智能可能进一步得到普及。
报道还称，胶囊内窥镜是可以被人吞咽后检查小肠和结肠情况的医疗设备。在被排出人体之前，它会在几小时至十个小时内通过消化器官，内置的微型摄像机会拍摄多达几万张图像。
报道指出，医生在实施传统内窥镜检查时会一面操作一面观察，而胶囊内窥镜检查有所不同，医生需要在检查后观看大量的图像数据。有时一次检查，医生就要耗费一小时来看图像，这给医生带来了很大负担。而能反映病变部位的图像，只是几万张图像中的几张，因此存在被漏掉的风险。
报道称，东京大学副教授山田笃等人开发出可发现结肠癌的人工智能，其诊断水平与专科医生不相上下。研究团队利用了东京大学医院从2014年至2019年对184人实施内窥镜检查所获得的图像数据。
报道还称，研究团队让人工智能学习了拍有息肉和癌变、来自160名病人的大约1.6万张胶囊内窥镜图像。研究团队针对其中28人的4700多张图像，分析了人工智能的判断准确度，发现其判定有无病变的准确度达到84%左右。据悉，在105个病变中，人工智能发现了101个，分辨准确率高达96%。
山田副教授指出，利用人工智能的目的是自动筛查癌变，减轻人工的负担，减少遗漏。他们将研究如何减少人工智能读取图像的时间和失误，争取将其投入实际运用。
报道指出，利用吞咽式胶囊内窥镜实施的小肠检查正在逐渐普及，但在结肠检查方面进展不大。与传统内窥镜相比，它不会给受检者带来痛苦，但在读取图像和受检者服用泻药等方面仍有一些课题需要克服。不过，占主流的观点认为，在结肠癌筛查中需要精密检查的时候，可以利用它来提高就诊率。
在日本国内，奥林巴斯和富士胶片公司已经推出用于传统内窥镜、在检查中实时判断结肠病变的人工智能。日本国立癌症研究中心与日本电气公司共同开发的人工智能软件已于2020年获准作为医疗设备。现在将人工智能用于胶囊内窥镜检查已变得不可或缺。
（2021-01-19 16:26:14）
【延伸阅读】英媒：人工智能将成为抗击新疫情“最大希望”
参考消息网2月24日报道 人工智能常常被描述为一股对人类“有害”的力量。批评人士说，广泛使用人工智能和自动化技术最终将导致数以百万计的就业岗位消失，而埃隆·马斯克等技术先驱则警告称，人工智能技术存在失控风险。英媒认为，人工智能也有可能带来非常巨大的好处。
据英国《每日电讯报》网站2月22日报道，支持者举例称，这项技术可以提高行车安全度，优化我们的沟通方式，并能使劳动者腾出手来、集中精力从事更重要和回报更高的工作。
近日有消息称，人工智能在开发一种强大新型抗生素以对付世界上最危险的细菌方面发挥了核心作用，这彰显了这项技术的另一个好处。
报道称，对于应对正在持续的新型冠状病毒疫情来说，麻省理工学院研究人员取得的这一突破可能出现得太晚了，但这一突破能在今后其他类似的疫情中发挥关键作用吗？
麻省理工学院对人工智能进行了专门训练，以寻找已知能有效抑制大肠杆菌生长的潜在抗生素分子。通过让机器学习算法在几天内充分筛查庞大数据库中逾1亿种化合物，研究人员发现了这种分子。
初步试验证明，这种分子能有效抑制大肠杆菌。
一些复杂细菌对传统药物有耐药性。上述算法可以大大提高发现能对付这些复杂细菌的抗生素的速度。
英国帝国理工学院行为分析实验室主任奥尔多·费萨尔博士说，这一突破基于“很棒的研究”。
费萨尔说，此前帝国理工学院曾开展类似研究，利用人工智能搜索食物化合物库，以对付癌细胞。
这位副教授还说，即使利用人工智能发现了一种能对抗与新冠肺炎类似的疫情的抗生素，也需要开展可能耗费数月时间的严格临床试验。
他说：“这些都是偶然发现，但这是在海滩上淘金的一种极高明方式。”
费萨尔说，或许能以其他方式利用人工智能阻止病毒引发疫情。其中一种方法就是，利用人工智能实现“虚拟隔离”。一个例子是，建议伦敦某个地区的居民在某一特定时间按特定路线出行，从而更普遍地减少他们与其他人的接触。
总部设在英国牛津的初创企业埃克赛恩希亚公司是利用人工智能帮助发现新药的公司之一。
该公司首席执行官安德鲁·霍普金斯说，由于使用了算法，未来十年，新疗法从概念进入临床试验阶段可能仅需18至24个月。
埃克赛恩希亚公司已经设计出一种治疗强迫症的新化合物，在经过不到一年的最初研究阶段后，这种化合物即将在实验室中接受测试。该公司说，这比平均速度快了约4倍。
总部设在英国剑桥的希尔克斯公司也在使用类似方法，但该公司利用机器学习技术为现有药物寻找新用途。这两家公司均利用期刊、生物医学数据库和临床试验等来源为自己的算法提供信息，以帮助提出疾病的新治疗方法。
报道称，虽然麻省理工学院的突破还处于早期，但它确实表明了在下一次震动世界的疫情期间人工智能可能是多么重要。
（2020-02-24 09:19:02）
【延伸阅读】麻省理工学院：人工智能可通过咳嗽声识别新冠无症状感染者
参考消息网11月3日报道 西媒称，麻省理工学院的研究团队创建了一个人工智能模型，该模型可以通过咳嗽声识别无症状感染者。
据西班牙《先锋报》网站11月2日报道，新冠病毒无症状感染者没有明显的身体症状，所以一般不会主动接受病毒检测。而这就是导致他们在不知不觉中成为病毒传播媒介的因素。
然而，麻省理工学院的研究人员发现，可通过检测咳嗽声将无症状感染者与健康人群区分开来。这些都是人耳无法察觉的细微差别，但人工智却可以担此重任。
报道称，研究人员利用志愿者自愿提交的数万份咳嗽和语音样本来训练该人工智能模型。目前该人工智能模型已经能够准确识别98.5%的新冠肺炎患者的咳嗽声，其中包括100%的无症状感染者的咳嗽声。
研究团队正致力于将该人工智能模型纳入一个易于操作的应用程序。如果得到批准并被大规模采用，该人工智能模型或将作为一种免费、实用、非侵入性的筛查工具来识别无症状感染者。如果这种方法可行，该应用程序的用户就可以在每天登录后，对着手机咳嗽，并获得自己是否被感染的信息。但无论如何，所有人最后都应该通过官方的病毒测试方法来确认自己是否感染病毒。
研究人员指出，如果每个人都在去学校、工厂或餐馆之前使用这种群体诊断工具，那么有效地实施这项措施就可以显著减少病毒传播。
实际上，在新冠病毒疫情开始前，研究团队就已经开始利用智能手机录制的咳嗽声训练人工智能模型，以期准确诊断肺炎和哮喘等疾病。同样地，麻省理工学院的研究团队也开发出一种通过分析咳嗽声检测阿尔茨海默氏症前兆的人工智能模型。这种疾病不仅与记忆力受损有关，还与神经肌肉萎缩有关，而神经肌肉萎缩很可能影响声带。
报道称，从今年4月开始，研究团队开始收集尽可能多的咳嗽声录音，其中也包括新冠病毒患者的咳嗽声录音。
迄今为止，研究人员已经收集了7万多份咳嗽声录音，每份录音都包含数次咳嗽，这相当于约20万次咳嗽的音频样本。约有2500份录音是由新冠肺炎确诊病例提交的，其中包括无症状感染者。（编译/刘丽菲）
（2020-11-03 19:13:06）
