未来人工智能领域的未来发展会像狂野的西方还是更受控的情况一样？真正的答案可能是中间的某个地方，但政府至少希望看到更多的测量和发展。
今天的白宫发出了关于未来AI的未来方向的报告为人工智能的未来做准备. 在报告中，报告得出了几个结论——有些是显而易见的，有些可能不那么明显。例如，它承认，由于政府和行业对人工智能研发的投资，人工智能技术将继续在复杂性和普遍性方面增长。
更多关于网络世界有个足球雷竞技app：2016年最奇怪，最古克和最酷的SCI /技术故事（到目前为止！）+
该报告还提倡人工智能标准、强大的网络安全以及控制其对就业的潜在影响。
“该计划认为，AI对社会的影响将继续增加，包括就业，教育，公共安全和国家安全以及对美国经济增长的影响。第三，它假设行业投资AI将继续增长，随着最近的商业成功，增加了研发的投资回报，“报告国。
继续，“该计划假设一些重要的研究领域不太可能得到行业的足够投资，因为它们受到围绕公共品的典型投资不足问题的影响。最后，该计划假设工业界、学术界和政府内部对人工智能专业知识的需求将继续增长，从而导致公共和私人劳动力压力。”
报告的一些重要方面包括一些建议和意见，包括：
- 开发有效的人工智能协作方法：大多数人工智能系统将与人类协作以实现最佳性能，而不是取代人类。需要进行研究，在人类和人工智能系统之间创建有效的交互。理解并解决人工智能的道德、法律和社会影响。我们期望人工智能技术按照我们对人类同胞的正式和非正式规范行事。需要进行研究以了解人工智能的伦理、法律和社会影响，并开发设计符合伦理、法律和社会目标的人工智能系统的方法。
- 确保人工智能系统的安全。在人工智能系统被广泛使用之前，需要保证系统将以受控、明确定义和充分理解的方式安全可靠地运行。需要在研究方面取得进一步进展，以应对创建可靠、可靠和值得信赖的人工智能系统这一挑战。
- 为AI培训和测试开发共享公共数据集和环境。训练数据集和资源的深度，质量和准确性显着影响AI性能。研究人员需要开发高质量的数据集和环境，并启用对高质量数据集测试和培训资源的负责任。
- 嵌入在关键系统中的AI必须是强大的，以便处理事故，但也应该安全到广泛的有意的网络攻击。安全工程涉及了解系统的漏洞以及可能有兴趣攻击它的行为者的行为。
- 虽然一些网络安全风险是AI系统的特点。例如，一个关键研究区域是“对抗机器学习”，其探讨了通过修改算法的“污染”训练数据可以通过“污染”训练数据来损害的程度，或者通过对防止其被正确识别的对象进行微妙的改变(e.g., prosthetics that spoof facial recognition systems). The implementation of AI in cybersecurity systems that require a high degree of autonomy is also an area for further study.
- 必须加快标准的发展，以跟上速度不断发展的AI应用程序的速度和扩展域。标准提供可持续使用的要求，规范，指导方针或特性，以确保AI技术符合功能和互操作性的关键目标，并且它们可靠和安全地执行。采用标准带来了技术进步的可信度，并促进了一个扩大的可互操作的市场。
- 已经开发的AI相关标准的一个例子是P1872-2015（机器人和自动化的标准本体），由电气和电子工程师（IEEE）开发。本标准提供了代表知识和一系列术语和定义的系统方式。这些允许人类，机器人和其他人工系统之间的明确知识转移，并为应用AI技术应用于机器人的基础。
- 改进的硬件可以带来更强大的人工智能系统，而人工智能系统也可以提高硬件的性能。这种相互作用将导致硬件性能的进一步提高，因为计算的物理限制需要新的硬件设计方法。基于人工智能的方法对于改善高性能计算（HPC）系统的运行尤其重要。这样的系统消耗大量能源。人工智能被用于预测HPC性能和资源使用情况，并做出提高效率的在线优化决策；更先进的人工智能技术可以进一步提高系统性能。
- 人工智能还可用于创建自重构HPC系统，该系统可在系统故障发生时处理故障，无需人工干预。改进的人工智能算法可以减少处理器和内存之间的数据移动，从而提高多核系统的性能。处理器和内存是exascale计算系统的主要障碍，exascale计算系统的运行速度是当今超级计算机的10倍。在实践中，HPC系统中的执行配置从来都不相同，不同的应用程序并发执行，每个不同软件代码的状态在时间上独立演化。人工智能算法需要设计为在线运行，并在HPC系统的规模。
- AI技术可以最大限度地利用带宽和信息存储和检索的自动化。AI可以提高数字通信的过滤，搜索，语言翻译和概括，积极影响商业以及我们生活的方式。
- 人工智能系统可以帮助科学家和工程师阅读出版物和专利，提炼理论，使之与先前的观察结果更加一致，生成可测试的假设，使用机器人系统和模拟进行实验，以及设计新设备和软件。
需要在AI标准的所有子领域开展AI标准开发方面的额外工作，以解决以下问题：
- 软件工程：管理系统复杂性、持续性、安全性，并监控紧急行为；
- 性能：确保准确性，可靠性，鲁棒性，可访问性和可扩展性;
- 指标：量化影响绩效和标准合规性的因素；
- 安全：评估系统，人机交互，控制系统和监管遵守的风险管理和危害分析;
- 可用性：确保接口和控制是有效，高效和直观的;
- 互操作性：通过标准和兼容的接口定义可互换的组件，数据和交易模型;
- 安全性：解决信息的机密性，完整性和可用性，以及网络安全;
- 隐私：控制在经过传输或存储时处理的信息保护;
- 可追溯性：提供事件（其实施、测试和完成）的记录，以及数据的整理；和
- 域：定义特定于域的标准词典和相应的框架
看看其他热门故事：