AAIG看全球-6月刊(上)发布！

AAIG的专家们用多学科的专业视角，每月从全球收集和筛选关于算法治理和可持续发展的全球态势。重点关注算力时代的新技术、新风险、新实践、以及对它们新解释。

6月月刊(上)共10篇文章3430字,分【本月洞察、行业动态、前沿技术、产业实践】四个板块展开。

人工智能技术广泛而深入地应用于生产和生活，尤其是用于自动化决策，深刻地影响了千千万万用户。用户在享受人工智能带来的便利和红利的同时，也可能因为人工智能自动化决策的缺陷、偏见等而受到伤害。用户对于人工智能应用的感受和评价是什么？他们是否了解人工智能，信任人工智能？用户心中对人工智能有什么疑惑和担心？人工智能服务的提供者，有必要对用户进行必要的解释，弥合认知鸿沟，增进共识，促进人工智能更好更快地推动社会发展。

点击题目即可查看全文

1. 《算法应用的用户感知调查与分析报告（2021）》重磅发布

为了更好地了解公众对于当前算法应用真实的感受和评价，推动大型互联网平台倾听公众呼声，落实算法伦理治理；对外经济贸易大学数字经济与法律创新研究中心、中国人民大学数字经济研究中心和蚂蚁集团研究院于2021年底联合开展了“算法应用用户感知”大规模实证调查，收到有效问卷6941份，在此基础上撰写形成了《算法应用的用户感知调查与分析报告（2021）》。

报告围绕算法透明、算法安全、算法公平和算法向善等重大算法问题，开展了详细的调研和分析，报告发现：1、公众呼吁增加算法透明2、平衡好算法安全与使用3、更看重算法的程序公平4、让算法更好为生活服务5、积极提升用户算法素养。

2. 清华黄民烈：谷歌AI人格真的觉醒了吗？

黄民烈教授从专业角度分析AI是否可能具备人格，对于人类来说，究竟是“威胁”还是“安慰”？他认为LaMDA学习了大量的人类对话数据从而学习到了一个“平均”的人格。所谓的“LaMDA具备人格”仅仅是人类的语言说话风格，并不是LaMDA自发形成的。黄民烈认为，AI对话系统下一阶段发展的重点是“更有伦理、更道德、更安全”。AI必须知道什么回复是安全的，不会产生风险，这就需要AI具备伦理和正确的价值观。他从AI对话系统的历史与未来发展角度给出了详细解释，他表示对AI for Social good非常期待，尤其关注AI在社会连接、心理

1.  NLP哪个细分方向最具社会价值？

这篇被今年 ACL Findings 收录的论文从社会效益的角度出发提出了一整套针对 NLP 任务的社会效益的评价指标，并给出了从社会效益最大化的角度出发应当被优先研究的 NLP 的课题，作者首先通过伦理学的经典理论与观点，给出了一种评估好的社会效益的定性方法，其次，通过因果结构模型将现有NLP 技术分类，从而依据层次结构关系讨论不同种类的NLP技术对社会效益的不同影响。之后，借助全球优先研究领域的分析框架，提出一系列衡量技术优先级的有用指标，最后，作者通过对ACL 2020 570篇论文的分析研究，给出了一套基于社会效益的评估课题研究意义的思考方法与 NLP 领域内应当被优先研究的课题。

2. AI换脸术「Deepfakes」8年进化史

GAN 发展简史：1、2014年Deepfake的诞生元年。2、2015年：CNN能够并行处理大量数据，而且在显卡上的运行效率特别高。3、2016年：Deepfake眼镜与人脸处理。4、2017年：英伟达推动质量飞跃，第一段deepfake视频出炉。5、2018年：GAN控制力加强，deepfake登陆YouTube频道。6、2019年：Deepfake正式成为主流。7、2020 年：Deepfake监管与迪士尼百万像素 deepfakes。8、2021年：Deepfake 巡演、直播与人脸租赁。9、2022年：3D GAN、DALL-E 2与泽连斯基deepfake。

3. 计算机基础问题，最大流问题获突破性进展：新算法「快得离谱」

计算机科学家组成的科研团队，为计算机领域中经典的最大流问题提出了一种速度极快的算法。最大流问题是一种组合最优化问题，讨论如何充分利用装置的能力，使得运输的流量最大以取得最好的效果。目前，新方法主要是理论上的提升，因为算法速度的提升还只适用于比现实世界中遇到的大得多的网络，对于这些网络，最大流量问题已经可以很快地得到答案（至少在不考虑代价最小化的情况下）。

4. Gato之后，谷歌也推出「通才型」智能体Multi-Game Decision Transformers

谷歌研究院采取可扩展的方法的初步步骤，生成了表现优越的通才型智能体。研究者通过实验解答了下列问题：1、不同的在线和离线方法在多博弈体制中的表现如何？2、不同的方法如何与模型尺寸相比较？3、不同的方法转换到新游戏的效果如何？4、多博弈决策 Transformer是否改进了训练数据？5、最佳行为推理是否改进了行为克隆？6、专家和非专家数据混合训练是否比仅专家训练更有益？7、使用Transformer 架构有什么好处？

5. 零样本学习超越CLIP！谷歌提出首个多模态稀疏化模型LIMoE，还能降低计算成本

谷歌带来最新成果LIMoE，首次将稀疏化方法用在了图像文本混合模型上。此次基于的模型是MoE，在Transformer架构的基础上，加设了“专家层”。它是一个并行的FNN，取代了原本的前馈网络。具体来看，就是让LIMoE进行对比学习。在利用大量图像-文本对训练时，网络内部的图像模型提取图像表示，文本模型提取文本表示。针对相同的图像-文本对，模型会拉近图像和文本表示的距离。反之，对于不同的图像-文本对，则会让相应的表示彼此远离。这样一来的直接好处，就是能实现零样本学习。

1. 比肩MIT、斯坦福，阿里巴巴跻身全球十大计算机网络研究机构

权威机构AMiner公布2022年度AI 2000人工智能影响力榜单，阿里巴巴是唯一上榜的中国机构，表明其在和计算机网络有关的基础研究领域已经达到和世界一流高校比肩的水平。换言之，在计算机网络这样的基础领域，阿里巴巴为包括企业、高等院校、科研院所在内的所有中国机构，占得了一席之地。这也表明，今天的企业不仅是技术的应用场，也可以成为原创理论和基础科研的策源地，并代表中国的技术和理论水平。企业在基础科研上的持续投入，有助于加速提升中国整体的科技实力。

2. 百度重磅发布业界首个集可信分析和增强于一体的可信AI工具集-TrustAI

百度发布首个集可信分析和增强于一体的可信AI工具集-TrustAI，帮助NLP领域开发者了解神经网络模型的预测机制，构建更加可信、效果更强的模型，助力神经网络模型更安全、可靠地落地于实际应用中。TrustAI的功能：1.可信分析方法：特征级证据分析，实例级证据分析。2.可信评测数据：自然语言理解任务可信评测数据，预训练模型评测数据，可信评估指标。3.可信增强。

3. 170亿参数，28项公开测试集SOTA，行业最大的视觉多任务统一大模型来了

WAVE SUMMIT 2022 深度学习开发者峰会上，百度发布了行业最大视觉多任务大模型VIMER-UFO 2.0，模型参数量达到170亿，单模型28项公开数据集SOTA，基于飞桨 Task MoE架构，根据任务的不同自动选择激活最优的区域，从而实现100倍参数压缩，同时支持下游任务快速扩展。