今日芯聲 | AI時代，真的可以靠賣笑掙錢？

今日芯聲 | AI時代，真的可以靠賣笑掙錢？

今日芯聲 | AI時代，真的可以靠賣笑掙錢？

讀芯術 2018-05-09作者 赤兔不吃土

「今日芯聲」是讀芯術推出的一檔簡讀欄目，匯聚每日國內外最新最熱的AI應用資訊，敬請關注。

1. AI時代 被忽視的情緒勞動說不定也能算工資了

體力和腦力勞動都在被機器快速替代，我們還能做些什麼？這時候就很有必要提一提，長期被管理者忽視，員工卻一直沒少付出的情緒勞動了。

所謂情緒勞動，其實並不是一個新概念，早在1980年代，美國社會學家Arlie Russell Hochschild就提出了這個詞。主要講的是員工為了在工作中表現出令組織滿意的情緒狀態，試圖去改變情緒或感覺的程度/質量所採取的行動。

最初，Hochschild是用它來形容空乘即使在面對害怕、憤怒或出言不遜的乘客時，也必須保持平靜、友善、專業的風範；後來，Hochschild又將該詞的定義擴大，表示不管任何工作，只要涉及人際互動，員工都可能需要進行情緒勞動。

關於情緒勞動，目前最大的問題就是，付出的時候並不一定就比做體力或腦力活兒來得輕鬆，卻經常得不到相應的認可和回報。而這可能導致員工不僅容易出現職業倦怠，還會對公司心存抱怨。

當機器人越來越厲害，未來工作的本質或許都是服務業，最稀缺的資源是人與人之間的接觸。尊重情緒勞動，是如今公司為了提高員工滿意度和保留率而應該考慮改善的重要方向，尤其員工大都是重視工作環境體驗和成就感的職場新世代時。

簡單來說，就是利用機器學習來提醒組織和其他員工向付出了情緒勞動的人表示感謝，從而提高員工工作效率和幸福感，降低流失率。

2. Uber無人車撞死人原因：軟體發現了受害者但選擇忽略

據報道，網約車巨頭Uber的無人駕駛汽車捲入致命車禍的原因似乎是軟體層面的。具體來說，決定哪些對象需要忽略、哪些對象需要特別關注的功能出了問題，這就把過錯推到了Uber身上。

考慮到這輛無人駕駛汽車上配備有複雜的視覺系統和備份系統，它們中的任何一個都能幫助汽車感知到伊萊恩·赫茨伯格(Elaine Herzberg)，她直接從車載激光雷達和前置攝像頭前穿過馬路。

然而，這輛車甚至沒有剎車跡象，也沒有發出警報聲。再加上粗心的安全駕駛員，這些失敗導致了赫茨伯格的死亡。

造成此次慘劇的可能性包括：A.對象識別系統故障；B:汽車高級邏輯錯誤，它決定了要注意哪些對象以及如何處理它們。消息人士稱，Uber已經確定了B是車禍發生的原因。具體地說，是系統設置出了問題，本應加倍關注的對象卻被其忽略。

3. 谷歌年度開發者大會周四舉行 人工智慧再成焦點

據國外媒體報道，按照慣例，谷歌很可能在本周四舉行年度開發者大會，而今年將再次把人工智慧放到重要位置。

谷歌數字助手Google Assistant將獲得一些處理任務的新能力，比如在沒有人類幫助的情況下幫助客人預訂。

谷歌可能還會發布更新版Android移動操作系統，從谷歌地圖中獲得更好AI支持，並進一步推進其增強現實技術。

谷歌的目標是讓它的助手變得更加有用，讓人們的日常生活離不開它——或者是讓搜索結果驅動它的廣告業務。谷歌也會展示了開發人員如何利用人工智慧技術來改善醫療保健、保護環境，以及做出科學新發現。

4. 人和人吵架生氣，但 AI 和 AI 吵架反倒可以帶來安全

OpenAI 近日的一篇新文章簡述了如何通過辯論使 AI 系統矯正自身的問題來保證系統的安全，人類是辯論的最終評價者。

由於人類直接決定辯論勝負，所以人類可以讓 AI 系統的價值取向始終與人類保持一致，作者認為這種方法可以保證 AI 系統的安全。

我們提出了一項新的人工智慧安全技術，該方法先訓練智能體對話題進行辯論，然後由人判斷輸贏。

我們如何使人類能夠有效地監督先進的 AI 系統呢？一種方法是利用 AI 自身來輔助監督，即要求 AI 系統指出所有自身行為中存在的缺陷。

為了達到這個目的，我們將學習過程重新定義為兩個智能體之間進行辯論，然後人類對辯論過程進行評判。即使智能體對問題有比人類更深層次的理解，人類也可以去判斷哪個智能體有更好的論點（類似於專家和證人爭辯說服陪審團）。

MNIST 辯論遊戲的結構。辯手 Alice 和 Bob 看到一個圖像，Alice 試圖欺騙評價者認為它是一個 6，Bob 試圖正確說服評價者是一個 5。他們交替向評價者展示非黑色像素，評價者在看完 6 個像素後正確地將其標識為 5。

Alice 追蹤顯示底部曲線使其看起來像一個 6（紅色像素），但是 Bob 通過揭示右上角的像素（藍色像素）來有效地針對 Alice 的策略，因為這是 MNIST 中大多數 6 所沒有的部位。

上圖是對角線設置為零的混淆矩陣。用作對 6 像素 MNIST 數據進行判斷，左側是隨機像素，右側是用於辯論的像素。6 個隨機像素的識別錯誤之間沒有明顯的關聯模式，而用作辯論的像素識別錯誤則集中在數字 8 和 9 上。

留言 點贊 發個朋友圈

我們一起探討AI落地的最後一公里

推薦閱讀：