在人类中，常识相对容易识别，尽管定义起来有点困难。比如，不要用手去触碰烧红的铁棍，这是常识。我们怎么教人工智能的学习常识呢？许多研究人员尝试过，但以失败告终。但这种情况可能很快就会改变。现在，微软的联合发起人Paul Allen加入了他们的行列。

  根据《》报道，Allen投了增投了1亿2500万美元到他的非营利的计算机实验室--艾伦人工智能研究所（AI2），作为该研究所将未来三年的预算。这笔资金的将用于现有的项目和亚历山大项目（Project Alexandria），这是一个新项目，其重点是向机器人讲授“常识”。

  艾伦在新闻发布会上说。“在AI早期的研究中，人们很关注常识，但这项工作停滞不前。人工智能仍然缺乏10岁的孩子所拥有的普通常识。我们大家都希望开始这项研究，以在该领域取得重大突破。

  搭载于Pixel智能手机上的Google Lens目前可以识别照片和知名人士的肖像了。

  谷歌方面没有回应是何时在谷歌助手的Lens中加入名人识别的能力。这一特征是由VentureBeat在本周镜头测试过程中发现的。

  Google Lens是一款基于图像识别和OCR技术的AI应用。谷歌助手中的Lens AI于去年十一月首次面世。

  例如，如果你抓拍了一张名人的照片，比如喜剧演员Dave Chappelle，在谷歌照片应用程序中用Lens扫描那张照片，就会出现提示：“Lens没办法识别人”。

  但如果用Pixel 2,在谷歌助手中用Lens扫描，你会看到与Chappelle的电影事业和以前的电视节目有关的搜索结果.

  3月15日，谷歌发布了Android安全2017年度报告。报告发现，60.3%的潜在有害应用(PHAs)是通过机器学习被检测到的。

  这项检测是由Google Play Protect的服务完成的，该服务在超过20亿台设备(运行Android 4.3和up)上启用，以不断扫描Android应用程序的恶意活动。Play Protection使用了多种策略来保证用户和他们的数据安全，但是机器学习在帮助捕获PHAs方面尤其有效。

  在机器学习软件的强大力量的推动下，科技公司纷纷将一切和AI结合在一起。但是基于深度神经网络的软件有一个令人不安的弱点:对图像、文本或音频进行细微的改变，就可以欺骗这些系统去感知那些不存在的东西。

  对于依赖机器学习的产品来说，尤其是对于像无人驾驶汽车这样的视觉系统，这可能是个大问题。前沿的研究人员正试图开发出抵御这种攻击的方法——但事实上这是一个挑战。

  例如，人类可以很容易地认出下面的图片，展示的是两个在滑雪板上的男人。而谷歌的图像识别工具Cloud Vision给出的判断是，它有91%的把握认为它看到了一条狗。

  3月14日，微软宣布，其研发的机器翻译系统，在通用新闻报道测试集newstest2017的中英测试集上，达到了可与人工翻译媲美的水平。这是首个在新闻报道的翻译质量和准确率上可比肩人工翻译的翻译系统。

  微软将他们的最新研究成果——对偶学习（Dual Learning）和推敲网络（Deliberation Networks）应用在了此次取得突破的机器翻译系统中。

  其中，对偶学习使得中文句子翻译成英文之后，系统会将相应的英文结果再翻译回中文，并与原始的中文句子进行比对。从这个比对中，机器会学习有用的反馈信息，对翻译模型进行修正。

  推敲网络则类似于人们写文章时不断推敲、修改的过程。通过多轮翻译，不断地检查、完善翻译的结果，从而使翻译质量得到大幅提升。

  据了解，WindowsML的原理是采用预先训练好的机器学习模型来进行演算，据了解，在IT规划和管理领域，企业用户都能够在WindowsML上面使用服务器日志和其系统收集的任何别的类型的信息来通知支持AI的应用程序，以评估过去的模式并帮助用户做出更明智的技术决策。