同泰加密晶元

㈠ 未來5年哪些技術將雄霸天下

3月19日-22日，IBM將召開IBM Think 2018大會，這個全球性的盛會將匯集40000多個高科技愛好者，會議主題將涵蓋人工智慧、數據分析以及物聯網等諸多熱點話題，旨在「讓商業世界更智能」。

在這次活動中，IBM將給出他們對於未來五年的技術發展的預測，並解答有關新技術創新的問題以及這些創新會如何影響我們的生活。這五大技術預測包括Crypto-Anchors、Quantum Computing、Hacking、AI Bias、 AI Microscopes。

1. Crypto-Anchors

造假者人人喊打，而Crypto-Anchors和區塊鏈結合起來能夠有效打假。據悉，因經濟欺詐全球每年會損失超6000億美元，而IBM開發的防篡改數字指紋可嵌入產品中並與區塊鏈鏈接以幫助證明真實性。

例如，Crypto-Anchors可以幫助證明拯救生命的葯物是合法的，而不是偽造的。原本的瘧疾葯片可以塗上一層可食用的磁性墨水，只需簡單掃描一下智能手機，醫生或患者就可以立即發現該葯片是安全和真實的。

除此之外，Crypto-Anchors還可以與特殊的光學設備、人工智慧演算法相結合，以識別物體的結構和標簽，以驗證它們是否真的如他們所說的。例如，一瓶1982年的波爾多葡萄酒或者昂貴的金屬。

IBM設計了世界上最小的計算機，據了解這款電腦比我們平時見到的鹽粒還要小，計算機能力可以達到1990年x86 PC的性能。

Crypto-Anchors的第一批模型可能會在未來18個月內推出，未來五年內，它們將推動各個領域的創新和進步。

2.量子計算

現在量子計算已經備受研究人員的青睞，五年內，量子計算必將成為主流，幫助開發人員解決之前一度被認為無法解決的問題。據IBM表示，量子計算只是將成為所有科學和工程計算的先決條件，大學教育將納入量子計算的教學，量子演算法和經典演算法會同時教授。

而這些進步將推動著量子時代的到來，量子計算機將能夠模擬更大的分子、化學反應和原子結合，這有助於新型材料的創造、個性化葯物的開發以及更高效和可持續能源的發現。

未來，量子計算機不再是神秘的，會被普通大眾所接受，未來五年內，業界將實現量子計算機和傳統計算機共同解決特定問題的應用。

3.黑客

未來，量子計算機能夠快速篩選出所有可能的安全概率，並且解密最強大的加密。目前IBM正在開發一種基於格密碼的安全方法，它會將數據隱藏在格的復數代數結構中。

在數學領域，lattice存在很難解決的問題，而這個困難問題對於密碼學家來說很有用，它可以用來保護數據，即使是在量子計算機中。

在數學領域，晶格存在很難解決的問題。這個困難對密碼學家來說很有用，因為它可以用來保護信息，即使黑客在量子計算方面也是如此。基於格的密碼術也是完全同態加密（FHE）的基礎，而這可以在不查看敏感數據的情況下在文件上執行計算，從而防止受到攻擊。通過FHE，信用報告機構可以在不解密個人數據的情況下分析和生成信用評分，初級保健醫生可以在不透露患者身份的情況下共享醫療記錄和相關數據。

目前我們的安全措施是嚴重不足的，未來五年，我們要在安全方面應該有更多的突破。

4. AI偏見

人工智慧偏差將在未來五年內爆發。人工智慧系統只與我們輸入的數據保持一致，如果我們輸入具有某些種族，性別或意識形態偏見的數據，那麼人工智慧偏見就會產生。不幸的是，許多AI系統現在都在接受這些不良數據的培訓。IBM研究人員正在考慮如何確保人為偏差不會影響AI。

MIT-IBM Watson AI實驗室正在研究使用計算認知建模來構建在決策中應用某些人類價值觀和原則的機器，這其中的一個關鍵原則是避免偏見和歧視。IBM研究人員開發了人工智慧演算法，通過從之前被認為具有歧視性的數據中學習，減少了訓練數據的偏差。IBM科學家還在開發一種無偏差的AI服務，a)補償數據偏差，b)跟蹤訓練集中的偏差，或者c)引入偏差。最終用戶可以確定每個場景中的可信度和偏差程度。

在未來的五年內，減少人工智慧系統的偏差將是人類信任人工智慧的關鍵，而且只有無偏差的人工智慧才能生存。

5. AI顯微鏡

2025年，世界將有一半以上的人口生活在水資源緊張的地區，因此科學家們正在努力收集相關數據以防止這種情況發生。但即使是能夠探測到水環境和化學物質的專門感測器，也不會無法預測意想不到的情況。

而檢測浮游生物是一種感知水生健康的有效方法，但因為它們的微觀大小，研究這些生物是困難的。IBM的研究人員正在建造小型、自主、人工智慧的機器人顯微鏡，可以監測浮游生物，更好地了解浮游生物的行為，以及它們如何應對環境變化，並預測供水威脅。顯微鏡的晶元可以捕捉浮游生物的影子，從而產生一個健康的數字樣本，而不需要聚焦。

在未來5年內，這些顯微鏡將發展的足夠先進，能夠在本地和實時分析解釋數據。

㈡ 德維亞里密碼是什麼

目 錄
譯者序
前言
第一部分 密碼編碼學
第1章 導論 5
1.1 密碼編碼學和隱寫術 5
1.2 符號碼 5
1.3 公開代碼：偽裝 8
1.4 暗示 11
1.5 公開代碼：利用虛碼掩蔽 12
1.6 公開代碼：採用柵格的隱藏 15
1.7 密碼編碼的方法的分類 16
第2章 密碼編碼學的方法和目標 18
2.1 密碼編碼學的本質 18
2.1.1 加密與解密方法 18
2.1.2 加密與解密機 20
2.1.3 密碼技術與文學 20
2.1.4 密碼研究機構 21
2.2 加密 22
2.2.1 詞彙表、字元集 22
2.2.2 加密和解密 22
2.2.3 歸納定義 23
2.3 密碼體制 23
2.3.1 基本概念 23
2.3.2 加密和編碼 24
2.3.3 文本流 24
2.4 多音碼 25
2.4.1 多音碼 25
2.4.2 字間空格 26
2.5 字元集 26
2.5.1 明文字元集 26
2.5.2 技術字元集 27
2.5.3 同態的情形 28
2.6 密鑰 28
2.6.1 密鑰需要變化 28
2.6.2 分組 28
2.6.3 同構 29
2.6.4 香農 29
第3章 加密方法：簡單代替 30
3.1 V(1)→W的情形 30
3.1.1 V→W：沒有多名碼和空字元的加密 30
3.1.2 V(1)→W：有多名碼和空字元的加密 31
3.2 特殊情況：V玍 31
3.2.1 自反置換 32
3.2.2 電路實現 33
3.2.3 單循環置換 33
3.2.4 混合密表 34
3.2.5 藉助口令字構造密表 35
3.2.6 記數 35
3.2.7 圓盤加密和滑尺加密 36
3.2.8 帶滑動窗的循環字元 36
3.3 V(1)→Wm：多葉簡單代替 36
3.3.1 m=2雙葉簡單代替：V(1)→W2 36
3.3.2 m=3三葉簡單代替：V(1)→W3 38
3.3.3 m=5五葉簡單代替：V(1)→W5 38
3.3.4 m=8八葉簡單代替：V(1)→W8 39
3.4 V(1)→W(m)的一般情況：夾叉式加密 39
3.4.1 約束條件 39
3.4.2 俄國的接合 41
第4章 加密方法：多字母代替和編碼 42
4.1 V2→W(m)的情形 42
4.1.1 字母 42
4.1.2 雙葉雙碼加密步V2玍2 42
4.1.3 三葉雙碼代替V2→W3 46
4.2 Playfair和Delastelle的特殊情況：
分層方法 47
4.2.1 Playfair密碼 47
4.2.2 修改後的PLAYFAIR 49
4.2.3 Delastelle密碼 49
4.3 V3→W(m)的情形 50
4.3.1 GioPPi 50
4.3.2 Henkels 50
4.4 V(n)→W(m)的一般情況：密本 51
4.4.1 詞彙手冊 52
4.4.2 兩部本密本 53
4.4.3 現代密本 55
4.4.4 電報代碼 56
4.4.5 商用密本 57
4.4.6 檢錯和糾錯編碼 58
4.4.7 短命的密本 58
4.4.8 戰壕密碼 58
第5章 加密方法：線性代替 60
5.1 自反線性代替 61
5.2 齊次線性代替 62
5.2.1 希爾 62
5.2.2 非齊次情況 62
5.2.3 計數 63
5.2.4 矩陣對的構造 64
5.2.5 自反矩陣的構造 65
5.3 二元線性代替 65
5.4 一般線性變換 65
5.5 線性代替的分解 66
5.6 十選一字母表 68
5.7 帶有十進制和二進制數的線性代替 69
5.7.1 N=10的情況 69
5.7.2 N=2的情況： 69
5.7.3 圖靈 70
第6章 加密方法：換位 71
6.1 最簡單的方法 71
6.1.1 Crab 71
6.1.2 首字母互換 71
6.1.3 路徑抄寫 72
6.1.4 格子變換 73
6.2 縱行換位 74
6.2.1 口令字 74
6.2.2 矩形方案 75
6.2.3 兩步法 75
6.2.4 Ubchi 76
6.2.5 置換的構造 76
6.3 變位字 77
6.3.1 歷史 77
6.3.2 惟一性 78
第7章 多表加密：加密表族 80
7.1 迭代代替 80
7.1.1 同態 80
7.1.2 循環置換 81
7.2 移位和旋轉密表 81
7.2.1 移位加密表 81
7.2.2 旋轉加密表 82
7.2.3 伴隨加密表 82
7.2.4 加密表的數量 83
7.3 轉輪密碼機 83
7.3.1 背景 84
7.3.2 自反轉輪機 85
7.3.3 國防軍的方案 86
7.3.4 TYPEX 89
7.3.5 ENIGMA代替 89
7.4 移位標准加密表：維吉尼亞密表
和博福特密表 91
7.4.1 維吉尼亞加密步 91
7.4.2 EYRAUD 92
7.4.3 博福特加密步 92
7.4.4 逆向維吉尼亞加密步和
逆向博福特加密步 92
7.4.5 波他加密步 93
7.5 非相關加密表 93
7.5.1 置換 94
7.5.2 Gripenstierna 94
7.5.3 MULTIPLEX 95
7.5.4 拉丁方要求 98
第8章 多表加密：密鑰 101
8.1 早期使用周期密鑰的方法 101
8.1.1 艾伯蒂 101
8.1.2 特理特米烏斯 101
8.2 雙密鑰 103
8.2.1 波他 103
8.2.2 維吉尼亞 103
8.2.3 三重密鑰 103
8.3 弗納姆加密 103
8.3.1 逐比特加密 104
8.3.2 弗納姆 104
8.3.3 進位問題 104
8.4 准非周期密鑰 105
8.4.1 繁瑣的多表加密 105
8.4.2 多表加密的安全性 105
8.4.3 漸進加密 106
8.4.4 「規則」的轉輪運動 106
8.5 密鑰序列的產生機器—密鑰生成器 106
8.5.1 惠斯通 106
8.5.2 不規則的嘗試 106
8.5.3 由缺口和棘輪控制的輪運動 108
8.5.4 打字密碼機 109
8.5.5 赫本 110
8.5.6 亞德利 111
8.5.7 綠密、紅密和紫密 112
8.6 線外形成密鑰序列 115
8.6.1 矩陣方冪 115
8.6.2 二元序列 115
8.7 非周期密鑰 116
8.7.1 錯覺 116
8.7.2 自身密鑰 117
8.7.3 明文函數 119
8.7.4 流密碼 119
8.8 單個的一次性密鑰 120
8.8.1 弗納姆 120
8.8.2 無盡頭和無意義 120
8.8.3 壞習慣 120
8.8.4 不可破譯的加密 121
8.8.5 不可破譯密鑰序列的生成 121
8.8.6 實際使用 121
8.8.7 誤用 121
8.9 密鑰協商和密鑰管理 122
8.9.1 背景 122
8.9.2 密鑰協商 122
8.9.3 密鑰管理 124
第9章 方法類的合成 125
9.1 群性質 125
9.1.1 密鑰群 125
9.1.2 方法的合成 126
9.1.3 T52 126
9.1.4 SZ 126
9.2 復合加密 127
9.2.1 復合加密 127
9.2.2 復台加密的需求 127
9.2.3 插接板 128
9.2.4 ADFGVX 128
9.2.5 ENIGMA復合加密 128
9.3 加密方法的相似性 128
9.4 香農的「和面團法」 128
9.4.1 混淆和擴散 129
9.4.2 Heureka 130
9.4.3 香農 133
9.4.4 分層方法 133
9.4.5 Polybios 133
9.4.6 Koehl 133
9.4.7 其他方法 134
9.5 數學運算產生的混淆和擴散 134
9.5.1 剩餘運算 134
9.5.2 方冪 135
9.5.3 雙向通信 137
9.5.4 普利尼·厄爾·蔡斯 137
9.6 DES和IDEA 137
9.6.1 DES演算法 137
9.6.2 雪崩效應 140
9.6.3 DES的操作模式 141
9.6.4 DES的安全性 141
9.6.5 DES的繼承者 142
9.6.6 密碼系統和晶元 143
第10章 公開加密密鑰體制 145
10.1 對稱和非對稱的加密方法 145
10.1.1 對稱方法 145
10.1.2 非對稱方法 146
10.1.3 加密和簽名方法 146
10.2 單向函數 147
10.2.1 嚴格單向函數 147
10.2.2 陷門單向函數 148
10.2.3 效率界限 148
10.2.4 已知單向函數的例子 149
10.3 RSA方法 152
10.4 對RSA的密碼分析攻擊 153
10.4.1 qi的分解攻擊 153
10.4.2 迭代攻擊 154
10.4.3 ei較小時的攻擊 156
10.4.4 風險 156
10.4.5 缺陷 157
10.5 保密與認證 157
10.6 公鑰體制的安全性 158
第11章 加密安全性 159
11.1 密碼錯誤 159
11.1.1 加密錯誤 159
11.1.2 技術錯誤 159
11.1.3 可能字攻擊 160
11.1.4 填充 161
11.1.5 壓縮 162
11.1.6 人為錯誤 162
11.1.7 使用容易記憶的口令和密鑰 162
11.1.8 密鑰的規律性 163
11.1.9 冒名頂替 163
11.1.10 通過非法手段獲得密碼資料 163
11.1.11 通過戰爭獲得密碼資料 163
11.1.12 細節泄露 164
11.2 密碼學的格言 164
11.2.1 格言1 165
11.2.2 格言2 166
11.2.3 格言3 166
11.2.4 格言4 167
11.2.5 格言5 167
11.3 香農的標准 168
11.4 密碼學和人權 169
11.4.1 問題 169
11.4.2 解決方案 170
11.4.3 託管加密標准 170
11.4.4 NSA 171
11.4.5 國家權力 171
11.4.6 出口政策 171
第二部分 密 碼 分 析
第12章 窮盡法的組合復雜度 175
12.1 單表簡單加密 175
12.1.1 通常的簡單代替
（12.2.1中n=1的特例） 175
12.1.2 十選一采樣字母表 176
12.1.3 CAESAR加法（12·2·3中n=1
的情況） 176
12.2 單表多字母加密 176
12.2.1 一般的多字母代替 177
12.2.2 多字母齊次線性代替 177
12.2.3 多字母變換 177
12.2.4 換位 178
12.2.5 單表代替總結 178
12.3 多表加密 179
12.3.1 d個字母表的PERMUTE加密 179
12.3.2 d張表的MULTIPLEX加密 179
12.3.3 d張表的艾伯蒂加密 179
12.3.4 d張表的維吉尼亞或博福特加密 179
12.3.5 多表加密總結 179
12.4 組合復雜度注記 180
12.4.1 傑斐遜和巴澤里埃斯的圓柱加密 180
12.4.2 雙重換位 181
12.4.3 維吉尼亞加密 181
12.5 窮盡密碼分析 181
12.6 惟一解距離 183
12.7 窮盡攻擊的實現 184
12.8 機械化窮盡 185
12.8.1 代替的窮盡 185
12.8.2 換位的窮盡 187
12.8.3 蠻力與不變性 187
第13章 語言分析：模式 188
13.1 重碼模式的不變性 188
13.2 加密方法的排除 190
13.3 模式查找 190
13.3.1 例子 190
13.3.2 Aristocrats 191
13.3.3 字母脫漏 192
13.4 多字母模式查找 193
13.5 可能字方法 194
13.5.1 對照表 194
13.5.2 Murphy和J奼er 194
13.5.3 F焗rerbefehl 194
13.5.4 代替選取的不變性 198
13.6 模式詞例的自動化窮盡 198
13.6.1 單詞列表 198
13.6.2 模式查找 199
13.6.3 模式連接 199
13.6.4 搜索空間的減小 200
13.7 Pangrams 200
第14章 多表情形：可能字 202
14.1 可能字位置的非重合窮盡 202
14.2 可能字位置的二元非重合窮盡 204
14.3 德維亞里攻擊 206
14.3.1 部分解密 206
14.3.2 完整解密 207
14.3.3 字母組合 209
14.3.4 德維亞里和吉維埃格 210
14.3.5 歷史 211
14.4 可能字位置的Z字形窮盡 212
14.5 同構方法 213
14.5.1 Knox和Candela 213
14.5.2 條形方法 214
14.5.3 部分考查 214
14.5.4 可插接反射器 217
14.5.5 對策 217
14.6 隱藏明文—密文泄露 217
第15章 語言分析：頻率 219
15.1 加密方法的排除 219
15.2 模式的不變性 220
15.3 直覺方法：頻率輪廓 220
15.4 頻率排序 222
15.4.1 頻率排序的缺陷 223
15.4.2 頻率計數 224
15.5 小集團和模式匹配 225
15.5.1 波動 225
15.5.2 小集團 228
15.5.3 例子 228
15.5.4 經驗頻率 229
15.6 最優匹配 230
15.6.1 平方距離 230
15.6.2 最優化 230
15.7 多字母頻率 231
15.7.1 頻率表 231
15.7.2 單詞頻率 233
15.7.3 位置 235
15.7.4 單詞長度 235
15.7.5 單詞的格式 235
15.7.6 空格 236
15.8 頻率匹配的結合方法 236
15.8.1 例之一 236
15.8.2 例之二 238
15.8.3 最後結果 240
15.8.4 匹配一個尾部 241
15.8.5 一個不同的方法 241
15.9 多字母代替的頻率匹配 242
15.9.1 可約情況 242
15.9.2 利用隱含的對稱性 242
15.10 各式各樣的其他方法 243
15.10.1 一個著名的密碼 243
15.10.2 注記 244
15.11 再談惟一解距離 244
第16章 Kappa和Chi 246
16.1 Kappa的定義和不變性 246
16.1.1 常用語言的Kappa值 247
16.1.2 兩個結論 247
16.1.3 Kappa的期望值 248
16.2 Chi的定義和不變性 248
16.2.1 一般結果 249
16.2.2 特殊情形 249
16.2.3 兩個結論 249
16.2.4 Chi的期望值 250
16.3 Kappa-Chi定理 250
16.4 Kappa-Phi定理 251
16.4.1 Kappa-Phi定理 251
16.4.2 Phi(T)與Psi(T)的區別 252
16.4.3 兩個結論 252
16.4.4 Phi的期望值 253
16.5 字元頻率的對稱函數 253
第17章 周期性檢驗 255
17.1 弗里德曼的Kappa試驗 256
17.2 多字母的Kappa試驗 258
17.3 用機器進行的密碼分析 259
17.3.1 穿孔卡的使用 259
17.3.2 鋸木架 260
17.3.3 Robinson方法 261
17.3.4 比較器 262
17.3.5 快速分析機RAM 262
17.4 卡西斯基試驗 263
17.4.1 早期的方法 263
17.4.2 巴貝奇對破解密碼的貢獻 264
17.4.3 例子 264
17.4.4 機器 266
17.5 建立深度和庫爾巴克的Phi試驗 267
17.5.1 列的形成 267
17.5.2 Phi試驗憂於Kappa試驗 268
17.5.3 例子 268
17.6 周期長度的估計 270
第18章 伴隨加密表的校準 272
18.1 輪廓匹配 272
18.1.1 使用深度 272
18.1.2 繪制輪廓圖 274
18.2 根據已知加密表校準 275
18.2.1 利用Chi 275
18.2.2 條形方法 276
18.2.3 額外的幫助 276
18.2.4 滑尺方法 278
18.2.5 方法總結 278
18.3 Chi試驗：伴隨字母表的互相校準 278
18.3.1 例子 279
18.3.2 獲得中間密文 279
18.3.3 一個附帶結果 282
18.4 原始加密表的恢復 282
18.5 克爾克霍夫斯的位置對稱性 284
18.5.1 例子 284
18.5.2 Volap焝 287
18.5.3 令人吃驚的例子 287
18.6 剝離復合加密：求差方法 289
18.6.1 剝離 289
18.6.2 位置的對稱性 289
18.6.3 使用機器 290
18.7 密本的破解 291
18.8 口令字的恢復 291
18.8.1 弗里德曼 291
18.8.2 再論弗里德曼 292
第19章 泄露 293
19.1 克爾克霍夫斯的重疊法 293
19.1.1 例子 293
19.1.2 位置對稱性 294
19.2 用密鑰群加密情況下的重疊法 294
19.2.1 純加密 295
19.2.2 差 296
19.2.3 循環密鑰群 296
19.2.4 其他密鑰群 299
19.2.5 特殊情況C52- 299
19.2.6 Tunny 301
19.2.7 Sturgeon 306
19.3 復合加密代碼的同相重疊法 307
19.3.1 指標的使用 307
19.3.2 孔策 309
19.4 密文-密文泄露 310
19.4.1 密鑰的密文-密文泄露 310
19.4.2 化簡為明文-明文的泄露 311
19.5 辛科夫方法 314
19.5.1 密鑰的直積 314
19.5.2 中間加密 316
19.5.3 還原 318
19.6 密文-密文泄露：雙倍法 319
19.6.1 法國 320
19.6.2 波蘭I 321
19.6.3 波蘭II 324
19.6.4 英國 327
19.7 明文-密文泄露：反饋循環 330
19.7.1 圖靈BOMBE 331
19.7.2 Turing-Welchman BOMBE 334
19.7.3 更多的BOMBE 335
19.7.4 計算機的出現 337
第20章 線性分析 339
20.1 線性多碼代替的化簡 339
20.1.1 例子 339
20.1.2 一個缺憾 340
20.2 密鑰還原 340
20.3 線性移位寄存器的還原 341
第21章 猜字法 344
21.1 換位 344
21.1.1 例子 344
21.1.2 移位的列 346
21.1.3 說明 346
21.1.4 代碼組模式 346
21.1.5 虛幻的復雜 346
21.2 雙重縱行換位 347
21.3 復合猜字法 347
21.3.1 例子 347
21.3.2 實際應用 348
21.3.3 Hassard、Grosvenor、Holden 348
第22章 總結 350
22.1 成功的破譯 350
22.1.1 海軍偵察破譯處和外交部
密碼服務處 351
22.1.2 日本的密碼分析機構 353
22.1.3 前蘇聯陸軍總情報局 354
22.2 非授權解密者的操作方式 354
22.2.1 魅力與不幸 354
22.2.2 個性 355
22.2.3 策略 355
22.2.4 隱藏的危險 356
22.2.5 解密的層次 356
22.2.6 暴力 357
22.2.7 預防 357
22.3 虛假的安全 357
22.4 密碼學的重要性 358
22.4.1 顧慮 358
22.4.2 新思想 359
22.4.3 破解秘密的實質 359
附錄A 公理化資訊理論 361

㈢ 人工智慧未來走向，你怎麼看

1.人工智慧工作時需要的數據量會變得更少。諸如 Vicarious 或 Geometric Intelligence 這樣的公司，正在努力減少訓練神經網路所需要的數據集的大小。訓練人工智慧使用的數據量如今被視為其發展的主要障礙，同時也是其最主要的競爭優勢。同時，使用概率歸納模型能夠解決這個在人工智慧發展上的主要問題。某種不那麼需要大量數據的演算法，最終將會以豐富地方式學習、吸收並使用這個概念，無論是在行動上、想像上還是在探索中。

2.新的學習模型是關鍵要素。一種名為轉移學習（Transfer Learning）的技術能允許標準的強化學習（Reinforcement Learning）系統基於之前獲取的知識進行構建——而這是人類能輕松完成的。它隸屬於增量學習（Incremental Learning）技術。而 MetaMind 則在研究多任務學習（Multitask Learning）問題。在其中，同一個神經網路被用來解決不同類型的問題，且當該神經網路能夠在一類問題上表現更好時，那麼它也能在另一些問題上表現更好。MetaMind 的下一步發展，是引入動態神經網路（Dynamic Memory Network）的概念，它能夠回答特定問題，並能夠推斷一系列話語間的邏輯聯系。

3.人工智慧會消除人類（認知）偏差，並能讓我們變的更像「人造」的。人類的天性，將會因為人工智慧而改變。人們根據接受的正／負反饋進行學習，並能夠啟發式的快速解決相關問題。但是，一旦環境改變，適應過程則有些延遲和緩慢，而且一些老的習慣並不能適應新的改變——這就造成了行為偏差。人工智慧則會縮減這些延遲時間到 0，虛擬化的消除任何行為偏差。此外，基於經驗隨時間進行學習，人工智慧成為新的變革工具：我們通常不評估所有的備選決策，因為我們不能想到所有決策（知識空間有限）。

4.人工智慧會被愚弄。如今的人工智慧遠非完美，同時也有很多人正專注於研究如何欺騙人工智慧設備。

5.真正的通用性人工智慧很可能是一種集體智能（Collective Intelligence）。強人工智很有可能不會是一個具有強大決策功能的單一終端，而是一種集體智能。群體智能（Swarm or Collective Intelligence, Rosenberg, 2015;2016）可以被視作「一群大腦的大腦」。到目前為止，我們僅讓個體提供輸入值，然後我們以一種「平均情緒」的智能方式整合這些事後輸入。

6.真正的人工智慧應該開始問「為什麼」。到目前，大多機器學習系統都能夠在模式識別及輔助決策方面做的很好；並且因為大部分程序都被硬編碼了，所以它們仍能夠被理解。盡管我們已經能讓人工智慧闡明「是什麼」和「如何做」，這已經是一個不錯的成就，但人工智慧仍未能夠理解事物背後的「為什麼」。因此，我們需要設計一個通用演算法，它能夠從物理上及精神上建立關於世界本質的模型（Lake 等人, 2016）。

7.人工智慧正在推進隱私保護問題和數據泄漏預防問題。人工智慧將隱私問題提升到了一個新的等級。新的隱私保護方法應當被發明及採用，它們應當比簡單的安全多方計演算法（SMPC）復雜得多，也應該比同態加密法（homomorphic encryption）高效迅速。最近的研究表明，差分隱私（Differential Privacy）法能夠解決大部分我們日常遇到的隱私問題。不過已經有不少公司走得更遠，如 Post-Quantum 公司——這是一家基於量子計算的網路安全創業公司。

8.機器人學正變為主流。筆者認為，人工智慧的發展會受到機器人學發展的制約。同時，這兩個關聯的領域會以相同的速度發展，以最終得到一個適當的強人工智慧或超級人工智慧。如下圖所示，在我們的研究乃至我們的集體意識中，我們不會視那種沒有「物理實體」的人工智慧為強人工智慧或超級人工智慧。

關於機器人學及人工智慧相關領域的研究趨勢（由 CBInsights Trends tool 製作）

9.生物機器人和納米科技將是未來人工智慧的應用方向。我們正見證著在人工智慧和納米機器人交叉領域，一些列令人震驚的發展。研究人員正致力於創造完全完全智能的裝置，同時也在研究相關的結合體。他們甚至嘗試研發出生物導線（一種由細菌製造的導線）及器官晶元（由人細胞製作的、人器官中起功能部分的微型模型，能夠復制器官的部分功能；在該領域，Emulate 是最領先的公司）。生物機器人方面的研究同時也考驗著著材料性能的極限。最近一種「軟」機器人被製造出來，他只有軟的構建。BAS Systems 公司也在推進計算的發展，正嘗試研發一種「化學計算機」（Chemputer），一種能夠使用先進化學過程以「生長」復雜電子系統的裝置。

從《終結者》到《機械姬》，有關AI的科幻故事屢見不鮮，不愛讀文字，就去擼一遍《西部世界》，未來這事兒誰說得准呢。

㈣ 人工智慧未來走向，你怎麼看

1.人工智慧工作時需要的數據量會變得更少。諸如 Vicarious 或 Geometric Intelligence 這樣的公司，正在努力減少訓練神經網路所需要的數據集的大小。訓練人工智慧使用的數據量如今被視為其發展的主要障礙，同時也是其最主要的競爭優勢。同時，使用概率歸納模型能夠解決這個在人工智慧發展上的主要問題。某種不那麼需要大量數據的演算法，最終將會以豐富地方式學習、吸收並使用這個概念，無論是在行動上、想像上還是在探索中。

2.新的學習模型是關鍵要素。一種名為轉移學習（Transfer Learning）的技術能允許標準的強化學習（Reinforcement Learning）系統基於之前獲取的知識進行構建——而這是人類能輕松完成的。它隸屬於增量學習（Incremental Learning）技術。而 MetaMind 則在研究多任務學習（Multitask Learning）問題。在其中，同一個神經網路被用來解決不同類型的問題，且當該神經網路能夠在一類問題上表現更好時，那麼它也能在另一些問題上表現更好。MetaMind 的下一步發展，是引入動態神經網路（Dynamic Memory Network）的概念，它能夠回答特定問題，並能夠推斷一系列話語間的邏輯聯系。

3.人工智慧會消除人類（認知）偏差，並能讓我們變的更像「人造」的。人類的天性，將會因為人工智慧而改變。人們根據接受的正／負反饋進行學習，並能夠啟發式的快速解決相關問題。但是，一旦環境改變，適應過程則有些延遲和緩慢，而且一些老的習慣並不能適應新的改變——這就造成了行為偏差。人工智慧則會縮減這些延遲時間到 0，虛擬化的消除任何行為偏差。此外，基於經驗隨時間進行學習，人工智慧成為新的變革工具：我們通常不評估所有的備選決策，因為我們不能想到所有決策（知識空間有限）。

4.人工智慧會被愚弄。如今的人工智慧遠非完美，同時也有很多人正專注於研究如何欺騙人工智慧設備。

5.真正的通用性人工智慧很可能是一種集體智能（Collective Intelligence）。強人工智很有可能不會是一個具有強大決策功能的單一終端，而是一種集體智能。群體智能（Swarm or Collective Intelligence, Rosenberg, 2015;2016）可以被視作「一群大腦的大腦」。到目前為止，我們僅讓個體提供輸入值，然後我們以一種「平均情緒」的智能方式整合這些事後輸入。

6.真正的人工智慧應該開始問「為什麼」。到目前，大多機器學習系統都能夠在模式識別及輔助決策方面做的很好；並且因為大部分程序都被硬編碼了，所以它們仍能夠被理解。盡管我們已經能讓人工智慧闡明「是什麼」和「如何做」，這已經是一個不錯的成就，但人工智慧仍未能夠理解事物背後的「為什麼」。因此，我們需要設計一個通用演算法，它能夠從物理上及精神上建立關於世界本質的模型（Lake 等人, 2016）。

7.人工智慧正在推進隱私保護問題和數據泄漏預防問題。人工智慧將隱私問題提升到了一個新的等級。新的隱私保護方法應當被發明及採用，它們應當比簡單的安全多方計演算法（SMPC）復雜得多，也應該比同態加密法（homomorphic encryption）高效迅速。最近的研究表明，差分隱私（Differential Privacy）法能夠解決大部分我們日常遇到的隱私問題。不過已經有不少公司走得更遠，如 Post-Quantum 公司——這是一家基於量子計算的網路安全創業公司。

8.機器人學正變為主流。筆者認為，人工智慧的發展會受到機器人學發展的制約。同時，這兩個關聯的領域會以相同的速度發展，以最終得到一個適當的強人工智慧或超級人工智慧。如下圖所示，在我們的研究乃至我們的集體意識中，我們不會視那種沒有「物理實體」的人工智慧為強人工智慧或超級人工智慧。

關於機器人學及人工智慧相關領域的研究趨勢（由 CBInsights Trends tool 製作）

9.生物機器人和納米科技將是未來人工智慧的應用方向。我們正見證著在人工智慧和納米機器人交叉領域，一些列令人震驚的發展。研究人員正致力於創造完全完全智能的裝置，同時也在研究相關的結合體。他們甚至嘗試研發出生物導線（一種由細菌製造的導線）及器官晶元（由人細胞製作的、人器官中起功能部分的微型模型，能夠復制器官的部分功能；在該領域，Emulate 是最領先的公司）。生物機器人方面的研究同時也考驗著著材料性能的極限。最近一種「軟」機器人被製造出來，他只有軟的構建。BAS Systems 公司也在推進計算的發展，正嘗試研發一種「化學計算機」（Chemputer），一種能夠使用先進化學過程以「生長」復雜電子系統的裝置。

從《終結者》到《機械姬》，有關AI的科幻故事屢見不鮮，不愛讀文字，就去擼一遍《西部世界》，未來這事兒誰說得准呢。