系统:2月27日

准备防止恶意使用人工智能
根据剑桥大学,26岁的安全影响新兴技术专家共同撰写了一个突破性的报告从而敲响了警钟的潜在恶意使用人工智能(AI)的流氓国家,罪犯和恐怖分子。

报告预测快速增长的网络犯罪和滥用无人机在未来十年以及前所未有的上升,“机器人”的使用操作从选举到新闻议程和社交媒体。这加起来一个号角号召全世界政府和企业解决固有的明显而现实的危险的无数应用人工智能,他们说。

报告——人工智能的恶意使用:预测、预防和缓解——也坚持干预措施减轻威胁的恶意使用人工智能。具体地说,决策者和技术研究人员现在需要共同努力去理解和准备的恶意使用人工智能。

他们承认AI有许多积极的应用程序,但它是一个军民两用技术和人工智能研究人员和工程师应该注意和主动的潜在的滥用。

最佳实践可以而且应该从学科有更长的历史处理双重使用风险,如计算机安全。

利益相关者的范围与预防和减轻风险的恶意使用人工智能应该积极扩大。

合著者来自广泛的组织和纪律,包括牛津大学的人类的未来研究所;剑桥大学的研究中心存在的风险;OpenAI领先的非营利性AI研究公司;的电子前沿基金会国际非营利数字版权组织;的新美国安全中心美国两党国家安全智库;和其他组织。

100页的报告确定了三个安全域(数字、物理和政治安全),特别是相关的恶意使用人工智能。它表明,人工智能会破坏规模和效率之间的权衡,并允许大规模、精细、高效的攻击目标。

新颖的网络攻击。这些包括自动化的黑客,语音合成用于模拟目标,被垃圾邮件利用社交媒体的信息刮,或利用AI系统本身的漏洞(例如通过对抗性的例子和数据中毒)。

此外,无人机的扩散和cyber-physical系统将允许攻击者或重新部署这些系统有害的结局,如崩溃舰队自主车辆,将商业无人机为face-targeting导弹或控股关键基础设施赎金。自治的兴起在战场上的武器系统风险的损失有意义的人类控制和现在的诱人的攻击目标。

列表还包括政治领域。解决方案?开始反思网络安全,探索不同的开放信息共享模式,促进文化的责任,寻求制度和技术解决方案使局面有利于防御攻击。

更多信息,恶意使用人工智能:预测、预防、减灾提供下载在这里。

自主车辆的环境效益最大化
增加体重,电力需求和空气动力阻力中使用的传感器和电脑自主车辆一生很重要贡献者能源使用和温室气体排放,根据密歇根大学研究人员。

特殊装备林肯MKZ在Mcity为基础,是一个开源连接和自动提供给密歇根大学教师和学生的研究工具,创业公司和其他人来帮助加速创新。来源:密歇根大学

好消息是,当储蓄从驾驶效率与无人驾驶车辆纳入相关方程,最终的结果是减少生命周期能源消耗和相关高达9%的温室气体排放量比传统车辆检查在密歇根大学领导的研究。

“这项研究探索增加环境影响之间的权衡与预期收益增加自主车辆设备驱动效率,”这项研究的共同作者Gregory Keoleian中心主任可持续系统在密歇根大学的学校环境和可持续性。“我们的研究结果强调了设计自动车辆时需要关注能源效率这一新兴的环境效益,变革性技术可以实现。我们希望这项工作有助于一个更可持续的移动生态系统。”

这项研究的详细评估一生贡献传感和计算子系统的自动车辆能源使用和相关温室气体排放。这些车辆,正式名称为连接和自动车辆或骑士,通常包括多个摄像头、声纳、雷达、激光雷达、GPS导航系统、计算机和支持结构。

研究人员观察了两种类型的骑士:那些由内燃发动机和电池驱动的电动汽车。两车类型与传感和计算机子系统三个尺寸(小、中、大)来创建六个场景。

生命周期评估方法被用来评估生命周期能源消耗和温室气体排放对于每个场景,从摇篮到坟墓。

一个关键发现是,自驾车辆和电动动力系统生命周期温室气体排放的40%低于内燃机动力汽车。较低的温室气体排放都来自于从燃料燃烧发电,所涉及的低效率以及更耗油率增加时额外的质量是添加到汽车内燃机驱动的。

简而言之,骑兵组件的电池电动车是一个更好的平台比内燃机汽车的环境影响最小化。

此外,研究人员发现,传感,计算子系统连接和自动车辆可能会增加汽车的能源使用量和温室气体排放量由于功耗增加3 - 20%,重量和空气动力阻力。自主车辆的运营效益,包括流畅、更有效的交通流,预计将超过在大多数情况下增加。

蜜蜂:系统工程的灵感
根据佐治亚理工学院提供了优秀的研究人员,而自然设计的灵感在一些信息技术系统,在其他系统中,它可以炸弹。蜜蜂吗?太好了。蚂蚁吗?打还是黏菌变形虫小姐?失败。

佐治亚理工学院系统研究员克雷格Tovey自然技术专长,有很多也是缺点。著称的蜜蜂算法,驯服了网络流量不稳定的服务器通过模仿蜂群的行为,他分享见解对这个话题在最近一次讲话的年会上美国科学促进协会在奥斯汀,德克萨斯州。

蜜蜂算法,节省了重要的web托管成本。“我们幸运的蜜蜂和虚拟主机,“Tovey说,随着实际外卖在自然激励技术,喜欢把自己对大自然的敬畏和感情的解决方案。

有趣的是,Tovey说当你研究群蜜蜂,你发现持久的真理。“引导他们经过数百万年的进化算法,并将希望依然存在了数百万年。当你设计一个新的微电路进行比较。三年后就走了,永远的失去了;取而代之的是新设计。”

是否模仿自然是审慎的在一个特定的工程工作在很大程度上取决于要解决的问题。通常,最好是使用现成的或适应它,他说。“当现实问题是静态的和良好定义的可预测的数据,那么自然的方法通常是弱得多,比传统优化方法更糟。”

“旅行商问题”是一个典型的例子。研究者试图计算最佳路径的销售员应该旅行,在顺序,访问数百,数千或数万众所周知的城市在地图上。
我们的目标是旅行总距离最短的。
产品表面的方法将为100个左右的城市找到好的解决方案,但不是最优的,”Tovey说,世卫组织还和斯图尔特教员的佐治亚理工学院的教授斯图尔特学校工业与系统工程。”相比之下,人员可以解决20000年或50000年最佳位置的经典算法,和它真的很快。”

“人模仿蚂蚁找到最优路径通过静态系统,当你比较该方法与经典优化方法,那么经典的方法是更好的100亿倍。“但生活是变化无常的,可以使它成为一个伟大的老师在科学和工程。“每一个生物是非常善于解决很多不同的问题,否则它将会灭绝,”Tovey说。

不可预测性扔到一个工程问题,并自然的算法直接蚂蚁和蜜蜂的运动可以更好地应付比经典的解决方案。

“货郎担问题,城市不移动。追逐移动目标,但当你和你的数据并没有完全完成,然后你可以成功通过模仿昆虫成群。你可以得到实时控制的数据毫不夸张地说,”Tovey说。

这有很大的作用在紧要关头。当飓风来临,人们检查他们的天气应用程序更频繁的风暴损害。当市场坦克,人们出售股票,金融服务器和数据的激增。

“如果用户需求的模式在网上从来没有改变,和请求到服务器总是保持不变,一切就都好了没有模仿蜜蜂,“Tovey说。“但这一观点是荒谬的,我们都知道。蜜蜂进化处理花斑块变化特征。一片,大早上10点钟去也许有它的花朵收盘上涨在下午1点钟,或者可能会下雨。”

算法指导蜜蜂行为使昆虫成群调整供需通量类似于那些面对一个web服务器。蜜蜂递给Tovey和他的同事们有价值的见解的虚拟主机的算法。