法律 AI 平台 LawGeex 與史丹佛大學、杜克大學法學院和南加州大學的法學教授合作進行一項新的研究，讓 20 名有經驗的律師與經過訓練的法律 AI 程式比賽。比賽內容是 4 小時審查 5 項保密協議 (NDA)，並確定 30 個法律問題，包括仲裁、關係保密和賠償。如何準確界定每個問題是比賽的得分要點。
頂級律師輸了
在這場比賽裡，人類律師平均準確率達 85%，而 AI 的準確率達 95%。AI 也在 26 秒內完成任務，人類律師平均需要 92 分鐘。人工智慧在一份合約也達到 100% 準確率，其中最高分的人類律師得分僅為 97%。簡而言之，人類律師被機器，「虐」了。...
PART 1 FUNDAMENTALS OF DEEP LEARNING
1 What is deep learning?
2 Before we begin: the mathematical building blocks of neural networks
3 Getting started with neural networks
4 Fundamentals of machine learning
PART 2 DEEP LEARNING IN PRACTICE基於 Keras 的開發環境，有趣的例子、清楚易懂的說明和程式碼，本書適合當成大學部的課本或自學。作者 François Chollet 是 Keras 的創造者 (Creator)。
5 Deep learning for computer vision
6 Deep learning for text and sequences
7 Advanced deep-learning best practices
8 Generative deep learning
9 Conclusions
從 2014 年誕生開始，Pepper 就成為了引領「情感機器人」的代表性產物，並且引發不間斷銷售熱潮。但短短三年，機器人產業變化巨大，而 Pepper 已經風光不再。 上週，日經新聞報導了一則關於 Pepper 的消息：
「軟銀集團向財務省關東財務局提交的 2016 財年（截至 2017 年 3 月）有價證券報告書顯示，軟銀旗下開發和銷售 Pepper 的軟銀機器人控股公司（Soft Bank Robotics Holdings Corp，下稱 SBRH）負債已經超出資產 314 億日元（約台幣 85.5 億）。而根據過去媒體給出的一系列數據顯示，SBRH 至今已經連續三年虧損 ，2014 財年虧損 23 億日元，2015 年淨虧損則高達 117 億日元。 據悉，Pepper 機器人的低利潤和巨大的研發投入是造成高額虧損的主因。...
Google將在旗下廣告平台推出「Auto Ads」，系統會透過機器學習（machine learning）幫助「閱讀」網頁，思考廣告擺放的位置、數量，最重要的是放在哪裡才能獲得最佳的用戶體驗。
事實上，AdSense本身就已經是一個高度自動化的廣告系統，基礎的能力就能分析用戶在網路上的偏好，投放用戶感興趣的廣告內容，而現在則能更精準地針對位置、瀏覽體驗進行優化，預計將幫助廣告主省去不少時間成本。Google在2017年四月嘗試加入機器學習元素，並進行小規模beat測試，據Google說法，先前beta版測試平均讓用戶營收增長10%。
不過「Auto Ads」的缺點，是廣告主必須放棄投放版位的控制權，全權交由AI接手，不過Google認為在拿出亮眼的營收成長數字後，大部分的廣告雇主應該都會樂意嘗試。廣告業務可說是Google的金雞母，根據母公司Alphabet最新一季營收，廣告業務就貢獻了270億美元。
透過新的「Auto Ads」，幾乎可以說是為廣告主完成了所有工作，機器學習不僅可以為廣告選擇效益最大的位置，也會透過分析廣告成效，反過來再教育系統，讓投放能力不斷優化。
但根據部分參與beta的成員表示，當廣告數量過多時，有機會助長不恰當廣告內容，被擺放在顯眼的位置，甚至讓惡意內容或「假新聞」誤導用戶；根據2017年的一份報告，Google共撤下了17億則不良廣告，以及從AdSense上封鎖了200個廣告主。
這個月20日， 春節假期的最後一天， 一份名為「人工智慧的惡意使用 ： 預測、 預防和減輕」 （ The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation） 報告， 在國外媒體傳布開來... 。
報告中指出， 包 括無人機虛假影音 、 和 ， 將是有心人士惡意使 駭客攻擊 用 人工智 慧最普遍的三 大 途徑 。
舉例來說，孤狼式攻擊者只要一台無人機，運用臉部辨識軟體強加訓練後，就可以鎖定特定人物攻擊，把無人機變成殺人工具。而透過機器學習，自動放送的虛假或不雅影音內容，人們很 難分辨 其真實性，可能被用於 政治抹黑，操控公眾輿 論。...對 此，該報告提 出四點建 議。首先，政策制定者和AI專家應共同合作，徹底 掌握可能的惡意利用。第二，雖然AI帶來很多正面的應用，但它就像一把雙面刃，人工智慧研究員和軟體工程師應預先推敲其被誤用的可能性，在開發階段就設下保護機制。
第三，從歷史經驗中汲取教訓，像是資安、電腦科學等，歸納出新技術帶來的負面影響。第四，積極擴大並拉攏相關產業利益者，以預防和減輕惡意使用AI的風險。