計算

該演算法在一堆誘餌中隱藏敏感資訊

科學家們使用一種成像技術實現了創紀錄的視覺細節水平，該技術可能有助於開發未來的電子產品和更好的電池

一個線上動物目錄讓您解碼每個人最喜歡的大象的交流和其他行為

在超級計算機合作抗擊 COVID 一年後，現在是擴大合作伙伴關係以應對其他危機的時候了

雙螺旋結構可以在幾乎難以想象的小體積中儲存驚人的資訊量

勒索軟體正穩步加劇。銀行或地鐵系統會是下一個嗎？

機器學習演算法可以快速處理數千小時的自然音景

在信封出現之前的幾個世紀裡，“信件鎖定”保護了資訊

該實驗用糾纏光子連線三個裝置，展示了一種關鍵技術，該技術可以實現未來的量子網際網路

正式論證的來回往復仍然超出了機器的“舒適區”——至少目前是這樣

在今天的科學對話播客中，IBM 研究院的諾姆·斯洛尼姆 與大眾科學談論了計算機工程方面的一項令人印象深刻的壯舉：一個人工智慧驅動的自主系統，它可以與人類就各種問題進行復雜的辯論，從補貼學前教育和太空探索的價值，到基因工程的利弊。

在一篇新的論文中，斯洛尼姆和他的同事表明，在 80 個辯論主題中，辯論專案Debater的計算論證技術表現得非常出色——由人類觀眾來判斷。斯洛尼姆說：“然而，平均而言，它仍然比人類專家辯論員獲得的結果略遜一籌。”

在 2019 年舊金山的展示會上，該系統與專家辯論員哈里什·納塔拉詹進行了正面交鋒。

除了遊戲之外，很少看到人類和機器相互對抗，更不用說在口才比賽中了。

與人類同行一樣，人工智慧只有 15 分鐘的時間研究主題併為辯論做準備——以創紀錄的速度瀏覽數千千兆位元組的資訊，形成開場陳述和反駁論點，這些論點後來以片段形式透過機器人女性的聲音傳遞，並且發音近乎完美。

它在舊金山未能擊敗納塔拉詹，但在另一次辯論中，該系統——由斯洛尼姆和 IBM 研究員Ranit Aharonov共同領導——成功地改變了 9 人在關於使用遠端醫療的辯論中的立場，基本上將辯論轉移到它的一邊，並反駁了對手的論點。

換句話說，在這個領域，人類仍然佔上風。

但是，您如何為這樣複雜的系統構建架構呢？人工智慧能否識別辯論中的含義或更大的背景？一個源自辯論專案Debater的系統有一天能否介入現實生活中的社交媒體爭論，以平息錯誤資訊或朝某個方向引導辯論，無論是好是壞？我們在播客中回答了這些問題以及更多問題。

斯坦福大學正在免費提供其受歡迎的計算機科學入門課程——您可以幫助教授它