2020年的第一周，也是2019的最后一周，出现了很多劲爆新闻。小编不得不感慨：身处AI所带来的这波科技浪潮中，真是想停下歇歇脚都不行。本周新闻盘点包括：人社部发布人工智能训练师职业；谷歌DeepMind乳腺癌筛查被狂怼；达摩院发布2020十大科技趋势；小米摄像头被曝漏洞，遭谷歌禁用。
AI炼丹师即将转正
近日，中国就业培训技术指导中心发布了《关于拟发布新职业信息公示的通告》，经人社部同意，拟发布的 16 个新职业已进入公示阶段，其中就包括一项名为「人工智能训练师」的职业。
人工智能训练师定义为「使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员」。
其主要工作包括：
1. 标注和加工图片、文字、语音等业务的原始数据；
2. 分析和提炼专业领域特征，训练和评测人工智能产品相关算法、性能和功能；
3. 设计人工智能产品的交互流程和应用解决方案；
4. 监控、分析、管理人工智能产品应用数据；
5. 调整、优化人工智能产品参数和配置。
小编解读：还是AI炼丹师听着更形象，更有feel！
谷歌乳腺癌AI筛查引争议
2020年的第二天，谷歌旗下公司DeepMind在《Nature》上在线发表了题为《International evaluation of an AI system for breast cancer screening》的论文，将人工智能的最新应用引向新的历史阶段！该AI系统可对钼靶影像数据进行大规模分析和处理，大幅降低假阳性与假阴性，并完胜6名放射科医师，还能降低劳动力使用量，为全面提高乳腺癌筛查的准确性奠定了基础。此外，该模型的泛化能力很强大，尽管训练数据多为西方人，但却可以广泛应用于中国人群。
然而正所谓树大招风，在Twitter上，几位大佬为此吵的不可开交。
深度学习三巨头之一的Yann表示，这篇论文取得的成果NYU团队之前已经做过了，并且转发了另一篇大佬的推文。
Hardian Health的管理总监Hugh Harvey表示NYU具有更好的结果和数据验证，和更多的放射科医生进行了比对，同时代码和数据也是开源的。
专注于神经科学大数据分析的Danilo Bzdok教授认为训练该模型使用的代码过多地依赖于谷歌内部工具、基础设施和硬件，不具有可行性。
小编解读：尽管深度学习在医疗筛查方面的诊断性提高是一件好事，但AI战胜人类医生这种媒体论调也该停一停了。就乳腺癌检测而言,读懂X光片仅仅是刚入门的第一步。
阿里达摩院发布2020十大科技趋势
同样是1月2号，达摩院发布了“2020十大科技趋势”。
首先，阿里巴巴达摩院院长张建锋在序言中回顾了2019年全球科技与产业取得的突破，包括人类首次获得黑洞图像、谷歌宣称实现量子霸权、多国迈入5G时代、阿里率先实现核心系统100%上云、Facebook推出基于区块链的虚拟加密货币Libra……
那么站在2020年新的起点，全球科技将呈现怎样的风起云涌，又将怎样改变社会生产生活方式呢？
趋势一：人工智能从感知智能向认知智能演进
趋势二：计算存储一体化突破AI算力瓶颈
趋势三：工业互联网的超融合
趋势四：机器间大规模协作成为可能
趋势五：模块化降低芯片设计门槛
趋势六：规模化生产级区块链应用将走入大众
趋势七：量子计算进入攻坚期
趋势八：新材料推动半导体器件革新
趋势九：保护数据隐私的AI技术将加速落地
趋势十：云成为IT技术创新的中心
小编解读：去年，达摩院的预测包括：语音AI在特定领域有望通过图灵测试、自动驾驶则进入冷静发展期、AI专有芯片将挑战GPU绝对统治地位；数字身份有望成为第二张身份证；5G连接能力将增强至百亿级……现在回首，这些科技趋势正一一变为现实：AI芯片崛起、智能城市诞生、5G催生全新应用场景……现在，科技新十年即将扬帆起航，让我们拭目以待！
小米摄像头被曝漏洞，到底是谁的锅
据外媒报道，一位Reddit用户将小米米家安全摄像头连接到Google Nest Hub时却意外看到了他人房屋内部的图像。这些照片很明显都是一些个人隐私，其中还包括婴儿在婴儿床中睡觉的场景。
与此同时，谷歌方面则反应迅速，发言人已经就这个问题做出回应：“我们已经意识到了这个问题，并正在与小米联系以进行修复。同时，我们已经禁用了Google设备上的小米设备集成功能。”
最初发现问题的网友Dio-V确认，米家摄像头已经无法在谷歌Nest Hub上使用。另一家外媒9to5google估计，这很有可能是一个网络视频缓存的问题，导致用户可以看到其他人的信息，之前游戏平台Steam也出过类似状况，登录后能看到其他用户的界面。
因此也有网友认为，这看起来像某种缓存错误，很可能是Google的锅。
小编解读：公众对于图像和视频泄露的敏感性要远远高于姓名、职业、甚至是证件信息的泄露，IoT设备的普及终将带来野火燎原般的用户隐私危机。而可以被用于人工智能模型分散训练，具有联邦推理能力的联邦学习也终将以闪亮的形象进入公众视野。
