关于人工智能准确信息的可信来源

关于人工智能存在大量误导甚至虚假信息，从糟糕透顶的新闻报道到过度炒作的营销材料，再到误导名人的引言。上个月，情况甚至变得如此糟糕，以至于 Snopes 不得不揭穿一个故事，该故事关于 Facebook 研究，被许多媒体不准确地报道了。

人工智能是一个复杂的话题，发展速度惊人（即使作为该领域的工作者，我也发现不可能跟上发生的一切）。除此之外，还有一些人通过过度炒作进展或煽动恐惧来牟利。

我想推荐一些关于准确信息的可信来源。这份清单上的大多数文章旨在让任何人都能理解——即使您不是程序员或不从事科技工作。

大众兴趣

• Tom Simonite 在 Wired 上的文章。

• Jack Clark 的电子邮件时事通讯 Import AI 提供了前一周精选的人工智能新闻和研究的重点和摘要。您可以在这里查看往期内容（或订阅）。Jack Clark 是 OpenAI 的战略与传播总监。

• Mariya Yao 在 Topbots 上的文章和在 Forbes 上的文章。 Mariya 是 Topbots 的首席技术官兼研发负责人，Topbots 是一家专注于应用人工智能和机器学习的战略研究公司。趣闻：Mariya 曾为 DARPA 自动驾驶汽车大挑战赛的亚军团队开发 LIDAR 系统。

• Dave Gershgorn 在 Quartz 上的文章。

人工智能与社会的互动

• Zeynep Tufekci，UNC-Chapel Hill 的一位教授，是技术与社会互动方面的专家。她在 twitter 上分享了许多重要观点，或在这里阅读她在《纽约时报》的评论文章。

• Kate Crawford 是纽约大学的教授、微软的首席研究员，也是 AI Now 研究机构的联合创始人，该机构致力于研究人工智能的社会影响。您可以在这里关注她的 twitter。

解构炒作

我还要重点介绍几个很好的例子，展示了人工智能研究人员如何在过去几个月以易于理解的方式仔细解构一些备受关注的故事的炒作成分。

• Denny Britz 对 OpenAI 用于 Defense of the Ancients（一款流行的电脑游戏）的机器人提供了平衡的视角。

• Stephen Merity 对 DeepCoder 故事的准确性如何下降进行了周密的解构。

• Jeremy Howard 论述了关于深度学习能否检测性取向这一备受争议的研究。

关于 Twitter 的简要说明

Twitter 对于跟进机器学习新闻非常有用，许多人分享了令人惊讶的深刻见解（我通常在别处找不到）。在使用 Twitter 之前，我持怀疑态度。整个想法似乎很奇怪：您一次只能写 140 个字符？我已经有了 Facebook 和 Linkedin，真的还需要另一个社交媒体账户吗？现在它对我来说占据了一个有用且独特的定位。最困难的部分是入门；您可以随意查看我的 twitter 或 Jeremy 的收藏，寻找有趣的账户。每当我阅读了一篇喜欢的文章或听到了一场喜欢的演讲时，我都会在 twitter 上查找作者/演讲者，看看他们的推文是否有趣。如果有趣，我就会关注他们。