UCLA 和 Google Research 的研究人员在预印本网站发表论文《Reduced, Reused and Recycled: The Life of a Dataset in Machine Learning Research》（PDF），指出机器学习研究领域被少数开源数据集支配的现状。研究人员分析了 2015-2020 年之间不同机器学习社区使用的数据集，发现少数数据集被集中使用。在分析 43,140 个样本中，超过五成使用的数据集来自于 12个精英机构。研究人员认为这种高度集中化的趋势带来了实用性、伦理甚至政治方面的问题。研究人员称，计算机视觉受政府影响最大，自然语言处理受最少影响。计算机视觉尤其是脸部识别领域常用的数据集得到了企业、美国军方和中国政府（MS-Celeb-1M、 CASIA-Webface、IJB-A、VggFace2，其中 MS-Celeb-1M 因隐私争议被撤回）的资助。

算法在生活中扮演的作用越来越重要，即使其缺陷越来越明显：一名被错误指控欺诈的密歇根男子不得不申请破产；自动筛选工具不成比例地伤害想要买房或租房的有色人种；Facebook 的黑人用户比白人用户受到更多的辱骂。其他自动化系统不公正地对教师、学生进行评分，频繁地将深色皮肤的人标记为在考试中作弊。现在人们努力更好地了解人工智能的工作原理并让用户负责。纽约市议会上个月通过一项法律，要求对雇主在在招聘或晋升时使用的算法进行审查。该法律在全美尚属首例，要求雇主引入外部人员评估算法是否存在性别、种族或民族方面的偏见。如果人工智能在雇佣和晋升决策过程中发挥作用，雇主还必须告知居住在纽约的求职者。在华盛顿特区，国会议员正在起草一项法案，要求企业评估用于医疗保健、住房、就业或教育等领域的自动化决策系统，将调查结果报告给联邦贸易委员会（FTC）； FTC 的五个成员中有三个支持对算法进行更严格的监管。白宫上个月提出的人工智能权利法案要求如果人工智能做出影响一个人的公民权利的决定，需要进行披露，表示人工智能系统应该“仔细审核”其准确性和偏见等问题。

量子计算机不会明显超越经典硬件的单一时刻。我们可能会首先看到它对一组狭窄的问题有用，然后逐渐扩大到越来越多的计算范围。问题现在转变成了首先出现实际应用的地方在哪里。量子计算初创公司 Rigetti 发布了一份白皮书，至少从理论上确认量子计算机应该在一个用例上更有优势。它实际上很有用：替换用于分析天气数据的神经网络。Rigetti 的员工研究的问题涉及获取部分天气数据并推断其余数据。地球很多地区缺乏良好的覆盖，因此我们只能得到当地情况的部分信息。如果有商用飞机之类经过上述偏远地区，我们通常会想要更全面地了解那里的情况。为了解决该问题，我们对拥有更完整天气数据的地区训练神经网络。经过训练之后，可给系统部分数据，让系统推断出其余部分可能是什么。例如经过训练的系统可使用卫星云图和雷击数据等内容创建可能的天气雷达图。这正是神经网络擅长的事情：识别模式和推断相关性。引起 Rigetti 团队注意的是，此类神经网络能很好地映射到量子处理器上。在典型的神经网络中，一层“神经元”在将其结果发送给下一层之前执行操作。网络通过改变不同层的单元之间的连接强度来“学习”。在量子处理器上，每个量子比特都可以执行等效的操作。量子比特之间也共享连接，连接的强度可以调整。因此可以在量子处理器上实现和训练神经网络。

量子计算机不会有明显超越经典计算机的单一时刻。我们可能会看到它们对一组狭窄的问题有用，然后逐渐扩大到越来越多的计算范围。问题变成了首先出现实际应用的地方在哪里。量子计算初创公司 Rigetti 发布一份白皮书，至少从理论上确认了量子硬件应该在一个用例上更有优势。它实际上很有用：替换用于分析天气数据的神经网络。Rigetti 的员工研究的问题涉及获取部分天气数据并推断其余数据。地球上很多地区都缺乏良好的覆盖，因此我们只能得到当地情况的部分信息。如果有商用飞机经过上述偏远地区，我们通常会想要更全面地了解当地情况。为了解决这个问题，首先对拥有更完整天气数据的地区训练神经网络。训练之后，可以给系统部分数据，让系统推断出其余部分可能是什么。例如经过训练的系统可以使用卫星云图和雷击数据等内容创建可能的天气雷达图。这正是神经网络擅长的事情：识别模式和推断相关性。引起 Rigetti 团队注意的是，此类神经网络也能很好地映射到量子处理器上。在典型的神经网络中，一层“神经元”在将其结果发送给下一层之前执行操作。网络通过改变不同层的单元之间的连接强度来“学习”。在量子处理器上，每个量子比特都可以执行等效的操作。量子比特之间也共享连接，连接的强度可以调整。因此可以在量子处理器上实现和训练神经网络。