2018年的5個人工智慧趨勢

在2018年人工智慧會有什麼進展？下面是我們觀察到的。

期待機器學習在方法、理解和教育方面會取得實質性的進展

如同在過去的幾年裡一樣，新的深度學習架構和（分散式）訓練演算法將會繼續在多個領域（包括計算機視覺、語言和文字等）帶來令人興奮的結果和應用。期待有一些企業會在邊緣設備上進行的高效模型訓練、推斷和數據處理方面取得進步。同時，機器學習專家間的相互合作將帶來有趣的突破。比如，這個來自結合了貝葉斯方法和深度學習的工作，以及神經進化和基於梯度的深度學習相結合的工作等。

然而和深度學習已經取得的成功相比，對於為什麼它能工作得這麼好的理解我們還依然欠缺。研究人員和行業從業者都已經在努力去應對這個挑戰。我們預計在2018年會看到更多的人會加入這一行列，增強深度學習理論上的理解和推進普及教育工作。

在硬體方面的進步和更低的花費將會帶來更好的數據收集和更快的深度學習

深度學習是計算密集型的。帶來的結果就是，硬體上的很多進步都和深度學習的訓練及推斷（在伺服器和邊緣設備上）相關聯。隨著新的處理器、配套的軟體框架和它們的相互結合、以及專門組裝優化的系統的出現，這些將使企業能夠加速深度學習的實驗，從而能讓它們從硬體公司、雲服務提供商以及中國及西方的創業公司中脫穎而出。

但是，深度學習背後所依賴的數據依然需要被收集。很多商業人工智慧系統都依賴於特殊的感測器，比如LIDAR（激光雷達）。隨著創業公司生產出可替代的感測器以及新的收集和使用數據的方法（例如，來自邊緣設備和感測器融合的大量低解析度的數據），與數據相關的花費將會持續降低。

人工智慧和深度學習的開發者工具將會繼續進化

到目前為止，TensorFlow仍然是最受歡迎的深度學習庫。但其他框架（如Caffe、PyTorch和BigDL）仍將會繼續爭取用戶和使用案例。我們還預計新的深度學習工具將會出現，它們可以簡化神經網路的體系結構和超參數調優、分散式訓練以及模型的部署和管理。其他將取得進展的領域還包括：

• 模擬器（如數字雙胞胎），它可以讓開發人員加快人工智慧系統的開發，它還有與之集成的強化學習庫（作為RISE實驗室的Ray的一部分，它的強化學習庫就是一個很好的例子）。

• 開發工具，可被用於構建可處理多模式輸入的人工智慧應用程序。

• 針對非數據工程師或數據科學家的開發人員的工具。

  我們會看到更多的自動化應用案例，特別是在企業中

  隨著越來越多的公司進入人工智慧領域，他們將繼續使用現有的工具和方法來發現可以（半）自動化的任務。一個自然的起點是那些需要高技能人員做的低技能的工作。其他應用包括使用語音和自然語言技術的自動化產品、工業自動化和機器人，以及醫療和醫藥業中的使用案例，如藥物研發、醫療助理和基因組學。

  人們也將越來越多地使用自動化來進行創造性的活動，如人工智慧創作的音樂、圖像和視覺藝術。這些產物也將開始出現在商業產品中。這一創新不僅局限於美國。隨著中國政府加大對人工智慧技術的支持，以及在中國能獲取大型的數據集和海量用戶，還有能激勵早期推動者的競爭激烈的市場，這一切都使得中國的企業和創業公司能更好地推進和實現自動化。

  人工智慧社區將繼續解決對於人工智慧在隱私、倫理道德和責任方面的擔憂

  去年，我們預測對倫理道德和隱私問題的關注度將會增加。在2018年，我們預計這一趨勢將持續下去。公平性、透明度和可解釋性對於大多數商業人工智慧系統都是必不可少的。 關於如何創建確保負責任的人工智慧的工具（例如打擊「假新聞」的工具）的討論將會繼續下去。

  我們也會看到以安全為目標的進展。我們預計多學科研究人員間的合作所帶來的可重現的演算法會取得進展，特別是在需要誤差估計的關鍵任務型人工智慧系統里。隨著《通用數據保護條例》（General Data Protection Regulation ，GDPR）於2017年5月25日正式施行，我們將看到企業（如蘋果等公司）開發或改進保護隱私的機器學習產品。

  This article originally appeared in English: "5 AI trends to watch in 2018".

  Ben Lorica

  Ben Lorica是O』Reilly傳媒集團的首席數據科學家。他還是Strata數據大會和O』Reilly的人工智慧大會的項目主席。他已經在多個領域裡（包括直銷市場、消費者和市場研究、精準廣告、文本挖掘和金融工程）進行了商業智能、數據挖掘、機器學習和統計分析的工作。他之前曾效力於投資管理公司、互聯網創業企業和金融服務公司。

  AI Conference

  來自矽谷，落地北京

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！