2017年七大AI趋势观察

在2016年我们看到巨头和创业公司，都做了大量的AI方面的创新和投资，炒得火热。2017年，趋势会如何？

平民化的工具将使得更多公司可以尝试AI技术

最近一期的福瑞斯特调查显示，在商业和科技专业人士中，正在研究AI的达58%，已在使用AI系统的只占12%。部分原因是因为AI应用级产品才刚刚实现，另部分原因是因为AI确实有难度。AI需要相当专业化的技术和自行研发的能力。

但是像Facebook公司的Wit.at和Howdy公司的Slack机器人正在竞相成为AI领域的VB（微软的VB可视化编程语言和工具，上手快，使用简便-译者注），给相对不是很内行的开发者提供了“点击式”的会话界面。像Bonsai，Keras，以及TensorFlow（如果你不介意自己编程）这类工具，简化了深度学习模型的操作。谷歌API和微软Azure云平台，则允许你创建智能应用，而无需考虑底层运行平台的配置和运维。

我们将看到更多专门性的AI系统

我们现在并不奢望搞出大型、通用AI系统。但我们确实希望能开发出专门、有针对性的AI系统，比如：

• 机器人：用于个人，工业，零售（如亚马逊的仓库自动搬运机器人，译者注）
• 自动驾驶：汽车，无人机
• 虚拟人：用于CRM（客户管理，如机器人在线客服，译者注），消费者服务（比如亚马逊的Echo），个人助理
• 行业相关的AI：金融，健康，安保，零售（如亚马逊的无店员值守超市，译者注）

自动化程度增加对经济的影响将成为讨论主题

关于邪恶AI将接管世界的言论会减少，但是AI系统冲击经济的言论将增多。担心AI偷走人类工作将不是新鲜事，但我们期待，就AI对经济方面的影响，进行更深入细微的对话。

在注意力经济中，帮助人们克服信息过载的AI系统将演化的更加精巧

我们注意到（并且很欢迎）AI领域很有趣的发展，即帮助人们筛选信息以抵御信息过载，尤其在以下领域：

• 自然语言理解
• 结构化数据挖掘（从“暗数据”到“结构化信息”）
• 信息地图
• 自动摘要（文本，视频，音频）

AI研究人员将继续处理（或许能解决）基本性难题

1967年，MIT人工智能实验室的联合创始人Marvin Minsky说过“经过一代人努力，创造一个人工智能的问题将被基本解决”。这个预见错了吗见得。但是仍然有些基本问题有待解决。有一些进展，比如：

• 基本AI模块的持续研究，包括自然语言理解，视觉，发音，强化学习，信息摘取，硬件系统优化
• 具有增强的注意和记忆、能够同时处理多个复杂问题（比如演绎和推理）的系统，比如DeepMind公司的微分神经计算机
• 非标签化数据需求减少的算法，无监督学习，半监督学习
• 由人类智能的关键方面所启发的系统，包括直觉式的物理学和心理学，快速建模，因果性（译者不是很清楚，原作者想要表达的确切含义）
• 能构建具有鲁棒性和可靠性的软件的AI系统，Peter Norvig在O’Reilly的AI大会上做了这方面的精彩演讲

人机交互方式将更加丰富

机器智能领域，包括了从纯机器智能到辅助人类的广泛范围。情绪智能与侦测，以及辅助人类解决问题方面的进展，将为人类和机器智能之间提供更加丰富的人机交互。

伦理和隐私方面的关注将会持续

大多数AI系统是黑盒子，机理非常复杂。跟AI伦理和隐私相关的风险真实存在，需要深思熟虑，已达成一致意见。这些问题不会在2017年就能解决，但我们期望能有所进展。

本文转自（csdn.net）

开年促销正式开启，全场低至6折起，还送公开课入场券！

活动时间：2017.1.1-2017.1.31

标签：人工智能

来源：慧都