文档结构  
翻译进度:已翻译     翻译赏金:0 元 (?)    ¥ 我要打赏

期望在其它事情中看到对语言更好的理解和AI在中国的繁荣。

去年对于人工智能和机器学习的进步是巨大的。但2017年可能会带来更多(进步)。这里有五个关键点值得期待。

正向强化

AlphaGo对有史以来最好的Go选手之一Lee Sedol的历史性胜利,是人工智能领域的一个里程碑,并且特别是被称为深加强学习的技术。

强化学习是从动物学习某些行为如何导致积极或消极结果的方式中获得的灵感。使用这种方法,计算机可以说,如何通过尝试和错误来在迷宫中导航,然后将积极结果——走出迷宫——与导致它的行动相关联。这使得机器能在没有指令甚至明确的例子的情况下学习。这个想法已经存在了几十年,但将它与大(或深)神经网络相结合提供了使它在真正复杂的问题(如Go游戏)上所需的力量。通过不懈的实验,以及对以前游戏的分析,AlphaGo为自己找出如何在专家级别玩游戏的方法。

第 1 段(可获 2.54 积分)

人们的希望是强化学习的方法能现在证明在许多现实世界的情况下是有用的。 最近发布的几个模拟环境能够通过提高计算机可以获得的技能范围来促进必要的算法进步。

在2017年,我们可能会看到尝试将强化学习的方法应用于自动驾驶和工业机器人等问题。 Google吹嘘已经在使用深层强化学习使其数据中心更有效率。 但是这种方法仍然是实验性的,它仍然需要大量时间的模拟,所以看它是如何进行有效部署将会是有趣的事情。

第 2 段(可获 1.26 积分)

对抗性神经网络

最近在巴塞罗那举行的AI学术会上,即神经信息处理系统会议,大部分的讨论是关于一种新的被称为生成式对抗网络的机器学习技术。

由现在任职于OpenAI的研究科学家Ian Goodfellow提出,生成式对抗网络(GAN)是由一个网络组成的系统,该系统从训练集中学习后生成新数据,然后另一个网络尝试区分真假数据。通过合作,这些网络可以产生非常真实的合成数据。该方法可以用于生成视频游戏场景,使像素化视频长镜头去模糊化,或者改变计算机生成设计的应用风格。

第 3 段(可获 1.34 积分)

世界领先的机器学习专家之一(和蒙特利尔大学Goodfellow的博士顾问)Yoshua Bengio在NIPS表示,这种方法特别棒,因为它为计算机提供了一种在从未标注的数据中学习的有效方法 - 许多人认为 可能成为使计算机在未来几年更加智能的关键

中国AI产业的繁荣

这可能也是中国开始看起来像是人工智能领域主要参与者的一年。 中国的技术行业正在从复制西方公司中转型,它已经将人工智能和机器学习确定为下一个创新领域。

第 4 段(可获 1.41 积分)

中国的领头搜索公司,百度,已经成立了一个以人工智能为研究方向的实验室有一段时间了,它通过在语音识别和自然语言处理等技术的进步及广告业务的优化获得了许多成就。 其他选手(公司)现在纷纷试图赶上。 腾讯,带来了移动优先的消息和网络应用程序“微信”的巨大成功,在去年开了一个AI实验室,并正忙着在NIPS招聘人才。“滴滴打车”,在今年早些时候购买了Uber中国业务的乘车分享巨头,也正在建设一个实验室,据说他们正在开发自己的无人驾驶汽车。

第 5 段(可获 1.29 积分)

中国投资者正在向以人工智能为重点的初创公司投资,中国政府表示希望看到该国的人工智能产业发展起来,并承诺到2018年投资约150亿美元。

语言学习

问问AI研究人员他们下一个大目标是什么,他们很可能提到语言。 希望在语音和图像识别等领域取得惊人进步的技术也可以帮助计算机更有效地解析和生成语言。

这是人工智能的一个长期目标,计算机与我们使用语言交流和互动的前景是迷人的。 更好的语言理解将使机器更加有用。 但是,考虑到语言的复杂性,微妙性和力量,这是一个艰巨的挑战。

第 6 段(可获 1.61 积分)

一段时间内不要期待与您的智能手机进行深入和有意义的对话。 但是一些令人印象深刻的进步正在进行,你可以预期这一领域在2017年会有进一步发展。

反对狂热

除了真正的进步和令人兴奋的新应用程序,2016年看到人工智能的炒作达到了令人瞩目的新高度。 虽然许多人对今天正在开发的技术的潜在价值有信心,但是很难逃避围绕AI的宣传有点失控的感觉。

一些AI研究人员显然恼火。 在NIPS期间组织了一个发布会,揭露一个名为Rocket AI的假冒AI创业公司,以突出在真实AI研究方面日益增长的狂热和废话。 欺骗没有说服力,但这是一个有趣的方式来引起人们对一个真正的问题的关注。

第 7 段(可获 1.76 积分)

一个真正的问题是,当没有大的突破时炒作不可避免地引起失望的感觉,导致高估的初创公司失败和投资枯竭。 也许2017年会有一些反对AI炒作机的声音 - 也许这不会是一个坏东西。

第 8 段(可获 0.65 积分)

文章评论