2017年人工智能現(xiàn)七大走向

　　2016年在人工智能熱浪中落下帷幕，無可否認的是，人工智能已逐步滲透到我們的工作和生活中。

　　2016人工智能十大事件回顧

　　3·9：AlphaGo下圍棋戰(zhàn)勝圍棋宗師李世石;

　　3·23：微軟聊天機器人“Tay”學會種族歧視言論;

　　5·7：“自動駕駛”特斯拉自動駕駛致使車禍;

　　9·28：谷歌、亞馬遜、Facebook、IBM 及微軟五大科技巨頭組建超級AI聯(lián)盟;

　　10·12：美國白宮發(fā)布人工智能白皮書;

　　10·17：微軟AI的語音識別能力首次超過人類;

　　11·25：人工智能改善癌癥診斷法;

　　12·5：亞馬遜開展新零售業(yè)務Amazon Go;

　　12·19：扎克伯格開發(fā)AI助手Jarvis;

　　12月：華人AI研究貢獻占據(jù)全球份額近一半。

　　2016年圍繞著人工智能各行各業(yè)開始智能化探索，創(chuàng)投圈攻城略地，中美等眾多國家也積極布局人工智能搶占戰(zhàn)略制高點。在市場規(guī)模方面，《2016中國人工智能產(chǎn)業(yè)發(fā)展報告》中多家分析機構(gòu)的數(shù)字評估認為，2016年年底，世界人工智能市場規(guī)模將突破100億美元，其中，中國市場規(guī)模將達到15億美元左右。未來，人工智能市場有望進一步擴大，到2020年，全球人工智能市場將發(fā)展到200億美元左右的規(guī)模。人工智能，未來已來?

　　人工智能尚處初級階段

　　學術(shù)界將人工智能界定為“研究與設計智能體”，而且把智能體定義為“能夠感知環(huán)境，并采取行動使成功機會最大化的系統(tǒng)”，一般分為感知智能、認知智能和創(chuàng)造性智能。對其研究最早出現(xiàn)在 20 世紀 50 年代，在發(fā)展過程中經(jīng)歷了起起落落，進入21世紀以后，隨著深度學習、大數(shù)據(jù)、云計算等相關技術(shù)的成熟，近年來取得眾多突破性的發(fā)展。

　　但縱觀社會發(fā)展的歷程來看，目前人工智能的發(fā)展仍處于初級階段，稱之為“弱人工智能”，其中感知智能以深度卷積神經(jīng)網(wǎng)絡為代表的感知智能依賴于大數(shù)據(jù)，在視覺物體識別、語音識別和自然語言理解等方面取得了媲美人類水平的成功;具有近似人類能力的認知智能的研究，仍在逐步探索中;而創(chuàng)造性智能則是在更高層次上的人工智能，要求人工智能具有類似于人類的頓悟、靈感等超強能力，這方面的研究甚至還沒有起步。

　　從產(chǎn)業(yè)鏈上看，人工智能產(chǎn)業(yè)鏈包括基礎技術(shù)支撐、人工智能技術(shù)及人工智能應用三個層次。其中基礎技術(shù)支撐由數(shù)據(jù)中心及運算平臺構(gòu)成;人工智能技術(shù)是基于基礎層提供的存儲資源和大數(shù)據(jù)，通過機器學習建模，開發(fā)面向不同領域的應用技術(shù);人工智能應用主要為人工智能與傳統(tǒng)產(chǎn)業(yè)相結(jié)合實現(xiàn)不同場景的應用，如機器人、無人駕駛汽車、智能家居、智能醫(yī)療等領域。目前人工智能的發(fā)展還是國內(nèi)外科技巨頭為主推動力，國外以Google、Facebook、IBM、Microsoft、Amazon、Intel等為主，國內(nèi)以BAT及語音巨頭科大訊飛為主。

　　人工智能的重要意義是對每一個行業(yè)和領域效率帶來指數(shù)級提升推動作用，由于技術(shù)的復雜性，發(fā)展不會一蹴而就，必然經(jīng)歷一個由點到面，由專用領域到通用領域的歷程，通用領域的人工智能實現(xiàn)還比較遙遠。截至2016年11月，據(jù)數(shù)據(jù)統(tǒng)計顯示，全球1485家人工智能公司可劃分為深度學習、機器學習、機器學習、自然語言處理、計算機視覺、圖像識別、手勢控制、虛擬私人助手、無人駕駛、智能機器人、語音翻譯等13個細分領域。近五年內(nèi)，專用領域的定向智能化將是人工智能主要的應用發(fā)展方向?；蛟S在更遠的將來，如果人腦芯片等硬件架構(gòu)能有所突破，運算能力有極大提高，則專用智能將有可能逐步進化成為跨場景、跨上下游應用的通用智能。

　　2017 年人工智能將掀起怎樣的風暴?

　　有機構(gòu)預測2017年人工智能的投資將同比增長300%以上。人工智能在技術(shù)上將更迅猛發(fā)展，智能語音、智能圖像、自然語言處理、深度學習等技術(shù)越來越成熟，像空氣和水一樣會逐步滲透到日常生活。行業(yè)專家關于2017年人工智能的發(fā)展方向有如下幾點：

　　1.機器學習應用的擴張：機器學習正被應用在更復雜的任務以及更多領域中，而且被更多的人作為挖掘數(shù)據(jù)的方式。

　　2.無監(jiān)督學習會取得更多的進展(也存在很大的挑戰(zhàn)，在這方面離人類的能力還差得很遠)。

　　3.計算機在理解和生成自然語言：預計最先會在聊天機器人和其他對話系統(tǒng)上落地。

　　4.深度學習和其他的機器學習以及人工智能技術(shù)的混用，是成熟技術(shù)的典型標志。將深度學習應用到醫(yī)療領域中包括對醫(yī)療圖像、臨床數(shù)據(jù)、基因組數(shù)據(jù)等各種類型數(shù)據(jù)上的研究和成果將會大大增加。

　　5.自動駕駛汽車，計算機視覺也會持續(xù)取得進展。

　　6.聊天機器人和自動駕駛汽車可能會取得較大進展。

　　7.預計更多的人類基準會被打破，特別是那些基于視覺、適合卷積神經(jīng)網(wǎng)絡的挑戰(zhàn)。而非視覺特征創(chuàng)建和時間感知方法將變得更頻繁、更富有成果。