2017年七大 AI 趋势观察

原文： 7 AI trends to watch in 2017 | O’Reilly Media
作者：Ben Lorica，O’Reilly首席数据科学家

译者：张扬

欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件è‡

从工具到研究及伦理，本-罗瑞卡预测2017年AI大事件

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？不见得。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
人际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。

原文作者：Ben Lorica，O’Reilly首席数据科学家和数据内容战略部主任。他把商务智能，数据挖掘，机器学习，统计分析等技术手段，应用于广泛领域，包括直销，消费者调查，市场调查，针对性广告，文本挖掘，金融工程。他的工作背景包括投资管理公司，互联网初创企业，以及金融服务业。

译者介绍：张扬，James Young，哆巴安电子商务公司创始人和CEO。从事过物联网系统的初创企业，O2O及电商领域。他的工作背景包括软件工程师，房地产管理和投资，制造业管理，互联网初创企业。获得浙江大学自动化专业的本科学位和英国埃塞克斯大学人工智能专业的硕士学位。新浪微博：JamesYoung张扬，邮箱：1091897353@qq.com。

文章来源：CSDN