过去的2016年是人工智能和机器学习大放异彩的一年，《麻省理工科技评论》公开发表对2017年人工智能领域发展的预测，技术上寄予厚望增强自学、分解对付网络，应用于上特别强调语音辨识，说道到中国今年或许不会沦为人工智能产业的主力军，但“风口化”的抹黑必须警觉。更佳的语言解读，人工智能在中国的愈演愈烈，还有……刚过去的2016年是人工智能和机器学习的愈演愈烈之年，但是2017将不会呈现出给世人更好的内容。

让我们来一起想到哪五个方面有一点重点期望吧……相反增强自学AlphaGo战胜李世石不仅是人工智能产业的历史性顺利，更加使深度增强自学这项技术为人所知并大放异彩。深度增强自学不是让机器通过一个程序或者一些原作好的案例展开自学的过程，而是通过实验设计和相反增强（positivereinforcement）来自学。相反增强这个概念本身早已不存在了数十年（如生物、教育等领域），它与深度神经网络的极致融合使让机器已完成下围棋这种高度烧脑的任务沦为了有可能。通过大大的实验和对之前围棋比赛的分析，AlphaGo靠自己探寻出有了一条沦为棋士盖世高手之路。

下一步对于增强自学的期望是把它应用于在更好的实际生活场景中。最近公布的几个仿真环境应当不会对这一趋势获取动力，以协助创建算法让机器通过增强自学掌控更好的技能。在2017，我们有可能会看见增强自学在自动驾驶和工业机器人领域的尝试。

谷歌声称早已应用于深度增强自学优化自己的数据中心，但是这个方案还处在试验阶段，而且还必须花费大量时间去仿真，所以到底它究竟能超过多高效的程度还处在从容中。“对决”神经网络架构在巴塞罗那举行的NIPS2016大会上，重点辩论了一种新型机器学习工具，叫分解对付网络。这项成果是由OpenAI的科学家IanGoodfellow发明者的。

分解对付网络（GAN）由一个经过训练分解新的数据的网络和另一个用作区分精确数据和错误数据的网络构成。当这两个网络同时工作，能产生十分细致的制备数据。这种方法能用来分解计算机游戏的物理场景，让被像素简化的视频更加明晰，或者让设计极具时尚感觉。YoshuaBengio是机器学习领域的世界级专家，是Goodfellow在蒙特利尔大学的博士生导师。

他在此学术会议上讲话说道，分解对付网络使计算机有能力通过并未标记的数据来自学。挣脱标记，被指出是使机器显得更加智能的关键。

人工智能在中国发展2017有可能是中国开始演变人工智能产业主力军的一年。中国的科技企业仍然负于于剽窃国外公司，而是大力地向人工智能自律研发大踏步迈向。百度创建自己的人工智能实验室早已有一段时间了，并且早已在声音辨识、自然语言处置、广告优化等领域有所建树。

其他巨头公司也在向百度相若：腾讯在2016创建了自己的AI实验室之后开始了大量聘用人才；滴滴也正在筹划创建一个实验室，用作无人车的研发工作。中国的投资者现在在紧密注目着人工智能领域的创业并大笔挥金。中国政府也释放出来反感的信号，允诺在2018年之前投资150亿美元，来联合推展人工智能领域的发展。

语言识别如果你问一位AI研究者什么是下一个必须被攻下的目标，他们大多不会说道跟语言涉及的。因为语言和图像识别的变革需要增进机器分析、产生自己的语言。

构建机器语言是一个漫长的目标，人们对机器和人类的对话和交流充满著了天马行空和期望。更佳的语言解读能使机器更加简单，但是考虑到语言的复杂性、错综复杂性、感染力，科学界所面对的挑战也是极大的。不要期望在短时间内你能和你的手机产生任何有实质交流的对话，但是早已有很多看获得的进展在大大再次发生，2017也将之后在语言领域带给好消息。风口的反作用除了一些实实在在的科技进展外，2016也经历了一些“被风口化”的抹黑。

尽管很多人对AI的科技价值有充足信心，但是在AI这个话题周围的报导有些铺天盖地且丧失掌控。有些AI研究人员不可避免地会常常被侵扰。

NIPS的学术研讨会就在开场为一个叫RocketAI的假公司举办发布会，就是为了嘲讽很多在学界环绕AI不稳健、盲目高估的现象。虽然这个活动本身的有效性尚待厘清，但是它所体现的问题是现实的。一个最现实的问题就是如果在科技上的突破没想象中来的那么慢，那之前“所谓的风口论”不会将人们推向沮丧的边缘，就不会看见估值虚高的创业公司大量丧生，投资源头南北耗尽。

或许2017不会反应出有一些“风口化”的后坐力，或许重返本原也不是一件坏事。

本文来源：obo体育官网-www.pczsqjy.com