2018 年人工智能领域的关键词有哪些？反映了怎样的行业趋势？

勿忘初心提问于 2019-01-02 14:42

• 活动主持人2019-01-02 15:07

  这里谈两点：预期降温，基础强化。

  
  

  预期降温

  
  

  2018 人工智能的降温，有区块链（尤其是币圈）更为火爆的因素，但终归还是自己的表现不及大众的预期，而这些预期是一些行业内人此前自己主动描绘出来的。

  
  

  • 表现1：自动驾驶，谷歌从 2009 年开始孵化的 Waymo 表示，自动驾驶汽车在路上普及还要几十年，因为自动驾驶技术还没有达到在任何天气和任何条件下都能驾驶的最高等级 L5（L4 高度自动驾驶，仍然需要驾驶员在特定情况下接管汽车）；特斯拉的 AutoPilot 在支持交通信号灯、停靠站和环形交叉路口等交通，很快就具备完全自动驾驶能力，然而这个“很快”究竟是多久善未可知，并且也不意味着特斯拉把所有复杂场景的问题都搞定了；而苹果联合创始人 Steve Wozniak 另有看法，认为自动驾驶汽车不可能在不久的将来实现。
  • 表现2：AI 同传（机器翻译）风波。
  • 表现3：某些银行人工智能客服被用户深情吐槽，声称要销户。

  
  

  

  更多的例子，就不一一列举了。

  
  

  基础强化

  
  

  另一方面，是从事基础工作的企业/人员从长远考虑，在夯实人工智能的基础，促进人工智能的应用。

  
  

  • 软件层面，工具走向整合，以简化创新，两巨头在 2017 年 9 月共同搞出的 ONNX，一年之后有一统江湖的架势，Caffe2, PyTorch, Microsoft Cognitive Toolkit, Apache MXNet 等工具都支持 ONNX 了。同时，各种 Auto ML 的进展，也在某种程度上解放了从业者。
  • 硬件层面，大佬们的 AI 芯片大战意味着大家强化算力短板的共识，毕竟这是非常烧钱的活，而国内的一些芯片初创公司的产品也进入了商用阶段，不能说弯道超车，但也是可喜可贺的。

  
  
  
  Frameworks 框架已内嵌 ONNX，Converters 框架支持转换工具导入导出模型
  
  
  
  

  Xavier Amatriain （对 Netflix、Quora 技术建设工作贡献很大的大牛）认为当前 AI 领域基础性突破不多的原因，是研究者缺乏探索现在看来不实用方法的冒险精神，而现有方法还有挖掘的空间。在小编看来，至少后半句是正确的，当前人工智能降温和基础性研究进展的关系很大，但在从业者夯实基础的同时，目前的技术进展已经可以支持不少的成熟应用，只是要看我们如何把这些技术正确应用在产品中。

  
  

  从目前的情况来看，人机合作是最佳的方式，因此嘲笑人工智能可能并不正确。比如小扎说会通过人工智能技术监测和处理社区内容，但这与 Facebook 聘请数以万计的人工审查员配合完成这项工作并不矛盾。网易云内容安全服务，借助人工智能实现高精准的文本检测、图片检测、视频检测、音频检测，也是一样的道理。