KDnuggets今年采访了11位人工智能领域的专家，询问了他们有关例如“年数据科学和分析领域的主要发展是什么?你预计年的主要趋势是什么?”等问题，来回顾和展望人工智能(AI)及机器学习(ML)的发展。这些专家挑选出的关键主题包括深度学习的进步、迁移学习、机器学习的局限性、自然语言处理领域的变化等等。以下为这11位专家的见解：

AnimaAnandkuma(

AnimaAnandkumar)是英伟达(NVIDIA)机器学习研究主管，加州理工学院教授。

年机器学习和人工智能的主要进展是什么?

“已经取得深度学习的初步丰硕成果”

焦点开始从标准的监督学习转向更具挑战性的机器学习问题，如半监督学习、领域适应、主动学习和生成模型。GAN(生成对抗网络)在尝试像照片写实主义(bigGANs)和视频到视频合成这样难度较大的任务中仍然很受研究人员欢迎。开发了替代生成模型(如神经绘制模型)，将生成和预测结合在一个网络中，来促进半监督学习。研究人员将深度学习的应用扩展到地震预测、材料科学、蛋白质工程、高能物理和控制系统等许多科学领域。在这些案例中，领域知识和约束与学习相结合。例如，为了提高无人机的自主着陆能力，通过学习地面效应模型来校正基地控制器，保证学习的稳定性，这在控制系统中是非常重要的。

预测：

“将模拟和现实连接起来的人工智能，将变得更安全，更具有实体意识”

我们将看到新的领域适应技术的发展，无缝地将知识从模拟转移到现实世界。使用模拟将帮助我们克服数据的稀缺，并在新的领域和问题中加速学习。将人工智能从模拟应用到真实数据(Sim2real)将对机器人技术、自动驾驶、医学成像、地震预测等领域产生重大影响。在自动驾驶等安全关键应用中，模拟是考虑所有可能场景的一种很好的方式。

AndriyBurkov(

burkov)是Gartner的机器学习团队负责人。

以下是我作为一个实践者的个人看法，而非Gartner基于研究的官方声明。

年机器学习和人工智能的主要发展是什么?

TensorFlow在学术界输给了PyTorch。有时候，谷歌的巨大影响力和影响范围可能会将市场引向一个并不理想的方向，MapReduce(一种编程模型)就是这样一个例子。

深度伪造(Deepfakes，它制造出的声音与真人一模一样)粉碎了最可靠的信息来源，打破了传统观念：眼见未必为实。自今年4月份以来，涉及美国前总统巴拉克·奥巴马(BarackObama)的一段一分钟长视频已被观看过万次。在这个视频里，你可以看到奥巴马在发表演讲，演讲内容却是其正在用语言攻击他的继任者唐纳德·特朗普。但是只是一段经过加工的视频。令人诧异之处在于，当奥巴马在发表上述演讲时，他的嘴巴会随之而动，表情、口型、声音和奥巴马一模一样，让人完全看不出任何破绽，就像是奥巴马真人的发表演讲一样

强化学习以深度学习的形式卷土重来，实在是出人意料!

谷歌机器人能够代你打电话订餐，并且伪装地与真人毫无二致，这是一个里程碑。然而，它提出了许多关于伦理和人工智能的问题。

个人助理和聊天机器人很久就会被发展到极致。它们表现的比以往任何时候都好，但与去年公众对它们的期望还是存在差距。

你预计年的主要趋势是什么?

1.我预计公众对机器学习的兴趣会增加，至少一定会高于今年。但我预计机器学习可能会经历失败(除了出现一些非常具体的和令人惊艳的用例，如图像识别、机器翻译、文本分类)。

2.营销自动化:随着成熟的生成式对抗网络和变分自编码器(variationalautoencoder)的出现，人们可以生成数千张同一个人或同一名付费用户的照片，而这些照片之间的面部表情或情绪差异很小。根据消费者对这些图片的反应，我们可以产生最佳的广告活动。

3.移动设备上的实时语音生成与真人无异。

4.自动驾驶出租车仍处于测试/PoC(验证性测试)阶段。

PedroDomingos(

pmddomingos)是华盛顿大学计算机科学与工程系教授。

经过多年的大肆宣传后，年将人工智能蒙上了一层阴影。听听媒体甚至一些研究人员的说法，你可能会认为，剑桥分析公司(CambridgeAnalytica)把帮助特朗普赢得了年的大选;机器学习算法带有偏见和歧视;机器人将取代我们的工作，然后将掌控我们的生活。这也不只是说说而已：欧洲和加州已经通过了严厉的隐私法，联合国正在讨论禁止智能武器，等等。公众对人工智能的看法越来越黑暗，这既危险又不公平。希望年是理智回归的一年。

AjitJaokar(

AjitJaokar)是牛津大学物联网数据科学课程的首席数据科学家和创始人。

年，出现了一大波新趋势。自动化机器学习是其中之一，强化学习是另一个。这两种新趋势将在年显著扩大。作为我在牛津大学(OxfordUniversity)教学的一部分(物联网数据科学课程)，我看到物联网正日益融入自动驾驶汽车、机器人和智能城市等大型生态系统。通过与Dobot的合作，我看到了一种新型机器人，即协作机器人(cobots)，这是年的一个关键趋势。不像以前的流水线机器人，新的机器人具有自主能力，也能够理解情感。最后，一个有争议的观点是:年，我们所知的数据科学家的角色将从研究转向产品开发。我认为人工智能与下一代数据产品的创造有着更紧密的联系。数据科学家的角色将相应地改变。

NikitaJohnson(

nikitaljohnson)是RE.WORK的创始人。

我们在年看到的一项发展是，越来越多的开源工具正在降低进入门槛，让所有人都能更容易地开发人工智能，以确保组织间的协作得到加强。这些社区对于确保人工智能在社会和商业领域的传播至关重要。

同样，在年，我们将看到专注于“AIforGood”(AI造福人类)的公司数量增加，这是基于谷歌最近宣布的“AIforSocialGood”项目，以及微软的“AIforGood”计划。随着社会要求企业达到更高的社会目标，这种向人工智能的积极影响的转变正在获得越来越多的

转载请注明:http://www.aideyishus.com/lkzp/4265.html