专家盘点2017最重要AI事件 2018将成为AGI元年Part1

猜想2018

  来历:新智元群众号

  新智元编译  

  来历:kdnuggets.com

  作者:Matthew Mayo

  编译:刘小芹  常佩琦  闻菲

  [新智元导读]2017年人工智能最重要的展开是什么,2018年会有怎样的要害趋势?数据科学网站KDnuggets发布年度陈说,咨询13位机器学习和AI领域的专家定见。2017见证了AlphaGo系列的成功,深度学习热潮,以及TensorFlow对神经网络技术商用化的影响。2018AI将走向老到,迎来全球“AI-first”经济打破,可说明性和透明度将得到更多注重。

 

  在即将离别2017年之际,KDnuggets向多位机器学习和AI专家询问了哪些是2017年最重要的展开,以及他们对2018年要害趋势的猜想有哪些。这份陈说企图抓住2017年的重要工作,以及工业、学术和技术展开的脉搏,一同也竭力去展望即将到来的2018年的要害趋势。

  被采访者是大数据、数据科学、人工智能和机器学习领域的一些顶尖专家。具体来说,采访的问题是:2017年,与机器学习和人工智能相关的首要展开是什么?2018年,你认为将看到哪些要害趋势?

  作为一个快速的回想,上一年的趋势和猜想首要会合在以下议题:

  • AlphaGo的成功
  • 深度学习的热潮
  • 主动驾驶轿车
  • TensorFlow对神经网络技术商用化的影响

  AlphaGo Zero令人振作,云比赛剧烈

  Xavier AmatriainCurai的联合创始人兼CTO,之前是Quora的工程副总裁和Netflix的研讨/工程总监。

  如果一定要选一个本年的首要亮点的话,那就是AlphaGo Zero。这一新方法不只在一些最有出路的方向上得到改善(例如深度强化学习),并且它还代表了一种范式改换,即模型可以在没有数据的情况下学习。最近我们也了解到,AlphaGo Zero还能推广到象棋等其他游戏。

  至于人工智能的工程方面,2017Pytorch初步升温,成为Tensorflow的一个对手,特别是在研讨领域。

  Tensorflow通过在Tensorflow Fold中发布动态网络,敏捷作出反应。大公司之间的“AI战役还包括许多其他的战役,其间比赛最剧烈的是云。全部的首要供应商都添加了云的投入,并在云上添加各自的AI支撑。亚马逊在他们的AWS中提出了许多的立异,比如他们最近发布Sagemaker用于构建和安置ML模型。其他值得一提的是,较小的玩家也在不断进入。Nvidia最近推出了他们的GPU云,这将成为操练深度学习模型的另一个幽默的选择。虽然有这么多比赛,但这个工作必要时可以团结起来,这是件积德行善。新的ONNX神经网络表明标准是完结互操作性的重要并且必要的一步。

  2017年,盘绕AI的社会问题也在接连(晋级)。伊隆·马斯克(Elon Musk)认为我们越来越靠近杀手AI的观念继续发酵,令许多人感到沮丧。关于AI在未来几年将怎样影响作业,也有许多谈论。终究,我们看到更多的焦点放在AI算法的透明度和成见上。

  深度学习模型需求透明度

  Georgina Cosma:诺丁汉特伦特大学科学与技术学院高级讲师

  机器学习模型,特别是深度学习模型,正在对医疗、法律系统、工程和金融等要害领域发作严重影响。但是,大多数机器学习模型不简略说明。在分析和诊断模型中,了解模型是怎样完结猜想的特别重要,因为人类有必要要有满意的决计去信赖模型提出的猜想。重要的是,一些机器学习模型的决定有必要与法律法规相符。现在是创建满意透明的深度学习模型以说明它们的猜想的时分了,特别是当这些模型的作用被用来影响或奉告人类抉择计划时。

  AlphaGo Zero很巨大,但还算不上是打破

  Pedro Domingos:华盛顿大学核算机科学与工程系教授,《终极算法》作者。

  • Libratus(冷扑大师)在德州扑克上的成功,将AI的优势扩展到不完善的信息博弈
  • 主动驾驶轿车和虚拟助理的比赛日益剧烈,Alexa在后者的比赛中势不可当。
  • 谷歌、亚马逊、微柔软IBM之间云AI的比赛继续升温。
  • AlphaGo Zero很巨大,但算不上是一个打破。self-play ML的一个存在已久的主见,而人类远远不需求下够500万盘棋才华把握围棋。

  2018年将是AI老到的一年

  Ajit Jaokar:主任数据科学家,牛津大学物联网数据科学课程的创建者。

  2017年是AI的一年。2018年将是AI老到的一年。我们现已从更多是系统工程/的角度看到这一趋势。AI正在变得越来越杂乱,h2o.ai这类公司则简化了安置AI的杂乱性。

  AI正越来越多地用于比赛优势,特别是在工业物联网、零售和医疗领域,这将导致更大的推翻。AI也正在敏捷地安置到企业的各个层面(带来许多新的机遇,但也将导致更多作业消失)。

  我认为AI正在通过嵌入式AI(即跨过企业和物联网的数据科学模型)融合传统的企业和更广泛的供应链。

  终究,传统工作将继续短少懂得AI/深度学习技术的数据科学家,例如银工作(特别是工业物联网领域)。

  智能主动化将渗透到各行各业

  Nikita JohnsonRE.WORK创始人

  2017年,MLAI的展开取得了巨大的行进,特别是最近DeepMind发表的通用强化学习算法,在自我对弈4个小时之后,打败了世界上最好的象棋程序。

  2018年,我希望看到智能主动化渗透到各行各业的公司,从传统制造业、零售业到公共事业。跟着数据收集和分析的不断添加,企业级主动化系统战略的需求将变得至关重要。这将使企业可以投资于一个更长时刻的AI计划,并确保它是未来添加和功率提高的优先事项。

  我们还将看到主动化机器学习帮忙非AI研讨人员更简略运用机器学习技术,并使更多公司将机器学习方法运用到他们的作业场景。

  meta-learning few-shot learning

最火手机版APP下载尽在火星棋牌