回顾过去一年，AI人工智能领域的发展情况
对于人工智能(AI)领域来说，过去的一年堪称是个异常忙碌的年份。AI进步和登上新闻头条的速度让我们的日常生活中充满了令人敬畏和自豪的时刻。当然，有时候也充斥着恼人的想法，即我们的社会对AI时代的到来准备依然不够充分。过去的一年是AI取得重大进步的一年还是幻想破灭的一年？随着研究人员迅速攻克以前让人感觉难以企及的基准，我们今天能说这个领域走上了稳定的发展轨道吗？
在应用数据科学合作伙伴公司（Applied Data Science Partners）的帮助下，我们希望后退一步，对2019年的AI活动进行排序和透视。在聚光灯下，重要的是要把一件作品最初吸引人的兴趣与它的实际重要性以及它对这个领域的影响分开。基于这个原因，本文以平行方式叙述2019年的AI故事，并试图分离它们的意义。下面，就让我们回顾下2019年AI领域的发展情况：
强化学习回归
如果我们选择用一句话来描述2019年的AI发展情况，那很可能是：“强化学习（RL）回归了，而且看起来它会继续保持这种趋势。”
到目前为止，我们中的大多数人可能都已经熟悉有监督学习模式：有些人收集了大量的训练数据，将它们提供给机器学习算法，让它提炼出模型，然后帮助我们进行预测和分类。我们中的有些人甚至可能会有这样的印象，即AI是有监督学习的同义词。然而，它只是我们今天拥有的众多机器学习类型中的一种。
在强化学习中，代理通过试验和错误来学习，通过与环境的交互来判断他们的行为。当涉及多个智能代理时，它们就被认为是一个多智能代理强化学习系统。
这个领域已经存在了几十年，从概念上讲，比起有监督学习模式，这听起来更像是一种创造智能的学习机制。然而，直到2015年，英国人工智能初创企业DeepMind才获得了吸引力，当时该公司使用Deep Q学习(经典强化学习算法与深度神经网络相结合)创建了可以玩Atari游戏的代理。2018年，人工智能研发组织OpenAI也通过征服《Montezuma’s Revenge》游戏在该领域站稳了脚跟，这是一款被认为特别难的Atari游戏。
在过去的几个月里，事情取得了重大进展：这些工作重新唤醒了强化学习研究界的信念。在过去，强化学习被认为过于低效和简单，无法解决复杂的问题，哪怕是游戏。
今年获得重大推进的另一个用例是自然语言处理(NLP)。尽管研究人员在这个领域已经工作了几十年，但在几年前，自然语言处理系统生成的文本听起来并不够自然。自2018年底以来，人们的注意力已经从过去的单词嵌入转移到预先训练的语言模型上，这是自然语言理解从计算机视觉中借鉴的一种技术。
训练这些模型是以一种无监督学习的方式进行的，这使得当代系统能够从互联网上可用的海量文本中学习。因此，这些模式变得“有知识”，并发展出了理解语境的能力。然后，使用有监督学习可以进一步提高他们在特定任务中的表现。这种通过训练不同任务来改进机器学习模型的做法属于迁移学习领域，被认为具有很大的潜力。
自然语言理解技术从去年开始蓄势待发，2018年底推出了Google Bert、Elmo和ulmfit等系统，但今年的风头完全被OpenAI的GPT-2抢走，其表现引发了人们对自然语言理解系统是否合乎道德用例的讨论。
理念走向成熟
今年也见证了最近的某些深度学习技术走向成熟。使用有监督学习的应用，特别是计算机视觉，催生了成功的现实产品和系统。
生成性对抗网络(GANS)已经达到了完美水平，其中生成器网络试图通过学习生成模仿训练数据的图像来欺骗鉴别器网络。显然，创建人和物体的人工但逼真的图像不再是AI的前沿。2019年，AI生成的艺术甚至脱离了过去几年的假设讨论，成为今天博物馆装饰和拍卖的一部分。
计算机视觉技术也已被应用于具有重大商业和社会利益的领域，包括自动驾驶汽车和医学。AI算法在这些领域的采用自然很慢，因为它们直接与人类生活互动。至少到目前为止，这些系统还不是完全自主的，它们的目标是支持和增强人类操作员的能力。
研究小组正在与医院密切合作，开发用于疾病早期预测的AI系统，并组织庞大的健康数据档案，一个显著的例子是DeepMind Health和伦敦大学附属医院(UCLH)之间正在进行的合作。然而，这些工作中的大多数仍处于实验阶段，到目前为止，使用深度学习来增强医学图像的软件SubtlePet，是唯一获得FDA批准的AI系统。
沉睡的巨人
AutoML是机器学习的一个子领域，自上世纪90年代出现以来，在2016年引起了人们的极大兴趣，但不知何故从未登上过头条，至少没有像其他AI趋势那样引发关注。或许这要归因于它不那么花哨的本质：AutoML旨在通过自动做出今天数据科学家通过手动、暴力调整做出的决策，来提高机器学习的实践效率。
在过去的三年里，我们对这一领域的理解发生了变化。今天，大多数大公司都提供AutoML工具，包括Google Cloud AutoML、Microsoft Azure、Amazon Web Servi。
回顾过去一年，AI人工智能领域的发展情况相关推荐
- 英国萨里大学金耀初教授：进化计算在人工智能领域的发展
专访英国萨里大学金耀初教授:进化计算在人工智能领域的发展 作为基于种群的全局优化算法,进化算法(Evolutionary Algorithm)不需要目标函数的可解释性,这些年在计算代价昂贵优化问题,多 ...
- AI人工智能领域精美绘图模板分享
1 人工智能的发展历程 如今人工智能的应用渗透了我们生活的方方面面,我们都知道人工智能的前景十分光明,在未来对于推进人类发展进程也是非常重要的,但其实人工智能的发展道路是极其曲折的,下面就将人工智能的 ...
- 我国在量子计算机领域的发展情况的感受,量子计算机的现状及发展趋势.doc
量子计算机的现状及发展趋势 2017年2月21日下午,<麻省理工科技评论>(MIT Technology Review)2017年全球十大突破性技术"中国大陆地区首发,其中量子计 ...
- 我国在量子计算机领域的发展情况的感受,量子计算机的现状及发展趋势
<量子计算机的现状及发展趋势>由会员分享,可在线阅读,更多相关<量子计算机的现状及发展趋势(4页珍藏版)>请在人人文库网上搜索. 1.量子计算机的现状及发展趋势2017年2月2 ...
- 区块链技术在金融领域应用发展情况
区块链对金融的改造主要分为三个方面: 1. 具备改变金融基础架构的潜力: 2. 区块链技术的去中介化, 能够降低交易成本: 3. 区块链技术与金融业相结合,必然会创造出越来越多的业务模式.服务场景.业 ...
- 13个优秀的AI人工智能工具软件导航网站推荐
人工智能(AI)是现在科技领域的热门话题,它不仅改变了我们的生活方式,也催生了许多创新的工具和应用.AI工具可以帮助我们完成各种任务,如绘画.编程.视频制作.语音合成等,让我们的工作和娱乐更加高效和有 ...
- 自学转行学AI人工智能怎么样？
1.我的情况 我本科学工程造价的,后来觉得不想去做工程方面的工作加上兴趣爱好的原因大二开始自学网安,但是那段日子有多枯燥无聊只有我自己知道,加上自己的学习方法不对,东学一点.西看一点,零散的知识难以形 ...
- 机械研究生自学python-年薪 30W 起，如何 4 个月拿下 AI 人工智能工程师 Offer？
光环人工智能 传授核心技术,坚决"不做伪AI"培训 国内顶尖大厂核心技术大牛授课 阿里腾讯生态内推绿色通道 中科院助教天团答疑指导 企业真实项目需求实操 积累高端人脉资源网 月薪轻 ...
- 过去70年人工智能领域 - 最苦涩的教训
原文是Richard Sutton 2019年写的,从今天回看,一篇雄文 Attention Is All You Need 碾压了多少 NLP研究员的光荣与梦想 ... 这个教训,太深重! The ...
最新文章
- java 函数参数 返回值_java中如何用函数返回值作为post提交的参数？
- 【微信小程序canvas】实现小程序手写板用户签名(附代码)
- python 长连接 mysql数据库
- php对象序列化总出错false
- 如何在Marketing Cloud Launchpad里创建新的tile
- 详解C++中的函数调用和下标以及成员访问运算符的重载
- mysql lock_MySQL-锁总结
- 题库明细 使用HTML+CSS开发商业站点
- HDOJ 4005-The war解题报告
- 五款提高工作效率的在线工具【神器】
- js检查身份证号是否正确
- 数控机床的十大数控系统，学了这么多年终于全了！
- 牛客网暑假训练第九场——F-Typing practice(多串并行 优化KMP详解)
- 计算机教室条幅文字,教室横幅标语尺寸
- html5中歌曲和歌词同步的方法
- wpsa4排版_wps排版(wps如何一键排版)
- flutter 单、双排按钮及选择联动ui
- 记录centos 7.9 LNMP为网站申请SSL证书详细操作
- 使用For循环写出99乘法表
- 文件系统的类型是RAW，CHKDSK无法供RAW驱动器使用