人工智能

“盛年不重来，一日难再晨。及时当勉励，岁月不待人。”光阴似箭，岁月如梭，如果要重新阅读2018年人工智能发展，“经典语录”是一种十分好的形式。“语录”虽简洁，但字字可深读；之所谓“经典”，固然是要能引起共鸣、发人深省，有一定传播力的名人之言。

本文筛选了十位人工智能顶尖大佬在2018年的讲话精选，从学术研究、行业应用、人性等方面全面诠释人工智能现状。

1、谷歌CEO Pichai接受MSNBC采访

AI将给人类带来革命性意义，甚至会比电或者火带来更深远的影响。虽然火是好东西，但火也会杀死人。人们学会了利用火来造福人类，但我们也必须学会避免火带来的灾难。

现在人们提到如何在数字化社会找到工作机会时，经常想到的第一个词就是‘代码’。在过去十几年中数字技术的发展都集中在计算机科学上。写代码固然是非常重要的，也是值得投资的一项重要技能。但在数字技术领域还有更大的潜在机会，在过去很大程度上未被开发出来。有一些技能在五年前并不存在，但今天的工作者则需要掌握这些技能。在二三十年前，人们接受教育之后就可以受用一辈子，但对当下这个时代出生的人来说情况并非如此，他们必须保持终生学习。

人工智能究竟能发展到什么地步？困扰了人类数千年的未解之谜，能否依靠人工智能来解决？人工智能未来是否会具有逻辑思维，并会对人类产生威胁？近日，在中央电视台大型科学挑战类节目《机智过人》录制现场，腾讯科技带着这些问题对话中科院院士张旭、阿里技术委员会主席王坚、语音智能研究专家胡郁等权威专家，就人工智能的话题进行了深入讨论。

人工智能就是要解决人类不能解决的问题

1997年，人工智能“深蓝”在击败了国际象棋世界冠军卡斯特洛夫；2016年和2017年，阿尔法狗又接连以压倒性优势战胜了李世石和柯洁；在央视综合频道播出了两季的《机智过人》节目上，诸多人工智能产品在接受人类检验的过程当中也展现出了惊人的能力。

但人类似乎并不感到满意，因为人工智能击败的选手，尽管出类拔萃，但并不意味着达到了人类的极限。而在数学等自然科学领域，还有哥德巴赫猜想、黎曼猜想等世界难题横亘在人类面前，对于这些难题，人工智能是否有希望解决？

对此，王坚对腾讯科技表示，人工智能就是要解决人类不能解决的问题，就好像摄像头并不是人的眼睛，但它却可以捕捉到更多的信息。比如《机智过人》先锋盛典里面提到的城市大脑，就是要去解决今天人类自身不能解决的城市问题。

消费者对于 AI “侵袭”他们的生活曾有很多质疑的声音：如果机器人抢了我的工作怎么办？它们会不会一直监听我的对话、窥探我的隐私？它们会不会滥用收集的用户数据？但是现在，消费者们逐渐在生活和工作中接受并拥抱 AI。

随着消费者接受程度逐渐提高，越来越多的企业热衷于引入 AI 科技。根据麦肯锡公司的调查显示，2013年以来，企业平均在引入AI技术的投资翻了三倍。

事实上，AI 是能够彻底改变企业运营方式的。2019年会有更多的企业采用AI技术，尤其是以NLP自然语言处理为基础的语音对话技术，来改变公司的命运。

展望2019年，有哪些 AI 趋势需要企业重点关注呢？

对话式 AI

几乎每个人的手机和智能音箱中，AI 助手都已经成为了标配。与智能设备进行语音对话交互对于大家并不陌生，比如让它播放歌曲、播报天气、搜索信息、开关电器等等，都能通过语音指令完成。

目前市面上大多数互联网产品是基于GUI（图形用户界面）的，也就是用户需要层层点击完成相关操作。而随着人机交互的发展，基于对话的CUI（对话式交互）将成为大势所趋，机器往往需要完成“听懂——理解——回答”的闭环，完成多伦对话、意图推理、个性化及情感互动。

2018年，人工智能告别喧闹，投融资市场渐趋冷静，底层技术研发持续推进，从衣食住行到教育医疗，人工智能全方位改变着生活的样貌。

近日，由斯坦福大学主导、来自MIT、OpenAI、哈佛、麦肯锡等机构的多位专家教授联合发布的人工智能指数年度报告出炉，报告显示，在人工智能这一领域，美国依然是当仁不让的王者，但中国的AI技术，无论在学术界还是产业界，都正以极快的速度向前追赶。报告中有几个惊人的数字：与2000年相比，2016年中国人工智能学者发表的论文被引用的次数提高了44%。清华大学去年学习人工智能和机器学习方向的学生数量是2010年的16倍。

更前沿的技术突破、更广泛的应用场景、更充足的人才准备，当热潮渐渐褪去，这个被押注了未来的行业，依然承载着人们对明日世界最广阔的想象。

发力底层技术 让机器更聪明

让机器能够像人一样思考、感受和认识世界，是人工智能科学家们孜孜以求的终极目标。为了实现这个目标，他们提出各种技术方案对机器进行训练，这种底层技术的进步也是人工智能技术进步的基础。

当前，人工智能正在席卷全球科技产业，越来越多的行业和市场都在人工智能领域进行深耕，作为当今辅助人类进行创新和变革的重要生产力工具和技术驱动力，人工智能技术当前已经发展到什么阶段了呢？未来人工智能产业又将会走向何方呢？

对于人工智能技术来说，我们日常经常看到的或许是机器算法的应用、又或是对于自然语言的处理等内容，对于人工智能来说，现在已经收集了海量的最优算法，其中涵盖了计算机视觉、游戏、自然语言处理、网络图、知识库等很多内容。

计算机视觉感知

其中值得一提的是计算机视觉，对于计算机视觉来说，3D技术是最受青睐的一类，2017年的CVPR，MIT、马萨诸塞大学阿默斯特分校和谷歌DeepMind的研究人员展示了一项成果，使用自动编码器（VAE），构建了一个名叫SingleVPNet的框架，能从多个视角的深度图或其相应的轮廓（silhouette）学习生成模型，并使用渲染函数从这些图像生成细节精致的3D形状。

对于计算机识别感知框架来说，通过一系列不同视角的2D深度图当中，研究人员就能够去生成新的3D形状和3D图片，其中的平均误差将会缩小到0.35左右，也就是说计算机视觉所带来的3D图片将会是非常逼真的一张图。

自从2012年以来，深度学习（Deep Learning）就以一种势如破竹之势突破了一个个经典的人工智能问题。面对人工智能的快速发展，你不想了解它的基本工作原理吗？

想搞清楚什么是深度学习，要先从人工智能说起，自从 1956 年计算机科学家们在达特茅斯会议(Dartmouth Conferences)上确认人工智能这个术语以来，人们就不乏关于人工智能奇思妙想，我们梦想着拥有人类五感(甚至更多)、推理能力以及人类思维方式的神奇机器。如今，虽然梦想的局面还没有出现，但是稍微弱一点的人工智能已经大行其道了，比如：图像识别、语音识别、多语言翻译等。

机器学习是实现人工智能的一种重要方法。机器学习的概念来自早期的人工智能研究者，简单来说，机器学习就是使用算法分析数据，从中学习并自动归纳总结成模型，最后使用模型做出推断或预测。与传统的编程语言开发软件不同，我们使用大量的数据送给机器学习，这个过程叫做“训练”。

人工智能是近年来科技发展的重要方向，在大数据时代，对数据采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据的开发过程中，有哪些特别需要注意的要点?

人工智能领域的算法大师、华盛顿大学教授Pedro Domingos对此进行了深入思考。

在我们新近翻译的《智能Web算法》(第2版)中，对Pedro Domingos教授的观点进行了高度的概括，提炼出12个注意点，为行业开发实践提供了重要参考：

注意点1：你的数据未必可靠

在实际应用中，有很多各种各样的原因会导致你的数据是不可靠的。因此，当你将数据用于解决问题前，必须经常留心来检查数据是否值得信赖。如果基于糟糕的数据来挖掘，无论多么聪明的人也永远只会获得糟糕的结果。下面列举了一些常见的可导致数据可靠性问题的因素：

用于开发的数据，往往和实际情况下的数据分布不同。例如也许你想把用户按照身高划分为“高”、“中等”、“矮”三档，但如果系统开发时使用的数据集里最低用户的身高是6英尺(184cm)，那么很有可能你开发出来的系统里会把一个“仅有6英尺”的用户称为“矮”用户

选自 | Forbes
编译 | 网易智能（公众号 smartman163）
参与 | 晗冰

据国外媒体报道，近日《福布斯》采访了与人工智能相关的120位高管，就2019年人工智能将会如何进行了展望。对于未来的人工智能，虽然众说纷纭，但无疑是期望人工制更实用、更精确、为社会带来更好的未来。

“自动化金融是人工智能的一种实际应用，全球数百万银行客户已经开始以多种形式应用这种人工智能，未来几年会越来越好。”基于目前世界各地银行正在进行的项目，我看到越来越多的客户将依赖人工智能“提升”他们的财务状况，通过自动化应用来帮助实现财务目标。为了提供有效的自动化金融，金融机构将需要针对每一个客户群所在细分领域(如零售、小企业和财富)开发专用的人工智能，从更通用的人工智能形式转向嵌入主题知识和专业技能的特定领域解决方案。”
—— 以色列金融科技创新公司Personetics联合创始人兼首席执行官David Sosna