平民化的工具將使得更多公司可以嘗試AI技術

最近一期的福瑞斯特調查顯示，在商業和科技專業人士中，正在研究AI的達58%，已在使用AI系統的只占12%。部分原因是因為AI應用級產品才剛剛實現，另部分原因是因為AI確實有難度。AI需要相當專業化的技術和自行研發的能力。

但是像Facebook公司的Wit.at和Howdy公司的Slack機器人正在競相成為AI領域的VB（微軟的VB可視化編程語言和工具，上手快，使用簡便-譯者注），給相對不是很內行的開發者提供了“點擊式”的會話界面。像Bonsai，Keras，以及TensorFlow（如果你不介意自己編程）這類工具，簡化了深度學習模型的操作。谷歌API和微軟Azure云平臺，則允許你創建智能應用，而無需考慮底層運行平臺的配置和運維。

我們將看到更多專門性的AI系統

我們現在并不奢望搞出大型、通用AI系統。但我們確實希望能開發出專門、有針對性的AI系統，比如：

• 機器人：用于個人，工業，零售（如亞馬遜的倉庫自動搬運機器人，譯者注）
• 自動駕駛：汽車，無人機
• 虛擬人：用于CRM（客戶管理，如機器人在線客服，譯者注），消費者服務（比如亞馬遜的Echo），個人助理
• 行業相關的AI：金融，健康，安保，零售（如亞馬遜的無店員值守超市，譯者注）

自動化程度增加對經濟的影響將成為討論主題

關于邪惡AI將接管世界的言論會減少，但是AI系統沖擊經濟的言論將增多。擔心AI偷走人類工作將不是新鮮事，但我們期待，就AI對經濟方面的影響，進行更深入細微的對話。

在注意力經濟中，幫助人們克服信息過載的AI系統將演化的更加精巧

我們注意到（并且很歡迎）AI領域很有趣的發展，即幫助人們篩選信息以抵御信息過載，尤其在以下領域：

• 自然語言理解
• 結構化數據挖掘（從“暗數據”到“結構化信息”）
• 信息地圖
• 自動摘要（文本，視頻，音頻）

AI研究人員將繼續處理（或許能解決）基本性難題

1967年，MIT人工智能實驗室的聯合創始人Marvin Minsky說過“經過一代人努力，創造一個人工智能的問題將被基本解決”。這個預見錯了嗎？不見得。但是仍然有些基本問題有待解決。有一些進展，比如：

• 基本AI模塊的持續研究，包括自然語言理解，視覺，發音，強化學習，信息摘取，硬件系統優化
• 具有增強的注意和記憶、能夠同時處理多個復雜問題（比如演繹和推理）的系統，比如DeepMind公司的微分神經計算機
• 非標簽化數據需求減少的算法，無監督學習，半監督學習
• 由人類智能的關鍵方面所啟發的系統，包括直覺式的物理學和心理學，快速建模，因果性（譯者不是很清楚，原作者想要表達的確切含義）
• 能構建具有魯棒性和可靠性的軟件的AI系統，Peter Norvig在O’Reilly的AI大會上做了這方面的精彩演講

人機交互方式將更加豐富

機器智能領域，包括了從純機器智能到輔助人類的廣泛范圍。情緒智能與偵測，以及輔助人類解決問題方面的進展，將為人類和機器智能之間提供更加豐富的人機交互。

倫理和隱私方面的關注將會持續

大多數AI系統是黑盒子，機理非常復雜。跟AI倫理和隱私相關的風險真實存在，需要深思熟慮，已達成一致意見。這些問題不會在2017年就能解決，但我們期望能有所進展。

本文轉自（）

開年促銷正式開啟，全場低至6折起，還送公開課入場券！

活動時間：2017.1.1-2017.1.31