繁華背后的人工智能會經歷什么樣的2018年？
2017年，AlphaGo升級再復出，擊敗柯潔，讓公眾再次認識到人工智能的強大力量。機器學習尤其是深度學習模型迅速部署到醫療、零售、傳媒等領域，谷歌、亞馬遜、百度等科技公司都走向了「人工智能優先」的發展道路，人工智能和深度學習被捧上神壇。不過今天我們對2018年機器學習和人工智能領域的發展做出了幾項悲觀預測，包括發展的局限性，發展帶來的潛在破壞性，以及部分夸張的炒作。
深度學習的復雜性將阻礙人工智能的實際應用，深度學習平臺的簡化和產品化勢在必行
有很多企業希望能夠將人工智能移植到企業應用，很多風投的錢也樂意流向人工智能創業公司。但這些企業都希望將深度學習能力直接應用于解決現實問題，而非希望改進深度學習工具，因為深度學習工具本身往往復雜難懂，只有少數數據科學家能夠掌握。
咨詢公司Gartner曾預言：「有人認為深度神經網絡將在2018年成為80％數據科學家工具箱的標準組成部分，但我們認為這個想法過于樂觀。」
亞馬遜，微軟，谷歌，英特爾，英偉達等深度學習主要提供商正在試圖簡化深度學習工具。但就現狀而言，首先要找到一位具備良好資質并勝任簡化工作的數據科學家不是一件容易的事。其次，使用這些平臺往往復雜而昂貴，除非能夠租用大量昂貴的GPU節點，否則僅一個模型的訓練時間就以周為單位測量，并且仍有許多模型根本無法訓練，我們對超參數的優化知之甚少，有些甚至還沒有被正確識別。
我們都期待這些深度學習工具能夠像其他算法一樣能被合理、便利地使用。第一個提供這種簡單化工具的提供商必將獲得豐厚的回報，www.twshmhelmet.com，但這項工作至少在2018年是無法被完成的。
人工智能和深度學習將以比想象中更慢的速度滲透到市場中，實際應用也可能會比想象中狹隘
人工智能和深度學習在最近一兩年被迅速捧上神壇，不斷有文章介紹人們未來能夠如何在現實中應用人工智能。這些可能的應用在未來或許能夠實現，但這個未來會比大多數人所期望的要更遠。
我們所理解的商業化的深度學習驅動人工智能實際上目前僅限于兩個主要領域：文本語音處理和圖像視頻處理。這兩個領域在商業上都是可行的，并且人工智能和深度學習也確實正在被積極采納。
2018年，人工智能將繼續主要以自然語言處理的聊天機器人形式出現。在2015年只有25％的公司曾聽說過聊天機器人，到2017年已經相當一部分公司計劃制造聊天機器人了，以亞馬遜Echo為代表的智能音箱成為人工智能進入消費領域的典型，銷量已經超過2000萬。2017年第三季度，智能音箱的出貨量暴增708%，國內的智能音箱混戰也已經拉開大幕，阿里巴巴和小米都推出了自己的智能音箱設備，www.twshmhelmet.com，以低價搶占市場。
2018年，語音識別將延續迅速發展的趨勢，并且極有可能逐漸成為所有系統中的可選用戶界面。隨著視覺入口的飽和，音頻設備將成為越來越重要的信息入口，以語音識別為基礎的語音智能將出現在更多智能產品上，比如音箱、電視、冰箱、汽車和可穿戴設備。
然而，深度學習人工智能在圖像視頻識別中的實際應用相當有限，目前市場前景較大的僅有面部識別。未來還將會出現一些面部和手勢識別的應用，但這些能力難以取悅不同層次的客戶。這也包括基于深度學習的自動駕駛汽車，至少在2018年自動駕駛汽車還很難上市出售，真正的自動駕駛汽車或許還要等上幾年。
雖然自動駕駛汽車是當前人工智能創業投資的火熱區域之一，傳統車企和科技公司都在加碼進入這一領域。但值得關注的是，自動駕駛汽車的商業落地到底是以終端消費者為目標還是以貨運出租公司為目標，其市場前景究竟有多大，仍需進一步驗證和探索。
公眾和政府將開始仔細研究人工智能對于社會和隱私所產生的影響
利用預測分析追蹤用戶點擊次數、位置、面部信息等人工智能技術會進一步發展。2017年，中國的資訊行業全面轉向人工智能，以今日頭條為代表的新型互聯網資訊App，充分利用在線追蹤以及個人設備的位置追蹤算法，呈現更符合用戶口味的個性化信息。以此為基礎，這些資訊App能夠針對細分的目標人群進行精準的廣告投送，能夠降低商家的廣告成本，庫卡機器人驅動器維修，同時降低對閱讀者的無效廣告干擾。
與此同時，人工智能帶來的隱私風險逐漸呈現。雖然你可以自由關閉App或選擇退出在線追蹤，但實際上App已經比朋友、家人甚至你自己更加了解你，知道用戶隱私。再加上如今追蹤和記錄面部信息的攝像機泛濫，一旦我們的面部信息被偷偷采集并儲存在面部識別數據庫中，與我們的各種隱私數據結合，后果將更難以設想。
目前為止還沒有明確關于這些可能帶來不利影響的信息，但這種不利影響時刻潛伏著，一旦發生就可能會帶來出乎意料的后果，也許在2018年這些不利影響就會逐漸顯露。
歐盟已經開始行動，在剛剛生效的新的通用數據保護條例（GDPR）中加入了曾經幾乎被人們所遺忘的隱私權。在美國，政府還沒有介入制定這種類似歐盟的嚴格規定，但已經對一些貸款和健康模型所使用的算法和數據進行限制，雖然這會導致這些模型效率下降并出錯。
此外，人工智能的社會功能亟待進一步提升。公眾正迅速意識到，人工智能目前仍無法精確識別、預防特殊事件盡管Facebook，YouTube，Twitter，Instagram等都吹捧自己AI的種種能力，包括發現虛假新聞的能力、發現針對未成年的犯罪等特殊事件的能力，但他們后來都迅速申明是利用了大量的審稿人才達到了所聲稱的準確度，這正說明人工智能的社會功能仍有提升空間。