2017回顧與2018前瞻：機器學習與人工智能
時隔一年，科技媒體KDnuggets最近向大數(shù)據(jù)、數(shù)據(jù)科學、人工智能和機器學習領域的一些頂尖專家征詢了他們對于2017年這些領域最重要的發(fā)展，以及2018年的主要發(fā)展趨勢的看法。這篇文章是本系列的第一篇年終總結，主要是關于在2017年，機器學習和AI領域都發(fā)生了哪些大事，以及2018年可能會出現(xiàn)哪些趨勢。
問題：2017年，機器學習和人工智能最重要的發(fā)展是什么，2018年有何關鍵趨勢？
2017年，KDnuggets曾就這一問題收集了很多專家的預測，總的來說，當時他們對2017年機器學習和AI發(fā)展的趨勢和預測主要集中在以下方面：
AlphaGo的成功
深度學習熱潮
自駕車
TensorFlow對神經(jīng)網(wǎng)絡技術商業(yè)化的影響
目前來看，這些預測基本上應驗，2017年在這些方面確實取得了重要的進步。
為了了解年度最重要的發(fā)展動態(tài)，工業(yè)機器人維修，以及專家對機器學習和人工智能將在2018年取得的成果預測，參考專家的意見非常有必要。
2017AlphaGoZero最矚目，社會問題將引發(fā)討論
XavierAmatriin，Curai聯(lián)合創(chuàng)始人兼CTO，曾任職Quora技術總監(jiān)和Netflix的研究/技術主管
今年的亮點非AlphaGoZero莫屬。這種新方法不僅在一些最有發(fā)展前景的方向上有所改進（例如深度強化學習），而且也代表了學習范式的轉變這種模式可以在沒有數(shù)據(jù)的情況下進行學習，而且最近我們也學會了將AlphaGoZero應用到象棋等其他游戲中。
在人工智能技術方面，2017年始于Pytorch，并對Tensorflow構成真正意義上的挑戰(zhàn)，特別是在研究方面。對此，Tensorflow通過在TensorflowFold中發(fā)布動態(tài)網(wǎng)絡迅速作出回應。大玩家之間的AI之戰(zhàn)轟轟烈烈，其中最激烈的戰(zhàn)爭均圍繞云而展開，所有的主要供應商都已經(jīng)在各自的云服務中加緊布局AI。亞馬遜已經(jīng)在他們的AWS進行大量創(chuàng)新，比如其最近推出構建和部署ML模型的Sagemaker。另外值得一提的是，小型玩家也在不斷涌入，例如Nvidia最近推出了他們的GPU云，位訓練深度學習模型提供了另一個有趣的選擇。雖然戰(zhàn)況激烈，但我很高興看到各行業(yè)在必要時能夠凝聚在一起。另外，新的ONNX神經(jīng)網(wǎng)絡表達標準化是實現(xiàn)互操作性重要且必要的一步。
2017年，人工智能方面的社會問題將進一步升級。ElonMusk認為AI會越來越接近武器機器人的想法極具煽動性，讓許多人感到沮喪。另外，關于人工智能在未來幾年會對工作產(chǎn)生什么影響也引起了廣泛的討論。另一方面，我們會將更多的注意力集中在AI算法的透明度問題上。
預測模型透明化越發(fā)重要
GeorginaCosma，諾丁漢特倫特大學科學與技術學院的高級講師
機器學習模式，特別是深度學習模式正在對醫(yī)療保健、法律制度、工程和金融業(yè)等關鍵領域產(chǎn)生重大影響。但是，大多數(shù)機器學習模型難以解釋。了解一個模型如何在剖析和診斷模型中進行預測的原理尤為重要，因為模型提出的預測必須值得我們信賴。重要的是，一些機器學習模型的決定必須遵守法律法規(guī)。現(xiàn)在，我們創(chuàng)建的深度學習模型的預測原理必須足夠透明，特別是當這些模型的結果會影響人類的決定，或用來做出決定的時候。
云AI競賽加劇，AlphaGoZero無實質(zhì)性突破
PedroDomingos，華盛頓大學計算機科學與工程系教授
AI賭神Libratus戰(zhàn)勝德州撲克專家，將AI的主導地位擴展到并不完善的信息游戲中。
自動駕駛汽車和虛擬助手之間的競爭越來越激烈，Alexa在后者中占有一席之地。
谷歌、亞馬遜、微軟和IBM之間的云AI競賽。
AlphaGoZero很偉大，但并沒有實質(zhì)性的突破。自我對弈游戲是ML最常見的挑戰(zhàn)領域，人類經(jīng)過不到500萬場游戲訓練即可掌握Go游戲的玩法。
AI成為企業(yè)競爭優(yōu)勢，人才短缺現(xiàn)狀將繼續(xù)
AjitJaokar，牛津大學數(shù)據(jù)科學物聯(lián)網(wǎng)課程首席數(shù)據(jù)科學家和創(chuàng)建者
2017年是AI的一年，2018年將是AI走向成熟的一年，我們已經(jīng)從AI與系統(tǒng)工程/云原生的角度看到這一趨勢。AI講變得越來越復雜，但h2o.ai這樣的公司會讓部署AI變得更簡單。
我看到人工智能在企業(yè)之間取得競爭優(yōu)勢方面的作用越來越大，特別是在工業(yè)物聯(lián)網(wǎng)、零售和醫(yī)療保健方面。我也看到人工智能正在被迅速部署在企業(yè)的各個層面（創(chuàng)造新的機會，但更多工作崗位消失）。因此，這已經(jīng)超越了PythonvsR和cats的討論！
此外，我認為人工智能是通過嵌入式人工智能（即跨越企業(yè)和物聯(lián)網(wǎng)的數(shù)據(jù)科學模型）合并傳統(tǒng)企業(yè)，以及更加廣泛的供應鏈。
最后，除了銀行等傳統(tǒng)行業(yè)（尤其是工業(yè)物聯(lián)網(wǎng)）之外，了解AI/深度學習技術的數(shù)據(jù)科學家短缺的情況將繼續(xù)存在。
ML＆AI幫助企業(yè)提高效率
NikitaJohnson，RE.WORK創(chuàng)始人
2017年見證了ML＆AI取得巨大的進步，特別是最近DeepMind的一般強化學習算法，在四小時內(nèi)自學游戲規(guī)則，并擊敗世界上最強大的象棋游戲程序。
2018年，我期望看到智能自動化滲透到傳統(tǒng)制造企業(yè)、零售、公共事業(yè)單位等各種公司。隨著數(shù)據(jù)收集和分析量不斷增長，企業(yè)級自動化系統(tǒng)戰(zhàn)略將變得至關重要。這將促使公司投資于長期AI計劃，并將其列為企業(yè)成長和提高效率的優(yōu)先級發(fā)展事項。
我們還將看到自動化機器學習幫助非AI研究人員更輕松地使用該技術，并讓更多公司能夠將機器學習方法應用到他們的工作場所中。
元學習的進展讓人興奮
HugoLarochelle，Google研究科學家，加拿大高級研究機構機器學習和大腦項目副主任
機器學習最讓我興奮的一個趨勢是元學習（meta-learning）的發(fā)展。元學習是一個特別廣泛的總稱。但是今年，最讓我興奮的是我們在少數(shù)學習問題上取得了進展，這就解決了如何從若干例子中發(fā)現(xiàn)學習算法的問題。ChelseaFinn在今年年初曾就這一話題的進展，在這篇博客中中進行了很好的總結。值得注意的是，現(xiàn)在在機器學習方面，ChelseaFinn是眾多令人驚嘆的博士生中，最有成就、最令人印象深刻的人之一。
今年年末，人們使用深度時間卷積網(wǎng)絡、圖形神經(jīng)網(wǎng)絡等方法，進行了更多關于用少量鏡頭學習的元學習研究。現(xiàn)在，元學習方法也更多地被用于主動學習、冷啟動項目推薦、少數(shù)分布預測、強化學習、分層RL、模仿學習等。
這是一個令人興奮的領域，我一定會在2018年對這一領域保持密切關注。
AI沉默著革命，全球AI咨詢需求大增
CharlesMartin，數(shù)據(jù)科學家和機器學習AI顧問
2017年，深度學習AI平臺和應用程序發(fā)展勢頭迅猛。Facebook發(fā)布了Tensorflow的競品PyTorch，以及Gluon、Alex、AlphaGo等進步，ML從特征工程和邏輯回歸發(fā)展到閱讀論文、應用神經(jīng)網(wǎng)絡、優(yōu)化訓練效果。在我的咨詢實踐中，客戶已經(jīng)在尋求自定義對象檢測、高級NLP和強化學習服務。當市場和比特幣飆升的時刻，KUKA機器人維修，人工智能一直在進行著沉默的革命，其再零售業(yè)應用也啟示著人們，人工智能改變整個行業(yè)的巨大潛力。企業(yè)想要變革，對AI技術和技術指導非常感興趣。