2016年人工智能和机器学习有了极大的进步。我们相信2017年进步会有更多。下面是《麻省理工科技评论》对于2017年人工智能做出的五大预测。

深度强化学习应用前景广阔

去年,谷歌AlphaGo以4:1的绝对优势打败了世界最顶尖的围棋高手之一李世石,这是人工智能发展史上重要的里程碑,代表人工智能已经能在诸如围棋等高度复杂的项目中发挥出超过人类的作用,对于深度强化学习技术的发展更是有着重大的意义。

强化学习是人工智能中策略学习的一种,是一种重要的机器学习方法,在智能控制机器人及分析预测等领域有许多应用。

强化学习原理是动物学习了某种行为得到奖励导致出现该行为的趋势加强。

20170113 04 AI02

使用这种学习方法,计算机可以算出如何通过实验和错误的迷宫,然后尝试做出积极的行为——比如退出这个迷宫,并对行为进行反馈。由这个反馈来调整之前的行为,通过不断的调整算法能够学习到在什么样的情况下选择什么样的行为可以得到最好的结果。

强化学习与监督学习是有区别的,监督学习是有一个label(标记)的,这个label告诉算法什么样的输入对应着什么样的输出。而强化学习没有label告诉它在某种情况下应该做出什么样的行为,只有一个做出一系列行为后最终反馈回来的reward signal,这个signal能判断当前选择的行为是好是坏。

20170113 04 AI03

强化学习已经存在了几十年,但是这个方法在实践中没有取得很大成功,主要是由于表征和缩放的问题。然而深度学习的出现为强化学习提供了“一贴强心剂”。

由谷歌DeepMind开发的计算机程序AlphaGo在五次对抗比赛中击败了人类围棋冠军,它最近所取得的成功在很大程度上要归功于强化学习。AlphaGo是通过使用一个人类专家数据库来初始化一个自动代理的方法被训练的,但随后提炼的方法是通过大量地自我对抗游戏以及应用强化学习。

可以看出,强化学习被证明在真实世界环境里是有用的。

最近有不少模拟环境发布,通过扩大计算机能够借助这种技术获得的技能数量,应当会推动所需算法设计方面的进展。

在2017年,我们很可能会看到更多的强化学习应用到诸如自动驾驶和工业机器人难题中的尝试。谷歌称使用深度强化学习可以让他们的数据中心更高效。但是这种方法仍然在是实验阶段,需要耗费大量的时间来模拟环境,因此,未来该类技术能够如何被有效部署值得关注。

生成对抗网络最值得期待

在2016年12月举行的第30届神经信息处理系统大会(NIPS,AI界最著名的会议之一)上,讨论最多的是一种新的学习技术——生成对抗网络,在会议大纲中被提到逾170次。

GANs是“生成对抗网络”(Generative Adversarial Networks)的简称,由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。Yann LeCun曾评价GAN是“20年来机器学习领域最酷的想法”。

在GANs这片新兴沃土,除了Ian Goodfellow所在的OpenAI在火力全开,Facebook的人工智能实验室也在这一领域马不停蹄深耕,就连苹果也跳上了GANs的彩车:苹果有史以来第一篇公开发表的AI论文,讲的是如何更好地利用GANs,来训练AI图像识别能力。从学术界到工业界,GANs席卷而来。

生成对抗网络指的是同时训练两个神经网络。其中一个神经网络叫做生成器网络( Generator Network),它不断捕捉训练库里真实图片的概率分布,将输入的随机噪声(Random Noise)转变成新的样本(也就是假数据)。另一个叫做判别器网络(Discriminator Network),它可以同时观察真实和假造的数据,判断这个数据到底是不是真的。

20170113 04 AI04

判别器的任务是判断给定图像是否看起来自然,换句话说,是否像是人为(机器)生成的。而生成器的任务是,顾名思义,生成看起来自然的图像,要求与原始数据分布尽可能一致。

通过这两个神经网络的共同努力,可以产生非常逼真的合成数据。这个方法可以用于生成视频里的游戏风景,去掉模糊的、像素化的视频,或者将文本上的变化变成计算机产生的设计。

20170113 04 AI05

Yoshua Bengio(Ian Goodfello的博士生导师,世界领先的机器学习专家)在NIPS会议上说,GAN这种方法特别令人兴奋,是因为它提供了一个强大的方式可以让电脑学习更多未标记的数据,这或许会成为让计算机变得更智能的关键。

中国出现人工智能热潮

2017年将是中国成为AI领域重要角色得的一年。该国的技术产品正在逐渐远离对西方国家科技公司的模仿,中国已经确定人工智能和机器学习会成为下一个创新的重大领域。

20170113 04 AI06

中国的领先搜索公司——百度,已经成立了人工智能实验室,该实验室正在研究如何从语音识别和自然语言处理技术中受益,以及用它来更好地优化广告业务。

其他的玩家也在争先恐后地追赶。

拥有微信的腾讯,去年也成立了人工智能实验室,正在忙着在NIPS上招聘AI领域的天才。

滴滴,也建立了一个实验室,据称要研究无人驾驶汽车。

中国的投资者正在将资金投入到以AI技术为中心的创业公司中,中国政府也有迹象表明他们想要看到更多的AI产业在中国遍地开花,并承诺将在2018年在该领域投资约150亿美元。

语音识别技术进一步发展

如果你问AI研究员下一个目标是什么,他们很可能会提到语言。因为在语音和图像识别等领域已经取得了巨大的进展,可以帮助计算机更有效地解析和生成语言。

20170113 04 AI07

语言,也是人工智能领域中一个长期存在的目标。人机对话是一个非常迷人的前景。更好的语义理解会让机器更有用处。但我们面临的挑战也是艰巨的,因为语言是非常复杂的、微妙的。

不要指望你能和你的智能手机有什么深度而又意义的对话。

但是一些语音识别已经有了不错的进展,在2017年,这个领域会有进一步的发展。

人工智能过度炒作 或将迎来产业发展泡沫期

除了真正的进步和令人兴奋的新应用,在2016年人工智能领域也存在大量达到新高度的炒作。

虽然很多人对于今天的人工智能技术的价值很有信心,但是我们也很难摆脱这种围绕在AI上的感觉:AI的宣传有点失控了。

20170113 04 AI08

一些人工智能研究员显然非常恼火。在NIPS大会举行期间,一家名为Rocket AI(AI大跃进)的虚假AI创业公司举办了庆祝成立的派对,意在讽刺围绕真正AI研究的狂躁情绪和废话连篇。这种欺骗虽然不是很令人信服,但它确实是一种很有趣的方式,吸引大家关注AI界真实存在的问题。

一个真正的问题是,当人工智能重大突破没有按照宣传的那样发生,会不可避免地让人对AI产生失望的感觉,导致估值过高的初创公司破产、投资枯竭。

也许,2017年,AI被过度吹捧的现象会引发某种反弹——也许这不会是什么坏事。