中國在AI領域舉足輕重 已經擺脫"山寨"標籤
OFweek機器人網訊：MIT科技評論撰文對2017年人工智慧領域展開五大預測。去年是人工智慧和機器學習技術取得重大進展的一年，2017年該領域有望迎來更多的實質性進展。
正面強化
AlphaGo對世界圍棋冠軍李世石的歷史性勝利，稱得上AI領域（尤其是名為深度強化學習的技術）的一項里程碑。
強化學習技術涉及讓機器通過試驗和正面強化來解決問題，而不是通過程式或者明確的例子。這一理念已經存在了數十年，而結合它和大型的（或者深度的）神經網路可帶來解決非常複雜的問題（比如圍棋）所需的能力。通過不計其數的試驗和對舊棋局的分析，AlphaGo自己習得專家級別的下棋能力。
業界希望，強化學習技術將能夠在很多的現實生活場景派上用場。通過擴大電腦能夠借助這種技術獲得的技能數量，近期數個模擬環境的推出應當會推動所需演算法設計方面的進展。
2017年，我們可能將會看到將強化學習應用於自動化駕駛、工業用機器人等問題的項目。穀歌已經宣稱，通過使用深度強化學習技術，它能夠提升其資料中心的運營效率。但這種實踐仍然是試驗性的，它還需要長時間的類比。因此，未來該類技術能夠如何被有效部署值得關注。
生成式對抗網路
在近期在巴賽隆納舉行的神經資訊處理系統大會（NIPS,AI學術聚會）上，一項名為生成式對抗網路（GAN）的新機器學習技術成為了眾人的焦點。
該類網路由OpenAI研究科學家伊恩·古德費洛（Ian Goodfellow）發明，這種系統由兩個網路組成，一個在學習訓練集後生成新資料，另一個則嘗試區分真實資料和假資料。通過共同作用，這些網路能夠產生非常現實的合成資料。這種方式可被用於產生視頻遊戲佈景，使得圖元化錄影片段變得更加清晰，又或者對電腦生成的設計實施風格變化。
作為世界一流的機器學習專家（和古德費洛在蒙特利爾大學的博士生導師），約書亞·本吉奧（Yoshua Bengio）在NIPS上表示，這種方式尤其令人興奮，因為它給電腦帶來一種很好的從無標記資料學習的途徑——不少人認為，這可能是使得電腦未來幾年大大提升智慧程度的關鍵所在。
正面強化
AlphaGo對世界圍棋冠軍李世石的歷史性勝利，稱得上AI領域（尤其是名為深度強化學習的技術）的一項里程碑。
強化學習技術涉及讓機器通過試驗和正面強化來解決問題，而不是通過程式或者明確的例子。這一理念已經存在了數十年，而結合它和大型的（或者深度的）神經網路可帶來解決非常複雜的問題（比如圍棋）所需的能力。通過不計其數的試驗和對舊棋局的分析，AlphaGo自己習得專家級別的下棋能力。
業界希望，強化學習技術將能夠在很多的現實生活場景派上用場。通過擴大電腦能夠借助這種技術獲得的技能數量，近期數個模擬環境的推出應當會推動所需演算法設計方面的進展。
2017年，我們可能將會看到將強化學習應用於自動化駕駛、工業用機器人等問題的項目。穀歌已經宣稱，通過使用深度強化學習技術，它能夠提升其資料中心的運營效率。但這種實踐仍然是試驗性的，它還需要長時間的類比。因此，未來該類技術能夠如何被有效部署值得關注。
生成式對抗網路
在近期在巴賽隆納舉行的神經資訊處理系統大會（NIPS,AI學術聚會）上，一項名為生成式對抗網路（GAN）的新機器學習技術成為了眾人的焦點。
該類網路由OpenAI研究科學家伊恩·古德費洛（Ian Goodfellow）發明，這種系統由兩個網路組成，一個在學習訓練集後生成新資料，另一個則嘗試區分真實資料和假資料。通過共同作用，這些網路能夠產生非常現實的合成資料。這種方式可被用於產生視頻遊戲佈景，使得圖元化錄影片段變得更加清晰，又或者對電腦生成的設計實施風格變化。
作為世界一流的機器學習專家（和古德費洛在蒙特利爾大學的博士生導師），約書亞·本吉奧（Yoshua Bengio）在NIPS上表示，這種方式尤其令人興奮，因為它給電腦帶來一種很好的從無標記資料學習的途徑——不少人認為，這可能是使得電腦未來幾年大大提升智慧程度的關鍵所在。