目前人工智能發(fā)展現狀介紹
2017年人類在人工智能與機器學習領域取得了很多重大突破，而2018年可能會走得更遠。有人預測，2018年的人工智能將會呈更大的發(fā)展趨勢。下面是學習啦小編為你整理的目前人工智能發(fā)展現狀，供大家閱覽!
目前人工智能發(fā)展現狀：正性強化
2016年初，AlphaGo在圍棋領域大殺特殺，接連戰(zhàn)勝包括李世石在內的頂尖人類高手;而在2017年1月，AlphaGo又化身為Master取得了60勝0負的驚人戰(zhàn)績。這是人工智能領域的一個里程碑，對于“深度增強學習”技術來說更是意義重大。
動物會通過某些行為產生的積極或者消極結果來進行學習、判斷，而人工智能的“深度增強學習”正是從這種方式中借鑒了靈感。電子計算機可以通過不斷嘗試錯誤方向來得出正確的方向，從而輕而易舉地在迷宮中導航。使用深度學習的方法，機器學習不再像過去一樣依賴大量的指令與復雜的模型。
其實“深度學習”的理論在10年前就出現了，將其整合到大型(或深度)神經網絡以提供能量來解決復雜問題的嘗試一直在進行。就像AlphaGo一樣，經過不斷地試驗與數據分析，它可以以專家級水平與人類進行對弈。
更大的希望在于，增強學習已經被證明可以應用到現實世界的許多場景。最近出現的幾個模擬場景顯示，可以通過增強計算機學習的能力來促進相關算法的進步。
在2017年，我們有望見證“增強學習”被應用到自動駕駛汽車、工業(yè)機器人等領域。而谷歌已經在嘗試使用深度學習來使其數據中心更加高效。不過，深度學習這種方法還處于試驗階段，依然需要花費大量時間來模擬和學習。
目前人工智能發(fā)展現狀：生成式對抗性網絡
最近在巴塞羅納舉辦的關于神經信息處理系統(tǒng)的人工智能學術會議上，一種叫做生成式對抗性網絡(generative adversarial networks)的理論引起了廣泛關注，這一理論是由OpenAI的研究學者Ian Goodfellow提出。生成式對抗性網絡由兩套網絡構成，一套通過訓練學習來產生新數據，另一套則負責分辨正確數據與錯誤數據。
通過這兩套網絡的協(xié)同運作，可以產生非常接近真實的綜合數據。這一理論能夠被應用到生成電子游戲場景、解析馬賽克或者是豐富電腦生成樣式等領域。
機器學習領域權威專家YoshuaBengio在NIPS會議(神經計算方面最好的會議之一, NIPS主辦, 每年12月舉行)上表示，這種生成式對抗網絡非常具有開創(chuàng)性，它能為電子計算機提供更加高效的學習方法，而計算機通過不斷學習非標簽性數據將變得智能化程度更高。
目前人工智能發(fā)展現狀：中國人工智能領域的崛起
2017年將是中國開始在世界人工智能領域嶄露頭角的一年。中國不再照搬外國公司的人工智能技術，轉而開始將人工智能和機器學習視作下一個創(chuàng)新領域。
中國搜索引擎巨頭百度已經建立了專注于人工智能研究的研究所，并在語音識別、自然語言處理和優(yōu)化廣告業(yè)務等方面取得了很多進步。除了百度，還有不少公司正在迎頭趕上，騰訊也在去年成立了人工智能實驗室，并在國內外大力招募人工智能領域的專家。而滴滴也有自己的研究院，并被報道在無人駕駛汽車方面投入大量研究。
很多中國投資者將大量資金投給從事人工智能的初創(chuàng)公司，而中國政府也希望看到本國人工智能產業(yè)的繁榮，并承諾在2018年之前投入150億人民幣扶持開發(fā)和研究。
目前人工智能發(fā)展現狀：語言學習
對于許多人工智能領域研究者來說，語義學習是他們的下一個主要目標。隨著技術的進步，圖像識別和語音識別都取得了重大突破，而這將有利于計算機更加高效地理解和生成語言。
語言學習是人工智能領域的一個長遠目標，而計算機與人類使用語言進行交互的前景非常樂觀。如果具有更好的語義理解能力，計算機機器將變得更加實用。不過，這方面也面臨很大的挑戰(zhàn)，畢竟語言是一個復雜、微妙而又強大的議題。
雖然人們暫時還不能與智能手機進行深度而又有意義的交流，但在2017年，隨著人工智能研究的深入，這一領域將會充滿希望。
目前人工智能發(fā)展現狀：過度熱炒引發(fā)反感
2016年的人工智能領域確實取得了巨大的進步和突破，許多人都看到了技術進步帶來的價值。但不得不注意的一點是：圍繞人工智能的過量宣傳與追捧明顯有些失控了。
許多人工智能研究者對此有些忿忿不平。在NIPS會議期間，他們針對一家叫做Rocket AI的山寨人工智能公司舉行了一個聚會，以此來表達自己的不滿，這種不滿主要是人工智能領域存在的浮躁氛圍和弄虛作假情況。
期望越高，失望可能就越大。當人工智能領域一直沒有取得重大突破時，失望的情緒就會蔓延，進而導致投資蒸發(fā)，大量估值過高的初創(chuàng)公司倒閉。
2017年整個世界對于人工智能的關注度依然非常高，這可能會引起不少人對于這種過分追捧的反感，畢竟過猶不及，不少浮躁情緒籠罩在當前人工智能領域。不過，這也不一定就是壞事，大量關注可能會促進研究的進步。
猜你喜歡：
2.國內人工智能現狀
6.人工智能現狀
7.人工智能的現狀