2018年的人工智能将会如何发展？

来源：内容来自网易智能 ，谢谢。

随着我们的日常生活与各种各样的技术越来越紧密地交织在一起，有时候，似乎未来已经到来。然而，技术仍在不断发展，人工智能（AI）已经占据了这一领域的中心地位。在许多前进力量的支持下，人工智能继续激发公众对未来的想象。亚马逊的Alexa、Netflix的推荐系统以及SnapChat滤镜等的创新，进一步推动了这一信念，这些都是人工智能进入个性化领域的优秀范例。

最常见的人工智能构成部分，以及人工智能家族中的“聪明之星”，都是“深度学习”。深度学习是一种数据学习的模式，近年来改进了长期以来的预测准确性标准。除了传统的预测建模之外，它还在语音识别和计算机视觉领域有突出贡献。然而，随着我们迎接新年的到来，事情将变得更加有趣。让我们来看看2018年的深度学习（以及更广泛的人工智能）的情况。

卷积神经网络（几乎）无处不在

卷积神经网络是一种复杂的学习模型，它的优点是需要对数据进行最少的预处理或“清理”。主要被应用于“解决”视觉图像分类和处理，目前开始应用于更多的案例。

其理念是，视觉世界是合成的，因此图像可以被分解成最基本的特征。例如，一个风景的图像由各种各样的物体组成;这些物体由轮廓和线条组成，而这些线条又由像素组成。Covnets能够识别这些成分，并创建分层的抽象世界概念，使各种识别任务变得更容易。

（图注：以鸟的形象在图像中识别物体的卷积神经网络。）

目前，Facebook的照片标签和面部识别功能都使用了Covnets。在2018年，我们可以预计，Covnets将更广泛的应用于自动驾驶领域，特斯拉的Model X已经在使用Covnets来实现自动驾驶的相关功能。更近的，像Quere.ai这样的公司正在使用Covnets，并且在医学成像的诊断方面取得了显著的成功。预计公司将开始为这些高度精确的学习模式寻找不同的应用。

人工智能技术会是一个花瓶吗？

在人工智能技术推出的初期，网络上有不少人曾提问过相似的问题，但人工智能显然并非是一个噱头而已。比方说，现今在智能手机内的 AI 神经网络系统已具备了“自学习”、“自调整”等能力。

作为人工智能技术的其中一个载体，智能手机与相关的 AI 智能体系必然会被重点发展。

其实，人工智能技术在今年除了是智能手机圈中的一个热点，同时也是我国在未来将重点发展的一项科学技术。12 月 25 日，工信部(工业和信息化部)科技司负责人就对在早前公布的《促进新一代人工智能产业发展三年行动计划(2018 年~2020 年)》(下文简称：《行动计划》)进行了相关解读。

对于人工智能技术在我国未来三年内的发展，负责人表示将会以信息技术与制造技术深度融合为主线，并以新一代人工智能技术发展为重心，推动高端智能技术和高端智能产品的发展。

按照《行动计划》在未来三年内对人工智能发展部署，未来我国将会重点对 4 方面、17 个产品或领域进行发展，分别是：

重点培育和发展智能网联汽车、智能服务机器人、智能无人机、医疗影像辅助诊断系统、视频图像身份识别系统、智能语音交互系统、智能翻译系统、智能家居产品等智能化产品，推动智能产品在经济社会的集成应用。

发展智能传感器、神经网络芯片、开源开放平台等关键环节，夯实人工智能产业发展的软硬件基础。

深化发展智能制造，鼓励新一代人工智能技术在工业领域各环节的探索应用，提升智能制造关键技术装备创新能力，培育推广智能制造新模式。

构建行业训练资源库、标准测试及知识产权服务平台、智能化网络基础设施、网络安全保障等产业公共支撑体系，完善人工智能发展环境。

人工智能将加强数据安全

虽然机器学习和深度学习模型具有前所未有的预测精度，但有些目前仍容易受到质疑。例如，在受监督的机器学习中，模型学习标记数据的某些特征，训练和测试数据被假定来自相同的数据分布。如果数据在这个假设中失真，那么模型的预测精度就会受到很大的影响。以垃圾邮件过滤为例——如果将随机文本和图像添加到消息中，消息可能会绕过垃圾邮件检测系统。这就是为什么你的收件箱里塞满了垃圾邮件，尽管有一个系统可以阻止它。

安全部门巨头McAfee公司认为，将数字安全考虑在内，2018年勒索软件和其他数字威胁（比如对全球社会造成恐慌的“WannaCry”）越来越多地利用机器学习和深度学习技术。具体来说，这些模型将威胁到检测模型，从检测模型的防御反应中学习，并利用发现的漏洞来破坏检测模型，其速度比防御者修补漏洞的速度更快。

为了抵御这些技术，McAfee公司的工程师们一直在研究对抗机器学习，并组建一个先进的防御研究团队来为这些漏洞创建解决方案。要真正抵御这种攻击，唯一的办法是建立一种更为普遍的学习模式，甚至能找出最微小的异常。在这方面，一些有趣的研究正在进行中。

结论

在过去的两三年里，人工智能和深度学习在公共领域出现了爆炸式的增长，推出了一些令人兴奋的产品。在2018年和未来几年，它们将越来越多地出现在我们的日常互动中，尤其是在移动应用领域。

随着移动硬件地快速发展，它将能够支持复杂的深度学习任务。例如，苹果的iOS 11支持CoreML，这是一款面向iOS开发者的机器学习工具包。未来，开发者将可以部署支持文本预测和图像识别的应用（比如SnapChat），不需要任何机器学习的知识。

很显然，人工智能和深度学习的未来充满活力和前景。我们看到这种变化和进步的速度有多快，只有时间能给予我们答案。因此，随着新的一年的展开，让我们拭目以待，看看这一细分领域的表现吧。

今天是《半导体行业观察》为您分享的第1453期内容，欢迎关注。

关注微信公众号 半导体行业观察 ，后台回复关键词获取更多内容

回复 科普 ，看更多半导体行业科普类的文章

回复 DRAM ，看更多DRAM的文章

回复 60年 ，看《致中国半导体工作者的风雨60年》

回复 英特尔 ，看更多与英特尔公司相关的文章

回复 全面屏 ，看更多全面屏相关的文章

回复 挣钱 ，看《为什么你的芯片不挣钱？》

回复 FPGA ，看更多与FPGA相关的文章

回复 功率 ，看更多与功率半导体相关的文章

回复 展会 ，看《2017最新半导体展会会议日历》

回复 投稿 ，看《如何成为“半导体行业观察”的一员 》

回复 搜索 ，还能轻松找到其他你感兴趣的文章！