2018年最值得關注的十大AI技術趨勢

人工智慧最近發展如火如荼，學術界、工業界、投資界各方一起發力，硬體、演算法與數據共同發展，不僅僅是大型互聯網公司，包括大量創業公司以及傳統行業的公司都開始涉足人工智慧。2018年人工智慧行業延續了蓬勃發展的勢頭，那麼即將過半的2018年有哪些值得關注的AI技術趨勢呢？

2018年十大AI技術趨勢具體如下

1. 深度學習理論(Deep learning theory)

深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。深度學習是無監督學習的一種。

信息瓶頸原則解釋了深層神經網路如何學習。

增強數據學習使模型能夠從較少數據或合成數據中學習的不同技術。

2. 膠囊網路(Capsule networks )

CapsNet和普通神經網路一樣，由許多層組成。最底層的膠囊層被稱為初級膠囊層：它們中的每一個膠囊單元都接收圖像的一塊區域作為輸入，檢測特定物體的存在和姿態，例如矩形。 更高層能夠檢測更大更複雜的物體，如船隻。

更接近人腦視覺運作的神經網路。

新型深層神經網路，通過保留關鍵的層次關係，以更少的錯誤和更少的數據進行學習。

3. 深度強化學習（Deep reinforcement learning）

強化學習是機器學習的一個分支，相較於機器學習經典的有監督學習、無監督學習問題，強化學習最大的特點是在交互中學習（Learning from Interaction）。

與環境互動解決商業問題。

該技術將強化學習與深度神經網路相結合，通過與環境交互進行學習。

4. 生成式對抗網路（Generative adversarial networks）

GAN啟發自博弈論中的二人零和博弈，由[Goodfellow et al, NIPS 2014]開創性地提出，包含一個生成模型（generative model G）和一個判別模型（discriminative model D）。

配對神經網路刺激學習並降低運算負擔。

一種無監督的深度學習系統，作為兩個相互競爭的神經網路實現，使機器學習的人工干預較少。

5. 數據增強（Lean and augmented data learning）

使模型能夠從較少數據或合成數據中學習的不同技術。

6. 概率編程（Probabilistic programming ）

概率編程是一種系統創建方法，它所創建的系統能夠幫助我們在面對不確定性時做出決策。

高級語言，使開發人員可以輕鬆定義概率模型。可解釋的人工智慧機器學習技術，可在生成更多可解釋的模型的同時保持高性能。

數字雙胞胎用於促進身體或心理系統的詳細分析和監測的虛擬模型。

7. 混合學習模型（Hybrid learning models）

將不同類型的深度神經網路與概率方法結合起來以模擬不確定性的方法。

8. 自動機器學習（Automated machine learning）

自動化機器學習標準工作流程的技術。

全自動化資料處理、特徵選擇、調參、建模。

混合學習模型將不同類型的深度神經網路與概率方法結合以建模不確定性的方法。

9. 數碼雙胞胎（Digital twin）

物件或系統的多元軟體模型，藉助感測器來理解標的物件或系統的真實處境，讓使用者能精準快速地反應各種變動情況，從而改善物件或系統的的操作，或增添其附加價值。

虛擬模型用於促進對身體或心理系統的詳細分析和監測。

10. 可解釋的人工智慧（Explainable artificial intelligence ）

機器學習技術可生成更多可解釋的模型，同時保持高性能。

當然了，現在還無法知道上面列的這些技術趨勢中的哪些趨勢將會在未來實現真正的騰飛。但是，上面這些技術趨勢都是建立在現有的技術創新的基礎之上的，這意味著它們已經不僅僅是曇花一現的想法了。

除了上述的十大技術趨勢，您認為未來AI發展還會有哪些應該特別關注的技術板塊？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！