2017 人工智能大爆发之年？

本篇文章2030字，读完约5分钟

人工智能已经取代了大数据，成为科技行业的“闪亮之星”。

苹果、谷歌和脸谱网都放大了。

人工智能已经取代了大数据，成为科技行业的一颗闪亮之星。今天，世界领先的技术公司正在投资机器学习的未来发展，在可预见的未来，他们计划在这一领域做出努力。

然而，尽管机器学习在整个行业引起了如此大的热潮，但在这一领域的研究过程与实践所带来的有效价值之间始终存在着差距。事实上，只有少数公司可能拥有推动人工智能创新过程的资源，并最终成为该领域的领导者。

伸手可及还是伸手可及？

苹果、脸书、谷歌和微软等公司最近都采取了重大举措，比如公开源代码并分享他们在人工智能领域的研究成果。上个月，苹果宣布将不再遵循过去严格的保密制度，并首次允许其内部人工智能R&D团队披露其研究论文。库克接受采访时说，如今，智能手机的技术相对不成熟，人工智能将在未来的iphone创新中取得惊人的成就。

谷歌的进步已经证明了机器学习将如何集成到各种流行的应用程序中，比如拥有数亿用户的gmail。谷歌最初拥有的无人驾驶汽车项目现在已经独立，这家名为waymo的公司的未来发展与人工智能密切相关。

最近，扎克伯格宣布了一个详细的个人挑战计划，也就是说，他花了近100个小时为自己的家庭开发了一个名为贾维斯的人工智能系统。但他说，即使他再花1000个小时，系统本身也没有办法学习新技能。扎克伯格的挑战经历再次证实了他之前的预测。在某种程度上，人工智能似乎触手可及，但它似乎太遥远了。

facebook人工智能研究主管Yann lecun表示:人工智能并不像魔法一样存在，但我们已经看到它给我们带来了神奇的进步，尤其是在科技领域。不仅如此，它还给我们的日常生活带来了许多奇迹，比如帮助我们识别照片中的物体、识别声音、驾驶汽车以及在线翻译数十种语言。

他还表示，这项技术将成为未来许多最具创新性的应用和服务的支柱，医疗卫生服务和交通将成为第一个被人工智能改造的行业。

勒昆表示，facebook将设定一个目标，开始在人工智能领域布局，并进一步研究人工智能。他写道，这不是一个纯粹的技术挑战，而是一个科学问题。什么是智力？我们如何把它应用到机器上？这些问题的答案不仅能帮助我们开发智能机器，还能帮助我们对人类思维和大脑如何工作有更深的理解。慢慢地，人类的智能活动将与机器的智能操作同时发挥作用。众所周知，是人类的智能使我们成为人类，而人工智能也是这种智能的延伸。

2017年人工智能对行业的影响是什么？Forrester research最近调查了612家企业和技术专家，58%的受访者表示他们的机构正在开发人工智能，12%的受访者表示相关技术正在投入使用。这一差距反映出人工智能领域各机构之间的差距越来越大，但目前在有效性上几乎没有什么区别。弗雷斯特研究公司在这份关于人工智能产业发展潜力的报告中说。

人工智能会失控吗？

终结者式场景是文学和影视作品中关于人工智能的常见桥梁。这其中的哪一部分能成为现实？sundown ai Company首席执行官法比奥卡德纳斯(Fabio cardenas)认为，人工智能失去控制可能在2017年成为一个新的现实:小型非法网络团伙可能会出于欺诈机构或个人的恶意目的创造另一种人工智能，从而能够入侵一度被认为坚不可摧的系统。

卡德尼亚斯还认为，这种情况可以通过摧毁现有的人工智能来实现。他说:如果人工智能的训练被破坏，黑客可以引入偏差或豁免值来改变人工智能的预测能力，为自己谋利。实现这一点的一个可能的方法是发展人工智能，使其他人工智能变得更聪明。人工智能可以通过检查训练数据中的盲点来改进和调整自己，这将有助于优化人工智能。

路易斯维尔大学网络安全实验室(Network Security Laboratory)的负责人罗曼·普拉斯基(Roman Pulszky)也认为，人工智能失控是2017年的一个趋势:这是人工智能领域最有趣、最重要的趋势，我现在密切关注的是，人工智能失败的频率和严重程度将与人工智能的能力成正比。

换句话说，当我们从中受益时，我们也增加了恶意人工智能的可能性。

如果人工智能出错，

专家们担心人工智能带来的伦理后果。毕竟，人工智能犯错误的方式是显而易见的，从强化偏见到使用种族主义语言，再到在极端情况下未能防止致命事故。

杜克大学计算机科学教授文斯·科尼泽说:“计算机科学中传统的人工无线城市将越来越多地解决他们工作中的社会和道德问题，但我们只是处于探索如何沿着这些思路做出具体技术贡献的初级阶段。

莱斯大学计算机科学教授摩西·瓦迪(Moshe vardi)也认为这是2017年的趋势:围绕自动化对工作的影响、致命的自主武器、算法的公平性和透明性等。，与人工智能相关的伦理问题将继续吸引人们的注意力。

价值对接的问题意味着我们如何才能确保人工智能以与人类相同的价值运行，这不再被视为超级智能的问题，而是我们今天所做的算法和机器学习程序所面临的问题。

来源：搜狐微门户