《2020科(kē)技(jì)趨勢報(bào)告》由未來(<✔↑lái)今日(rì)研究所和(hé)紐約大(dà)α←☆♣學斯特恩商學院（New York University's Ster₹πn School of Business）主任艾米・β©ε;韋伯（Amy Webb）教授共同撰寫，這(zhè)次已經是(shì)第≠★ 13 年(nián)發布。這(zhè)份報(bào)告試圖認識到(dào)技(jì)術(>∞α§shù)與未來(lái)不(bù)确定性之間(jiān)<÷↕✔的(de)聯系，比如(rú) 2020 年(nián)美($γ♥měi)國(guó)總統大(dà)選的(de)結果，以及冠狀病毒等流行(xíng)病的©•<(de)傳播。

　　在所有(yǒu)前沿科(kē)技(jì)中，人(rén)工(gōng)智能(néngφ₩₽)再次成為(wèi)該榜單的(de)第一(yī)名。韋伯表示，✘™人(rén)工(gōng)智能(néng§×♦×)将引發第三次計(jì)算(suàn)浪潮，帶來(lái)積極的(de)影(y←πǐng)響，例如(rú) AlphaFold 在發現(xiàn)疾病的(de)治療®☆₩£方法中可(kě)以發揮的(de)作(zuò)用(yòng)；但(dàn)也(yě)會(δ₹βσhuì)帶來(lái)消極的(de)影(yǐng≤•$)響，例如(rú)它當前對(duì)刑事(shì)司法系統的(de)影(yǐng)響。

　　一(yī)些(xiē)科(kē)技(jì)巨頭，例如(rú)™₽♥ 美(měi)國(guó)的(de) Amazon、IBM、Faceb←≥πook、Google 和(hé) Micr"±Ωosoft，以及中國(guó)的(de)騰訊、阿裡(lǐ)和(hé)百度，繼續在全球科(kē)技(±★jì)領域發揮最大(dà)的(de)影(÷∏yǐng)響力。韋伯已經在 2019 年(nián)出版的(de)《九₩ ↕大(dà)巨頭》中預測了(le)這(zhè)些(xiē)公司将如(rú)何塑造世界。

　　“ 這(zhè) 9 家(jiā)公司推動了(le)人(rén)工(gōng)智能(nén§λ↔σg)的(de)大(dà)部分(fēn)研究、資金(jīn)、政府參與和(hé)消♣☆費(fèi)級應用(yòng)。大(dà)學的(de)研究人(rε​♣βén)員(yuán)和(hé)實驗室依靠這(zhè)些(xiē)公司提供數(shù)據、工(gō₩‍¥ng)具和(hé)資金(jīn)。九大(dà)人(rén)工(g₩✔₹‌ōng)智能(néng)公司也(yě)對(duì)人(rén)工(gōn÷λ‌σg)智能(néng)合并和(hé)收購(gòu)産生(shēng)了(le)巨大(dà♦✘↓)影(yǐng)響，為(wèi)人(rén)工(gōng)智能•↕§(néng)初創公司提供資金(jīn)并為(wèi)下(xià)一(y®‍ ī)代開(kāi)發人(rén)員(yuán)提供支持。”

　　同時(shí)，報(bào)告指出，中國(guó)的(de)企業(yè)和(hé)δλ₩政府正在全面合作(zuò)，以使其在 2030 年(nián)之前'γ★成為(wèi)全球主要(yào)的(de)人(rén)工(¶₩≠gōng)智能(néng)創新中心。

　　與中國(guó)相(xiàng)比，美(m♥↔ěi)國(guó)擁有(yǒu)衆多(duō)組織和(hé)中心，但(dàn)是(shì)，這(z‌​λ®hè)些(xiē)機(jī)構 “缺乏機(jī)構間(jiān)合作(zuò) ★和(hé)協調的(de)努力”，在行(xíng)動目标、研發工(gōng)作(zuò)©★安排和(hé)資金(jīn)周轉方面存在不(b>≈₽¥ù)協調的(de)情況。

　　據了(le)解，每年(nián)韋伯通(tōng)常會(huì)在德克薩斯州奧斯汀舉行(xγ©íng)的(de) SXSW 會(huì)議‌↓(yì)上(shàng)，以一(yī)場(chǎng)演講作(<$≥zuò)為(wèi)報(bào)告發布的(de)開(kāi)頭，但(dàn)是​≠♦‌(shì)由于冠狀病毒的(de)影(yǐng)響，今年(nián)的(de)會(huìΩφ)議(yì)已經取消。

　　1. AI與企業(yè)

　　1.1 利用(yòng)人(rén)工(gōng)智能(néng‍∏)加速科(kē)學發現(xiàn)的(de)↓→∏進程

　　用(yòng)幾個(gè)變量進行(xíng)實驗，通(tōng)常需要(y•γ'ào)對(duì)測量、材料和(hé)輸入進行(xíng)微(φ∞γwēi)小(xiǎo)的(de)、系統的(de)調整。研究生(shēng)們可(kě) ¶↑能(néng)會(huì)花(huā)上(shàng)幾百個(gè)無聊®∑φ的(de)小(xiǎo)時(shí)，一(←✔yī)次又(yòu)一(yī)次地(dì)做(zuò)一(yī)些(xiē)&'‍δ小(xiǎo)的(de)調整，直到(dào)找到(dào)一(♣←​βyī)個(gè)解決方案。越來(lái)越多(duō)的( ₽de)人(rén)工(gōng)智能(néng)系統被用(yòng)于研究實驗‌₽室，以加快(kuài)科(kē)學發現(xiàn)的(de)進程。♦™♠∞

　　1.2 雲端人(rén)工(gōng)智能(n"δ♦éng)

　　人(rén)工(gōng)智能(néng)生(shēng)态系統內(nèi)的(de)企業(®$yè)領導者一(yī)直在競相(xiàng)搶占人(rén)∞λ£工(gōng)智能(néng)雲共享平台，并↓✘☆成為(wèi)遠(yuǎn)程服務器(qì)上(shà★¶ng)最受信任的(de)人(rén)工(gōng)< 智能(néng)提供商。企業(yè)客戶也(yě)可(kě)能(nε✘™γéng)會(huì)堅持最初選擇的(de)供應商，因為(wèi)機(jī)器(↑ ←✘qì)學習(xí)系統訪問(wèn)的(de)數(shù)據越多(duō)，随著(zh¶★e)時(shí)間(jiān)的(de)推×≈移則能(néng)不(bù)斷學習(xí)‌¥ 做(zuò)出更好(hǎo)的(de)決✔↑策。

　　1.3 線下(xià)人(rén)工(gōng)智能(néng)

　　可(kě)以在設備上(shàng)進行(xíng)這(zhè)種由本地(dì)人(rén)工δΩ£(gōng)智能(néng)驅動的(de)處理(lǐ)和(hé)決策，在₽σ¶雲或互聯網上(shàng)沒有(yǒu)任何數(shù)據交互——這(₹>♦zhè)是(shì)一(yī)種使用(yòng)'♦所謂 “邊緣計(jì)算(suàn)” 的(d←≤e)技(jì)術(shù)。直接在設備上(shà×₽ng)處理(lǐ)數(shù)據，在未來(lái)對(duì)于醫(yī)療保±δ健、汽車(chē)和(hé)制(zhì)造業(yè)↔↔∞<應用(yòng)将非常重要(yào)，因為(wè£∑↔↑i)它可(kě)能(néng)更快(kuài)、更安全。

　　1.4 機(jī)器(qì)人(rén)流程自(zì)動化(huà)

　　機(jī)器(qì)人(rén)流程自(zì)動化(huà)（RPA）使企業(yè)能($ ✘'néng)夠在辦公室內(nèi)自(zì)動化(huà)某些(xiē)任務和(hé)流程λ×€，從(cóng)而使員(yuán)工(gōng)能(néng)夠将時(shí)間(jiāε☆™n)花(huā)在更高(gāo)價值的(de)工(gōng)作(zuò)上(shàng)₹₩。RPA 最終将他(tā)們的(de)生(shēng)産力β£×®提升到(dào)更高(gāo)的(de)水(↑∞shuǐ)平，這(zhè)将使媒體(tǐ)和(hé)娛樂(yuè)•← ∞公司能(néng)夠在許多(duō)不(bù) £♣同領域做(zuò)出更好(hǎo)的(de)實時(shí)預測性決策，從 ¥β₽(cóng)客戶服務到(dào)成本節約。

　　1.5 企業(yè)中的(de)數(shù)字雙胞胎和(hé)認知(zhī)雙胞胎

　　數(shù)字雙胞胎是(shì)真實世界環境、産品¥ ♣ 或資産的(de)虛拟表示，用(yòng)于多(du♠λō)種目的(de)。制(zhì)造商使用(yòng)數(shù)字雙胞胎來(lái)管≥& &理(lǐ)機(jī)器(qì)和(hé)工(gōng)廠(c&∏£hǎng)的(de)性能(néng)和(®&±hé)效率，而城(chéng)市(shì)規劃者則使用(yòng)它們來(lái)模≈<γα拟新開(kāi)發項目的(de)影(yǐng)響。

　　1.6 認知(zhī)機(jī)器(qì)人(rén)

　　随著(zhe)人(rén)類和(hé)機(jī)器(qì)更©β ₹加緊密地(dì)合作(zuò)，機(jī¶↑×)器(qì)人(rén)有(yǒu)機(jī)會(huì)根據∞β 環境學習(xí)和(hé)适應新的(de)技(jì)能(néng)。機(jī)器(qì)學習(xí₩π)、深度強化(huà)學習(xí)、計(jì)算(suàn)機(jī)$ 視(shì)覺和(hé)模拟環境的(de)發展将很(h÷±↕ěn)快(kuài)導緻具有(yǒu)早期認知(zhī)能(néng)力的(de)機(jī)器"‌(qì)人(rén)出現(xiàn)。應用(yò₽★↓ng)包括環境清理(lǐ)、探索危險地(dì)形和(hé)協助急∑&φ救人(rén)員(yuán)。

　　1.7 先進的(de)人(rén)工(gōng)智能(néng)芯片

　　神經網絡長(cháng)期以來(lái)需要(yào)巨大(dà)的(de <)計(jì)算(suàn)能(néng)力，需要(yào↔$)很(hěn)長(cháng)時(shí)間(jiān)的(de)訓練，并且依賴于消耗數(s•≈Ω≠hù)百千瓦電(diàn)力的(de)數(shù)據中心和(hé)計(jì)算(s∏↕ ∏uàn)機(jī)。一(yī)些(xiē)知(zhī)名企業(​♣yè)已經緻力于研究使芯片更容易在人(rén)工(gōng$↑)智能(néng)項目上(shàng)工(gōng)作(zuò)，并且應該保證更快(≈₹kuài)、更安全的(de)處理(lǐ)。

　　1.8 無服務器(qì)計(jì)算(suàn)

　　亞馬遜網絡服務、阿裡(lǐ)雲、微(wēi)軟 Azure、谷歌(gē)‍₩₩雲和(hé)百度雲正在為(wèi)開(kāi)發者推出新的(de)産品和(hé)軟件(jiàδ₩‌n)包，希望能(néng)讓一(yī)大(dà)批人(rén)工"•αγ(gōng)智能(néng)初創企業(yè)更容易、更實惠地(dì)将自(zì)己的(de)創意投← 放(fàng)市(shì)場(chǎng)。

　　1.9 專業(yè)化(huà)、本土(tǔ)化(huà)的(de)人( β♥βrén)工(gōng)智能(néng)語↓£π言

　　Python 是(shì)一(yī)種領先的(de) → ‍語言，有(yǒu)許多(duō)預先構建的(de)庫和(hé)↑↕框架。Julia 是(shì)麻省理(lǐ)工(gōng)學院開(kāi)發的(de)一(yī)₩ §種專注于數(shù)值計(jì)算(suàn)的(de)開(kāi)源語言。當然還(hái)有 •(yǒu) Lisp，由現(xiàn)代人(rén)工(gōng)智能(néng)的($"βde)前輩約翰・麥卡錫在 1₽§£ 958 年(nián)創造的(de)。

　　1.10 Franken算(suàn)法的(de)擴散（Proliferation of Fra♣π$nken-algorithm）

　　算(suàn)法隻是(shì)定義和(hé> &↑)自(zì)動處理(lǐ)數(shù)據的(de)規則。它們是(shì)用(yòng)計(j↕$γ∏ì)算(suàn)機(jī)能(néng)夠₩•&理(lǐ)解和(hé)處理(lǐ)的(de) “如(rú)果這(zhè)個(σ≈∑≤gè)，那(nà)麽那(nà)個(gè)” 邏輯來(lái)構建的(de)。開(kāi)發φ×人(rén)員(yuán)并不(bù)總是(shì)提前知(zhī)道(dào)一(yī)個(☆±gè)算(suàn)法将如(rú)何與其他(tā)算(suàn)法×★×™一(yī)起工(gōng)作(zuò)。有(yǒu)時(shí)，幾個(g↔•è)開(kāi)發團隊都(dōu)在獨立地(dì)處理(lǐ)不(bù)同的(de)算(suà¥↔∞n)法和(hé)數(shù)據集，隻有(yǒu)在部署¥δ←後才能(néng)看(kàn)到(dào)他(tā)們的(≠♦≥‍de)工(gōng)作(zuò)。這(zhè)一(• ♠λyī)直是(shì)導緻最近(jìn)股市(shì)出現(xiàn)故障和(hé)電$δ↓↑(diàn)子(zǐ)商務網站(zhàn)發力的(de)原因。

　　1.11 為(wèi)了(le)競争而操縱‌‍↑ AI 系統的(de)公司

　　過去(qù)幾年(nián)，亞馬遜、谷歌(gē•↔)和(hé) Facebook 都(dōu)因操縱搜索系統，将對(duì)∏​$®公司更有(yǒu)利的(de)結果進行(xíng)優先排序而受到(dào)÷£¶抨擊。對(duì)搜索算(suàn)法的(de)調整會(huì)對(duì)互聯網用(yòng)§≠ 戶的(de)看(kàn)法産生(shēng)重÷£π大(dà)影(yǐng)響，無論是(shì)新聞、銷售産品還(hái)是(s₹αhì)廣告。美(měi)國(guó)和(hé)歐∞φ盟目前正在調查亞馬遜同時(shí)扮演搜索引擎、市(shì)場™&(chǎng)運營商和(hé)自(zì)有(yǒu)産品銷₩¥≤售商的(de)角色。立法者尚未就(jiù)操縱算(suàn)法以獲α₩ ​得(de)競争優勢是(shì)否符合反壟斷活動的(de)标準達成一(yī)緻。

　　1.12 企業(yè)生(shēng)物(wù¶π₩÷)識别欺騙

　　在實施監控和(hé)認證員(yuán)工(gōng)的(de)人(rén)工Ω♣δ (gōng)智能(néng)系統之前，公司可(kě)能(néng)會(h'>uì)三思而後行(xíng)。機(jī)器(qì)學習(xí)的(de><)新技(jì)術(shù)導緻了(le)合成指紋和(hé)其他(tā)能(néng)夠欺騙監控系≥'統的(de)自(zì)動生(shēng)成生(shēng)物(wù)識别器(qì)。

　　1.13 人(rén)工(gōng)智能(néng)機(jī)器(qì)人(α↓rén)

　　bot，在最基本的(de)層次上(shàng)，是(shì)∏←‌Ω設計(jì)用(yòng)于自(zì)動化(huà)指定任務的(de)軟件(jiàn☆β×)應用(yòng)程序。它們可(kě)以是(shì↓↑§)基于文(wén)本或音(yīn)頻(pín)的(de)，并且可(kě)以跨各種平台部署。機(j↕↔ī)器(qì)人(rén)技(jì)術(shù)的(de)下(xià)一(yī)個(gè)重 ε大(dà)進步不(bù)是(shì)技(jì)術(↑β≈shù)性的(de)，而是(shì)監管性的(de)。

　　2. 人(rén)工(gōng)智能(néng)與商業(yè)生(¶×≥♦shēng)态系統

　　2.1 全球對(duì)人(rén)工(gōng)智能(néng)的(de)投資熱(rè)潮

　　衆所周知(zhī)，人(rén)工(gōng)智能(néng)人(rén)才短(duǎ‍"n)缺，每個(gè)行(xíng)業(yè)都(∏δdōu)希望将人(rén)工(gōng)智能(néng)融入其核心業(yè)務職能(né±δ↓✔ng)。因此，在全球範圍內(nèi)都(≥‌≥σdōu)在争先恐後地(dì)為(wèi)人(rén)工(gōng >♣')智能(néng)研究提供資金(jīn)，并收購(gòu<&™)初創企業(yè)。

　　2.2 算(suàn)法市(shì)場(chǎng)

　　在 21 世紀一(yī)零年(nián)代，大(dà)型科(kē)技(jì)公司、初創公司和(÷₩σhé)開(kāi)發者社區(qū)利用(yòng)算(suàn)法市(shì)場(chǎng)來(•₽λεlái)分(fēn)享和(hé)銷售他(tā)們的(de ∑♣•)作(zuò)品。2018 年(nián)，微(wēi)軟斥資 75 億美(měi)元收購(g×λòu)了(le) GitHub，這(zhè)是(shì)一(yī)個(g♦ è)流行(xíng)的(de)開(kāi)發平>®台，允許任何人(rén)托管和(hé)審查代碼，與其他(tā)開(kāi)發人(rδλ ↔én)員(yuán)合作(zuò)，并構建各種項目。

　　2.3 市(shì)場(chǎng)整合

　　盡管人(rén)工(gōng)智能(néng)的(de)生(shēng$↑↑&)态系統正在蓬勃發展，但(dàn)收購(gòu)熱(rè)潮也(yě)意味著(zhe)整合。現δ ✔(xiàn)在，大(dà)公司在有(yǒu)時(shí)間(jiān)成熟之前就φ®✔(jiù)開(kāi)始創業(yè)，收購(gòu×‍÷§)的(de)平均年(nián)齡是(shì) 3 歲。隻有(yǒu) 9 家(jiΩ"α♦ā)大(dà)公司占據了(le)人(ré≈≤§n)工(gōng)智能(néng)的(de)主導地(dì)位：美 ♠σ(měi)國(guó)的(de) Amazon、 ∞≠ Google、Microsoft、 IBM、Facebook 和(hé)蘋果，中國(guó¥→)的(de)巨頭百度、阿裡(lǐ)巴巴和(hé)騰訊。

　　2.4 破碎

　　人(rén)工(gōng)智能(néng)的(de)生(shēng)态系統覆蓋了(le)≈ ¶數(shù)百家(jiā)公司。許多(duō♦₩ε)政策團體(tǐ)、倡導組織和(hé)政府都(dōu)在制(zhì)定指導★±方針、規範和(hé)标準以及政策框架，希望以此來(lá¥∑© i)指導人(rén)工(gōng)智能(néng)的(de)未來(lái)發展。因此，生(sh£∑★>ēng)态系統在兩個(gè)方面支離(lí)破碎：基礎設施标準和(hé)治理(lǐ)。

　　2.5 人(rén)工(gōng)智能(néng)責任

　　當機(jī)器(qì)運轉不(bù)好(hǎo)時(shí)，誰該受責備？我們目前的≈×π$(de)法律體(tǐ)系是(shì)為(wèi)♦‌♥€了(le)規範人(rén)類行(xíng)為(w≥>èi)，而不(bù)是(shì)無監督機(jī)器(qì)的(de)行(x€®íng)為(wèi)。當企業(yè)急于構建和(héΩλ)實施人(rén)工(gōng)智能(néng)産品和(hé)流程時(ε☆ shí)，他(tā)們必須提前計(jì)劃新出現(xiàn)的(de)風(fēng)險。

　　2.6 環境監測

　　關門(mén)後發生(shēng)的(deε¶)事(shì)情可(kě)能(néng)不(bù)會(huì)是(shì)長(c™≈háng)期的(de)秘密，高(gāo)管們應該提防新的(de)環境監測方法£α。人(rén)工(gōng)智能(néngδ©α)可(kě)能(néng)很(hěn)快(kuài)擁有(yǒu♦↔) x 光(guāng)視(shì)覺能(néng)力，這(zhè)對(duì)±↓Ωβ從(cóng)事(shì)敏感項目的(de)公司來(lái)說(shuō)可(kě)能(nén≥ g)不(bù)是(shì)什(shén)麽好(hǎo)消息。從(cóng)事(s♣Ωhì)信息安全和(hé)風(fēng)險管理(l>φεǐ)工(gōng)作(zuò)的(de)人(rén)應特别關注計(γφ✔÷jì)算(suàn)機(jī)視(shì)覺的(de)發展。

　　3. 過程、系統與計(jì)算(suàn)機(jī)≥'≈★神經科(kē)學

　　3.1 從(cóng)平面二維圖像創建三維模型

　　研究人(rén)員(yuán)使用(yòng)大(dà)量的€≈φ(de)三維模型、轉換成三維模型的(de)圖像和(hé)從(cóng)不$'(bù)同角度顯示物(wù)體(tǐ)的(↑©β←de)二維圖像訓練神經網絡。結果：一(yī)個(gè)新的(de)系統，可(kě)∏∞∞以渲染三維模型，無需任何人(rén)為(wèi)幹預。實際應用(yòng)包括僅使用(yòng♥∑•')二維圖像自(zì)動生(shēng)成環境真實模型的(de)機(jī↓÷)器(qì)人(rén)。

　　3.2 神經符号人(rén)工(gōng)智能(néng)算(suàn)法與系統

　　人(rén)工(gōng)智能(néng)的×π(de)發展一(yī)直走在兩條概念軌道(&  dào)上(shàng)：符号（機(jī)器(qì)使用(yònλ•σg)表示概念的(de)知(zhī)識和(hé)規則基礎）和(hé)非符号（機(j¶σ₽ī)器(qì)使用(yòng)原始數(shù)據創建自(zì)己的(de)模式和(hé)概念表₹δ×示）。神經網絡将通(tōng)過符号來(lái)理(lǐ)解數$ε>>(shù)據，而不(bù)是(shì)總是(shì)依賴人(rén)類程序員(y$☆≈uán)為(wèi)數(shù)據排序、标記和(hé)編目。符号算(suàn)法将有(yλ↓ǒu)助于這(zhè)一(yī)過程，這(zh€‌≠è)最終将導緻不(bù)總是(shì)需要(yào)人(r₩¥én)來(lái)訓練的(de)魯棒系統。

　　3.3 實時(shí)機(jī)器(qìσ>π₽)學習(xí)

　　人(rén)工(gōng)智能(néng)的(de)一(yī)大(d₽‍  à)挑戰是(shì)構建能(néng)夠主動收集和ε>(hé)解釋數(shù)據、識别模式和(hé)整合上(shàng)下$✘(xià)文(wén)并最終實時(shí)學習(xí¶‌¥)的(de)機(jī)器(qì)。對(d​§uì)實時(shí)機(jī)器(qì)學習(xí)♣₹>（RTML）的(de)最新研究表明(mín∑≤≤δg)，使用(yòng)連續的(de)事(shì)務數(₹₹shù)據流和(hé)實時(shí)調整模型是(shì)可(kě)能(néng)的(de)。•'β這(zhè)标志(zhì)著(zhe)數(shù)據移動§>≠λ方式和(hé)我們檢索信息的(de)方式發生(shēng)了(le)重大(dγ×₩à)變化(huà)。

　　3.4 自(zì)然語言理(lǐ)解（NLU）

　　NLU 允許研究人(rén)員(yuán)通(tōng)過提取概念、映射關系和(hé)★​分(fēn)析情感來(lái)量化(huà)和(hé)學習(xí)所有(yǒu)文(wén•★)本，并且他(tā)們在過去(qù)一(yī)年(nián)中取得(β∞↑♠de)了(le)一(yī)些(xiē)令人(rén)印象深刻的(de)進步。在最近(jìn)的(d₽&φ<e)一(yī)次語言理(lǐ)解評估競賽中，中國(guó)的(de)百度≤ ☆★擊敗了(le)谷歌(gē)和(hé)微(wēi)軟，成 σ"為(wèi)第一(yī)個(gè)開(kāi)♥±發不(bù)僅能(néng)懂(dǒng)英語，還↑≠>(hái)能(néng)懂(dǒng)中文(wén)的(de)技(jì)術(shù)的(deλβ₽≠)公司。

　　3.5 機(jī)器(qì)閱讀(dú)理(lǐ)解（MRC）

　　對(duì)于人(rén)工(gōng)智能(néng)研究者來(lái)€±∞→說(shuō)，機(jī)器(qì)閱讀(dú)理(lǐ)解（MRC）一(yī)直是↕↕€♣(shì)一(yī)個(gè)具有(yǒu)挑戰性的(de)目标，但(dàn)卻是(shì)α↓★←一(yī)個(gè)重要(yào)的(de)目标。MRC 使得(d≈σ€e)系統能(néng)夠在篩選大(dà)量數(shù)據集的(de)同時(shí)讀(π™γdú)取、推斷意義并立即給出答(dá)案。它π×>₽代表了(le)實現(xiàn)人(rén)工(gōng)通(tōng)用(yòng)≈↑∑智能(néng)的(de)必要(yào)步驟，在短(duǎn)期內(÷≠nèi)，它可(kě)能(néng)将從(cóng)技(jì)術(shù)手冊到(d≥¶ào)曆史地(dì)圖，再到(dào)我們的(§σde)醫(yī)療記錄，一(yī)切都(dōu)變成易于搜索的(de)信息存儲庫。

　　3.6 自(zì)然語言生(shēng)¥σ成（NLG）

　　随著(zhe)數(shù)字助理(lǐ)的(de)日(rì)益普及，γ≈♦✘消費(fèi)者希望能(néng)夠與機(jī)器(qì)進行(xíng)自(zì)然對(d✔★÷&uì)話(huà)。但(dàn)是(shì)訓練人(rén)‍<工(gōng)智能(néng)系統需要(yào)大(dà)量的(de)數(shù)據。自(zì)>€∑然語言生(shēng)成（NLG）系統自(zì)動檢測、分(fēn)↑♦↓♠析、可(kě)視(shì)化(huà)和(hé)叙述關鍵數(shù)據。NLG 的(de)一(yī₽φ'♠)個(gè)可(kě)能(néng)性是(shì)：開(kāi)發一(yī)個(gè)可(βσ♦ kě)以使用(yòng)簡單語言向他(tā)人(rén)解釋自(zì)己和✔±→(hé)所做(zuò)決定的(de)系統。

　　3.7 機(jī)器(qì)學習(xí)中的(♥≥λ'de)實時(shí)上(shàng)下(xià)文(wén)（Real-Time Co≈♠ntext in Machine Lear®≈¥♠ning）

　　世界上(shàng)充斥著(zhe)信息、錯(cuò)誤信息和(hé)膚淺的(de)思想，"₩'機(jī)器(qì)學習(xí)中的(de)實時(shí)上(shàng)下(xià ♣•)文(wén)技(jì)術(shù)旨在幫助人(rén)們實踐推理α"£♠(lǐ)、發展見(jiàn)多(duō)識廣的(de)論點并得(de)出可(kě)靠的(de♥± ¥)結論。

　　3.8 一(yī)般強化(huà)學習(xí)算(suàn)法

　　研究人(rén)員(yuán)正在開(kāi)發能(néng)✘πβ≈夠學習(xí)多(duō)個(gè)任務的(de)單一(yī)算(suàn)法，AlphaZα♥♥ero。它不(bù)僅能(néng)在圍棋中獲得(de)超人(rén)的" (de)表現(xiàn)，還(hái)能(néng)在其他(tā)遊戲中獲得(de)∏™←φ超人(rén)的(de)表現(xiàn)，包括國(guó)際象棋和(hé)日(rì)本&≥象棋。這(zhè)一(yī)個(gè)算(suàn±♣÷)法從(cóng)遊戲規則之外(wài)的(de)知(zhī)識開(kāi)始，最&→終發展出自(zì)己的(de)策略來(lái)擊敗其他(tā)玩(wán)家€γ≠(jiā)。

　　3.9 深度學習(xí)範圍

　　程序員(yuán)使用(yòng)特殊的(de)深度學習(xí)算(suàn)法，同γ'時(shí)使用(yòng)大(dà)量的(de)數(shù)據，通(tōng)常是(sσα hì)數(shù)兆字節的(de)文(wén)本、圖像、視(shì ×☆)頻(pín)、語音(yīn)等，系統被訓練成獨立學習(xí)。雖然概念上(s✔‍∞hàng)的(de)深度學習(xí)并不(bù)是(shì)什(shén)麽新鮮事(shì↕ ​)，但(dàn)最近(jìn)發生(shēng)的(de)變化(huà)是(shì)計(jì↕₽∏)算(suàn)量和(hé)可(kě)用(yòng)的(de)數©↓(shù)據量。實際上(shàng)，這(zhè)意味著(γ≤zhe)越來(lái)越多(duō)的(de)人(rén)工(gōng)過程将被自(zì)動化(≥σγγhuà)，包括軟件(jiàn)的(de)✘∞編寫，計(jì)算(suàn)機(jī)很(hěn)快(kuài)就(jiù)會♦÷÷☆(huì)開(kāi)始自(zì)己編寫。

　　3.10 更快(kuài)、更強大(dà)的(de)開(kāi)源框架

　　硬件(jiàn)升級和(hé)更快(kuài÷ ​♣)的(de)芯片将有(yǒu)助于使開(kāi)源框架在未來(λ lái)幾年(nián)變得(de)更快(kuài)和(hé)更流行(§★☆xíng)。

　　3.11 強化(huà)學習(xí)與分(fēn)層學習(xí)

　　強化(huà)學習(xí)是(shì)解決決策問(wèn)題的(de>β)有(yǒu)力工(gōng)具，它被用(yòng)來(lái)訓練人(rén)工(gōng)智•♥能(néng)系統以獲得(de)超人(r×∏♣λén)的(de)能(néng)力。在計(jì)算(≠✔suàn)機(jī)模拟中，一(yī)個(gè)系統嘗試、失敗、學習(xí)、實驗，然後快(kuγ÷ài)速連續地(dì)再次嘗試，每次都(dōu)會(huì)改變它未來(l→♣σái)的(de)嘗試。

　　3.12 持續學習(xí)

　　目前，深度學習(xí)技(jì)術(shù)已經幫助系統學習>✔≥☆(xí)以更接近(jìn)人(rén)類所能(néng)做(zuò)的(de)方式解決複雜(z™ ∏á)任務，但(dàn)這(zhè)些(xiē)任務仍然是 ♥(shì)特定的(de)，它們需要(yào)一(yī)個(gè)嚴格的(de)序列，而且可(kěφ₩¥)能(néng)很(hěn)耗時(shí)。持續學習(xí)（CL）>♥'更多(duō)的(de)是(shì)關于自(zì)±→主和(hé)漸進的(de)技(jì)能(nén₩↑↑←g)培養和(hé)發展，研究人(rén)員(yuánβ±✔)将繼續在這(zhè)一(yī)領域不(bù)斷地(dì£↔£)突破可(kě)能(néng)的(de)極限。

　　3.13 多(duō)任務學習(xí)

　　在過去(qù)的(de)一(yī)年(nián)≠'™裡(lǐ)，卡內(nèi)基梅隆大(dà)學和(hé) Faceφδbook 的(de)人(rén)工(gōng)智能(néng)實驗室的(de)研究人π€(rén)員(yuán)發布了(le)一(yī)款名為(wèi) Pluribus 的(d☆& e)多(duō)人(rén)撲克人(rén)工(g∏↑εōng)智能(néng)，撲克也(yě)讓多(duō)個(gè)玩(w₩≥'♦án)家(jiā)相(xiàng)互競争，獲得(de)勝→‌↕利比抓取遊戲碎片要(yào)複雜(zá)得(de)多(duō)。Pluribus 學會(h§>Ω♦uì)了(le)同時(shí)做(zuò)幾件(jiàn)事(sΩ÷¥★hì)，并建立了(le)自(zì)己的(deπ∏)戰略來(lái)赢得(de)勝利。

　　3.14 生(shēng)成性對(duì)抗網絡

　　生(shēng)成性對(duì)抗網絡（GAN☆←s）是(shì)本世紀最有(yǒu)趣的(de)想法，在過去(qù)幾年(nián)裡(l β✔§ǐ)，GANs 有(yǒu)了(le)巨大(dà)的(de)進步。把一(yī)個(gè) ₹×≈GAN 想象成圖靈測試，但(dàn)是(shì)沒有(yǒu)任何人(rén)↓λ♥£類參與。GANs 是(shì)一(yī)個(gè)λλ無監督的(de)深度學習(xí)系統，由兩個(gè)相(x★$iàng)互競争的(de)神經網絡組成，它們在相(xiàng)同的(d₽☆e)數(shù)據（如(rú)人(rén)的(de)圖像）上(shàng)進行(xíng)訓練¶ε 。僅去(qù)年(nián)一(yī)年(nián)，就(jiù)有(yǒu)許多(duō)有(yλ§ǒu)趣的(de)實驗涉及 GANs。

　　3.15 新的(de)生(shēng)成建模技(jì)術£'✘₩(shù)

　　自(zì)回歸隐式分(fēn)位數(sλ£hù)網絡（簡稱 AIQN）聽(tīng)起✘™π≥來(lái)很(hěn)複雜(zá)，但(dàn)它是(shì)一(yī)個(gè)創₽₹新的(de)想法，有(yǒu)助于改進算(suàn)法，使它們更穩定。這(zhè)意味著(∞÷&zhe)：這(zhè)可(kě)能(néng)會(huì)加γ↔← 快(kuài)人(rén)工(gōng)智能(nén♣φg)的(de)發展步伐 —— 這(zhè)可(kě)能(néng‍≈)意味著(zhe)整個(gè)生(shēng)态系統中更快(kuài)的(de)機(jī)™→∑遇和(hé)創新。

　　3.16 概率規劃語言

　　概率編程語言減輕了(le)開(kāi)發概率模型的(××₽de)一(yī)些(xiē)壓力和(hé)繁瑣。這(zhè)些(xγ₽≈σiē)較新的(de)語言允許開(kāi)發人(rén)員(yuán)構建、重"∏‌≠用(yòng)和(hé)共享他(tā)們的(de)✔★模型庫，同時(shí)仍然容納不(bù)完整的(de)信息。

　　3.17 機(jī)器(qì)圖像完成（Machine$≠σ Image Completion）

　　如(rú)果一(yī)個(gè)計(jì)算(suàn)機(jī)系統能(néng)夠訪問σ♥↑∑(wèn)上(shàng)百萬的(de)圖‌ 片，就(jiù)說(shuō)它可(kě)以修補和≈¥≥€(hé)填補圖片中的(de)漏洞。這(zhè)項功能(néng)對(duì₩±‍)專業(yè)攝影(yǐng)師(shī)以及所有±₹♣(yǒu)想拍(pāi)出更好(hǎo)自(zì)拍(pāi)的(de£>™)人(rén)都(dōu)有(yǒu)實際的(de)應用(yòng)。圖像完成也(yě)是(s¶σ↔hì)執法和(hé)軍事(shì)情報(bào)人(rén)員(yuán)的(d♥$&£e)一(yī)個(gè)有(yǒu)用(yòng)工(gōng)具，計(jì)算(suàn)機(j♦×ī)現(xiàn)在可(kě)以幫助他(tā)們識别誰或什(s₩♠πhén)麽是(shì)在框架中。考慮到(dào)我們已經在機(jī)器(qì)學₹‍習(xí)算(suàn)法和(hé)數(shù)據集上(shàng)看(kàn)到₩←(dào)的(de)偏見(jiàn)，圖像完成可(kě)能(néng)成為(wèβΩi)未來(lái)關于隐私和(hé)我們設備的(de)​©争論的(de)一(yī)部分(fēn)。

　　3.18 混合人(rén) - 計(jì)算(suàn)機(jī)視(↓δ↑©shì)覺分(fēn)析

　　目前人(rén)工(gōng)智能(néng)沒有(yǒu)人(rén)的(de)幫助還(₩±hái)不(bù)能(néng)完全發揮作(zuò)用(yòng)。混合智能(néng)系統将人♥☆±(rén)類和(hé)人(rén)工(gōng)智能(φ ✔néng)系統結合起來(lái)，以獲得(d‌ ‌e)更高(gāo)的(de)精确度。

　　3.19 預測機(jī)器(qì)視(shì)覺

　　預測機(jī)器(qì)視(shì)覺研究有(yǒu)朝一(yī)¶γ¥>日(rì)将使機(jī)器(qì)人(ré‌">n)能(néng)夠更容易地(dì)在人(rén)類環境中導航，并通(tōng)過從(cóng)我₹∞α♣們自(zì)己的(de)肢體(tǐ)語言中獲取線索與我們人(rén)類互動。它'π也(yě)可(kě)以用(yòng)于零售環境，當我們操作(zu↓±ò)機(jī)器(qì)，或當我們在教室學習(xí)。

　　3.20 自(zì)動機(jī)器(qì)學習(xí)（AutoM‌¥≈L）

　　一(yī)些(xiē)組織希望擺脫傳統的(de)機(jī)器(qì)學習(xí)方法₩×，這(zhè)種方法費(fèi)時(shí)費(fèi←∞☆₹)力，需要(yào)數(shù)據科(kē)學₩φ家(jiā)、人(rén)工(gōng)智能(néng)∞Ω€領域的(de)專家(jiā)和(hé)工(gōng)程師(shī)。自(z ≠ì)動機(jī)器(qì)學習(xí)（Au≈‌≠∏toML）是(shì)一(yī)種新的(de)方法：将原始數(shù)據和(♠∞hé)模型匹配在一(yī)起以顯示最相(xiàng)關的(de)信息的(de)過程λ♥。谷歌(gē)、亞馬遜和(hé)微(wēi)​"∞軟現(xiàn)在提供了(le)大(dà)量的(‌π​de) AutoML 産品和(hé)服務。

　　3.21 定制(zhì)機(jī)器(qì)學習(xí)

　　不(bù)久，個(gè)人(rén)用(yòng)戶将上(shàng)傳他(tā)們自(zì±<★§)己的(de)數(shù)據來(lái)定制(zhì)現(xiàn)有(yǒ$αγ₩u)的(de)人(rén)工(gōng)智能(‌§ ↑néng)模型。例如(rú)，像 Google 的(de) Cloud Auto≈≥×₩ML 和(hé) Amazon SageMa↓>"ker Autopilot 這(zhè)樣的(de)工(gōng)具允許組織在沒有(y α☆↑ǒu)受過高(gāo)度培訓的(de)員(yuán)工(gōng)的(de)情況下(☆↑∑∞xià)培訓定制(zhì)的(de)機(jī)₹γΩ器(qì)學習(xí)模型。

　　3.22 圖神經網絡

　　氣味分(fēn)類是(shì)很(hěn)棘手的(de)，因為(wèi)它需要(yào©¶)一(yī)個(gè)多(duō)标簽系統。谷歌(gē)的(de)研究人('₽₽>rén)員(yuán)正在構建圖形神經網絡（graph neural networks），一(y≠∏→ī)種以圖形為(wèi)輸入的(de)特殊類型的(de)深層神經網絡以≈α $在分(fēn)子(zǐ)水(shuǐ)平上(shàng)預測氣味。

　　3.23 智能(néng)光(guāng)學字符識别

　　一(yī)個(gè)持續的(de)挑戰是(shì)讓™™機(jī)器(qì)認識到(dào)我們用(yòng)書(sh'↔ ∑ū)面表達自(zì)己的(de)各種方式。λα光(guāng)學字符識别（OCR）以固定的(de)、可(kě)識别的(de)格式工εΩ ¥(gōng)作(zuò)，如(rú)公路(lù)标志(zhì)和(hé)書(shū)中 '♣≠的(de)文(wén)字。但(dàn)是(sh ¶δì)，OCR 往往不(bù)夠聰明(míng)，無法識别♣σ不(bù)同的(de)字體(tǐ)、獨特的(deπ↔≥)符号或隻有(yǒu)一(yī)家(jiā)公司的(de)字βσ±段的(de)電(diàn)子(zǐ)表格。