2019年人工智能領(lǐng)域都發(fā)生了什么大事件

（文章來源：CDA數(shù)據(jù)分析師）

2019年無疑是忙碌的一年。人工智能的進(jìn)步和新聞頻頻登上頭條新聞，讓我們的生活充滿了敬畏和自豪的時刻，但一些其他時刻充卻斥著一種惱人的想法，那就是這項(xiàng)技術(shù)讓人們發(fā)現(xiàn)，我們的社會并沒有準(zhǔn)備好迎接人工智能的普及。2019年，究竟是人工智能進(jìn)步的一年，還是幻滅的一年呢？隨著研究人員攻城略地，迅速攻克以前難以企及的基準(zhǔn)，今天，我們可不可以這樣認(rèn)為，這個領(lǐng)域已經(jīng)正在步入穩(wěn)步發(fā)展的軌道呢？

在 ADSP（Applied Data Science Partners，意即“應(yīng)用數(shù)據(jù)科學(xué)合作伙伴”）網(wǎng)站上，我們想后退一步，把 2019 年的人工智能界發(fā)生的事件整理好，以讓公眾能夠有個全新的視角。在聚光燈下，重要的是要將一項(xiàng)工作最初吸引人們的興趣，與它的實(shí)際重要性，以及它對該領(lǐng)域產(chǎn)生的影響區(qū)分開來。為此，本文將展開人工智能故事的平行線索，并試圖分離出它們的意義。多虧了我們出色的內(nèi)容作家 Elena Nisioti，她將這些故事講得如此精彩！

如果讓我們用一句話來描述 2019 年的人工智能現(xiàn)狀，那很可能是：“強(qiáng)化學(xué)習(xí)（Reinforcement Learning ）回歸，看起來將永存”。

到目前為止，我們中的大多數(shù)人可能已經(jīng)熟悉了 監(jiān)督式學(xué)習(xí)（Supervised Learning）：有些人收集了大量的 訓(xùn)練數(shù)據(jù)，將它們饋送到 機(jī)器學(xué)習(xí)算法 中，然后得到一個 模型，這個模型可以為我們進(jìn)行 預(yù)測 和 分類。我們中的一些人甚至可能有這樣的印象：即，人工智能就是監(jiān)督式學(xué)習(xí)的同義詞。然而，監(jiān)督式學(xué)習(xí)只不過是我們今天擁有的 眾多類型的機(jī)器學(xué)習(xí) 中的一種罷了。

在強(qiáng)化學(xué)習(xí)（Reinforcement Learning，RL）中，智能體用 試錯 的方法，通過與環(huán)境進(jìn)行交互來學(xué)習(xí)，這種環(huán)境會給它們的 行為 提供 獎勵回報。當(dāng)涉及到多個智能體時，它們被稱為 多智能體強(qiáng)化學(xué)習(xí)系統(tǒng)（Multi-agent Reinforcement Learning System）。

這個領(lǐng)域已經(jīng)存在幾十年，從概念上來講，它聽起來比監(jiān)督式學(xué)習(xí)更像是一種合理的創(chuàng)造智能的學(xué)習(xí)機(jī)制。然而，直到 2015 年，DeepMind 才獲得了人們的關(guān)注，當(dāng)時 DeepMind 使用深度 Q 學(xué)習(xí)（Deep Q-learning）創(chuàng)建了 Atari（雅達(dá)利） 游戲的智能體，這是一種結(jié)合了經(jīng)典強(qiáng)化學(xué)習(xí)算法和深度神經(jīng)網(wǎng)絡(luò)的算法。2018 年，OpenAI 也通過 解決 Montezuma’s Revenge（一款被認(rèn)為難度特別高的 Atari 游戲），從而在這一領(lǐng)域確立了自己的地位。

自去年 Google BERT、ELMo 和 ulmfit 等系統(tǒng)在 2018 年底推出以來，自然語言處理一直風(fēng)頭正茂，但今年的聚光燈被 OpenAI 的 GPT-2 給“奪走了”，它的表現(xiàn)引發(fā)了人們對 自然語言處理系統(tǒng)的道德使用的大討論。今年，人們也見證了最近一些深度學(xué)習(xí)技術(shù)走向成熟。應(yīng)用監(jiān)督式學(xué)習(xí)，特別是 計算機(jī)視覺 技術(shù)，已經(jīng)催生了現(xiàn)實(shí)生活中成功的產(chǎn)品和系統(tǒng)。

生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks，GAN）是一對神經(jīng)網(wǎng)絡(luò)，其中，生成器網(wǎng)絡(luò)試圖通過學(xué)習(xí)生成模仿訓(xùn)練數(shù)據(jù)的圖像來欺騙判別器網(wǎng)絡(luò)，現(xiàn)在已經(jīng)達(dá)到了近乎完美的水平。對人工智能來說，創(chuàng)造虛假但又逼真的人物和物體的圖像，已經(jīng)不再是前沿領(lǐng)域了。從 2014 年生成對抗網(wǎng)絡(luò)的引入 到 2019 年 NVDIA 開源的 StyleGAN，一圖勝千言，我們用下面的圖片來說明，這可能是理解該領(lǐng)域進(jìn)展情況的最佳方式：

2019 年，人工智能創(chuàng)造的藝術(shù)品甚至脫離了過去幾年的假設(shè)性討論，成為了今天博物館裝置和拍賣 的一部分。計算機(jī)視覺還被應(yīng)用于一些具有重大商業(yè)和社會意義的領(lǐng)域，包括自動駕駛車輛和醫(yī)學(xué)。但是，人工智能算法在這些領(lǐng)域中的應(yīng)用自然是緩慢的，因?yàn)樗鼈冎苯优c人類生活直接互動。至少到目前為止，這些系統(tǒng)還 不是完全自主的，它們的目的，在于支持和 增強(qiáng) 人類操作員的能力。

研究團(tuán)隊正與醫(yī)院密切合作，開發(fā)用于疾病早期預(yù)測的人工智能系統(tǒng)，并整理大量的健康數(shù)據(jù)檔案，其中一個值得注意的例子，是 DeepMind Health 和 UCLH 之間正在進(jìn)行的合作。然而，這些工作中的大部分仍處于試驗(yàn)階段，迄今為止，唯一獲得 FDA 批準(zhǔn)的人工智能系統(tǒng)是 SubtlePet，這是一款使用深度學(xué)習(xí)增強(qiáng)醫(yī)學(xué)圖像的軟件。

（責(zé)任編輯：fqj）