MIT科技評論撰文對2017年人工智能領域展開五大預測。去年是人工智能和機器學習技術取得重大進展的一年，2017年該領域有望迎來更多的實質性進展。

中國的AI熱潮

今年可能也會是中國開始成為AI領域重要一員的一年。中國的科技行業正變得不那么熱衷于抄襲西方的公司，它已認準AI和機器學習是未來重要的創新領域。

百度設立專門的AI實驗室已有一段時間，它正在多個技術領域取得進展，如語音識別和自然語言處理，以及經過進一步優化的廣告業務。其它的公司也在緊鑼密鼓地追趕上來。騰訊在2016年設立了一個AI實驗室，它也在NIPS大會上積極招募人才。滴滴也在建立實驗室，據稱要研發自有的無人駕駛汽車。 

中國投資者正積極投資專注AI領域的創業公司，政府也表示希望本國的AI行業繁榮發展，并承諾2018年前對該領域投資大約150億美元。 

語言識別 

問問AI研究人員他們的下一個目標是什么，他們很可能會提到語言。業界希望，為語音和圖像識別以及其它領域帶來巨大進展的技術，也有助于計算機更加有效地解析和生成語言。 

這是人工智能長期以來的一個目標，計算機利用語言與我們溝通互動的前景很有吸引力。更好的語言理解能力會大大提升機器的實用性。但考慮到語言的復雜程度、微妙和威力，這是一個巨大的挑戰。 

可別指望你不久之后就能夠與你的智能手機進行深入而有意義的對話交流。不過，業界正取得一些令人印象深刻的進展，預計今年該領域還會出現進一步的進展。 

正面強化 

AlphaGo對世界圍棋冠軍李世石的歷史性勝利，稱得上AI領域(尤其是名為深度強化學習的技術)的一項里程碑。

強化學習技術涉及讓機器通過試驗和正面強化來解決問題，而不是通過程序或者明確的例子。這一理念已經存在了數十年，而結合它和大型的(或者深度的)神經網絡可帶來解決非常復雜的問題(比如圍棋)所需的能力。通過不計其數的試驗和對舊棋局的分析，AlphaGo自己習得專家級別的下棋能力。 

業界希望，強化學習技術將能夠在很多的現實生活場景派上用場。通過擴大計算機能夠借助這種技術獲得的技能數量，近期數個模擬環境的推出應當會推動所需算法設計方面的進展。 

2017年，我們可能將會看到將強化學習應用于自動化駕駛、工業用機器人等問題的項目。谷歌已經宣稱，通過使用深度強化學習技術，它能夠提升其數據中心的運營效率。但這種實踐仍然是試驗性的，它還需要長時間的模擬。因此，未來該類技術能夠如何被有效部署值得關注。 

生成式對抗網絡 

在近期在巴塞羅那舉行的神經信息處理系統大會(NIPS,AI學術聚會)上，一項名為生成式對抗網絡(GAN)的新機器學習技術成為了眾人的焦點。 

該類網絡由OpenAI研究科學家伊恩·古德費洛發明，這種系統由兩個網絡組成，一個在學習訓練集后生成新數據，另一個則嘗試區分真實數據和假數據。通過共同作用，這些網絡能夠產生非?，F實的合成數據。這種方式可被用于產生視頻游戲布景，使得像素化錄像片段變得更加清晰，又或者對計算機生成的設計實施風格變化。 

作為世界一流的機器學習專家(和古德費洛在蒙特利爾大學的博士生導師)，約書亞·本吉奧在NIPS上表示，這種方式尤其令人興奮，因為它給計算機帶來一種很好的從無標記數據學習的途徑——不少人認為，這可能是使得計算機未來幾年大大提升智能程度的關鍵所在。

過分吹捧引發反彈 

2016年，在AI取得實質性進展和迎來令人興奮的新應用的同時，圍繞人工智能的吹捧也達到了新的高度。雖然很多人都看好當下開發的技術的潛在價值，但人們也不免覺得圍繞AI的大肆吹捧實在有點失控了。 

部分AI研究人員為這個問題而感到十分氣憤。在NIPS大會舉行期間，他們為一家名為Rocket AI的假AI創業公司舉辦了慶祝成立的派對，以此來凸顯圍繞真實AI研究的躁狂情緒。這種做法雖然不是很令人信服，但它確實是一種很有趣的吸引大家關注一個實實在在的問題的方式。 

現實的問題是，吹捧過度在行業沒有取得重大突破的時候不可避免地會引發失落感，導致估值過高的創業公司倒下，投資枯竭。也許，2017年AI被過度吹捧的現象會引發某種反彈——也許這不會是什么壞事。