摘自36Kr：http://36kr.com/p/5110681.html
编者按：人工智能今年不仅取得了一些显著的发现，它在不同的领域的应用也很出色，甚至让程序员都显得过时了。
2017年是人工智能领域蓬勃发展的一年。 虽然AI和以数据为中心的机器学习已经存在有数十年的历史，但是，直到今年，算法技术才真正在各行各业和各种语境下广为人知。
微软英国首席愿景官戴夫·科普林（Dave Coplin）把AI称为
最重要的技术，这个星球上的每一个人都在为此工作
而硅谷的公司似乎也是这么想的：他们一直在到处招聘AI专家，那些因为人才短缺而找不到相应人才的公司，也已经开始让员工自己学习最基本的AI知识。
虽然如此，但也不是每一个AI的成就都受到了赞赏和掌声的欢迎。有人担心人类的偏见会被引入到AI系统中。例如，ProPublica在2016年发现，用于预测未来犯罪分子的软件算法严重歧视黑人嫌疑人。今年早些时候，Facebook也引发了抨击，这家公司的算法生成的广告客户分类可以被用于给用户打标签，其中包括一些充满敌意的群体和话题，比如“反犹太者”。类似这样的情况促使专家敦促公司和开发者在关于AI系统如何工作的阐释上需要更加透明。不过，在许多其他情况下，特别是最近，AI已经被用来实现美好的愿望：帮助发现，改善自我，帮助我们超越人类的思维局限。
成功的天文学发现通常围绕研究数据 - 大量的数据 - 这是AI和机器学习非常擅长的地方。事实上，天文学家使用人工智能来筛选开普勒望远镜上获得的多年数据。在本月早些时候确定了一个遥远的八行星太阳系。
从2009年到2013年，开普勒望远镜的光度计每半小时捕捉20万颗不同恒星的10个像素图像，以寻找恒星亮度的变化。如果一颗恒星以一种规则的重复模式变暗和变亮，这可能表明它有行星绕行。 （也可以使用这些信息来估算一个行星的轨道大小和轨道长度。）
得克萨斯大学奥斯汀分校的天文学家安德鲁·范德堡（Andrew Vanderburg）和Google软件工程师克里斯托弗·沙尔（Christopher Shallue) 开发了一个神经网络，使用1500颗系外行星的引导，达成了这一发现。他们根据已知的系外行星位置对670颗星星重新校准定位，但聚焦于弱信号 - 以前的研究人员可能错过了较小的系外行星。新发现的行星被称为开普勒90i，这似乎是绕行的第三颗行星，就像我们自己的地球一样。
Google的DeepMind研究人员开发一个AI，用于玩复杂的中国战略游戏围棋。五月份，最初版本的AI击败了世界上最好的围棋玩家，但这还不够。几个月后，Google开发了AlphaGo 的最新版本 AlphaGo Zero。这个AI实现了超人类水平的围棋表现 - 以100：0击败了原来的AlphaGo。
卡内基梅隆公司的计算机科学部门开发的最新的AI扑克游戏者最近打败了专业人士。与国际象棋和围棋等策略游戏不同，扑克被认为是“不完美的信息游戏”，因为玩家必须做出决定，即使隐藏了一些信息。最重要的是，这不仅仅是动作指令，它甚至也知道什么时候该虚张声势。卡内基梅隆大学的AI Libratus在为期20天的比赛中赢得了20万美元的奖金，击败了世界顶级扑克专业人士。
人工智能今年不仅取得了一些显著的发现，它在不同的领域的应用也很出色，甚至让程序员都显得过时了。几个不同的人工智能程序（包括谷歌，微软和Facebook开发的程序）学会了如何编写基本代码，以帮助非程序员处理复杂的电子表格计算，或者减少开发人员必须面对的一些麻烦。
微软的AI DeepCoder可能被认为是三者中最基本的一个，尽管它仍然是一个令人难以置信的复杂的技术。这个AI可以理解您需要解决的数学问题，可以查看代码中相似问题的现有示例，然后开发基于代码的解决方案。
对于那些不能或不想学习编码，但需要使用基于代码的解决方案进行计算（例如，棘手的电子表格计算）的人来说，DeepCoder最终可能是非常有用的。解决方案相对简单，在解决方案和结构方面，基于AI的以前经历，它们通常最终总共只有三到六行代码。
Google的机器学习自学软件AutoML，在一个案例中，学会识别照片中的物体，这是一个更具挑战性的任务，它最终实现了43％的任务成功率，比同行开发的代码高出4个百分点。然而，AutoML的最大好处是自动化机器学习模型的开发过程，这对于人类机器学习专家而言通常是相当耗时的。
然后是Facebook的自我学习的聊天机器人，它们的自学能力略有不同。 例如，Bob和Alice，这两个A.I.机器人开始用英语发音，但是后来发展了自己的语言来说话。
聊天机器人会摆脱可理解的语言，为自己发明代码字
来自乔治亚理工学院，现任Facebook AI研究院的科学家Dhruv Batra在接受FastCo的采访说到。
随即便在媒体上引起了很大反响，“令人毛骨悚然”是对这一发现最常见的描述，但实际上这是一个相当普遍的现象。
这类技术基于奖励的系统演变，原理是如果一个行动没有得到特定的正向反馈，他们会尝试其它的东西。 尽管如此，Facebook的研究人员最终关闭了AI 机器人项目，因为他们的目标是创建实体，最终将与人互动 ， 这些数字机器人没有人的风格。
苏公网安备32030302000629号