2017回顾与2018前瞻：机器学习与人工智能

时隔一年，科技媒体巨头 KDnuggets 对大数据、数据科学、人工智能和机器学习领域的顶尖专家进行了深度访谈，探寻了这些领域在 2017 年的重要发展以及 2018 年的发展趋势。作为这一系列的首篇年终总结，本文将聚焦于机器学习和AI领域在 2017 年的重大事件以及 2018 年的潜在趋势展望。

在回顾 2017 年时，机器学习和人工智能领域的发展可谓是波澜壮阔。在这一年中，众多专家对机器学习和 AI 的发展趋势做出了精准预测。其中，AlphaGo 的成功无疑是最为引人注目的里程碑事件。深度学习的热潮持续涌动，自驾车技术也取得了显著进展。TensorFlow 对神经网络技术商业化的影响也日益显现。

为了深入理解年度最重要的发展动态以及预测机器学习和人工智能在 2018 年的发展成果，我们倾听了专家们的声音。他们的观点为我们提供了宝贵的见解。

Xavier Amatriin，Curai 联合创始人兼 CTO，对 2017 年的人工智能发展有着独到的看法。他认为 AlphaGo Zero 是今年的最大亮点。这种新方法不仅在一些前沿领域取得了进展（如深度强化学习），而且代表了学习范式的转变。他还谈到了人工智能技术在云服务方面的竞争态势，以及各行业在必要时能够团结一致的良好态势。他还指出了人工智能带来的社会问题及其引发的广泛讨论。他认为透明度问题将成为机器学习算法关注的焦点之一。

Georgina Cosma，诺丁汉特伦特大学科学与技术学院的高级讲师，强调了机器学习模型透明度的重要性。特别是在医疗保健、法律制度等关键领域，了解模型预测的原理至关重要。对于深度学习模型的预测原理必须足够透明，尤其是在这些模型的结果会影响人类决策时更是如此。她的观点引发了人们对于模型透明度以及机器学习算法的可靠性的思考。此外她还强调了AI技术在各行各业中发挥的重大作用并引起人们对算法决策透明度的重视。这种透明度是确保人们信任AI决策的关键因素之一并有可能推动AI的进一步发展和应用领域的拓展。

AI：企业的竞争优势与人才短缺的挑战

随着Ajit Jaokar，牛津大学数据科学物联网课程首席数据科学家和创建者的视角，我们看到了AI在企业中的日益重要作用。

AI新技术蓄势待发，隐私保护备受瞩目

作为密歇根州立大学的应用机器学习和深度学习研究员、计算生物学家以及Python机器学习著作的作者，Sebastian Raschka对于当前开源社区热议的深度学习框架有着深刻的见解。他认为，现在这些工具已经逐渐成熟，未来的发展方向应该是将更多的精力投入到将深度学习的创新理念付诸实践，特别是利用今年备受瞩目的GAN和Hinton capsule解决实际问题。他也非常关注用户隐私在深度学习应用中的重要性，并希望这个话题能在2018年得到更多的关注。

成果虽脆弱，但人工智能仍在飞速发展

Facebook数据科学家Brandon Rohrer表示，虽然人工智能取得的成就仍然脆弱，容易被攻击，但2017年却取得了许多令人瞩目的成就。AlphaGo不仅击败了人类围棋世界冠军，还通过自学打败了它的“兄弟”，展现了机器在智能领域的巨大潜力。他预测，随着更多强大的AI解决方案的出现，几乎所有大型科技公司都会尝试AI，而“AGI”将成为2018年的热门词汇。

回顾2017年机器学习/人工智能的重大发展

投资银行数据科学家Elena Sharova表示，2017年，越来越多的公司和个人开始将数据和解决方案转向基于云的解决方案，数据安全性得到了广泛关注。随着数据转移到第三方存储平台，应对新威胁的强大安全性能的需求也在增长。GDPR作为具有全球影响力的欧盟法规对所有数据科学家产生了深远影响。企业需要确保遵守GDPR并解决机器学习系统带来的技术债务问题。

深度学习的商业应用及未来趋势

Optum/UnitedHealth Group商业数据科学总监Tamara Sipes指出，深度学习和集成建模方法在商业数据领域的应用中显示出其价值和优势。在未来，深度学习可能被用于从原始数据中生成新的特征和概念，并取代手动创建或设计新变量的需求。有效的异常检测可能会成为未来的重点，这对于了解罕见事件的演变本质是一个挑战。深度学习框架的易用性和用户友好性也得到了改善。PyTorch的发布为所有了解Python的人提供了一个易于使用的工具。随着这些技术的发展和改进，我们期待看到更多关于深度学习的创新应用和商业实践的出现。随着人工智能技术的不断进步和发展，我们也面临着越来越多的挑战和问题。如何在确保技术创新的同时保护用户隐私和数据安全将是一个重要的议题和挑战。随着越来越多的人开始关注人工智能和机器学习的发展，我们也必须确保技术的透明度和公正性，以便为所有人带来真正的利益和价值。在这个过程中，我们需要不断学习和探索新的解决方案和方法来应对这些挑战和问题。在这个过程中我们也看到了巨大的机会和挑战并行存在这意味着我们将面临不断的发展和变化让我们期待这些挑战能够带来创新和成长进一步推动人工智能和机器学习领域的发展并推动我们的社会向前发展同时我们也要时刻关注新技术的发展保持对新技术的好奇心和热情探索其潜力和应用让我们共同期待一个更加美好的未来充满创新和机会的世界在人工智能的道路上不断探索和前行共创辉煌的未来！随着时间的推移，我们看到TensorFlow在不断进步，正逐步将Keras纳入其核心代码库并发布动态执行功能。这一变革使得深度学习技术的使用门槛大幅降低，预计到了2018年，深度学习对于开发者而言将变得更加便捷易用。与此我们也不能忽视另一个重要趋势。随着人工智能技术的普及，专制正利用AI来监管公民行为，这一现象已经引起了广泛的媒体关注。隐私威胁早已存在，但近期随着深度学习技术的迅猛发展，如通过图片识别示威者的面纱下的面孔或是通过图像判断个体的性取向等应用的普及，使得这一话题再次引起人们的广泛关注。未来在2018年，我们需要更加关注人工智能带来的隐私风险问题，并不仅仅局限于Elon Musk所担忧的邪恶超级智能的问题，更应重视监视、隐私保护、性别歧视和种族主义等议题。与此道德、问责和可解释性成为了人工智能领域的热点话题。Daniel Tunkelang先生，作为Twiggle的首席搜索传播官和知名组织顾问，他认为对于自动驾驶汽车和智能语音助手等领域来说，道德、问责和可解释性的重要性日益凸显。尽管有人对人工智能可能引发的问题持怀疑态度，如Elon Musk警告人工智能可能引发世界大战的观点引发了广泛的讨论和争议。我们必须正视机器学习模式偏差可能带来的问题，如性别歧视、种族主义以及社交媒体feed的操纵等。这些问题并非新出现的现象，但随着机器学习和深度学习的广泛应用，这些问题被推到了公众视野中。未来我们将看到可解释的人工智能成为一门学科，汇聚学者、业界专家和政策制定者的智慧与努力。我们必须认真对待这些问题并积极寻求解决方案。