盤點：2015年人工智能領域十大事件

盤點：2015年人工智能領域十大事件

1.人工智能開源熱潮2015年11月，谷歌開源了第二代機器學習平臺TensorFlow，為用戶們提供一種利用大量數(shù)據(jù)直接訓練計算機完成任務的途徑。軟件可以和不同方法相結合，在不同計算機硬件基礎上有效建立并訓練模擬“深度學習”神經(jīng)網(wǎng)絡。谷歌此舉旨在將多種神經(jīng)網(wǎng)絡機器學習應用到產(chǎn)品和服務當中。如今，使用該平臺的項目已經(jīng)超過600個。早在今年一月，F(xiàn)acebook也公布了一個機器學習的開源項目，他們將一些基于機器神經(jīng)網(wǎng)絡的產(chǎn)品免費放在了Torch(一個關注深度學習的開源軟件項目)上，可以用來處理數(shù)據(jù)，分析信息的共同特征。此后，F(xiàn)acebook了開源人工智能硬件服務器BigSur。其他巨頭在人工智能方面也越發(fā)開放，微軟將分布式機器學習工具包(DMTK)通過Github開源；IBM旗下機器學習平臺SystemML正式開源，成為Apache孵化器下面的一個開源項目。2.DeepMind論文震驚世界當2013年12月DeepMind的團隊首次展現(xiàn)他們靠不斷試錯學習最后成為擊敗人類專業(yè)玩家的游戲人工智能時，很多專家都感到不可思議。而在2015年，DeepMind團隊現(xiàn)在已經(jīng)在《自然》雜志上公布了自己的研究成果：Human-levelcontrolthroughdeepreinforcementlearning—通過深度神經(jīng)網(wǎng)絡與強化學習等方法的的結合，展現(xiàn)出在一系列復雜任務當中與人類表現(xiàn)相當?shù)乃惴?。以下視頻就是DemisHassabis在GoogleZeitgeistminds的演講，其中演示了他們訓練人工智能成為游戲高手。(字幕由機器之心翻譯出品。聽譯：微胖。時間軸：汪汪。)3.人工智能倫理之爭加劇劍橋大學、馬斯克先后成立人工智能研究所。12月初英國劍橋大學新建了一個研究中心，致力于人工智能未來并旨在影響其道德倫理發(fā)展。據(jù)了解，一家名為Leverhulme的信托公司將為其提供十年約1000萬英鎊的資助。而到12月中旬，特斯拉和SpaceX的CEO伊隆·馬斯克、YCombinator董事長SamAltman等人宣布出資10億美元成立非盈利性人工智能(AI)研究機構OpenAI。DeepMindCEOHassabis也透露，霍金曾和他討論人工智能的情況。而下月，紐約大學將舉行人工智能倫理研討會，眾多互聯(lián)網(wǎng)巨頭及創(chuàng)業(yè)公司的人將參與本次會議。4.MagicLeap再融資神秘的MagicLeap在過去一年不斷搶占媒體版面。“這是一家野心勃勃的公司，雖然還沒有任何成形的產(chǎn)品，雖然其展示給投資者的只是一堆代碼和Demo”，但一年內(nèi)完成共計18億美元的融資后。不妨再來看看他們的演示視頻：為了讓用戶看到現(xiàn)實中不存在的物體和現(xiàn)實世界融合在一起的圖像并與其交互。MagicLeap需要實現(xiàn)感知現(xiàn)實似乎節(jié)并通過頭戴式顯示器以呈現(xiàn)虛擬的影像(Display)。不過MagicLeap還是留下了太多疑問，比如要計算4維光場，計算量驚人，如何解決芯片問題？又比如如果沒有操作系統(tǒng)支持MagicLeap，怎樣實現(xiàn)“世界就是你的新桌面”的愿景？以及除了最最最嚴重的電池問題。MagicLeap在2015年留給世界太多的問號，我們真心希望能在新的一年找到答案。5.《科學》雜志論文展示機器學習新方法“僅從一個例子就形成概念”的能力對人來說很容易。然而，盡管人工智能近年來取得了長足的進步，但要讓機器做到這一點，卻難于上青天，因為目前的人工智能通常需要從大量的數(shù)據(jù)中進行學習，你得讓它看成千上萬張菠蘿的圖片才行。不過，這個事實或許從今年開始改變了。一篇人工智能論文今年登上了《科學》雜志的封面，為人們帶來了人工智能領域的一個重大突破：三名分別來自麻省理工學院、紐約大學和多倫多大學的研究者開發(fā)了一個“只看一眼就會寫字”的計算機系統(tǒng)。三位研究者采用的方法是“貝葉斯程序?qū)W習”(BPL，BayesianProgramLearning)，能讓計算機系統(tǒng)對人類認知進行很好的模擬。傳統(tǒng)的機器學習方法需要大量的數(shù)據(jù)來訓練，而這種方法只需要一個粗略的模型，然后使用推理算法來分析案例，補充模型的細節(jié)。劍橋大學的信息工程教授ZoubinGhahramani說：“我認為這對人工智能、認知科學和機器學習是一個重大的貢獻?！倍鄠惗啻髮W和谷歌的人工智能先驅(qū)GeoffreyHinton說這個研究“令人印象非常深刻”。6.無人機逐漸成熟在2014年媒體一直都在宣傳無人機在各行各業(yè)無所不能的能力，從在野外為車輛導航到解決地球上的饑荒，無人機的身影無處不在。事實上，如今我們只是剛剛看到美國聯(lián)邦航空局開始為無人機的商業(yè)行為網(wǎng)開一面，開始著手制定法規(guī)。目前已經(jīng)有超過2500架商用無人機獲取了美國聯(lián)邦航空局的準飛許可，與去年的宣傳形成鮮明對比的是在媒體口中無人機從“很酷的玩意兒”變成了“頭疼的玩意兒”。2015年的無人機市場正進入爆發(fā)的前期：創(chuàng)業(yè)公司不斷涌現(xiàn)、市場領跑者不斷攻城略地、包括亞馬遜、谷歌在內(nèi)的互聯(lián)網(wǎng)巨頭從不同維度進入市場、大量消費級無人機上架售賣以及美國聯(lián)邦航空管理局啟動的無人機注冊規(guī)定從政府、企業(yè)再到消費者，無人機的影響越來越大，我們也有理由相信接下來的一年會有更多突破。7.沃森的職業(yè)發(fā)展規(guī)劃IBM的沃森正在快速成長中，過去一年“他”先后在五星級酒店的后廚、律師事務所及大型醫(yī)院服役，能夠自己創(chuàng)作菜譜，分析法律文本，以及診斷腫瘤等。此外，沃森還變身體育教練、仿生學家、反恐專家等。與此同時，依托其強大的認知計算能力，沃森還成為諸多創(chuàng)業(yè)公司的好“基友”。IBM推出了一個基于云端的平臺Bluemix給開發(fā)者使用沃森創(chuàng)造新的“智能”應用的機會。去年1月份，IBM投入了10億美元資金用于進一步研發(fā)沃森包括1億美元用于迅速啟動認知應用生態(tài)系統(tǒng)。目前，沃森生態(tài)系統(tǒng)包括350家公司，77000名開發(fā)人員，他們正在設計并構建IBM所謂的“基于云計算的認知計算應用”，范圍從醫(yī)療工業(yè)到金融服務和零售業(yè)。12月份，沃森物聯(lián)網(wǎng)全球總部在慕尼黑開張，同時開放一些強大的包括語音識別、機器學習、預測和分析服務、視頻和圖像識別服務以及非結構化文本數(shù)據(jù)分析服務在內(nèi)的API，通過開放化的人工智能技術進軍物聯(lián)網(wǎng)。8.NIPS2015召開今年的參會人數(shù)接近4000，創(chuàng)下了NIPS舉辦以來的注冊人數(shù)之最。其中，注冊大會基調(diào)報告的人數(shù)為2584人，比去年激增100%。大會總共收錄了403篇論文，其中深度學習課題約占11%。本次大會也體現(xiàn)出了深度學習的幾大發(fā)展趨勢，例如，神經(jīng)網(wǎng)絡框架變得越來越復雜而精密，且逐漸從單一框架變成基于多種神經(jīng)科學技術的混合和匹配；大部分最先進的系統(tǒng)都將LSTMs；注意力模型越來越成為研究的主流；在深度學習的幫助下，計算機視覺和自然語言處理之間不再割裂，變得更加融合；神經(jīng)網(wǎng)絡模型壓縮的展示則令人看到在移動設備上進行神經(jīng)網(wǎng)絡模型訓練的可能性；深度學習和強化學習的交叉將產(chǎn)生更多令人興奮的成果。9.谷歌量子計算機的“重大進步”人工智能的發(fā)展離不開高性能計算尤其是量子計算機研究突破，谷歌在量子計算機研究領域取得重要進展。谷歌在一篇論文中指出：“在一個特定的、精心設計的概念證明問題上，我們比傳統(tǒng)計算機的運行速度快1億倍?！睋?jù)了解，2013年，谷歌從加拿大本拿比的D-Wave公司購買了一臺量子計算機。D-Wave是唯一一家銷售此類設備的公司，他們的產(chǎn)品在學術界飽受爭議。此前他們曾聲稱自己的計算速度更快，但遭到了質(zhì)疑?，F(xiàn)在，谷歌發(fā)布了D-Wave迄今為止最強大的結果，顯示出1億倍的速度提升。不過，該論文的結果受到諸多質(zhì)疑。瑞士蘇黎世聯(lián)邦理工學院的MatthiasTroyer說:“你需要仔細讀一讀文章，”“它只是在某些特定的問題上比某些特定的傳統(tǒng)算法快108倍，而這些問題的設計初衷就是對普通算法很難，對D-Wave很簡單?！盡atthiasTroyer進一步指出，對模擬退火算法進行一下改進，就能把D-Wave的優(yōu)勢降到100倍，而另一些更加復雜的算法在普通PC上運行時甚至能比D-Wave更快。麻省理工學院的ScottAaronson說：“這肯定是迄今為止對D-Wave的能力最令人印象深刻的證明。但是，D-Wave是否真能取得我所認為的『真正的量子提速』，目前還完全不清楚。”10.微軟亞洲研究院的152層“深度殘差網(wǎng)絡”獲得2015ImageNet冠軍過去幾年，神經(jīng)網(wǎng)絡的復興讓圖像和語音識別等技術的精度實現(xiàn)了大幅度飛躍。而在2015ImageNet計算機視覺識別挑戰(zhàn)賽上，微軟亞洲研究院以152層“深層殘差網(wǎng)絡(deepresidualnetworks)”系統(tǒng)，獲得圖像分類、圖像定位以及圖像檢測全部三個主要項目