2016年，关于人工智能的几大主流发展趋势预测及分析 - 开发者俱乐部

从产业链上看，人工智能产业链包括基础技术支撑、人工智能技术及人工智能应用三个层次，其中基础技术支撑由数据中心及运算平台构成，即计算智能阶段，包括数据传输、运算、存储等；人工智能技术是基于基础层提供的存储资源和大数据，通过机器学习建模，开发面向不同领域的应用技术，包含感知智能及认知智能两个阶段，感知智能如语音识别、图像识别、自然语音处理和生物识别等，认知智能如机器学习、预测类API和人工智能平台；人工智能应用主要为人工智能与传统产业相结合实现不同场景的应用，如无人驾驶汽车、智能家居、智能医疗等领域。

未来人工智能随着各项技术的不断进步，也将要不断面对越来越多的挑战，包括观念上的挑战。现实生活中，社会大众对人工智能技术的期望往往很高，但人工智能技术进步不仅受限于软件、硬件技术的制约，也受人类对自身理解与了解程度的制约，因此未来人工智能技术将在现有制约被不断解决、新的制约又不断形成的过程中，始终保持螺旋式发展进步的趋势。比如语音识别技术，20世纪90年代，当IBM推出VIAVOICE时，很多人高呼语音识别时代到来了，但当大多数人亲自使用时，却发现自己的识别率还是不够高，语音识别应用自此进入到长达十几年的低迷期；

近年来，语音识别技术得益于机器学习与大数据，又有了突飞猛进般的进步，现在随便一个人只要能够讲普通话，计算机对其个人提供的数量足够多的语音数据进行针对性训练，并对其讲话内容进行语言模型的定制训练，这个人的语音识别就可以达到99%的识别正确率。但对独立一个人能够做到的，并不意味着无数大众使用就都能达到这样的水平，不要说对8K语音的识别，从如今各家语音识别厂商对外公开宣布的16K语音平均识别率达到95%来看，距离大于99%的识别率还有很长的路要走。语音识别技术确实在进步，但要达到99%这一平均水平可能需要一年，也有可能又是一个十年，没有人能够轻松预言，准确判断。不仅是语音识别，OCR、人脸识别、语义理解、机器翻译等人工智能技术在实际应用中都会面临识别率、准确率的挑战。因此，无论是企业还是社会应用大众，都应有更加包容的心态，共同为人工智能产业的发展营造一个良好的发展环境。

针对未来产业竞争，中国企业如何面对GOOGLE、微软、苹果等世界级企业的竞争压力的问题，我们认为中国与世界发达国家相比，人工智能技术是中国为数不多的与世界同步发展的技术领域。经过数十年国内无数优秀科学家、学者、也包括众多企业研究工程师的不懈努力，可以说中国人工智能领域无论研究与应用水平，都与国外发达国家相比不分上下，可谓平分秋色。人工智能虽然是一门自然科学，但与其他自然科学不同的是，人工智能技术与人文文化不可分割，中国文化博大精深，汉语作为世界上最古老也是最神奇的语言之一，构成了中国学术界、产业界与世界发达国家竞争中的一个天然壁垒。

人工智能源自于对人的模仿，服务人自然是必然使命，然千万人有千万之不同，就像没有一家餐饮企业可以满足一个国家人的吃饭要求一样，人工智能产业中会出现多家实力强大的企业，一些企业也会在某些领域内形成领先优势，很难或者说就不会出现垄断型企业。人工智能产业在世界范围内也都还处于起步阶段，人工智能产业的竞争也会伴随不断增长变化的需求而演化，企业也会在不断满足并提升社会大众丰富多彩的生活品质而进步。

也许现在说竞争格局还为时尚早，但纵观智能语音、智能图像、智能语义、生物特征识别等人工智能技术的广泛应用，人工智能确已在中国成为推动产业升级、创新发展的关键动力，相信将会有越来越多的企业融入到人工智能产业之中，包容发展，各领风骚也将会成为中国人工智能产业的独特风貌。

IBM正在利用机器学习算法训练机器人更好地将合适的姿势、音调与语句结合。该公司的人工智能技术已经被加载于其他公司生产的机器人上，例如软银的礼宾与销售助理机器人佩珀。机器学习算法能够帮助机器人学习更好地导航（自动驾驶），并且与诸如仿生眼睛等机器人设备结合。

机器学习算法的一个关键应用就在于数据分析。视觉数据分析的进步以及速度的加快将会跨越不同的领域带来广泛的影响。人工智能在理解图像方面的技术大大加强，这包括对于例如目标、人和地点等特殊元素的文本和意义等。而扩大视觉分析影响的一个关键领域便是医疗体系，Banavar特意指出，人类工作者需要处理海量的视觉信息，她同时也举了这样一个例子：一个放射科医生每分钟需要对16张放射相片做出诊断。加快数据处理的速度会大幅提升2016年人工智能在商业中的表现。机器学习将会取代手动数据处理与数据监管等累活脏活，节省下的时间又可以促进数据策略的发展。

用来处理语言的机器学习算法的提升会让人们与计算机之间的交流更加容易。虚拟助手（如Siri与Cortana）会变得非常有帮助。AndrewArruda是人工智能律师初创公司ROSS的CEO，一直以来，我们都是基于计算机的语言跟它们进行交流，这正是我们需要跨越的一步。他提出自然语言处理的进步会在明年开始颠覆这样关系。

12月，马斯克加入了科技大亨们组成的团队，投资了新创立的非盈利组织OpenAI。马斯克与其他人的恐惧所带来的风波逐渐消退，关于所谓邪恶AI的说法将会在2016年变得更微妙。电子设备里装有AI，将变成一件理所当然的事，而不再那么令人惊奇。如果没有AI元素，人们会认为这个机器太傻了。

在11月，谷歌开源了它的开源机器学习框架Tensorflow。几个星期后，Facebook也开源了BigSur的设计，这是这家公司AI算法运行的计算机服务器。Arruda认为随着2016年的到来，我们将看到与上述公司差不多的行为。

谷歌、Facebook、微软与IBM（Arrufa的公司ROSS正在使用IBM开源的沃森工具）正在彼此竞争人工智能的领导地位。这是一场天才间的战争。为创业公司与研发者推出开源工具并不是竞争升温的唯一区域。谷歌、Facebook与苹果都在AI虚拟助手这片领域上宣布了自己的领土（如Facebook的M），想要从搜索引擎与电子商务市场中分得自己的一杯羹。

世界最大的经济体中国已经开始着手尝试在工厂中使用先进的制造型机器人了。中国政府希望在全球工人薪资上涨、制造业变得更有效率、技术更为先进的情况下，这一点能够帮助维持其制造业的龙头地位。这一项目要求更加先进、性价比更高的机器人，而世界各地的经济和技术也会受到波及。

中国对于技术引起的剧变并不陌生，而且已经在机器人技术方面进行了大量投资。然而新一轮机器人变革的规模将会是史无前例的。中国制造业的核心产地广东省已经决定投资1540亿美元来安装机器人。雇佣了大量工人来组装苹果手机一类产品的富士康创始人表示，在接下来几年里，其公司将会安装超过100万台的机器人。

机器人已经非常擅长精确的重复性工作，但大部分仍然笨得像块石头。这也是为什么机器人通常只用于那些经过精确设计的情况。这也解释了它们为何无法轻易地接受新任务，或者在不熟悉、不确定的情况下工作。然而，事情总是在变化，感谢新一代的技术与算法，能够使机器人学的更快更好。

机器学习有很多种方法，有些已经在研究室里表现出了非常明显的效果。尤其是有一种方法对工业机器人产生了重大影响，即深度学习，这种方法采用大型仿真神经网络，在训练机器人理解图片、视频和声频内容的方面不可或缺。而部分公司意图使用这一方法来训练机器人观看、抓取和推理。

2016年值得期待的另一趋势就是机器人彼此分享它们获取的知识。一旦机器人能够从其他机器人的工作中获取利益，就会加速学习过程。另外，感谢那些能够将信息上传至不同系统的有效方法，即使两个完全不同的机器人也能够教会彼此如何识别一个特定物体或执行一项新任务。

目前几个正在实施的项目旨在提供简单有效的方法来使机器人通过互联网获取知识。不难想象将这一切应用于工业环境下（比如那些识别或抓取不同物体的任务）会有怎样的结果。

2016年也会有一些个性化的机器人首次亮相，看到它们如何被人类接受也会是件有趣的事。随着硬件越来越便宜，软件功能越来越强大，不难想象为什么有人认为此时正是机器人家庭伴侣和助手出台的最佳时机。

然而，让机器人有真正的个人触感并不容易。一些原型机让人感到失望，而那些所谓的成功原型机也不过只有一些有限的角色，像是会议模式或者问候模式。即使是非常有限的场景，这些机器人也需要非常仔细的设计和编程，以便能够表现正确的社交和情感。

虽然你可能不会立马看到天空满是无人机，但尽可以期待在很多行业里将会有更加智能、更加自动化的无人机得到测试，特别是自动监控和侦测能够得到有效应用的行业。而如果像是亚马逊、谷歌类的公司找到了自己的方法，可能下一年的节日礼物就是由这些在空中飞来飞去的无人机来送货了。