目前人工智慧發展現狀介紹
2017年人類在人工智慧與機器學習領域取得了很多重大突破，而2018年可能會走得更遠。有人預測，2018年的人工智慧將會呈更大的發展趨勢。下面是小編為你整理的目前人工智慧發展現狀，供大家閱覽!
目前人工智慧發展現狀：正性強化
2016年初，AlphaGo在圍棋領域大殺特殺，接連戰勝包括李世石在內的頂尖人類高手;而在2017年1月，AlphaGo又化身為Master取得了60勝0負的驚人戰績。這是人工智慧領域的一個里程碑，對於“深度增強學習”技術來說更是意義重大。
動物會通過某些行為產生的積極或者消極結果來進行學習、判斷，而人工智慧的“深度增強學習”正是從這種方式中借鑑了靈感。電子計算機可以通過不斷嘗試錯誤方向來得出正確的方向，從而輕而易舉地在迷宮中導航。使用深度學習的方法，機器學習不再像過去一樣依賴大量的指令與複雜的模型。
其實“深度學習”的理論在10年前就出現了，將其整合到大型或深度神經網路以提供能量來解決複雜問題的嘗試一直在進行。就像AlphaGo一樣，經過不斷地試驗與資料分析，它可以以專家級水平與人類進行對弈。
更大的希望在於，增強學習已經被證明可以應用到現實世界的許多場景。最近出現的幾個模擬場景顯示，可以通過增強計算機學習的能力來促進相關演算法的進步。
在2017年，我們有望見證“增強學習”被應用到自動駕駛汽車、工業機器人等領域。而谷歌已經在嘗試使用深度學習來使其資料中心更加高效。不過，深度學習這種方法還處於試驗階段，依然需要花費大量時間來模擬和學習。
目前人工智慧發展現狀：生成式對抗性網路
最近在巴塞羅納舉辦的關於神經資訊處理系統的人工智慧學術會議上，一種叫做生成式對抗性網路generative adversarial networks的理論引起了廣泛關注，這一理論是由OpenAI的研究學者Ian Goodfellow提出。生成式對抗性網路由兩套網路構成，一套通過訓練學習來產生新資料，另一套則負責分辨正確資料與錯誤資料。
通過這兩套網路的協同運作，可以產生非常接近真實的綜合資料。這一理論能夠被應用到生成電子遊戲場景、解析馬賽克或者是豐富電腦生成樣式等領域。
機器學習領域權威專家YoshuaBengio在NIPS會議神經計算方面最好的會議之一, NIPS主辦, 每年12月舉行上表示，這種生成式對抗網路非常具有開創性，它能為電子計算機提供更加高效的學習方法，而計算機通過不斷學習非標籤性資料將變得智慧化程度更高。
目前人工智慧發展現狀：中國人工智慧領域的崛起
2017年將是中國開始在世界人工智慧領域嶄露頭角的一年。中國不再照搬外國公司的人工智慧技術，轉而開始將人工智慧和機器學習視作下一個創新領域。
中國搜尋引擎巨頭百度已經建立了專注於人工智慧研究的研究所，並在語音識別、自然語言處理和優化廣告業務等方面取得了很多進步。除了百度，還有不少公司正在迎頭趕上，騰訊也在去年成立了人工智慧實驗室，並在國內外大力招募人工智慧領域的專家。而滴滴也有自己的研究院，並被報道在無人駕駛汽車方面投入大量研究。
很多中國投資者將大量資金投給從事人工智慧的初創公司，而中國政府也希望看到本國人工智慧產業的繁榮，並承諾在2018年之前投入150億人民幣扶持開發和研究。
目前人工智慧發展現狀：語言學習
對於許多人工智慧領域研究者來說，語義學習是他們的下一個主要目標。隨著技術的進步，影象識別和語音識別都取得了重大突破，而這將有利於計算機更加高效地理解和生成語言。
語言學習是人工智慧領域的一個長遠目標，而計算機與人類使用語言進行互動的前景非常樂觀。如果具有更好的語義理解能力，計算機機器將變得更加實用。不過，這方面也面臨很大的挑戰，畢竟語言是一個複雜、微妙而又強大的議題。
雖然人們暫時還不能與智慧手機進行深度而又有意義的交流，但在2017年，隨著人工智慧研究的深入，這一領域將會充滿希望。
目前人工智慧發展現狀：過度熱炒引發反感
2016年的人工智慧領域確實取得了巨大的進步和突破，許多人都看到了技術進步帶來的價值。但不得不注意的一點是：圍繞人工智慧的過量宣傳與追捧明顯有些失控了。
許多人工智慧研究者對此有些忿忿不平。在NIPS會議期間，他們針對一家叫做Rocket AI的山寨人工智慧公司舉行了一個聚會，以此來表達自己的不滿，這種不滿主要是人工智慧領域存在的浮躁氛圍和弄虛作假情況。
期望越高，失望可能就越大。當人工智慧領域一直沒有取得重大突破時，失望的情緒就會蔓延，進而導致投資蒸發，大量估值過高的初創公司倒閉。
2017年整個世界對於人工智慧的關注度依然非常高，這可能會引起不少人對於這種過分追捧的反感，畢竟過猶不及，不少浮躁情緒籠罩在當前人工智慧領域。不過，這也不一定就是壞事，大量關注可能會促進研究的進步。