2018AI最佳应用回顾

说明

毫无疑问,人工智能正在飞速发展,2019年很可能带来许多新的、意想不到的飞跃,比如开发出具有真实、类似人类的通用人工智能机器。我们知道我们远未到达这一目标,但是由于那里有大量与人工智能相关的故事,我们很难跟上过去一年里我们取得的成就,以便了解我们将来能实现的目标。话虽如此,这里列出了过去一年中人工智能和机器学习这个不断发展的世界的一些亮点。

读心AI

去年众多有趣进展中的一个便是AI可以“阅读”你的想法。虽然乍一看这可能令人不安,但另一方面,这些技术可能会帮助残障人士更好地沟通或观察,甚至帮助改善图像搜索(想象一下仅通过可视化来查找特定图像)。为了展示这种可能性,一个来自日本京都大学的团队开发了一种重建算法,它能够解码和优化人们观察物体形成脑电波中的视觉信息,让我们离“机器能精确读取人们想法”更进一步。

详情见:Mind-Reading AI Optimizes Images Reconstructed from Your Brain Waves

具备“视觉预见”的机器

深度学习是机器学习的一个特殊子领域,它启发于生物大脑的结构和功能,旨在开发更好的人工神经网络,这些网络将成为像人一样学习和思考的机器的基础。今年早些时候,加州大学伯克利分校人工智能研究实验室(BAIR)的研究人员创造了一种能够直观可视化未来的机器,使用他们所谓的“视觉预见”。灵感来自人类婴儿,婴儿在环境中实验和操纵的倾向,以便学习然后将这些知识应用到新的未知情境中,这对人类而言理所当然,但实际上机器难以掌握。这样的研究可以为机器“视觉想象能力”铺平道路,使它们能够自主地与周围环境进行交互。

详情见:This Robot Can Visualize Its Immediate Future with Deep Learning

具备社交技能的合作机器

人们可能会认为合作和社交技能是只有人类才具备的领域,但最近的实验表明,机器也可以被赋予一套人的社交技能,使它们能够与其它类型的机器以及人协作。 在为机器合作的社交技能创建一个算法过程中,一个国际团队的研究人员指出:“最终目标是我们理解与人合作背后的数学知识以及人工智能发展社交技能需要具备的属性。AI需要回应人类并清楚地表达它正在做什么事情。它必须能够与人互动。”

详情见:AI Algorithm with ‘Social Skills’ Cooperates Better Than Humans

从错误中学习的AI

没有什么比从错误中吸取教训让我们更像人。人们可能会在机器的强化学习中找到类似的结论,但OpenAI的研究人员指出,设计强化学习模型背后的奖励系统可能会越来越非常复杂,实际上可能会抑制机器探索超出任务目标的可能性。相反,这个团队提出了一个开源替代方案,他们称之为Hindsight Experience Replay(HER)。

详情见:OpenAI Algorithm Allows AI to Learn from Its Mistakes

自我复制AI

传递成功经验的能力是生物有机体区别其它事物的决定性特征。今年早些时候,来自哥伦比亚大学的两位研究人员找到了将这一原理应用于人工智能系统的方法-创建称为“quines”的自我复制神经网络。自我复制、自我进化的AI可以自动采用前几代的成功经验,这个想法非常诱人,具有许多潜在有用的应用场景。

详情见:AI Researchers Create Self-Replicating Neural Network

AI中的文化偏见

冷血机器的绝对可靠性是一个容易被人接受的谬误。但正如专家所言,我们的算法中存在大量隐秘的文化和性别偏见,当这些算法用于自动化决策系统时,会影响人们的生活。例如人力资源部门或刑事司法系统。在2019年开展AI工作时,我们必须找到解决这种算法偏见的方法,这样才能避免长期存在的偏见和社会不公正现象延续到机器中。

详情见:Cultural Bias in Artificial Intelligence

AI辅助自动化

当然,人工智能的讨论绕不过一些事实,即人工智能正在帮助各行各业进一步实现自动化,无论是制造业物流还是金融等白领领域。虽然更智能的AI系统导致工人失业,但是仍然可以期待一些积极的事情。例如使用人工智能帮助自动预测新药物相互作用中的危害或者自动化游戏设计--拯救生命或制造更多娱乐性。

详情见:Decagon AI Predicts New And Dangerous Drug Interactions && AI Automates Video Game Design With ‘Conceptual Expansion’

译者说

AI商业化迅猛发展,即便如此,普通大众对AI仍然缺少专业性、科学性的认识。作者在本文中精选了7篇2018年关于AI应用的文章,并对内容做了简短、启发性的介绍,旨在帮助公众了解AI能做的事情,帮助大家了解AI在未来能达到的成就。

本文还是更偏向学术性,内容比较前沿,对科研人员了解行业应用帮助较大。

comments powered by Disqus