目前人工智能发展现状介绍
2017年人类在人工智能与机器学习领域取得了很多重大突破，而2018年可能会走得更远。有人预测，2018年的人工智能将会呈更大的发展趋势。下面是学习啦小编为你整理的目前人工智能发展现状，供大家阅览!
目前人工智能发展现状：正性强化
2016年初，AlphaGo在围棋领域大杀特杀，接连战胜包括李世石在内的顶尖人类高手;而在2017年1月，AlphaGo又化身为Master取得了60胜0负的惊人战绩。这是人工智能领域的一个里程碑，对于“深度增强学习”技术来说更是意义重大。
动物会通过某些行为产生的积极或者消极结果来进行学习、判断，而人工智能的“深度增强学习”正是从这种方式中借鉴了灵感。电子计算机可以通过不断尝试错误方向来得出正确的方向，从而轻而易举地在迷宫中导航。使用深度学习的方法，机器学习不再像过去一样依赖大量的指令与复杂的模型。
其实“深度学习”的理论在10年前就出现了，将其整合到大型(或深度)神经网络以提供能量来解决复杂问题的尝试一直在进行。就像AlphaGo一样，经过不断地试验与数据分析，它可以以专家级水平与人类进行对弈。
更大的希望在于，增强学习已经被证明可以应用到现实世界的许多场景。最近出现的几个模拟场景显示，可以通过增强计算机学习的能力来促进相关算法的进步。
在2017年，我们有望见证“增强学习”被应用到自动驾驶汽车、工业机器人等领域。而谷歌已经在尝试使用深度学习来使其数据中心更加高效。不过，深度学习这种方法还处于试验阶段，依然需要花费大量时间来模拟和学习。
目前人工智能发展现状：生成式对抗性网络
最近在巴塞罗纳举办的关于神经信息处理系统的人工智能学术会议上，一种叫做生成式对抗性网络(generative adversarial networks)的理论引起了广泛关注，这一理论是由OpenAI的研究学者Ian Goodfellow提出。生成式对抗性网络由两套网络构成，一套通过训练学习来产生新数据，另一套则负责分辨正确数据与错误数据。
通过这两套网络的协同运作，可以产生非常接近真实的综合数据。这一理论能够被应用到生成电子游戏场景、解析马赛克或者是丰富电脑生成样式等领域。
机器学习领域权威专家YoshuaBengio在NIPS会议(神经计算方面最好的会议之一, NIPS主办, 每年12月举行)上表示，这种生成式对抗网络非常具有开创性，它能为电子计算机提供更加高效的学习方法，而计算机通过不断学习非标签性数据将变得智能化程度更高。
目前人工智能发展现状：中国人工智能领域的崛起
2017年将是中国开始在世界人工智能领域崭露头角的一年。中国不再照搬外国公司的人工智能技术，转而开始将人工智能和机器学习视作下一个创新领域。
中国搜索引擎巨头百度已经建立了专注于人工智能研究的研究所，并在语音识别、自然语言处理和优化广告业务等方面取得了很多进步。除了百度，还有不少公司正在迎头赶上，腾讯也在去年成立了人工智能实验室，并在国内外大力招募人工智能领域的专家。而滴滴也有自己的研究院，并被报道在无人驾驶汽车方面投入大量研究。
很多中国投资者将大量资金投给从事人工智能的初创公司，而中国政府也希望看到本国人工智能产业的繁荣，并承诺在2018年之前投入150亿人民币扶持开发和研究。
目前人工智能发展现状：语言学习
对于许多人工智能领域研究者来说，语义学习是他们的下一个主要目标。随着技术的进步，图像识别和语音识别都取得了重大突破，而这将有利于计算机更加高效地理解和生成语言。
语言学习是人工智能领域的一个长远目标，而计算机与人类使用语言进行交互的前景非常乐观。如果具有更好的语义理解能力，计算机机器将变得更加实用。不过，这方面也面临很大的挑战，毕竟语言是一个复杂、微妙而又强大的议题。
虽然人们暂时还不能与智能手机进行深度而又有意义的交流，但在2017年，随着人工智能研究的深入，这一领域将会充满希望。
目前人工智能发展现状：过度热炒引发反感
2016年的人工智能领域确实取得了巨大的进步和突破，许多人都看到了技术进步带来的价值。但不得不注意的一点是：围绕人工智能的过量宣传与追捧明显有些失控了。
许多人工智能研究者对此有些忿忿不平。在NIPS会议期间，他们针对一家叫做Rocket AI的山寨人工智能公司举行了一个聚会，以此来表达自己的不满，这种不满主要是人工智能领域存在的浮躁氛围和弄虚作假情况。
期望越高，失望可能就越大。当人工智能领域一直没有取得重大突破时，失望的情绪就会蔓延，进而导致投资蒸发，大量估值过高的初创公司倒闭。
2017年整个世界对于人工智能的关注度依然非常高，这可能会引起不少人对于这种过分追捧的反感，毕竟过犹不及，不少浮躁情绪笼罩在当前人工智能领域。不过，这也不一定就是坏事，大量关注可能会促进研究的进步。
猜你喜欢：
2.国内人工智能现状
4.人工智能发展现状
6.人工智能现状
7.人工智能的现状