人工智能最新的热门趋势剖解

　　欢迎各位阅读本篇,人工智能在 计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。本篇文章讲述了人工智能最新的热门趋势剖解，课课家教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!

　　据国外媒体报道，人工智能(AI)今年有哪些热门趋势呢?来看看行业分析师们的总结吧。

　　趋势一：半监督式AI

　　AI领域的领先实践者们认为，监督式学习是AI领域的圣杯。什么是非监督式学习呢?举例来说，机器不必先看很多带有“垃圾邮件”或者“非垃圾邮件”标签的电子邮件例子，就能“学习到”什么是垃圾邮件。

　　而半监督式学习是实现非监督式学习目标的一个过渡，介乎于非监督式学习和监督式学习之间，即对部分数据打上标签，但让机器自己依靠关联分析来猜测其余数据的标签。谷歌已经开发了一种采用这种半监督式学习模式的技术，它名为基于图谱的学习。利用在词语当中进行关联分析的知识图谱技术，谷歌能够根据那些关联来免去给所有的数据贴上标签的繁复任务。该公司已经在将这种技术应用到旗下众多的产品，如回答问题、提醒、视觉对象识别、对话理解黑智能电邮回复。半监督式学习预计将会被越来越多地应用于庞大的数据集，因为对于数据量庞大的情况，数据标签化是一大难题，尤其是视觉和语言方面的数据。

　　趋势二：家用语音助手快速普及

　　据VoiceLabs公司估计，到2017年年底，美国支持语音控制的设备安装量将达到3300万部。亚马逊(Alexa)、微软(Cortana)、谷歌(Google Assistant)和苹果(Siri)正纷纷在该领域展开大力投资，创造各种方式来将消费者吸引到各自设备的生态系统当中。赢得消费者青睐的途径之一将会是，提供独一无二的功能特性，或者提供特定的折扣优惠(如包括特定时间内的内容频道订阅服务)。

　　趋势三：社交聊天机器人

　　微信等中国流行社交媒体通讯服务已经在大举推行聊天机器人来帮助用户处理日常的任务。Facebook也刚开始发力将聊天机器人整合到旗下的社交网络平台，包括使用链接聊天机器人的广告，以及在Facebook Messenger当中提供赞助广告。这些虚拟助手将会变得越来越普及，越来越受欢迎。它们将会简化各类电商活动，如预订机票和酒店，支持在应用通过直接与聊天机器人通话订购商品。

　　不过，聊天机器人也在快速地从消费级应用程序拓展到企业市场，为企业用户提供帮助。针对企业高管的一项调查发现，32%称语音识别聊天机器人是他们所在的工作场所中最常用的一类AI技术。市场研究公司Gartner预计，到2020年，聊天机器人将会驱动85%的客户服务互动。Slack、Skype、甲骨文、Salesforce等企业通讯与写作平台以及大量的创业公司都在提供“软件即服务”功能，帮助员工提高他们的工作效率。跟智能手机一样，虚拟助手的企业用户最终将希望这些人工智能技术能够随身携带，随时可用——可能将催生自带机器人(BYOR)运动。

　　趋势四：AI作为企业IT的延伸

　　时下吸引投资最多的企业级使用案例包括：自动化客服助手，质量管理调查和推荐系统，诊断与治疗系统，以及诈骗分析与调查。未来5年营收规模增长最快的企业级使用案例包括：公共安全与应急响应，药学研究与发现，诊断与治疗系统，供应与物流，质量管理调查与推荐系统，以及车队管理。AI应用程序能够利用算法和基于规则的逻辑推理来识别和响应数据流，因而能够在各行各业中自动化各种各样的职能，且能够让员工变得更加多产。

　　趋势五：无人驾驶汽车的发展

　　据麦肯锡咨询公司称，由于能够减少致命交通事故的发生，无人驾驶汽车估计每十年可拯救30万人的生命。这预计也将可每年节省多达1900亿美元的急救护理和验伤分类支出。目前光是谷歌的无人驾驶汽车公路测试里程数将超过100万英里，但未来的焦点将会从无人驾驶汽车的潜在好处转向必不可少的监管规定。立法者和政策制定者将开启设计与实施新法规的漫长进程。2020年可能会是无人驾驶汽车进入市场的第一年，社会各界必须要开始为这一天的到来做好准备。未来将会有更多的游说组织出现在华盛顿，有更多的供应商和用户联盟成立，这一切都是为了无人驾驶汽车的广泛普及奠定基础。

　　趋势六：多种替代性硬件平台

　　现场可编程门阵列(FPGAs)、专用集成电路(ASICs)、专用的处理器结构等替代性硬件平台将会更多地与图形处理器(GPUs)争夺关注和投资。GPUs目前是AI应用程序的主流硬件平台，尤其是深度学习系统。鉴于AI算法通过变化来支持像自动化驾驶或者带有动态输入的个性化医疗的应用，处理器本身有理由配有记忆储存功能。算法和工作负荷的变化属性，将会决定哪种架构最适合用于哪种应用。

　　趋势七：AI服务市场的兴起

　　正如大数据和数据科学近年的情况，AI相关的服务也出现商机，其中包括供应商选择、实施、训练、应用与算法开发和整合，咨询等等。由于机器学习和AI相关的技能和经验供不应求，预计由云供应商提供的按需型服务规模将会扩大。

　　分享：技术研究

　　用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机 科学技术的发展史联系在一起的。除了 计算机科学以外，人工智能还涉及 信息论、 控制论、 自动化、 仿生学、 生物学、 心理学、 数理逻辑、 语言学、 医学和 哲学等多门学科。人工智能学科研究的主要内容包括： 知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、 自然语言理解、 计算机视觉、 智能机器人、 自动程序设计等方面。

　　研究方法

　　如今没有统一的原理或 范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从 心理或 神经方面模拟人工智能?或者像鸟类生物学对于 航空工程一样，人类生物学对于人工智能研究是没有关系的?智能行为能否用简单的原则(如 逻辑或 优化)来描述?还是必须解决大量完全无关的问题?

　　智能是否可以使用高级符号表达，如词和想法?还是需要“子符号”的处理?JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提议人工智能应归类为SYNTHETIC INTELLIGENCE，[29]这个概念后来被某些非GOFAI研究者采纳。

　　大脑模拟

　　主条目： 控制论和 计算神经科学

　　20世纪40年代到50年代，许多研究者探索 神经病学， 信息理论及 控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如W. GREY WALTER的 TURTLES和JOHNS HOPKINS BEAST。 这些研究者还经常在 普林斯顿大学和英国的RATIO CLUB举行技术协会会议.直到1960, 大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。

　　小结：应该说，数学是最单纯、最直白地反映着(至少一类)创造力模式的学科。当然如果大家还想了解更多方面的详细内容的话呢，不妨关注课课家教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获的!