2018年AI的主要趋势
根据Gartner对新兴技术的炒作周期，2017年; 深度学习和机器学习已达到虚高期望的高峰。人工智能（AGI）和深度强化学习正处于创新触发阶段。
我们现在是2018年。对人工智能（AI）的看法令人陶醉。每个技术公司都在追随AI的第一潮流。像Google，微软，亚马逊和阿里巴巴这样的公司正在推动前沿技术。有很多较小的参与者在利基市场中从事前沿工作。人工智能正在渗透到日常生活中。
作为该领域的积极从业者，我对2018年最需要关注的AI趋势的看法如下：
首先，让我们正确理解人工智能的背景。
AI包括以下内容：
机器学习（AI的子集）
深度学习（机器学习的子集）
趋势1：从机器学习到自动化机器学习
典型的机器学习过程涉及以下阶段：
数据科学家花费大量时间来理解数据。数据科学家试图拟合多个模型。他们尝试了多种算法来找到提供最佳结果的最佳模型拟合。
自动化的机器学习尝试使执行探索性分析的过程自动化。它尝试使查找隐藏模式的过程自动化。它可以自动训练多种算法。简而言之，自动机器学习节省了很多数据科学家的时间。数据科学家花在建立模型上的时间更少，而在评估上花费的时间则更多。自动化的机器学习对非数据科学家来说也是一种幸运。它可以帮助他们建立体面的机器学习模型，而无需深入研究数据科学的数学。
在2018年，我看到这一趋势将成为主流。Google最近在其云计算平台中启动了AutoML。像Data Robot这样的利基公司专门从事这一领域，并正在成为主流。
“自动化机器学习将在2018年成熟。”
趋势2：用于机器学习的云采用率增加
机器学习与数据有关。这是存储数据的过程。这是一个分析数据，训练模型并评估它们的过程。这是一个数据和计算密集型过程。这是反复无常的。
云计算为机器学习蓬勃发展提供了理想的平台。云计算不是一个新概念。传统的云产品仅限于基础架构即服务（IaaS）。在过去的几年中，公共云提供商已开始提供机器学习即服务。所有大型云提供商在机器学习即服务方面都具有竞争优势。
我看到这一趋势在2018年将继续增加。云计算和存储的成本较低且按需。成本是可控的。云提供商提供了开箱即用的解决方案。数据科学家现在可以在云中启动分析沙箱，执行分析，对模型进行试验并将其关闭。他们还可以使流程自动化。在云中进行机器学习可以简化数据科学家的工作。
“云计算将在2018年继续推动机器学习的加速。”
趋势3：深度学习已成为主流
深度学习是机器学习的一个子集，它利用基于神经网络的算法执行机器学习任务。事实证明，深度学习方法在计算机视觉，自然语言处理和语音识别领域非常有用。
深度学习已经存在了一段时间。然而，这些年来，相对而言，深度学习还处于默默无闻的状态。这种模糊性是由于以下两个原因：
训练深度神经网络所需的大量数据。
训练深度神经网络所需的强大计算能力。
这些原因现已不复存在。现在有数据。有大量可用的计算过程。与过去相比，深度学习方面的研究从未如此活跃。深度学习越来越多地推动了复杂用例的实现。深度学习的应用范围从工作场所安全到智慧城市，再到图像识别和在线离线购物。
这一趋势将在2018年继续保持下去。
“深度学习将在2018年继续被企业迅速采用。”
趋势4：AI法规讨论获得成功
2017年，数据科学界热切关注Elon Musk和Mark Zuckerberg之间的辩论。辩论的主题：我们应该担心AI的兴起吗？马斯克（Elon Musk）对这个话题持悲观态度。他的观点是：人工智能的兴起对人类具有迫在眉睫的危险。另一方面，马克·扎克伯格（Mark Zuckerberg）对这个话题的看法更为乐观。他的观点：人工智能将使人类受益。
这些技术大亨之间的辩论，使每个人都在思考AI及其监管。在2018年1月，微软吹嘘说必须先监管AI，以免为时已晚。这个问题没有简单的答案。人工智能仍然是一个不断发展的领域。过多的法规总是扼杀创新。维持微妙的平衡至关重要。对AI的监管是一个未知的领域，具有技术，法律甚至道德方面的含义。这是一个健康的讨论点。
“人工智能应该受到监管吗？这将是2018年的关键讨论点。
题库