0
| 本文作者： 奕欣 | 2018-02-07 18:11 |
雷鋒網消息，近日，阿里巴巴與今日頭條聯合發布 2018 年科技趨勢預測。15 位不同領域的科學家，對 IoT、量子計算、邊緣計算、自然語言處理、區塊鏈、自動駕駛等前沿技術將在 2018 年如何影響世界、影響社會生活做出了自己的預測。
15位科學家名單如下：
阿里云量子實驗室首席科學家、之江實驗室副主任施堯耘；
螞蟻金服副總裁、技術實驗室負責人蔣國飛；
達摩院機器智能實驗室研究員朱勝火；
今日頭條人工智能實驗室總監李航；
達摩院機器智能實驗室 NLP 首席科學家司羅；
達摩院機器智能實驗室語音技術總監鄢志杰；
AliOS 首席架構師謝炎；
今日頭條人工智能實驗室總監李磊；
阿里巴巴 AI labs 杰出科學家王剛；
阿里巴巴 AI labs 杰出科學家聶再清；
螞蟻金服首席數據科學家漆遠；
達摩院機器智能實驗室副主任華先勝；
今日頭條人工智能實驗室總監王長虎；
達摩院機器智能實驗室主任金榕；
達摩院機器智能實驗室副主任任小楓。
2018 年量子計算的第一幕高潮應該是「量子霸權」：多個超導，甚至可能有離子阱團隊將紛紛宣稱實現了經典計算機無法模擬的量子處理器來。而經典模擬能力可能在新的理論突破下大大提升，重設霸權之爭的起點。今年可能見證第一個拓撲比特的誕生。而其他如超導、離子阱等方向顛覆性新思想的種籽可能會在今年無聲地落地。量子軟件因為門檻低，將會繼續蓬勃發展。量子算法的論文會百花齊放，但大多數不過是組合拳。
量子-經典在密碼上的擂臺今年會愈演愈烈。經典密碼苦修多年「后量子密碼學」，終于把秘籍練到實用，大顯抵抗量子攻擊的能力和不需任何額外投入的成本優勢。作為對策，小型、廉價的量子密碼產品可能在今年出現，叩開近距離量子密碼規模化市場。
如果說 2017 年是 AI 爆發「元年」，那么 2018 年，我們可能會見證 IoT 應用的大爆發。受益于 IoT 市場的爆發，用戶體驗空前提高，但傳感器的融合以及由大量傳感器帶來的數據運算和處理，會成為新的課題。
大批前端 IOT 傳感數據處理的需求會推動邊緣計算的快速實現。巨量的、分布式的和輕小 IOT 設備對整個系統安全管理帶來空前挑戰。在 2018 年，圖像，視頻和語音等交互技術的進展能讓機器更加「懂」你。更多的生物特征識別技術將取代密碼。隨著傳感器數量的爆發式增長，大量的 IoT 數據前所未有的把物理世界映射到虛擬網絡中，結合數據挖掘和人工智能技術，能夠讓我們更精確的了解這個世界和我們自身。
2018 年業界會持續高度關注區塊鏈技術發展。在金融服務和供應鏈管理等場景中，一些區塊鏈應用會從概念性證明階段（PoC）落地到實際商用系統。越來越多的傳統行業會思考已有商業模式，擁抱嘗試區塊鏈技術。共識機制和網絡決策等核心技術發展會持續改善區塊鏈系統的性能和規模。在比特幣和以太坊后，會出現第三代區塊鏈技術架構。零知識證明等方面的進展會改進區塊鏈系統上的安全和隱私模型，進一步解決互信和隱私的矛盾。此外，在多個平臺共存的情況下，跨平臺多鏈互聯，實現跨鏈價值轉移和數據交換會成為區塊鏈技術的一個重點。
兩個趨勢：
面向消費者的 AI 技術（智能音響、翻譯機等）繼續蓬勃發展，商業的 AI 技術從邊緣走向核心。
四個挑戰：
1）邊緣智能的發展要解決在受限環境下對模型的優化與計算能力的提升，這兩部分是要聯合起來繼續優化才有質的突破。
2）復雜決策的智能一部分可以用增強學習解決，但很多商業核心決策是非常復雜的，需要方法來學習行業專家的決策以及迭代提升機器決策。
3）提升 AI 技術與人的交互體驗，狹義上的人機交互，廣義上也反應在政治經濟倫理安全上，包括機器智能的「歧視」問題，機器決策的責任可解釋可述源。
4）因 AI 人才培養滯后帶來人才等商業成本上升，AI 的 ROI 面臨高估風險。
2018 年 NLP（自然語言處理）將在翻譯、問答、對話等幾個方面繼續取得巨大進步。大膽預測，未來一年對話系統將能更好地理解人類語言，更自然地與人類通過語言交互。對話方面令人震撼的突破可能來自以下幾個場景。
一是實現多系統對話（multi-systems dialogue）：多個對話系統集體與用戶進行對話，共同完成一項任務。比如，多個不同的問答系統，協同回答用戶的問題，幫助用戶更好地找到答案。
二是實現多媒體中的對話（dialogue in multi-media），人通過自然語言發出命令，同時做出示范性動作；機器人通過對命令以及對視頻中動作的理解，快速學習如何完成一個任務。比如，教機器人如何開門。
三是實現模仿語言學習（imitation language learning）：人為對話系統做出一定的示范，在什么樣的場合下用什么樣的自然語言進行對話，對話系統能夠很快地學到對話的策略。比如，人類客服指導對話系統提高對話技巧，使系統能很快地在一個新領域承擔自動客服任務。
2018 年初，我們機器閱讀理解技術（精準匹配）首次小幅超越人類，這個里程碑讓研究人員看到了希望。但對于機器「能理解會思考」的終極目標來說，這只是萬里長征的開始。遷移學習等技術的大量使用會催生更多好成績，語言學知識或知識庫知識在機器翻譯模型中被更好的整合，單語語料和可比語料會更多用于稀少資源語言的翻譯中； 信息抽取技術會從純文本通用類型信息抽取更多走向富媒體（文字，表格，圖片等）和垂直領域的信息抽取。可以預見，未來人類會習慣機器在更多特定領域的「超人」成績，但機器短期內達到人類思維的深度和廣度還有待時日。
從 2018 年開始，人類與機器的交互方式將開始徹底擺脫任何形式的交互界面，變得更接近人與人的交互。這背后是對聽覺、視覺、觸覺，甚至味覺等多模態技術的全面融合。機器將能感知到人類在語氣語態、肢體動作、面部表情等更豐富的表達方式，從而更智能的理解人類的意圖。生活空間、交通空間、工作空間將是三個首先落地領域。
2018 年移動互聯網時代將正式結束。越來越多帶麥克風、攝像頭、屏幕或更多傳感器的智能終端將出現，并具備聯網、交互、語音、視覺等能力，向泛 AI 化靠攏，很多工作、娛樂生活不需要通過手機完成，AI 智能硬件設備的活躍量將迎來爆發式增長。
2018 年人們花費在單一終端設備上的時間將大幅下降，智能手機用戶活躍時長或將出現近年來的首次負增長。與之形成對比的是，包含智能手機在內的智能終端設備總量將繼續增長，用戶在線時間將更加碎片化。
2018 年，攝像頭、紅外攝像、麥克風、陀螺儀加速計等多傳感器的協同分析會大大提高對場景、空間定位、人物、動作、意圖的理解。隨著手機、電視、音箱、耳機、手表等各種終端計算能力的加強，理解人物行為的能力今年會有很大希望移植到端上，從而做到實時理解與視頻創作。
機器學習方面今年的一個趨勢是，不僅僅優化模型性能，而且會在訓練和推理過程中引入反饋和人工修正，在人機協作智能（human-in-the-loop machine learning），交互式機器翻譯方面 (Interactive machine translation) 今年會有更多方法嘗試優化模型與人的實時反饋動作，最終達到更好的綜合性能。基礎研究會有更大突破，逐步解開深度學習的黑箱，提高機器學習模型的可靠性、穩定性以及可解釋性。
2018 年會是自動駕駛大面積鋪開的一年。從應用場景上來看，任意道路上的 L4 自動駕駛（無人駕駛）仍然面臨很大的挑戰，而低于 L3 級的自動駕駛（輔助駕駛），并不能脫離人的接管和操控。因此在限定場景的無人駕駛會在 2018 年率先落地。由于政策對人工智能行業的大力支持，未來幾年內，中國的自動駕駛極有可能超越美國。人類并不是未來車輛的司機，他們是「貴重的貨物」。從行業趨勢來看，越來越多的研發資源會被投入到改善綜合的交通環境中，即感知和理解更廣的交通場景的人，車，物，以及它們的行為。
2018 年一個非常清晰的趨勢是，智能語音助手隨著智能音箱和 IoT 設備的普及進入人們的日常生活。過去 10 年，移動互聯網時代帶來的最典型的社會現象是低頭族變多，智能手機將在線與離線的界限變得模糊，物理世界通過手機這個入口，開始被數字化重構，這是虛擬世界的「原始積累」階段。未來 10 年將是人工智能的時代，智能語音助手會在 2018 年迅速進入人們的生活，作為用戶在虛擬數字世界的」替身」，幫助人類處理大量重復性的工作，讓大家有更多的時間來進行創新。2018 年，自然語言處理技術還將在與用戶的海量交互中自我迭代，使得 AI 可以更自然的使用人的語言和人類進行交流，并更精確的接受和理解需求，這將進一步帶來社會創造力和生產力的解放。未來人類會越來越習慣與物理世界對話，預計五年內人機語音交互頻次將超過觸控交互頻次。
2018 年，人們對 AI 會更關注落地，大家的關注點會從下圍棋和圖像識別等比賽型活動慢慢轉移到用 AI 真正解決世界面臨的問題。在這個背景下，不少 AI 創業公司會面臨挑戰。但大浪淘沙下會有活下來的創業公司，這些公司和成功轉型的「傳統」企業可能會成為未來的產業領導。金融行業，作為一個和數據與信息密不可分的行業，會受到 AI 浪潮的更大更直接的沖擊，從風控到理財到貸款等各個業務都會受到 AI 的巨大影響。數據和算法的結合會逐步重塑金融業。
其次，AI 芯片之戰會越來越熱；在云端和 edge 端，更快更省電的支持深度學習和其他機器學習的芯片會被研發出來，超越今天的 GPU 和 CPU 框架。這個方向上，大小芯片廠商都有機會，但最后會慢慢收斂到個別幾個贏家。
第三，在深度學習收購了大數據紅利后，AI 的技術關注點從深度學習逐步擴展到強化學習，小數據學習，圖算法，可解釋性，模型壓縮等其他方向。更多的機器學習技術會在工業界得到發展與應用。
計算機視覺依然會是人工智能的熱點方向，除了安防和交通領域，視覺技術在工業、農業、環保等行業的應用將會逐步為更多人所知曉和認可，也會逐漸變成紅海。隨著 AI 在上述行業的大量應用，人機競爭有可能在一定程度上激化，部分相對簡單腦力勞動力面臨失業或轉行，但最終會以人力轉向新的產業而得以緩解。
醫療視覺依然會是大家追捧的熱點，醫療行業的從業者開始入局，行業經驗和扎實技術合力、人機合力的從業者將形成這個方向的壁壘。總的來說，AI 將深入各行各業，發掘各個行業的問題和機會，同時帶來生產力的改變。但沒有跡象表明人類會被 AI 取代，相反 AI 會顯著提升人類整體的生活和生命質量。
2018 年，信息分發領域將持續蓬勃發展，并進一步呈現出多樣化的趨勢。新聞、文章、問答、圖像、視頻、直播、語音等個性化內容，將越來越多的占用用戶的碎片化時間。計算機視覺、視頻理解、自然語言理解、語音識別等 AI 技術將深度整合，并深入于多媒體信息流的每個環節，從而顯著提升信息生產者和消費者的創作體驗和生活質量。細粒度的深度視頻理解，將成為計算機視覺領域的重要課題，并將廣泛應用于內容輔助創作、敏感內容檢測、個性化信息推薦、信息消費與互動、信息流廣告等視頻分發的每個環節。個性化推薦算法將進一步升級，短時興趣與長期興趣共舉，經濟效益與社會效益并重，從而再次推動整個產業的發展。
如何將大數據的方法與知識圖譜及語言學知識有機結合以提升對文本內容的理解在 2018 年會變得越來越重要。機器視覺方面，提升識別多樣性會是一個重要研究方向。語音領域與之類似，需要能對不同口音、方言、噪聲，都能自我調節到最佳的識別喚醒精度。在機器學習方面，過去的研究主要集中對硬件端優化以及算法/模型端優化，未來的工作將會對硬件和算法進行更緊密的聯合優化，以提升深度模型的推理效率。
2018 年人工智能必須，也必定會走向實際的產業應用。個人預測：
（1）視頻理解和編輯技術的進一步成熟將推動整個視頻產業的長足發展，包括精準和個性化的搜索推薦，以及視頻生成和交易的正規化和品質化；
（2）「刷臉」技術將在 2018 年成為常態，在眾多場景中落地，真正走進生活的方方面面；
（3）新零售的各個場景中，以視覺為核心的智能技術將得到廣泛應用，帶來購物體驗的質的變化；
（4）無人車，各大汽車廠商都將有原型車發布，自動駕駛將從探索大步走向實用；
（5）個人機器人，在多年研發和軟硬件準備后，將會看到多種形態多種功能的機器人走入家庭，改變人們的生活方式。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
