在竞争日益激烈的技术市场中，从高科技初创企业到全球跨国公司，许多公司都将人工智能视为关键的竞争优势。然而，AI行业发展如此之快，以至于很难跟踪最新的研究突破和成果，甚至很难应用科学成果来实现业务成果。为了帮助企业在2020年制定强大的人工智能战略，本文总结了不同研究领域的最新趋势，包括自然语言处理、对话式人工智能、计算机视觉和强化学习。自然语言处理2018年，预训练语言模型突破了自然语言理解和生成的极限。这些也主导了去年自然语言处理的进展。如果你是NLP开发的新手，预训练语言模型可以让NLP的实际应用更方便、更快捷、更容易，因为它们允许NLP模型在大数据集上预训练，然后快速运行在它。微调其他NLP任务。来自领先的研究机构和技术公司的团队探索了使更复杂的语言模型变得更加复杂的方法。计算能力的大幅提升推动了许多改进，但许多研究小组也发现了更优雅的方法来减轻模型和保持高性能。目前的研究趋势如下：新的NLP范式是“预训练+微调”。在过去两年中，迁移学习主导了NLP研究。ULMFiT、CoVe、ELMo、OpenAIGPT、BERT、OpenAIGPT-2、XLNet、RoBERTa、ALBERT——这是最近推出的重要预训练语言模型的详尽列表。尽管迁移学习无疑将NLP推向了新的高度，但它经常因需要大量计算成本和大型注释数据集而受到批评。语言学和知识可能会提高NLP模型的性能。专家认为，语言学可以通过提高数据驱动方法的可解释性来促进深度学习。利用上下文和人类知识可以进一步提高NLP系统的性能。神经机器翻译显示出明显的进步。同声机器翻译已经可以应用于现实世界。最近的研究旨在通过优化神经网络架构、利用视觉上下文以及为无监督和半监督机器翻译引入新方法来进一步提高翻译质量。对话式AI对话式AI已成为各行各业商业实践中不可或缺的一部分。越来越多的公司正在利用聊天机器人进行客户服务，为销售和营销带来优势。尽管聊天机器人已经成为龙头企业的“必备”资产，但其性能与人类相比仍相去甚远。来自领先研究机构和技术领导者的研究人员探索了提高对话系统性能的方法：对话系统正在改善跟踪对话的长期性。去年发表的一些研究论文旨在通过更好地利用对话历史和上下文来提高系统理解对话过程中引入的复杂关系的能力。许多研究团队正在解决机器生成响应的多样性。目前，现实世界中的聊天机器人经常会生成无聊且重复的响应。去年，介绍了几篇优秀的研究论文，旨在产生多样化但相关的回应。情感识别被认为是开放域聊天机器人的重要功能。因此，研究人员正在研究将同理心融入对话系统的绝佳方法。这一研究领域的成就仍然很小，但情感识别方面的巨大进步可以显着提高社交机器人的性能和普及度，还可以增加聊天机器人在心理治疗中的使用。计算机视觉在过去几年中，计算机视觉(CV)系统通过在医疗保健、安全、交通、零售、银行、农业等领域的成功应用，彻底改变了整个行业和业务功能。最近推出的EfficientNet和SinGAN等架构和方法进一步提高了视觉系统的感知和生成能力。以下是计算机视觉中的热门研究主题：3D是目前CV的主要研究领域之一。今年，我们看到了几篇有趣的研究论文，旨在从2D投影重建3D世界。谷歌研究团队采用了一种新颖的方法来生成整个自然场景的深度图。FacebookAI团队提出了一个有趣的点云3D对象检测解决方案。无监督学习方法越来越受欢迎。例如，斯坦福大学的一个研究小组介绍了一种很有前途的局部聚合方法，用于在没有监督学习的情况下进行对象检测和识别。在另一篇获得ICCV2019优秀论文奖提名的优秀论文中，本文采用无监督学习来计算3D形状之间的对应关系。计算机视觉研究已成功与NLP相结合。最近的研究进展使两个图像之间的自然语言字幕、3D环境中的视觉语言导航以及学习分层视觉语言表示以更好地检索图像字幕和视觉基础的能力成为可能。强化学习强化学习(RL)对于业务应用程序的价值仍然低于监督学习甚至非监督学习。它只成功地应用于可以产生大量模拟数据的领域，例如机器人和游戏。但是，许多专家将RL视为通向人工智能(AGI)或真正智能的有前途的途径。因此，来自优秀机构和技术领导者的研究团队正在寻找使RL算法更加高效和稳定的方法。强化学习的热门研究课题包括：多智能体强化学习（MARL）发展迅速。OpenAI团队最近展示了模拟捉迷藏环境中的代理如何构建研究人员不知道其环境支持的策略。另一篇优秀论文在ICML2019上获得了荣誉奖，研究了多个代理在受到相应激励的情况下如何相互交互。离策略评估和离策略学习对于未来的RL应用很重要。这一研究领域的最新突破包括在多重约束下处理策略学习的新解决方案，结合参数和非参数模型，以及引入一类新的离策略算法来强制代理接近策略。勘探是可以取得重大进展的领域。在ICML2019上发表的论文介绍了具有分布式RL、最大熵探索和安全条件的新型高效探索方法，以解决强化学习中的桥梁效应。以下是关于NLP、对话式AI、计算机视觉和强化学习等更受欢迎的子主题的新AI和机器学习研究趋势的概述，其中许多具有业务影响。预计2020年应用人工智能将在2019年机器学习取得的显着技术进步的基础上取得更多突破。
