如果你正在阅读这篇文章，相信你已经被人工智能技术包围了。从眼前的网站到阅读CT扫描片，人工智能的应用场景无处不在。人们谈及人工智能时，通常将其等同于机器学习和深度学习，但它们只是人工智能研究领域的一个小分支。虽然这两者可以说是当今人工智能领域最热门的话题，但人工智能研究中仍有很多领域非常吸引人，具有广阔的应用前景。在这篇文章中，我们讨论了人工智能中的一些热门话题，其中许多话题是相互关联的，并且属于人工智能研究的范畴。机器学习机器学习与开发系统和通过经验提高性能有关。过去十年人工智能技术的大部分进步都可以归功于机器学习的进步。机器学习如此流行以至于它已成为人工智能的代名词，现在研究人员正致力于将最先进的机器学习算法扩展到大型数据集。深度学习是机器学习的一个分支，是神经网络的更名，是一种受人脑中生物神经元启发的模型。深度学习一直在推动人工智能领域的许多应用，例如对象识别、语音、语言翻译、计算机游戏和自动驾驶汽车。强化学习强化学习是一种封闭的学习形式，就像人类的学习一样。它由一个智能代理组成，智能代理与其环境进行智能交互以获得某些奖励。智能体的目标是学习顺序操作，就像一个人从现实世界中学习经验，不断探索新事物，不断更新价值观和信念，强化学习的智能智能体遵循类似的原则并获得最大化的回报。2017年，谷歌的AlphaGo计算机程序使用强化学习在围棋比赛中击败了世界冠军。机器人技术在技术上是机器人技术的一个独立分支，但它确实与人工智能有一些交集。人工智能使机器人能够在动态环境中导航。你如何确保自动驾驶汽车在最短的时间内从A点到达B点而不伤害自己或他人？深度学习和强化学习的研究可能已经为机器人技术找到了这个问题的答案。计算机视觉如果我们想让机器思考，我们需要教他们看。——李飞飞，斯坦福人工智能实验室主任计算机视觉关注的是计算机如何从视觉上感知周围的世界。然而，具有讽刺意味的是，计算机擅长诸如求100位数字的十次方根这样的艰巨任务，但在诸如识别和区分物体等更简单的任务上却举步维艰。深度学习的最新进展、标记数据集的可用性和高性能计算使计算机视觉系统能够在狭义定义的任务（如视觉对象分类）中胜过人类。自然语言处理自然语言处理涉及能够感知和理解人类语言的系统，它包括语音识别、自然语言理解、生成和翻译等子任务。随着全球使用多种语言，自然语言处理系统可能会真正改变游戏规则。当前对自然语言处理的研究包括开发可以与人类动态交互的聊天机器人。推荐系统推荐系统无处不在，从推荐读什么、买什么、到约会对象，现在已经完全取代了虚拟世界中烦人的销售人员。Netflix和Amazon等公司严重依赖推荐系统，因为推荐系统会考虑用户过去的偏好、同行的偏好和趋势，以做出更有效的推荐。算法博弈论和计算机机制设计算法博弈论从经济和社会科学的角度考虑具有多个主体的系统，了解这些主体如何在基于激励的环境中做出选择。这些多代理系统可以包括自利的人类成员以及在有限资源环境中一起竞争的智能代理。物联网是物联网的概念，其中日常使用的物理设备连接到互联网，可以通过数据交换相互通信。物理设备收集的数据可以进行智能处理，让设备更加智能。神经形态计算随着基于神经元模型的深度学习的兴起，研究人员一直在开发直接实现神经网络架构的硬件芯片，旨在在硬件层面模仿大脑。在普通芯片中，数据需要在中央处理器和存储单元之间传递，造成时间开销和能耗。在神经形态芯片中，数据以模拟方式处理和存储在芯片中，并且可以在需要时生成突触，从而节省时间和精力。原文链接：https://towardsdatascience.com/hot-topics-in-ai-research-4367bdd93564
