简介：许多朋友问有关人工智能领域发生了什么问题的问题。本文的首席执行官注释将为您提供一个详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
作者|大卫·福斯特（David Foster）
翻译|Sambodhi
2019年无疑是繁忙的一年。人工智能和新闻的进步经常出现在头条新闻，使我们的生活充满了敬畏和骄傲，但其他一些时刻有一个令人讨厌的想法，也就是说，这项技术使人们发现我们的社会被发现了我们的社会。。找到我们的社会。我们的社会不准备欢迎人工智能的普及。
在2019年，这是人工智能进展的一年，还是幻灭一年？当研究人员稍微围攻这座城市，并迅速克服了以前难以达到的基准。今天，我们可以认为这个领域已经进入稳定发展的轨道吗？
在ADSP（应用数据科学合作伙伴，意思是“应用程序数据科学合作伙伴”）网站上，我们希望退后一步，并在2019年进行人工智能行业的活动，以允许公众具有新的视角。焦点是，重要的是要以其实际的重要性及其对领域的影响来区分最初吸引人们的兴趣。为此，本文将启动人工智能故事的平行线索，并试图将其含义分开。我们杰出的内容作家Elena Nisioti，她讲了这些故事！
让我们坐下来回顾2019年人工智能领域的各个方面。
在文艺复兴时期
如果我们使用句子来描述2019年人工智能的当前状态，那可能是：“加强学习回报，这似乎是永远的。”
到目前为止，我们大多数人可能已经熟悉主管学习（监督学习）：有些人已经收集了lotperform的预测和分类。我们中的某些人甚至可能会有这样的印象：也就是说，人工智能是监督学习的代名词。但是，监督学习只是我们今天拥有的众多机器学习类型之一。
在强化学习（RL）中，智能方法使用反复试验来通过与环境的互动来学习。这种环境将为他们的行为提供奖励。当涉及多种智能时，它们被称为多机构增强学习系统。
该领域已经存在数十年。从概念的角度来看，听起来比监督学习更像是一种合理的创造性学习机制。但是，直到2015年，DeepMind才引起人们的注意。当时，DeepMind使用Deep Q-Learning创建了Atari（Yadali）游戏。这是经典增强的学习算法和学习算法和学习算法和增强学习算法和学习算法和学习算法和深度神经网络算法的结合，OpenAI还通过解决蒙特祖玛的复仇（一种被认为是Atari游戏）来确立其位置特别困难），因此在这一领域中建立了自己的地位。
在过去的几个月中，情况已升级：
这些任务重新引起了学术界对加强学习的信念。过去，人们曾经以为增强学习效率低，太简单，无法解决复杂的问题，甚至无法解决游戏的问题。
今年，另一个受欢迎的应用程序是自然语言处理（NLP）。尽管研究人员已经在该领域工作了几十年，但近年来自然语言处理系统产生的文本听起来并不自然。2018年底，人们的注意力一直在从过去的单词转移到预训练的语言模型，这是一种自然语言处理从计算机视觉中学到的技术。这些模型的培训是在非supervision中进行的，该模型允许现代系统从大量文本中学习因此，这些模型已成为“强大的知识”，并发展了理解背景的能力。属于转移学习的类别，被认为具有巨大的潜力。
自去年Google Bert，Elmo和Ulmfit推出以来，自然语言处理一直是众人瞩目的焦点，但是OpenAI的GPT-2-2.Discescuss对系统的道德使用已被“吸引”。
练习成熟
今年，人们还目睹了一些最近的深度学习技术，以成熟。应用监督学习，尤其是计算机视觉技术，在现实生活中催生了成功的产品和系统。
生成对抗网络（GAN）是一对神经网络。其中，发电机网络正在尝试生成图像以模仿训练数据以欺骗判断网络，该判断网络现在已经达到了几乎完美的水平。对于人工智能，创建虚假但逼真的字符和对象的图像不再是切割 - 边缘字段。
2019年，人工智能创作的艺术品甚至与过去几年中的假设讨论分开，并成为当今博物馆装置和拍卖的一部分。
计算机视觉还适用于具有主要业务和社会意义的某些领域，包括自动驾驶汽车和药物。但是，这些领域中人工智能算法的应用自然很慢，因为它们直接与人类的生活直接与人类的生活相互作用。到目前为止，这些系统，这些系统，这些系统不是完全自主的。他们的目的是支持和增强人类运营商的能力。
研究团队正在与医院紧密合作，开发一个人工智能系统，以早期预测疾病，并组织大量的健康数据文件。概念示例之一是DeepMind Health与UCLH之间的合作。但是，其中大多数工作仍处于测试阶段。到目前为止，唯一已获得FDA批准的人工智能系统是Sirtlepet，它是一种使用深度学习来增强医学图像的软件。
睡觉的巨人
Automl是机器学习的子领域之一。它自1990年代以来就存在。它在2016年引起了极大的兴趣，但我不知道为什么它从未出现在头条新闻上，至少不像其他人工智能趋势。通过自动决策 - 制定机器学习更有效，如今，数据科学家们做出了手动和蛮力做出的决定。
在过去的三年中，我们对这一领域的理解发生了变化。如今，大多数大型公司都提供了汽车工具，包括Google Cloud Automl，Microsoft Azure，Amazon Web Service和DatarObot。本年度，随着学习进化AI框架（LEAF），它已成为最先进的人工智能技术，以及人们的人民的。兴趣已经转移到了进化方法。但是，Automl尚未达到更好的成熟水平，该水平允许全自动的人工智能系统比人工智能专家团队更好地表现。
担心人工智能
尽管取得了压倒性的成功，但今年的人工智能领域也给我们带来了一些令人沮丧的故事。主要问题是机器学习模型的偏见。这个问题直到2018年才出现。当时，亚马逊发现其自动招聘系统中存在性别偏见，美国法院广泛使用的判决工具也被发现具有性别。
今年的案件数量增加了，这可能表明公共和机构对现有的自动决策的人工智能系统越来越怀疑。以下是图片场景的一小部分：
今年10月，发现一家医院的算法对黑人患者有偏见。去年10月，一个人权组织指责人工智能系统用于签发英国签证。今年11月，苹果的信用评分系统被指控存在性别偏见的客户指责。
偏见是一个特别令人担忧的问题，因为它位于监督深度学习的核心中：当偏见数据用于培训和预测模型时，我们无法真正判断是否存在偏见。致力于开发技术，以了解决策的原因 - 深层模型，但专家警告说，如果我们采用正确的实用方法，可以解决许多问题。GoogleCloud Model Cards是最近试图使组织社区转向的尝试开源模型，同时清除其性质和局限性。
今年的另一个令人担忧的发现是，当技术变得越复杂时，滥用的可能性就越大。Deepfake是生成面对网络的黑暗面。深度学习算法用于创建涉及纯虚构场景中真实角色的图片或视频。不难看出如何将这项技术从政治宣传传播到欺凌行为。仅科学家无法解决这个问题。历史证明，科学家不擅长预测他们对现实生活的影响，更不用说控制它们了。这需要各行各业的各种对话。
今天的人工智能有多强大？
如今，定量人工智能的价值确实很困难。但是有一件事可以肯定：人工智能已与科幻小说和前卫 - garde计算机科学分开。现在，人工智能已成为社会不可分割的一部分，人们对人工智能进行了大量投资。
今年早些时候，三位主要的深度学习研究人员获得了图灵奖。这是对人工智能作为计算机科学领域的认可，人们长期以来一直期待这一点。
人工智能促进了运输领域，家庭家具，公共安全领域，手机和互联网娱乐以及医疗和健康领域的人们。
1.运输领域：
共享的自行车，共用电车和共享汽车方便旅行和降低旅行成本。智能辅助驾驶系统可帮助人们安全驾驶安全行驶。
2.家庭家庭田地：
智能互连房屋在生活中广泛使用。它可以帮助人们明智地调节生活环境，监视安全监控和房屋的危险预警，并降低气体泄漏的风险并偷走了房屋。一句话以一句话打开音乐，以一句话打开空调，并使生活变得很简单。
3.公共安全领域：
人脸，指纹，虹膜和其他生物学特征以及大数据的结合，然后监测实际时间监测。人工智能的应用可以加强公共安全系统的管理和安全预测。大数据和人工智能建立的智能城市项目是城市公共安全领域。
4.手机和互联网娱乐领域：
人工智能领域的申请最多来自手机和互联网。，专辑分类，图像处理，AR特殊效果，VR游戏等都适用于人工智能技术的不同程度
想了解有关人工智能的更多信息，并推荐咨询丹麦教育。DaneEducation的原始TTS8.0教学系统，Dane Omo教学模式，新升级，在线和离线互动学习，以满足学生的多样化学习需求。，包括主流热点技术，使用理论知识+学习思维+实际战斗操作来创建一个完整的学习闭环；还举行双重选择会议，以使学生的工作更加顺利。如果您有兴趣，请单击此处，免费学习学习
人工智能领域的结果是：人类计算机游戏，模式识别，自动工程，知识工程。
自人工智能诞生以来，理论和技术已经越来越成熟，并且应用领域继续扩展。可以想象，未来人工智能带来的技术产品将是人类智慧的“容器”。兵工智能可以模拟人类意识和思维的信息过程。人工智能不是人类的智力，但它可以像人类的智力一样思考。人类，可能会超越人类的智力。
人工智能的实现：
在计算机上实施人工智能时，有两种不同的方法。一种是采用传统的编程技术来使系统的智能效果，而无需考虑使用的方法与人类或动物使用的方法相同。这种方法称为工程学方法已经在某些领域（例如文本识别和计算机国际象棋）获得了结果。
另一个是仿真方法（建模
方法），这不仅取决于效果，而且还需要与人类或生物身体相同或相似的实施方法的方法。基因算法（genet
算法，称为GA）和人工神经网络（ANN），全部为后一种类型。
上述内容参考：百度百科全书 - 兵工智能
人工智能促进了运输领域，家庭家具，公共安全领域，手机和互联网娱乐以及医疗和健康领域的人们。
1.运输领域：
共享的自行车，共用电车和共享汽车方便旅行和降低旅行成本。智能辅助驾驶系统可帮助人们安全驾驶安全行驶。
2.家庭家庭田地：
智能互连房屋在生活中广泛使用。它可以帮助人们明智地调节生活环境，监视安全监控和房屋的危险预警，并降低气体泄漏的风险并偷走了房屋。一句话以一句话打开音乐，以一句话打开空调，并使生活变得很简单。
3.公共安全领域：
人脸，指纹，虹膜和其他生物学特征以及大数据的结合，然后监测实际时间监测。人工智能的应用可以加强公共安全系统的管理和安全预测。大数据和人工智能建立的智能城市项目是城市公共安全领域。
4.手机和互联网娱乐领域：
人工智能领域的申请最多来自手机和互联网。，专辑分类，图像处理，AR特殊效果，VR游戏等都适用于人工智能技术的不同程度
想了解有关人工智能的更多信息，并推荐咨询丹麦教育。DaneEducation的原始TTS8.0教学系统，Dane Omo教学模式，新升级，在线和离线互动学习，以满足学生的多样化学习需求。，包括主流热点技术，使用理论知识+学习思维+实际战斗操作来创建一个完整的学习闭环；还举行双重选择会议，以使学生的工作更加顺利。如果您有兴趣，请单击此处，免费学习学习
应用程序字段
机器翻译，智能控制，专家系统，机器人技术，语言和图像理解，基因编程机器人工厂，自动编程，航空航天应用，庞大的信息处理，存储和管理，复杂或复杂或大规模的执行和执行，未执行按照生命形式，大型或大型的任务等等。
值得一提的是，机器翻译是人工智能和第一个应用程序字段的重要分支。但是，就现有的机器翻译成就而言，翻译系统的质量仍然远非最终目标；机器翻译的质量是机器翻译系统成功或失败的关键。中国数学家和语言学家周长海报公司在论文“机器翻译五十年”中指出：提高机器翻译的质量，要解决的第一件事是语言本身的问题，而不是编程问题；机器翻译系统不得提高机器翻译的质量；此外，当人类尚未了解大脑如何模糊和合乎逻辑的判断时，机器翻译不可能达到“信仰，触及和优雅”的程度。家用电器行业的新媒体和昌港正在成为第一个浪潮的家用电器巨头。Changhong发布了两种新的Chiq智能电视产品，专注于手机遥控器，随时取走，观看，观看，观看并分类并进行分类功能
结论：以上是首席CTO指出的人工智能领域的所有内容。感谢您阅读本网站的内容。我希望这对您有帮助。有关人工智能Forgot领域中发生的情况，可以在此站点上找到它的更多相关内容。