人工智能研究的热门话题
通常，当人们听说人工智能时，他们经常将其与机器学习和深度学习等同起来，但它们只是人工智能研究中众多副主题中的两个。这两个在当今人工智能领域可以说是最有效的主题，但是还有很多其他子主题在AI社区获得了应用程序和未来潜力的巨大支持。在本文中，我们将讨论人工智能研究中的一些热门子课题，其中很多主题都是相互关联的，并且都被纳入人工智能的广泛范围之内：
机器学习
机器学习（ML）关注的是开发能够改善其性能和经验的系统。在过去的十年中，AI的进展很容易归因于ML的进步。ML非常受欢迎，已经成为AI的代名词。研究人员现在专注于将最先进的ML算法扩展到大型数据集。
深度学习
ML的一个子集，深度学习（DL）是神经网络的重新品牌 - 一类受我们大脑中生物神经元启发的模型。DL一直推动着人工智能领域的许多应用，如对象识别，语音，语言翻译，玩电脑游戏和控制自驾车。
强化学习
强化学习（RL）是学习人类学习方式的封闭形式。它由智能代理组成，智能代理与自己的环境巧妙地交互以获得数字奖励。Agent的目标是学习顺序操作，以最大化长期奖励。就像一个从他与现实世界的经验中学习的人一样，不断探索新事物并更新他的价值观和信仰，RL Agent按照类似的原则工作，从长远来看最大化他自己的回报。2017年，Google的AlphaGo计算机程序使用RL在Go游戏中击败世界冠军。
机器人
从技术上讲，Robotics是它自己的一个独立分支，但它与AI有一些重叠。AI已经在动态环境中实现了机器人导航。你如何确保一辆自驾车从A点到B点在最短时间内不伤害自己和其他人？DL，RL的进展可能会在机器人学中解决这些问题。
计算机视觉
计算机视觉（CV）关注计算机如何在视觉上感知周围的世界。具有讽刺意味的是，计算机擅长做诸如寻找100位数字的第十根等庞大任务，但却苦于识别和区分对象等简单任务。最近在DL和标记数据集的可用性以及高计算能力方面的进步使得CV系统可以在诸如视觉对象分类等一些狭义定义的任务中超越人类同行。
自然语言处理
自然语言处理（NLP）涉及能够感知和理解说出的人类语言的系统。它由语音识别，自然语言理解，生成和翻译等子任务组成。随着全球范围内使用多种语言，NLP系统可能成为一个真正的变革者。目前的NLP研究包括开发可与人类动态交互的聊天机器人。
推荐系统
从推荐系统（RS）无处不在，并且已经完全取代了虚拟世界中令人讨厌的推销员，从阅读什么，到目前为止购买什么，到哪些人购买。Netflix和亚马逊等公司都依赖于RS。RS考虑用户的过去偏好，同伴偏好和趋势以作出有效的推荐。
算法博弈论和Computational Mechanism Design
算法博弈论从经济学和社会科学的角度考虑了多重代理的系统。它看到了这些代理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感兴趣的人员和在有限资源环境中一起竞争的智能代理。
物联网
物联网（IoT）是一种概念，即日常使用的物理设备连接到互联网并可以通过交换数据相互通信。收集到的数据可以智能处理，使设备更加智能化。这篇文章解释了AI如何被用来制作更智能的建筑。
神经形态计算
随着深度学习的兴起依赖于基于神经元的模型，研究人员一直在开发可直接实现神经网络架构的硬件芯片。这些芯片旨在模拟硬件层面的大脑。在普通芯片中，数据需要在中央处理单元和存储模块之间传输，这会导致时间开销和能耗。在神经形态芯片中，数据既以模拟方式处理并存储在芯片中，又可在需要时产生突触，从而节省时间和精力。