未来已来 人工智能世界的冰山一角还待开发

2016年是人工智能的工具和解决方案变得更加智能和先进的一年，而在过去的一年中，大多数组织将人工智能这种技术从受欢迎转变为现实。

现在，我们有设备可以自己作出反应、回应和推荐。开发人员解决方案也已经发展到通过自动化测试和自动化构建以及通过监视和测试发现检测和修复错误，从而自动化和加速软件开发生命周期。有了物联网和人们现在拥有的多种设备，不可能管理数据量，并从这些数据中学习，在没有人工智能的情况下做出明智的业务决策。

几年前，这些功能只是对未来的一个想法，或者只对少数的技术巨头开放，现在正在成为设备和解决方案的新标准。这仅仅是组织在技术上投入巨资并为开发者们清理道路的开始。重要的是要注意到，当我们谈论人工智能时，它被用作概念性总述词，包括人工智能、机器学习、深度学习和其他认知技术。

首先看看谷歌，谷歌持续在机器学习领域开展工作，值得一提的是其机器学习开放源码框架TensorFlow。 2月份，它终于达到了1.0，在库的基础上发布了TensorFlow调试器，用于在TensorFlow图表中可视化，训练深度学习模型的Tensor2Tensor，以及在移动和嵌入式设备上的机器学习模型的TensorFlow Object Detection API和TensorFlow Lite。到今年年底，TensorFlow的机器学习框架Keras，数据集API，Python生成器的支持以及用于简化培训和评估的新功能达到了1.4版本。

Google还通过7月份宣布的People + AI Research倡议启动了AI。该计划旨在研究用户如何与AI进行交互以及其提供的好处。

其他公司也致力于为开发人员提供更多的基于人工智能的工具。 NVIDIA在5月份的GPU技术大会上宣布了一项旨在缩小人工智能领域专长差距的使命。该公司宣布计划今年通过NVIDIA深度学习学院增加AI开发人员的数量。今年早些时候，NVIDIA还与Facebook联手发布了Caffe2，一个开源的深度学习框架，用于创建大规模的分布式训练场景。 Salesforce宣布推出Einstein平台服务，为开发人员提供更多工具将AI构建到应用程序中。

微软公司继续在全年投入人工智能技术，并与Facebook联合推出开放神经网络交换系统，以提供神经网络框架的互操作性，其安全风险检测工具的发布使用人工智能来发现和检测软件错误，推出开源的深度学习库Gluon with Amazon，Visual Studio Tools for AI和Azure IoT Edge。

其他投资包括：IBM宣布计划与麻省理工学院建立人工智能研究合作伙伴关系，以及造福人类和社会而建立的合作伙伴关系，扩大了与8个新的赢利合作伙伴和14个非营利合作伙伴的努力。新成立的一些风险投资基金如:丰田AI Ventures和Google Gradient Ventures等新型风险投资基金的成立为AI初创公司提供资金，指导和支持。

Linux基金会还推出了Acumous项目，以帮助AI应用程序构建、共享和部署。

然而，尽管人工智能具有优势，但也有很多人警告表示，用户应该不太舒服。卡内基梅隆大学软件工程研究所于10月份发布了“2017年新兴技术领域风险报告”，警告机器学习中安全漏洞的影响，特别是涉及敏感信息时。据报道，“对手恶意或特制数据以供机器学习算法使用的能力可能会导致不准确的结论或不正确的行为。

网络安全提供商Endgame的数据科学技术总监Hyrum Anderson在七月份的2017年美国黑帽会议上发表了类似的观点，并指出机器学习并不是安全的良方。根据安德森的说法，机器学习有盲点，易于开发利用。

DeepMind在十月份推出了DeepMind道德与社会研究部门，不仅帮助技术开发人工智能应用，而且为有益和负责任的人工智能铺平了道路。

展望2018年，Gartner透露，拥有AI基础将成为数据准备、集成，算法和训练方法选择等领域的顶尖战略技术趋势，并且投资模式的创建已经成熟。 Gartner还看到明年在AI领域盛行的智能应用程序，诸如自动驾驶汽车、机器人、无人驾驶飞机和物联网（IoT）等。

在Forrester的2018年的预测中，该组织预测人工智能和机器学习将在未来一年通过机器人继续取代手动和重复的机械性任务。