2016年，關于物聯(lián)網(wǎng)、機器學習、AI等都發(fā)生了什么？

　　機器學習領域

　　從AlphaGo歷史性的勝利到NIPS(神經(jīng)信息處理系統(tǒng)大會)的出席者人數(shù)打破記錄，繼續(xù)成為產(chǎn)業(yè)大佬們的戰(zhàn)略聚焦點。在第V13.0期的LWITF里，我們總結了Yann LeCun揚·勒丘恩(計算機科學家)的預測機器學習的演講資料，以及Tryolab關于2016年無監(jiān)督學習領域取得的進展的總結。深度學習獲得了來自各方的關注，但實際上所有的參與者著手的研究項目都各不相同。以下我們梳理了這個領域最主要的幾個參與企業(yè)，它們在2016年取得的進展：

　　使用深度學習技術的60多個創(chuàng)業(yè)公司 圖片來源：CB Insights

　　Google DeepMind

　　2016年，當AlphaGo的勝利占據(jù)頭條的時候，DeepMind的應用領域也早已超過了挑戰(zhàn)像星際爭霸這樣的游戲。可微神經(jīng)計算機Differential Neural Computers (DNC)將深度學習與存儲元素相結合，讓計算機具備了推理以及簡單判斷的模式。(DNC將一個神經(jīng)網(wǎng)絡與傳統(tǒng)電腦的海量存儲數(shù)據(jù)結合，系統(tǒng)的智能已經(jīng)可以自主分析并學習外部的存儲數(shù)據(jù)。)這種只提供少量訓練樣本的學習方式(One-shot learning methods)可以基于很小的數(shù)據(jù)集合獲得很高的精確度，這對于那些無法掌握海量數(shù)據(jù)集合的小公司來說，或許是一個從深度學習領域獲利的契機。DeepMind 還推出了WaveNet，這是一個用于處理原始音頻波形圖的深度生成模型。

　　Google Brain

　　《紐約時報》發(fā)表了一篇關于Google Brain和人工智能的精彩文章，這篇文章也出現(xiàn)在了第V14.0期的LWITF上。給予深度學習的機器翻譯正在與人工翻譯一較高下。谷歌的關注點在與神經(jīng)網(wǎng)絡和深度學習。SyntaxNet這樣的神經(jīng)語言處理(NLP)工具以及基于谷歌TensorFlow 的圖說生成模型都被開源。谷歌發(fā)表了一篇文章探討人工智能的倫理問題，文章是關于對數(shù)據(jù)集合的一些固有偏見，這些偏見影響著機器學習的發(fā)展。

　　FacebookAI研究院(FAIR)

　　由計算機科學家Yann LeCun領導的這個實驗室正專注于對卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks)和圖像處理的研究。FAIR在2016年發(fā)布的最有趣的工具是Caffe2Go，這是一個可以用在移動設備實現(xiàn)實時風格的深度學習系統(tǒng)。鑒于Yann LeCun對生成式對抗網(wǎng)絡Generative Adversarial Networks (GANs)公開表示贊揚，F(xiàn)AIR往后在深度卷積生成式對抗網(wǎng)絡方面的進展將十分值得關注。

　　OpenAI

　　是一個非營利性的人工智能研究公司，由Elon Musk創(chuàng)立，贊助人包括大名鼎鼎的Reid Hoffman， Peter Thiel， 微軟和AWS。OpenAI的研究人員在8月份的時候推出了InfoGAN模型，這個系統(tǒng)可以在無人監(jiān)控的情況下，自動生成包含數(shù)據(jù)集相關信息的表征。

　　微軟

　　微軟和谷歌一樣，在機器學習領域的方方面面都表現(xiàn)活躍。繼2015年推出了用于圖像識別的

　　深度殘差學習之后，微軟在去年10月在語音識別方面祭出了大招。微軟的研究人員宣布它們的系統(tǒng)達到了人類同等的會話語言識別。Azure的機器學習和認知工具包都是可供臨時用戶方便地使用的產(chǎn)品。

　　被Salesforce收購的MetaMind

　　和在Yann LeCun的影響下專注于卷積神經(jīng)網(wǎng)絡研究的FAIR相似，由Richard Socher領導的MetaMind專注于循環(huán)神經(jīng)網(wǎng)絡(RNN， Recurrent Neural Networks)以及神經(jīng)語言處理程序的研究。這個Joint Many-Tasks (JMT)模型是一個端到端的可訓練模型，它可以習得復雜的自然語言處理任務。

　　在NIPS 上發(fā)表的“基于視覺監(jiān)控程序Visual Sentinel的自適應聚焦”涉及了與卷積神經(jīng)網(wǎng)絡結合的自然語言處理，并顯示了在自動圖片說明方面的巨大進展。

　　Uber

　　被Uber收購自動駕駛貨運車公司Otto的新聞蓋去風頭的是Uber成功收購了

　　Geometric Intelligence。外界對Geometric Intelligence的所知甚少，但普遍預測這是一次針對人才團隊的收購，目的是鞏固Uber在人工智能領域的地位。2017年，我們可以期待這個由Otto和 Geometric Intelligence組合而成的智庫貢獻出頂尖的產(chǎn)品。

　　百度

　　人工智能領域的大部分玩家都來自美國，作為一家中國公司，百度取得的成就顯得不容忽視。由Andrew Ng領導的百度，在去年9月發(fā)布了DeepBench，這個開源測試工具能對硬件平臺訓練出神經(jīng)網(wǎng)絡的效率進行評估。百度基于Python的深度學習框架PaddlePaddle在漢語音譯方面表現(xiàn)優(yōu)異。

　　其他參與企業(yè)

　　· 蘋果：除了雇傭CMU機器學習教授Russ Salakhutdinov之外，蘋果剛剛開始出版自己的著作。在2016年初，蘋果還收購了位于西雅圖的人工智能初創(chuàng)企業(yè)Turi。

　　· 亞馬遜：和谷歌、微軟、Facebook相比，亞馬遜在機器學習方面的成果有限，但是隨著Alexa在語音市場的優(yōu)秀表現(xiàn)以及2016年發(fā)布的一系列新產(chǎn)品的出現(xiàn)，亞馬遜將在人工智能領域有更多投入。

　　· IBM：可以公允地說，AlphaGo的風頭已經(jīng)蓋過了此前IBM Watson引發(fā)的贊嘆。有消息傳出IBM的百萬神經(jīng)元類人腦芯片TrueNorth在圖像識別方面表現(xiàn)突出，除此之外，還沒有更多消息。

　　人工智能與自動化領域

　　2016年，自動駕駛汽車和Amazon Go(亞馬遜在西雅圖建立的自動售賣商店)引發(fā)了關于自動化的熱烈爭論。從科技界的領軍者們開始裁員，到一項關于基本收入的調(diào)查，讓大眾開始憂慮人工智能會帶來的后果。

　　這個話題如此一言難盡，與其詳細陳述方方面面，不如把我們的參考資料(書目)告訴大家。無論你對它持有何種態(tài)度，人工智能的時代都已經(jīng)來了，而且我們必須做好準備。