翻譯 ： 趙福珩
編輯 ： 珺妹妹
感謝好文章
在當下， 人們常常把AI掛在嘴邊， 但是當我們去想什麼是AI的時候往往不能給出一標準的定義。 其實人們已經嘗試去定義AI很久了， 這個概念和我們如何定義思維還有電腦到底能做什麼有關。 這只是一個關於這些理念的接受， 並不能解決那些電腦科學家、心理學家和哲學家幾十年來都沒有解決的問題。 這是對於2016年的AI發展的一個概述。
1/24/2016 認知科學家Marvin Minsky去世2016年從低谷開始——Marvin Minsky， 21世紀在AI和電腦界的泰斗離開了我們， 享年88歲。
他是在電腦和認知科學的先驅， 他提出了大腦認知和計算，
像國際象棋一樣甚至更複雜一些的棋牌類遊戲， 電腦都可以輕易地擊敗他的對手。 但是圍棋有著微妙的戰略和很多的數量的選擇落子，
不管從理論上還是計算上， AI都不簡單， 他需要大量的處理來訓練和運行這些模型。 Nvidia和其他公司決定去提供更多適合這些目的的硬體- 在DGX-1的情況下， 8個重型GPU卡在同一個板上， 為這些大量資料集提供7 TB的存儲空間。 它可能運行Crysis也很適用， 但$ 129,000 用在這上面就是小材大用了。
電腦只能做我們告訴他們的東西， 但在這個限制內， 他們仍然可以是非常有創意。 這個新奇的專案用一個機器學習系統採取了整個倫勃朗·範·裡恩的畫， 學習他繪畫用的顏色， 結構， 人們， 衣服， 特徵幾何等等。 然後系統用這些資料， 從頭開始創建一個新的倫勃朗樣畫。
今年人們對人工智慧領域很感興趣， 所以XPRIZE 這個幫助SpaceShipOne2004 年離開地球表面的非營利性組織決定在今年舉辦一個4年的獎項。
有超過1000人已註冊將新技術應用于健康， 氣候， 交通甚至教育。 雖然IBM贊助這個活動花了300萬美元， 但是通過讓Watson品牌成為AI的最前沿， IBM獲得了巨大的收益。
這是google的另一個專案， 目的是解決如何生成逼真的最簡單的水準的演講 - 通過每秒16000s的重新創建樣本。這個研究產生優異的結果是，它可以容易的產生不同的口音或語言。它甚至可以產生那些難懂的語言，聽起來就像一個不說這門語言的人。最後，如果你用鋼琴而不是單詞訓練它，結果會是一些小數字，雖然他們還不夠在音樂廳演出，但肯定比任何我做過的更好。
許多相同的技術巨頭已經發佈了開源材料，讓開發商積極參與和情感投資於內部專案。其中一個最好的例子是穀歌DeepMind的圖像模型的開源版本。該框架在正確字幕圖像中實現了93.9％的準確性。
儘管有著強烈的商業競爭，今年Facebook、Amazon、Alphabet、IMB和微軟共同在研究人工智慧方面拋下恩怨。人工智慧研發小組經常討論研發時獲得的進步。除了消除人們從電影裡看到人工智慧將毀滅世界的偏見，研發小組還將為將來想從事這方面的工程師預備資源。
分析（crunching）大量資料的一個危險就是很難區分資料本身是否存在針對一個族群或是類別的歧視。試想，舉個例子，一些隻在城市裡收集的資料，排除了鄉野人口，事情就很不一樣。我們有一種相信電腦結果就是事實的傾向，但是機器學習演算法（machine learning algorithms）不是計算，它們只是一種翻譯。Google的“平等機會”方法（”Equality of Oppotunity” approach）確保上述情況不會發生。隨著機器學習（machine learning）越來越多的滲透進日常生活，這種全面的（inclusive）哲學正變得越來越重要。
各大公司因高端科技的競爭激烈，盡可能多的招攬關於人工智慧方面的人才。不禁提供了1000000美金的誘惑工資，各公司還動用資源在月球探測方面，私營部門使得研究員和科學家十分激動。Facebook在機械學習方面的野心包含了衛星和自主無人機使得世界更緊密的聯繫在了一起。Facebook還同時在衛星影像和虛擬實境方面下了巨大的賭注。
當al離開實驗室的時候，他用最普通但又很重要的的方式幫我們完成了工作-選擇下一個途徑。例如，“識別目標”現在已經變的很老套了，Facebook和Google已經開展在精准度方面的競爭。然而，除了那些技術員，其他人把它用在更多領域。比如一個高中生Anmol tukrel的app是可以説明視覺障礙的人識別日常生活中的物品。一個學生能用有限的材料在他閒置時間做出這樣的東西是特別可靠的。
我們也可以發現一些真正高端複雜的電腦視圖的科技應用。當自動汽車霸佔了大多版面的大標題時，其他的的應用把科技應用到了獨特的硬體和lot設備裡。以san leandro為主的領空裝置構造了一個在無需人為觸發就可以識別其它有威脅性無人機並且把它們捕捉到kevlar網狀物裡的自動無人機。淩空“截擊無人機”隨後會把捕捉到的航空器送回一個被指定並且安全的位置。研發團隊運用了一個新穎的辦法——在運用真實的圖像和現場測試之前運用三維飛行模擬器——去使截擊機的機器學會物體的構架。
可能今年最深刻和新穎的發展再一次歸功於穀歌的研究人員們，他們致力於開發有效的多語言翻譯人工智慧。他們發現知道如何從韓文翻譯到英文，從英文翻譯到韓文，而不是從韓文翻譯到日文的系統，能夠做到後者而不使用英文作為媒介。研究人員沒有意識到它的份量已經相當於“國際語”，一種被不同語言共用的概念更深刻的內部表現。比起實際的進步，它更多的是一種哲學上的進步，但它的驚人是一致的。
除了模型，科技公司以及一些非營利組織似乎開始通過發放培訓材料來回饋生態系統以便於任何人可以靠自己來測試他們的計算程式。開放性人工智慧，一種旨在使人工智慧民主化的非營利性組織，發放了一種叫“宇宙”的新工具來加速人工智慧的進程。具體來說，開發人員可以在電子遊戲、應用程式和網站上訓練以及測試他們的創作。順著這種趨勢，其他一些公司比如Udacity為那些想要不利用像特斯拉和Uber這種公司的資源就能和自動駕駛汽車做實驗的工程師們發佈了駕駛距離的目錄。
12/30/2016 AI到底是什麼玩意兒？GPU性能和雲計算的進步使今年很多進展有了可能性。但是機械學習才是推動所有事情的核心。雖然機械學習並不新鮮，但他的突出到達了一個歷史性的高點。在之前的歷史中，公眾從來沒有對這個領域如此的感興趣過 －－ 今年有400多個斯坦福的學生從這個專業畢業。如果你想知道所有這些談論聲是關於什麼的，這個概述是一個開始了。
目的是解決如何生成逼真的最簡單的水準的演講 - 通過每秒16000s的重新創建樣本。這個研究產生優異的結果是，它可以容易的產生不同的口音或語言。它甚至可以產生那些難懂的語言，聽起來就像一個不說這門語言的人。最後，如果你用鋼琴而不是單詞訓練它，結果會是一些小數字，雖然他們還不夠在音樂廳演出，但肯定比任何我做過的更好。
許多相同的技術巨頭已經發佈了開源材料，讓開發商積極參與和情感投資於內部專案。其中一個最好的例子是穀歌DeepMind的圖像模型的開源版本。該框架在正確字幕圖像中實現了93.9％的準確性。
儘管有著強烈的商業競爭，今年Facebook、Amazon、Alphabet、IMB和微軟共同在研究人工智慧方面拋下恩怨。人工智慧研發小組經常討論研發時獲得的進步。除了消除人們從電影裡看到人工智慧將毀滅世界的偏見，研發小組還將為將來想從事這方面的工程師預備資源。
分析（crunching）大量資料的一個危險就是很難區分資料本身是否存在針對一個族群或是類別的歧視。試想，舉個例子，一些隻在城市裡收集的資料，排除了鄉野人口，事情就很不一樣。我們有一種相信電腦結果就是事實的傾向，但是機器學習演算法（machine learning algorithms）不是計算，它們只是一種翻譯。Google的“平等機會”方法（”Equality of Oppotunity” approach）確保上述情況不會發生。隨著機器學習（machine learning）越來越多的滲透進日常生活，這種全面的（inclusive）哲學正變得越來越重要。
各大公司因高端科技的競爭激烈，盡可能多的招攬關於人工智慧方面的人才。不禁提供了1000000美金的誘惑工資，各公司還動用資源在月球探測方面，私營部門使得研究員和科學家十分激動。Facebook在機械學習方面的野心包含了衛星和自主無人機使得世界更緊密的聯繫在了一起。Facebook還同時在衛星影像和虛擬實境方面下了巨大的賭注。
當al離開實驗室的時候，他用最普通但又很重要的的方式幫我們完成了工作-選擇下一個途徑。例如，“識別目標”現在已經變的很老套了，Facebook和Google已經開展在精准度方面的競爭。然而，除了那些技術員，其他人把它用在更多領域。比如一個高中生Anmol tukrel的app是可以説明視覺障礙的人識別日常生活中的物品。一個學生能用有限的材料在他閒置時間做出這樣的東西是特別可靠的。
我們也可以發現一些真正高端複雜的電腦視圖的科技應用。當自動汽車霸佔了大多版面的大標題時，其他的的應用把科技應用到了獨特的硬體和lot設備裡。以san leandro為主的領空裝置構造了一個在無需人為觸發就可以識別其它有威脅性無人機並且把它們捕捉到kevlar網狀物裡的自動無人機。淩空“截擊無人機”隨後會把捕捉到的航空器送回一個被指定並且安全的位置。研發團隊運用了一個新穎的辦法——在運用真實的圖像和現場測試之前運用三維飛行模擬器——去使截擊機的機器學會物體的構架。
可能今年最深刻和新穎的發展再一次歸功於穀歌的研究人員們，他們致力於開發有效的多語言翻譯人工智慧。他們發現知道如何從韓文翻譯到英文，從英文翻譯到韓文，而不是從韓文翻譯到日文的系統，能夠做到後者而不使用英文作為媒介。研究人員沒有意識到它的份量已經相當於“國際語”，一種被不同語言共用的概念更深刻的內部表現。比起實際的進步，它更多的是一種哲學上的進步，但它的驚人是一致的。
除了模型，科技公司以及一些非營利組織似乎開始通過發放培訓材料來回饋生態系統以便於任何人可以靠自己來測試他們的計算程式。開放性人工智慧，一種旨在使人工智慧民主化的非營利性組織，發放了一種叫“宇宙”的新工具來加速人工智慧的進程。具體來說，開發人員可以在電子遊戲、應用程式和網站上訓練以及測試他們的創作。順著這種趨勢，其他一些公司比如Udacity為那些想要不利用像特斯拉和Uber這種公司的資源就能和自動駕駛汽車做實驗的工程師們發佈了駕駛距離的目錄。
12/30/2016 AI到底是什麼玩意兒？GPU性能和雲計算的進步使今年很多進展有了可能性。但是機械學習才是推動所有事情的核心。雖然機械學習並不新鮮，但他的突出到達了一個歷史性的高點。在之前的歷史中，公眾從來沒有對這個領域如此的感興趣過 －－ 今年有400多個斯坦福的學生從這個專業畢業。如果你想知道所有這些談論聲是關於什麼的，這個概述是一個開始了。