2018 人工智慧10大最熱技術趨勢

寫這篇文章，源於2017年初的時候，福布斯同學針對AI領域給出了10個大熱門技術，並揚言會對整個世界各個生態產生影響，小編做VR出身，也算涉獵一些前沿技術，但聽到這個還是難免有些振奮，閑暇之餘做了些研究，還去聽了科大訊飛的自然語音識別技術發布會，然而並沒有感覺有什麼牛X的地方，整體感覺還是那麼的「人工」智能。

1年過去了，此刻在北京的我，正在期待2018年的第一場雪，正好寫上一篇，希望同樣關注AI技術發展的你，能從本文中看到AI的坎坷未來，躊躇滿志，更能看到歲月的靜好。

2017年，基於Forrester的分析，《福布斯》列出的10大熱門人工智慧技術：

1.自然語言生成：利用計算機數據生成文本。目前被用在客戶服務、報告生成，以及商業情報信息總結等方面。範例供應商：Attivio、Cambridge Semantics、Digital Reasoning、Lucidworks、Narrative Science、SAS。

自然語言記者，這是找了半天才發現的一個實際應用，我很不喜歡非常專業和高端的辭彙來描寫一個技術，明明這麼簡單的一個技術，非要寫的如上面定義那樣複雜，這或許是人類前沿技術普及的最大障礙，我決定做一個革命者，把所有能理解的技術寫的像123那樣簡單。

自然語言記者，其實就是一個能自己寫文章的小軟體。僅此而已，其實就算用很老的技術這個軟體也能實現，只不過文章質量較差。

1月28日，蘋果發布2015財年第一季度財報。沒過幾分鐘，美聯社的報道《蘋果第一季度營收超華爾街預測》（Apple tops Street 1Q forecasts）出爐。這篇行文流暢的報道是由一套自動化系統撰寫發布的。這套系統每個季度能寫出3000篇這樣的報道，而同時，它對美聯社的寫作風格了如指掌。

為了進一步看看2018年自然語言的進步，我進入了Cambridge Semantics公司官網，接待我的是ANZO Assistant，聊了幾句，感覺客服機器人還是有些進步的。有興趣的可以試試。

2.語音識別：聽寫人類語言，並將其轉換為對計算機應用有用的形式。目前被用在互動語音響應系統和移動應用中。範例供應商：NICE、Nuance Communications、OpenText、Verint Systems。

語音識別技術除了這些國外小廠，國內BAT都有在做，記得之前做VR直播的時候用過科大訊飛和聲網的語音識別，許多遊戲中也用到了語音識別，語音轉文字等功能，雖然現在大部分功能很水，而且主要是給程序猿來用的，但是感覺會是發展最快，也最容易接近實際的一個AI技術。

3.虛擬助手：用Forrester的話來說，這是「當前媒體的寵兒」，其中既包括簡單的聊天機器人，也包括可以與人類聯網溝通的先進系統。目前被用在客戶服務和支持，以及智能家居管理工具中。範例供應商：亞馬遜、蘋果、Artificial Solutions、Assist AI、Creative Virtual、谷歌(微博)、IBM、IPsoft、微軟、Satisfi。

簡而言之，智能機器人，取代客服人員的利器，近幾年印度阿三的崛起主要是靠承接美國日本的客服、接線員、財務兼職等外包。美國佬之所以不願意去做這樣的基礎工作，選擇外包出來，是因為他們覺得這是非常底端的工作，根本不用人來做，而且美國人的人工成本非常昂貴，而這種不能帶來更高效益的工作顯然不會留在本國去做。

《世界是平的》，小編剛看這本書只是好奇，不過看完還是略有所感的。大家也可以不看，因為整本書就一句話：世界在不斷的縮小人與人之間的距離，讓這個世界變得不再是圓的，而是平的。美國佬寫書總是如此，一句話擼到底。

4.機器學習平台：提供演算法、API（應用程序介面）、開發和訓練工具包、數據，以及計算能力，從而設計、訓練計算模型並將其發展成為應用、流程和機器。目前被廣泛用於企業應用，大部分都包含預測或分類功能。範例供應商：亞馬遜、Fractal Analytics、谷歌、H2O.ai、微軟、SAS、Skytree。

5.經過人工智慧優化的硬體：用於運行人工智慧計算任務、經過專門設計和架構的GPU（圖形處理單元）和應用。目前被用於改變深度學習應用。範例供應商：Alluviate、Cray、谷歌、IBM、英特爾、英偉達。

6.決策管理：向人工智慧系統插入規則和邏輯的引擎，可用於初始化設置/訓練，以及持續的維護和優化。這是一種成熟的技術，被用於多種不同的企業應用，輔助或進行自動化決策。範例供應商：Advanced Systems Concepts、Informatica、Maana、Pegasystems、UiPath。

7.深度學習平台：一種特殊形式的機器學習平台，包含多層的人工神經網路。目前主要被用於基於大數據集的模式識別和分類。範例供應商：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、Saffron Technology、Sentient Technologies。

8.生物信息：賦能更多人機之間的自然互動，包括但不限於圖像和觸控識別、語音和身體語言。目前主要被用於市場研究。範例供應商：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera、Tahzoo。

9.機器處理自動化：使用腳本和其他方法實現人類操作的自動化，以支持更高效的商業流程。目前被用於某些人力成本高昂或低效的任務和流程。範例供應商：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath、WorkFusion。

10.文本分析和自然語言處理：自然語言處理技術利用統計和機器學習方法去理解語句的結構、含義、情緒和意圖。目前被用於欺詐探測和信息安全，多種自動化助手，以及非結構化數據的挖掘。範例供應商：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd、Synapsify。

剩餘的幾項技術小編沒有實踐，所以在此沒有講解，等有時間挨個去嘗試一下再來續寫。

國內確實有許多企業開始利用數據挖掘，爬蟲技術來進行盈利，最主要的例子就是一些不知道哪裡冒出來的採集助手，挖掘助手，通過挖掘到的數據，進行分類整合，素材整理，確實形成了一些產品，主要體現在自媒體行業，自媒體行業2016-2018年的崛起從實際上促進了國內數據爬蟲技術的提高，認識的一些人開始學習數據挖掘技術。

2018年，不管此刻已登錄任何一家自媒體（微信，微博，知乎，簡書，頭條號等）的個人中心或者後台，都會出現諸如粉絲分析，受眾分析，文章分析以及指數分析。

2018年，如果要說最熱的一個詞，我覺得應該是「指數」，因為百度指數，360指數，微博指數，淘寶指數，微指數，傳播指數......

展望未來，希望能看到更多實際的應用，改變我們生活的科技。更希望能寫更多的文字，讓更多的人看到西部世界專欄的專註。