| 機器學習頻爆研發(fā)進展

機器學習是人工智能的重要技術途徑之一，也是最近AI商業(yè)應用進展的基礎?，F代機器學習是一個統(tǒng)計過程，利用已有的數據來預測未來數據。這與傳統(tǒng)的AI算法不同。傳統(tǒng)算法是由程序員和專家利用專業(yè)知識制定規(guī)則，進行決策，轉化為軟件代碼。機器學習的一大優(yōu)勢在于，可以解決難以直觀理解的難題，無需明確的規(guī)則，只需大量的數據采集，就能進行預測。

因此，互聯網公司可以收集用戶登錄信息來判斷賬戶安全性和用戶信用；醫(yī)療機構可以通過參數模擬來訓練醫(yī)生，整合病例。經過不斷的反饋，也就是數據訓練，機器學習將對特定的問題給出一個最為貼切的模型，以及大量、高精度的可調參數，來幫助人類工作和決策。

深度學習是這兩年來最為熱門的機器學習分支，使用結構松散的類人腦網絡，每個單元（神經元）結合一組輸入值產生的輸出值，反過來轉嫁到下游其他單位（神經元）。大規(guī)模的深度學習提供了新的、強大的進展，也因此成為研究熱潮。

以圖像識別為例：底層單位結合原始數據，也就是簡單圖案；第二層單位利用第一層的簡化結果進行識別，然后將結果與第一層模式結合輸給第三層單位；第三層單位再處理、結合……以此類推，可達百層之多，可實現復雜、多元、精確的數據模式識別。

| 自動化和人機協(xié)作

AI系統(tǒng)用于物理驅動，尤其是自主式、自動化等，需要應對不斷變化的環(huán)境參數，承擔無人運作的挑戰(zhàn)，包括自我診斷和修復，尋找安全漏洞。目前主要的自動化應用有自動內容精選、自動金融交易、半自動駕駛、無人機、自治文學等。自動化以及相關的就業(yè)，是社會和經濟關注的主要問題，也是推動工業(yè)變革進程的主要動力。

不同于自動化替代人類，還有一種情況是機器作為人類工作的輔助，也就是人工智能發(fā)展的副產品——人機協(xié)作。AI強大的數據庫可以為增強人類認知能力，彌補個人弱勢。人機協(xié)作的主要應用包括棋類游戲、醫(yī)療圖像診斷等。

| AI應用案例

在沃爾特里德醫(yī)療中心，退伍軍人事務部用 AI 來更好地預測醫(yī)學并發(fā)癥和提高治療嚴重打擊的傷口，導致患者的治療效果更好，更快療愈，并降低成本。當前醫(yī)療檔案過渡到電子健康檔案，可以幫助健康數據預測分析，從而發(fā)揮關鍵作用，應用于衛(wèi)生領域、精密醫(yī)學和癌癥的研究。

運輸方面，啟用AI 的智能交通管理應用程序減少等待時間，能量使用和排放量 25%。部分城市已經開始是使用AI響應調度，提供實時公交資訊。

還有一些研究人員，正在利用使用AI 圖像跟蹤分類軟件，來分析公共社交媒體網站的旅游照片，識別照片中的動物個體，生成數據和位置，研究和改善動物遷徙，涉及棲息保護地，保護瀕危物種。自動駕駛船只也應用于復雜的海洋探索，了解敏感的海洋生態(tài)變化和極地氣候，進行氣象監(jiān)測，管理非法捕撈。

AI在刑事司法系統(tǒng)方面也有潛在的應用，包括犯罪報告、治安維護、保釋、量刑、假釋決定。政府也在研究如何利用AI驅動正義，提供警察可靠的數據，幫助執(zhí)法，更好地告知刑事司法中的決策系統(tǒng)，同時也注意AI可能會引入偏見或不準確之處。

芝加哥大學、南加州大學、斯坦福大學等學術機構也紛紛利用AI系統(tǒng)了解和解決社會經濟問題，包括失學、失業(yè)、全球貧困問題。當然，這類研究采用的是衛(wèi)星圖像分析，依靠大量機器學習訓練，但要求不能涉及個人隱私或者商業(yè)機密。

聯邦政府致力于減少平困和增加經濟效益，控制社會流動性，并試圖將AI與國防、能源、情報等部門聯系起來。對于大型的研發(fā)預算，比如勞動力機構，將采用與私營部門合作的方式進行理論創(chuàng)新和實驗研究。國立衛(wèi)生研究院也投入了大量的研究經費。DARPA也在利用AI數字導師訓練海軍新兵。