對于人工智能(AI)領(lǐng)域來說，2019年堪稱是個異常忙碌的年份。AI進(jìn)步和登上新聞頭條的速度讓我們的日常生活中充滿了令人敬畏和自豪的時刻。當(dāng)然，有時候也充斥著惱人的想法，即我們的社會對AI時代的到來準(zhǔn)備依然不夠充分。2019年是AI取得重大進(jìn)步的一年還是幻想破滅的一年？隨著研究人員迅速攻克以前讓人感覺難以企及的基準(zhǔn)，我們今天能說這個領(lǐng)域走上了穩(wěn)定的發(fā)展軌道嗎？

在應(yīng)用數(shù)據(jù)科學(xué)合作伙伴公司（Applied Data Science Partners）的幫助下，我們希望后退一步，對2019年的AI活動進(jìn)行排序和透視。在聚光燈下，重要的是要把一件作品最初吸引人的興趣與它的實際重要性以及它對這個領(lǐng)域的影響分開?；谶@個原因，本文以平行方式敘述2019年的AI故事，并試圖分離它們的意義。下面，就讓我們回顧下2019年AI領(lǐng)域的發(fā)展情況：

強(qiáng)化學(xué)習(xí)回歸

如果我們選擇用一句話來描述2019年的AI發(fā)展情況，那很可能是：“強(qiáng)化學(xué)習(xí)（RL）回歸了，而且看起來它會繼續(xù)保持這種趨勢?！?/p>

到目前為止，我們中的大多數(shù)人可能都已經(jīng)熟悉有監(jiān)督學(xué)習(xí)模式：有些人收集了大量的訓(xùn)練數(shù)據(jù)，將它們提供給機(jī)器學(xué)習(xí)算法，讓它提煉出模型，然后幫助我們進(jìn)行預(yù)測和分類。我們中的有些人甚至可能會有這樣的印象，即AI是有監(jiān)督學(xué)習(xí)的同義詞。然而，它只是我們今天擁有的眾多機(jī)器學(xué)習(xí)類型中的一種。

在強(qiáng)化學(xué)習(xí)中，代理通過試驗和錯誤來學(xué)習(xí)，通過與環(huán)境的交互來判斷他們的行為。當(dāng)涉及多個智能代理時，它們就被認(rèn)為是一個多智能代理強(qiáng)化學(xué)習(xí)系統(tǒng)。

這個領(lǐng)域已經(jīng)存在了幾十年，從概念上講，比起有監(jiān)督學(xué)習(xí)模式，這聽起來更像是一種創(chuàng)造智能的學(xué)習(xí)機(jī)制。然而，直到2015年，英國人工智能初創(chuàng)企業(yè)DeepMind才獲得了吸引力，當(dāng)時該公司使用Deep Q學(xué)習(xí)(經(jīng)典強(qiáng)化學(xué)習(xí)算法與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合)創(chuàng)建了可以玩Atari游戲的代理。2018年，人工智能研發(fā)組織OpenAI也通過征服《Montezuma’s Revenge》游戲在該領(lǐng)域站穩(wěn)了腳跟，這是一款被認(rèn)為特別難的Atari游戲。

在過去的幾個月里，事情取得了重大進(jìn)展：這些工作重新喚醒了強(qiáng)化學(xué)習(xí)研究界的信念。在過去，強(qiáng)化學(xué)習(xí)被認(rèn)為過于低效和簡單，無法解決復(fù)雜的問題，哪怕是游戲。

今年獲得重大推進(jìn)的另一個用例是自然語言處理(NLP)。盡管研究人員在這個領(lǐng)域已經(jīng)工作了幾十年，但在幾年前，自然語言處理系統(tǒng)生成的文本聽起來并不夠自然。自2018年底以來，人們的注意力已經(jīng)從過去的單詞嵌入轉(zhuǎn)移到預(yù)先訓(xùn)練的語言模型上，這是自然語言理解從計算機(jī)視覺中借鑒的一種技術(shù)。

訓(xùn)練這些模型是以一種無監(jiān)督學(xué)習(xí)的方式進(jìn)行的，這使得當(dāng)代系統(tǒng)能夠從互聯(lián)網(wǎng)上可用的海量文本中學(xué)習(xí)。因此，這些模式變得“有知識”，并發(fā)展出了理解語境的能力。然后，使用有監(jiān)督學(xué)習(xí)可以進(jìn)一步提高他們在特定任務(wù)中的表現(xiàn)。這種通過訓(xùn)練不同任務(wù)來改進(jìn)機(jī)器學(xué)習(xí)模型的做法屬于遷移學(xué)習(xí)領(lǐng)域，被認(rèn)為具有很大的潛力。

自然語言理解技術(shù)從去年開始蓄勢待發(fā)，2018年底推出了Google Bert、Elmo和ulmfit等系統(tǒng)，但今年的風(fēng)頭完全被OpenAI的GPT-2搶走，其表現(xiàn)引發(fā)了人們對自然語言理解系統(tǒng)是否合乎道德用例的討論。

理念走向成熟

今年也見證了最近的某些深度學(xué)習(xí)技術(shù)走向成熟。使用有監(jiān)督學(xué)習(xí)的應(yīng)用，特別是計算機(jī)視覺，催生了成功的現(xiàn)實產(chǎn)品和系統(tǒng)。

生成性對抗網(wǎng)絡(luò)(GANS)已經(jīng)達(dá)到了完美水平，其中生成器網(wǎng)絡(luò)試圖通過學(xué)習(xí)生成模仿訓(xùn)練數(shù)據(jù)的圖像來欺騙鑒別器網(wǎng)絡(luò)。顯然，創(chuàng)建人和物體的人工但逼真的圖像不再是AI的前沿。2019年，AI生成的藝術(shù)甚至脫離了過去幾年的假設(shè)討論，成為今天博物館裝飾和拍賣的一部分。

計算機(jī)視覺技術(shù)也已被應(yīng)用于具有重大商業(yè)和社會利益的領(lǐng)域，包括自動駕駛汽車和醫(yī)學(xué)。AI算法在這些領(lǐng)域的采用自然很慢，因為它們直接與人類生活互動。至少到目前為止，這些系統(tǒng)還不是完全自主的，它們的目標(biāo)是支持和增強(qiáng)人類操作員的能力。

研究小組正在與醫(yī)院密切合作，開發(fā)用于疾病早期預(yù)測的AI系統(tǒng)，并組織龐大的健康數(shù)據(jù)檔案，一個顯著的例子是DeepMind Health和倫敦大學(xué)附屬醫(yī)院(UCLH)之間正在進(jìn)行的合作。然而，這些工作中的大多數(shù)仍處于實驗階段，到目前為止，使用深度學(xué)習(xí)來增強(qiáng)醫(yī)學(xué)圖像的軟件SubtlePet，是唯一獲得FDA批準(zhǔn)的AI系統(tǒng)。

沉睡的巨人

AutoML是機(jī)器學(xué)習(xí)的一個子領(lǐng)域，自上世紀(jì)90年代出現(xiàn)以來，在2016年引起了人們的極大興趣，但不知何故從未登上過頭條，至少沒有像其他AI趨勢那樣引發(fā)關(guān)注?；蛟S這要歸因于它不那么花哨的本質(zhì)：AutoML旨在通過自動做出今天數(shù)據(jù)科學(xué)家通過手動、暴力調(diào)整做出的決策，來提高機(jī)器學(xué)習(xí)的實踐效率。

在過去的三年里，我們對這一領(lǐng)域的理解發(fā)生了變化。今天，大多數(shù)大公司都提供AutoML工具，包括Google Cloud AutoML、Microsoft Azure、Amazon Web Services和DataRobot。今年，人們的興趣轉(zhuǎn)向了進(jìn)化方法，學(xué)習(xí)進(jìn)化AI框架(LEAF)成為最先進(jìn)的技術(shù)。然而，AutoML還沒有達(dá)到允許全自動AI系統(tǒng)比AI專家團(tuán)隊表現(xiàn)更好的成熟程度。

對AI的擔(dān)憂

盡管取得了巨大成功，但今年AI領(lǐng)域也帶給我們許多令人沮喪的故事。一個主要問題是機(jī)器學(xué)習(xí)模型中存在的偏見，這個問題直到2018年才出現(xiàn)，當(dāng)時亞馬遜發(fā)現(xiàn)其自動招聘系統(tǒng)中存在性別偏見，而美國法院廣泛使用的判決工具COMPAS也被發(fā)現(xiàn)對性別和種族存在偏見。

今年此類示例數(shù)量明顯增加，這可以說表明公眾和機(jī)構(gòu)對用于自動化決策的現(xiàn)有AI系統(tǒng)越來越懷疑。舉幾個例子為證：

——10月份多家醫(yī)院算法被發(fā)現(xiàn)對黑人患者有偏見；

——用于發(fā)放英國簽證的AI系統(tǒng)在10月份被一個人權(quán)組織指責(zé)存在種族偏見；

——蘋果的信用評分系統(tǒng)在11月被客戶指責(zé)存在性別偏見。

偏見是一個特別令人擔(dān)憂的問題，因為它位于有監(jiān)督深度學(xué)習(xí)的核心中。當(dāng)有偏見的數(shù)據(jù)用于訓(xùn)練算法，而預(yù)測模型無法解釋時，我們無法真正判斷是否存在偏見。到目前為止，研究界的反應(yīng)是開發(fā)技術(shù)以了解深層模型決策背后的原因。但專家警告稱，如果我們采取正確的做法，許多問題都可以得到解決。Google Cloud Model Cards是最近組織社區(qū)走向開源模式的一次嘗試，并對其性質(zhì)和局限性進(jìn)行了清晰的描述。

今年的另一個令人擔(dān)憂的認(rèn)識是，一項技術(shù)變得越復(fù)雜，它被濫用的可能性就越高。深度造假（Deepfakes）就是Gans的副產(chǎn)物，深度學(xué)習(xí)算法被用來在純粹虛構(gòu)的場景中創(chuàng)建涉及真人的圖片或視頻。不需要擁有太多的遠(yuǎn)見，就可以看到這種技術(shù)如何被用來傳播虛假消息，從政治宣傳到欺凌等。這個問題不能僅靠科學(xué)家來解決，歷史證明，他們不善于預(yù)測他們的發(fā)現(xiàn)對現(xiàn)實生活的影響，更不用說控制它們了，這需要社會各界的對話。

如今，量化AI的價值是很困難的，但有一件事是肯定的：AI已經(jīng)離開了科幻小說和前衛(wèi)計算機(jī)科學(xué)的領(lǐng)域，現(xiàn)在是需要在這方面投入巨資的時候了。今年早些時候，三位主要的深度學(xué)習(xí)研究人員獲得了圖靈獎，這是人們期待已久的、對AI作為計算機(jī)科學(xué)既定領(lǐng)域的認(rèn)可。