雷鋒網(wǎng)消息，近日，阿里巴巴與今日頭條聯(lián)合發(fā)布 2018 年科技趨勢預測。15 位不同領域的科學家，對 IoT、量子計算、邊緣計算、自然語言處理、區(qū)塊鏈、自動駕駛等前沿技術將在 2018 年如何影響世界、影響社會生活做出了自己的預測。

15位科學家名單如下：

• 阿里云量子實驗室首席科學家、之江實驗室副主任施堯耘；

• 螞蟻金服副總裁、技術實驗室負責人蔣國飛；

• 達摩院機器智能實驗室研究員朱勝火；

• 今日頭條人工智能實驗室總監(jiān)李航；

• 達摩院機器智能實驗室 NLP 首席科學家司羅；

• 達摩院機器智能實驗室語音技術總監(jiān)鄢志杰；

• AliOS 首席架構師謝炎；

• 今日頭條人工智能實驗室總監(jiān)李磊；

• 阿里巴巴 AI labs 杰出科學家王剛；

• 阿里巴巴 AI labs 杰出科學家聶再清；

• 螞蟻金服首席數(shù)據(jù)科學家漆遠；

• 達摩院機器智能實驗室副主任華先勝；

• 今日頭條人工智能實驗室總監(jiān)王長虎；

• 達摩院機器智能實驗室主任金榕；

• 達摩院機器智能實驗室副主任任小楓。

施堯耘

阿里云量子實驗室首席科學家、之江實驗室副主任

2018 年量子計算的第一幕高潮應該是「量子霸權」：多個超導，甚至可能有離子阱團隊將紛紛宣稱實現(xiàn)了經(jīng)典計算機無法模擬的量子處理器來。而經(jīng)典模擬能力可能在新的理論突破下大大提升，重設霸權之爭的起點。今年可能見證第一個拓撲比特的誕生。而其他如超導、離子阱等方向顛覆性新思想的種籽可能會在今年無聲地落地。量子軟件因為門檻低，將會繼續(xù)蓬勃發(fā)展。量子算法的論文會百花齊放，但大多數(shù)不過是組合拳。

量子-經(jīng)典在密碼上的擂臺今年會愈演愈烈。經(jīng)典密碼苦修多年「后量子密碼學」，終于把秘籍練到實用，大顯抵抗量子攻擊的能力和不需任何額外投入的成本優(yōu)勢。作為對策，小型、廉價的量子密碼產(chǎn)品可能在今年出現(xiàn)，叩開近距離量子密碼規(guī)?；袌?。

蔣國飛

螞蟻金服副總裁、技術實驗室負責人

 

如果說 2017 年是 AI 爆發(fā)「元年」，那么 2018 年，我們可能會見證 IoT 應用的大爆發(fā)。受益于 IoT 市場的爆發(fā)，用戶體驗空前提高，但傳感器的融合以及由大量傳感器帶來的數(shù)據(jù)運算和處理，會成為新的課題。

大批前端 IOT 傳感數(shù)據(jù)處理的需求會推動邊緣計算的快速實現(xiàn)。巨量的、分布式的和輕小 IOT 設備對整個系統(tǒng)安全管理帶來空前挑戰(zhàn)。在 2018 年，圖像，視頻和語音等交互技術的進展能讓機器更加「懂」你。更多的生物特征識別技術將取代密碼。隨著傳感器數(shù)量的爆發(fā)式增長，大量的 IoT 數(shù)據(jù)前所未有的把物理世界映射到虛擬網(wǎng)絡中，結合數(shù)據(jù)挖掘和人工智能技術，能夠讓我們更精確的了解這個世界和我們自身。

2018 年業(yè)界會持續(xù)高度關注區(qū)塊鏈技術發(fā)展。在金融服務和供應鏈管理等場景中，一些區(qū)塊鏈應用會從概念性證明階段（PoC）落地到實際商用系統(tǒng)。越來越多的傳統(tǒng)行業(yè)會思考已有商業(yè)模式，擁抱嘗試區(qū)塊鏈技術。共識機制和網(wǎng)絡決策等核心技術發(fā)展會持續(xù)改善區(qū)塊鏈系統(tǒng)的性能和規(guī)模。在比特幣和以太坊后，會出現(xiàn)第三代區(qū)塊鏈技術架構。零知識證明等方面的進展會改進區(qū)塊鏈系統(tǒng)上的安全和隱私模型，進一步解決互信和隱私的矛盾。此外，在多個平臺共存的情況下，跨平臺多鏈互聯(lián)，實現(xiàn)跨鏈價值轉移和數(shù)據(jù)交換會成為區(qū)塊鏈技術的一個重點。

朱勝火

達摩院機器智能實驗室研究員

 

兩個趨勢：

面向消費者的 AI 技術（智能音響、翻譯機等）繼續(xù)蓬勃發(fā)展，商業(yè)的 AI 技術從邊緣走向核心。

四個挑戰(zhàn)：

1）邊緣智能的發(fā)展要解決在受限環(huán)境下對模型的優(yōu)化與計算能力的提升，這兩部分是要聯(lián)合起來繼續(xù)優(yōu)化才有質的突破。

2）復雜決策的智能一部分可以用增強學習解決，但很多商業(yè)核心決策是非常復雜的，需要方法來學習行業(yè)專家的決策以及迭代提升機器決策。

3）提升 AI 技術與人的交互體驗，狹義上的人機交互，廣義上也反應在政治經(jīng)濟倫理安全上，包括機器智能的「歧視」問題，機器決策的責任可解釋可述源。

4）因 AI 人才培養(yǎng)滯后帶來人才等商業(yè)成本上升，AI 的 ROI 面臨高估風險。

李航

今日頭條人工智能實驗室總監(jiān)

 

2018 年 NLP（自然語言處理）將在翻譯、問答、對話等幾個方面繼續(xù)取得巨大進步。大膽預測，未來一年對話系統(tǒng)將能更好地理解人類語言，更自然地與人類通過語言交互。對話方面令人震撼的突破可能來自以下幾個場景。

一是實現(xiàn)多系統(tǒng)對話（multi-systems dialogue）：多個對話系統(tǒng)集體與用戶進行對話，共同完成一項任務。比如，多個不同的問答系統(tǒng)，協(xié)同回答用戶的問題，幫助用戶更好地找到答案。

二是實現(xiàn)多媒體中的對話（dialogue in multi-media），人通過自然語言發(fā)出命令，同時做出示范性動作；機器人通過對命令以及對視頻中動作的理解，快速學習如何完成一個任務。比如，教機器人如何開門。

三是實現(xiàn)模仿語言學習（imitation language learning）：人為對話系統(tǒng)做出一定的示范，在什么樣的場合下用什么樣的自然語言進行對話，對話系統(tǒng)能夠很快地學到對話的策略。比如，人類客服指導對話系統(tǒng)提高對話技巧，使系統(tǒng)能很快地在一個新領域承擔自動客服任務。

司羅

達摩院機器智能實驗室 NLP 首席科學家

 

2018 年初，我們機器閱讀理解技術（精準匹配）首次小幅超越人類，這個里程碑讓研究人員看到了希望。但對于機器「能理解會思考」的終極目標來說，這只是萬里長征的開始。遷移學習等技術的大量使用會催生更多好成績，語言學知識或知識庫知識在機器翻譯模型中被更好的整合，單語語料和可比語料會更多用于稀少資源語言的翻譯中； 信息抽取技術會從純文本通用類型信息抽取更多走向富媒體（文字，表格，圖片等）和垂直領域的信息抽取。可以預見，未來人類會習慣機器在更多特定領域的「超人」成績，但機器短期內(nèi)達到人類思維的深度和廣度還有待時日。

鄢志杰

達摩院機器智能實驗室語音技術總監(jiān)

 

從 2018 年開始，人類與機器的交互方式將開始徹底擺脫任何形式的交互界面，變得更接近人與人的交互。這背后是對聽覺、視覺、觸覺，甚至味覺等多模態(tài)技術的全面融合。機器將能感知到人類在語氣語態(tài)、肢體動作、面部表情等更豐富的表達方式，從而更智能的理解人類的意圖。生活空間、交通空間、工作空間將是三個首先落地領域。

謝炎 

AliOS 首席架構師

 

2018 年移動互聯(lián)網(wǎng)時代將正式結束。越來越多帶麥克風、攝像頭、屏幕或更多傳感器的智能終端將出現(xiàn)，并具備聯(lián)網(wǎng)、交互、語音、視覺等能力，向泛 AI 化靠攏，很多工作、娛樂生活不需要通過手機完成，AI 智能硬件設備的活躍量將迎來爆發(fā)式增長。

2018 年人們花費在單一終端設備上的時間將大幅下降，智能手機用戶活躍時長或將出現(xiàn)近年來的首次負增長。與之形成對比的是，包含智能手機在內(nèi)的智能終端設備總量將繼續(xù)增長，用戶在線時間將更加碎片化。

李磊

今日頭條人工智能實驗室總監(jiān)

 

2018 年，攝像頭、紅外攝像、麥克風、陀螺儀加速計等多傳感器的協(xié)同分析會大大提高對場景、空間定位、人物、動作、意圖的理解。隨著手機、電視、音箱、耳機、手表等各種終端計算能力的加強，理解人物行為的能力今年會有很大希望移植到端上，從而做到實時理解與視頻創(chuàng)作。

機器學習方面今年的一個趨勢是，不僅僅優(yōu)化模型性能，而且會在訓練和推理過程中引入反饋和人工修正，在人機協(xié)作智能（human-in-the-loop machine learning），交互式機器翻譯方面 (Interactive machine translation) 今年會有更多方法嘗試優(yōu)化模型與人的實時反饋動作，最終達到更好的綜合性能。基礎研究會有更大突破，逐步解開深度學習的黑箱，提高機器學習模型的可靠性、穩(wěn)定性以及可解釋性。

王剛

阿里巴巴 AI labs 杰出科學家

 

2018 年會是自動駕駛大面積鋪開的一年。從應用場景上來看，任意道路上的 L4 自動駕駛（無人駕駛）仍然面臨很大的挑戰(zhàn)，而低于 L3 級的自動駕駛（輔助駕駛），并不能脫離人的接管和操控。因此在限定場景的無人駕駛會在 2018 年率先落地。由于政策對人工智能行業(yè)的大力支持，未來幾年內(nèi)，中國的自動駕駛極有可能超越美國。人類并不是未來車輛的司機，他們是「貴重的貨物」。從行業(yè)趨勢來看，越來越多的研發(fā)資源會被投入到改善綜合的交通環(huán)境中，即感知和理解更廣的交通場景的人，車，物，以及它們的行為。

聶再清

阿里巴巴 AI labs 杰出科學家

 

2018 年一個非常清晰的趨勢是，智能語音助手隨著智能音箱和 IoT 設備的普及進入人們的日常生活。過去 10 年，移動互聯(lián)網(wǎng)時代帶來的最典型的社會現(xiàn)象是低頭族變多，智能手機將在線與離線的界限變得模糊，物理世界通過手機這個入口，開始被數(shù)字化重構，這是虛擬世界的「原始積累」階段。未來 10 年將是人工智能的時代，智能語音助手會在 2018 年迅速進入人們的生活，作為用戶在虛擬數(shù)字世界的」替身」，幫助人類處理大量重復性的工作，讓大家有更多的時間來進行創(chuàng)新。2018 年，自然語言處理技術還將在與用戶的海量交互中自我迭代，使得 AI 可以更自然的使用人的語言和人類進行交流，并更精確的接受和理解需求，這將進一步帶來社會創(chuàng)造力和生產(chǎn)力的解放。未來人類會越來越習慣與物理世界對話，預計五年內(nèi)人機語音交互頻次將超過觸控交互頻次。

漆遠

螞蟻金服首席數(shù)據(jù)科學家

 

2018 年，人們對 AI 會更關注落地，大家的關注點會從下圍棋和圖像識別等比賽型活動慢慢轉移到用 AI 真正解決世界面臨的問題。在這個背景下，不少 AI 創(chuàng)業(yè)公司會面臨挑戰(zhàn)。但大浪淘沙下會有活下來的創(chuàng)業(yè)公司，這些公司和成功轉型的「傳統(tǒng)」企業(yè)可能會成為未來的產(chǎn)業(yè)領導。金融行業(yè)，作為一個和數(shù)據(jù)與信息密不可分的行業(yè)，會受到 AI 浪潮的更大更直接的沖擊，從風控到理財?shù)劫J款等各個業(yè)務都會受到 AI 的巨大影響。數(shù)據(jù)和算法的結合會逐步重塑金融業(yè)。

其次，AI 芯片之戰(zhàn)會越來越熱；在云端和 edge 端，更快更省電的支持深度學習和其他機器學習的芯片會被研發(fā)出來，超越今天的 GPU 和 CPU 框架。這個方向上，大小芯片廠商都有機會，但最后會慢慢收斂到個別幾個贏家。

第三，在深度學習收購了大數(shù)據(jù)紅利后，AI 的技術關注點從深度學習逐步擴展到強化學習，小數(shù)據(jù)學習，圖算法，可解釋性，模型壓縮等其他方向。更多的機器學習技術會在工業(yè)界得到發(fā)展與應用。

華先勝

達摩院機器智能實驗室副主任

 

計算機視覺依然會是人工智能的熱點方向，除了安防和交通領域，視覺技術在工業(yè)、農(nóng)業(yè)、環(huán)保等行業(yè)的應用將會逐步為更多人所知曉和認可，也會逐漸變成紅海。隨著 AI 在上述行業(yè)的大量應用，人機競爭有可能在一定程度上激化，部分相對簡單腦力勞動力面臨失業(yè)或轉行，但最終會以人力轉向新的產(chǎn)業(yè)而得以緩解。

醫(yī)療視覺依然會是大家追捧的熱點，醫(yī)療行業(yè)的從業(yè)者開始入局，行業(yè)經(jīng)驗和扎實技術合力、人機合力的從業(yè)者將形成這個方向的壁壘。總的來說，AI 將深入各行各業(yè)，發(fā)掘各個行業(yè)的問題和機會，同時帶來生產(chǎn)力的改變。但沒有跡象表明人類會被 AI 取代，相反 AI 會顯著提升人類整體的生活和生命質量。

王長虎

今日頭條人工智能實驗室總監(jiān)

 

2018 年，信息分發(fā)領域將持續(xù)蓬勃發(fā)展，并進一步呈現(xiàn)出多樣化的趨勢。新聞、文章、問答、圖像、視頻、直播、語音等個性化內(nèi)容，將越來越多的占用用戶的碎片化時間。計算機視覺、視頻理解、自然語言理解、語音識別等 AI 技術將深度整合，并深入于多媒體信息流的每個環(huán)節(jié)，從而顯著提升信息生產(chǎn)者和消費者的創(chuàng)作體驗和生活質量。細粒度的深度視頻理解，將成為計算機視覺領域的重要課題，并將廣泛應用于內(nèi)容輔助創(chuàng)作、敏感內(nèi)容檢測、個性化信息推薦、信息消費與互動、信息流廣告等視頻分發(fā)的每個環(huán)節(jié)。個性化推薦算法將進一步升級，短時興趣與長期興趣共舉，經(jīng)濟效益與社會效益并重，從而再次推動整個產(chǎn)業(yè)的發(fā)展。

金榕

達摩院機器智能實驗室主任

 

如何將大數(shù)據(jù)的方法與知識圖譜及語言學知識有機結合以提升對文本內(nèi)容的理解在 2018 年會變得越來越重要。機器視覺方面，提升識別多樣性會是一個重要研究方向。語音領域與之類似，需要能對不同口音、方言、噪聲，都能自我調節(jié)到最佳的識別喚醒精度。在機器學習方面，過去的研究主要集中對硬件端優(yōu)化以及算法/模型端優(yōu)化，未來的工作將會對硬件和算法進行更緊密的聯(lián)合優(yōu)化，以提升深度模型的推理效率。

任小楓

達摩院機器智能實驗室副主任

 

2018 年人工智能必須，也必定會走向實際的產(chǎn)業(yè)應用。個人預測：

（1）視頻理解和編輯技術的進一步成熟將推動整個視頻產(chǎn)業(yè)的長足發(fā)展，包括精準和個性化的搜索推薦，以及視頻生成和交易的正規(guī)化和品質化；

（2）「刷臉」技術將在 2018 年成為常態(tài)，在眾多場景中落地，真正走進生活的方方面面；

（3）新零售的各個場景中，以視覺為核心的智能技術將得到廣泛應用，帶來購物體驗的質的變化；

（4）無人車，各大汽車廠商都將有原型車發(fā)布，自動駕駛將從探索大步走向實用；

（5）個人機器人，在多年研發(fā)和軟硬件準備后，將會看到多種形態(tài)多種功能的機器人走入家庭，改變?nèi)藗兊纳罘绞健?/p>

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。