時間：2017-12-29 來源：互聯網 瀏覽量：
如果說 2016 年是人工智能剛萌發新芽的一年，那麼2017年就是它蓬勃發展的一年，因為很多組織將人工智能技術變成了現實。
今天，很多設備都可以自動作出回應，開發人員也可以通過自動化測試和自動化構建來監視，檢測和修複錯誤，以此來加速軟件軟件開發的生命周期。隨著互聯網的發展，人們擁有多種設備的設備，是否能有人工智能管理這些數據，對業務作出明智的決策？
在幾年前這可能是一個想法，或者隻有少些科技巨頭才能做到，但是現在已經變成解決方案的新標準。當我們談及人工智能，就必然會涉及到機器學習，深度學習和其他認知科技。而這僅僅是組織在技術上投入巨資支持開發者的一個開端。
Google 繼續在機器學習領域展開工作，開源機器學習框架 TensorFlow。2月份，機器學習庫終於發布了1.0 版本。穀歌在庫基礎上發布了用在TensorFlow圖表中可視化的 TensorFlow 調試器，用於訓練深度學習模型的Tensor2Tensor，TensorFlow Object Detection 的 API 和用於移動和嵌入式設備上的機器學習模型 TensorFlow Lite。到今年年底，發布了TensorFlow 的機器學習框架Keras 1.4 ，數據集API和用於簡化訓練和評估的Python生成器
7月份，在People + AI Research倡議活動中宣布啟動AI計劃，該計劃旨在研究用戶如何與AI進行互動以及AI帶給用戶的好處。
其他公司也為開發人員提供了很多人工智能的學習工具，NVIDIA 在 5 月份的 GPU 技術大會上宣布深度學習學院將增加 AI 開發人員的數量，來縮小人工智能領域專長的差距。而在今年早些時候，NVIDIA還與Facebook 聯手發布了一個用於創建大規模的分布式培訓場景的開源深度學習框架 Caffe2。Salesforce 推出 Einstein 平台服務，為開發人員提供更多將 AI 構建到應用程序中的工具。
再看看微軟在2017年對人工智能作出的貢獻，與Facebook聯合推出開放神經網絡交換係統，用以提高神經網絡框架的互操作性，發布使用人工智能檢測軟件錯誤的安全風險檢測工具，發布開源的深度學習庫 Gluon with Amazon，Visual Studio Tools for AI和Azure IoT Edge。
投資方向包括：IBM 宣布計劃與麻省理工學院建立，AI與人與社會合作夥伴關係擴大了八個新的贏利合作夥伴和14個非營利合作夥伴的努力。新的風險投資基金，如豐田AI Ventures和穀歌的梯度創投創建提供資金，指導和支持AI初創公司。
投資方向有：IBM 與麻省理工學院建立人工智能研究合作夥伴關係，主要研究AI與人與社會的關係，而後與8個盈利組織和14個非盈利組織也達成了合作關係。新的風投基金，豐田AI Ventures和穀歌的Gradient創投提供資金和指導來支持AI初創公司。
Linux 基金會還推出了Acumous項目，幫助AI應用程序的構建，共享和部署。
然而，盡管人工智能占據了這麼多優勢，但是還是有人不支持。卡內基梅隆大學軟件工程研究所於10月份發布2017年新興技術領域風險報告：該報告指出機器學習中安全漏洞的影響，尤其是在涉及私密信息的情況下。有人會將特製數據引入機器學習算法中，然後導致惡意的行為。
網絡安全提供商 Endgame 的數據科學技術總監Hyrum Anderson 在2017年7月份的美國黑帽大會上發表了類似的觀點：機器學習不是安全的堡壘，它也有易開發的盲點。
十月份，DeepMind 在建立了 DeepMind 倫理與社會研究部門，不僅幫助技術開發人工智能應用，而且為人工智能鋪平了道路。
展望 2018 ，Gartner 透露，AI將成為數據預備，集成，算法和訓練方式選擇等領域的頂尖戰略技術。明年A I還可能在諸如自動駕駛汽車，機器人，無人駕駛飛機和物聯網（IoT）等領域發展。
Forrester 預測，人工智能將取代人類手工和重複的工作。
來自：sdtimes
