选自analyticsindiamag
做者：RAM SAGAR
机械之心编译
编纂：蛋酱、魔王
盘货 AI 十年去获得的主要打破。
已往十年间，野生智能手艺日新月异，最猖獗的科幻小道场景如今曾经成为我们糊口中不成或缺的一部门。十年前，人们正在议论 AI 的实际化战尝试，但那些年去，AI 变得愈加实在了，也酿成了支流。不管是国际尺度课程、仄台、库、框架、硬件，统统皆瓜熟蒂落。便算道那十年里获得的成就奠基了将来的根底，也没有为过。
那篇文章将盘货 AI 十年去获得的主要打破。
卷积
2012 年是深度进修汗青上主要的一年。那一年，卷积神经收集（CNN）正在出名的 ImageNet 应战赛中年夜放同彩。由 Alex Krizhevsky 等人设想的卷积神经收集「Alexnet」以近超第两名的成就夺冠，正在 ImageNet 数据散上的视觉辨认毛病率为 15.3%，低落了一半。该神经收集对猫的检测精确度到达了 74.8%，正在 YouTube 视频中检测人脸的精确率为 81.7%。
如今，脚机战阛阓中的人脸辨认使用皆该当回功于 2012 年的那项事情，辨认精确率的提拔使研讨者可以停止医教成像模子的布置，那些模子具有下置疑度。
取 AI 对话
Vaswani 等人 2017 年揭晓的《Attention Is All You Need》带去了级联效应，使得机械可以从前所已有的方法来了解言语。得益于 Transformer 架构，AI 如今可以撰写假的消息、推文，以至能够惹起政治动乱。继 Transformer 以后，谷歌又推出了 BERT 模子，将其用于枢纽字猜测战 SEO 排名等。BERT 现在曾经酿成了天然言语处置范畴的实践尺度，诸如 Microsoft 战 NVIDIA 之类的公司开端聚集更多参数去追逐该模子。
NVIDIA 的 Megatron 具有 80 亿个参数，而 Microsoft 的 Turing NLG 模子具有 170 亿个参数。OpenAI 的 GPT 模子后发先至，1750 亿参数的 GPT-3 今朝是汗青记载的连结者。
GPT-3 也是 Transformer 的扩大，是今朝最年夜的模子，它能够编码、写集文、天生贸易创意，只要人类念没有到，出有它做没有到。
将人类一军
AI 早已正在国际象棋中击败了人类。而愈加庞大的人类游戏，如 Jeopardy! 游戏、围棋、德州扑克等，也出有盖住算法的足步。野生智能远几年去最广为人知的变乱便是 AlphaGo 正在最庞大棋类游戏——「围棋」上击败了人类顶级选脚。取此同时，正在那个十年中，IBM 的 Watson 也正在 Jeopardy! 决赛中击败了两位人类，终极 Watson 得到了 77147 美圆奖金，而两位人类别离得到了 24000 战 21600 美圆。
Facebook 战卡耐基梅隆年夜教配合开辟的德扑 AI Pluribus 打败了五名专家级人类玩家，完成了先辈 Libratus（热扑巨匠）已能完成的使命，该研讨借登上了 2019 年的《科教》纯志。2020 年 12 月，DeepMind 提出的 MuZero 让一种野生智能模子把握多种游戏，包罗将棋、国际象棋战围棋。
解码性命
每个死物体的举动皆能够正在其卵白量中觅踪溯源。卵白量启载着机密，破解卵白量大概有助于击败新冠年夜盛行。但卵白量构造十分庞大，需求不竭天运转模仿。DeepMind 测验考试处理那一困难，其开辟的深度进修算法「Alphafold」破解了呈现五十年之暂的卵白量份子合叠成绩。计较机视觉被证实能够协助诊断，而处理卵白量合叠成绩以至可以协助研收职员开辟新药。
AI：是艺术家，也是骗子
客岁，正在一则视频中，比利时辅弼议论着处理经济和睦候危急的告急需供，厥后人们发明那实际上是 Deepfake 视频。正在机械进修战 AI 比照利时辅弼声音战表达方法的操作下，那则假视频让辅弼揭晓了一场闭于环球变温影响的演讲。
那些假造内乱容的背后是经心设想的算法——天生对立收集（GAN）。该算法正在 2014 年提出，并获得普遍使用，以至曾经侵进了人类事情的最初一讲壁垒：创做。这类收集能够天生从已存正在的人脸、交换人脸，让一国总统颠三倒四。GAN 天生的一幅绘以至正在佳士得拍卖会上以破记载的价钱——40 万美圆成交了。GAN 的另外一里是被用于歹意目标，致使于像 Adobe 这类公司不能不研讨新手艺去辨别假造内乱容。GAN 鄙人一个十年里仍将是被普遍会商的工具。
机密兵器——硅
神经收集的观点降生了半个世纪，明天盛行的反背传布办法也呈现三十年了。可是，我们仍旧短少可以运转那些计较的硬件。已往十年，我们睹证了十多家公司研讨特地的机械进修芯片。那些年去，芯片手艺获得了极年夜开展，我们能够正在脚掌巨细的装备上施行百万次运算。那些芯片被用到数据中间，用户能够寓目本人喜好的 Netflix 影戏、利用智妙手机等。接下去，专为边沿装备定造的 AI 芯片包含着代价数十亿美圆的商机。
苹果等公司曾经开辟了定造化机械进修芯片（如 A14 Bionic）去供给智能效劳。即便是依靠英伟达战英特我的 AWS，也正正在渐渐进进芯片止业。跟着芯片变得愈来愈小，那一趋向只会愈加较着：比方利用英伟达 Jetson AGX Xavier 开辟者套件，您能够沉紧创立战布置端到端 AI 机械人使用，用于制作、批发、智能都会等等。谷歌的 Coral 东西包可将机械进修带到边沿装备上。宁静、及时输出是今朝的主题。
开源文明逐步成生
图源：MIT Tech Review
2015 年，TensorFlow 开源。一年后，Facebook AI 又开源了基于 Python 的深度进修框架 PyTorch。明天，TensorFlow 战 PyTorch 曾经成为利用最普遍的框架。经由过程不竭的版本更新，谷歌战 Facebook 为机械进修社区带去了极年夜便当。自界说库、硬件包、框架战东西的发作式增加，使得更多人进进了 AI 范畴，也为 AI 研讨带去了更多人材。
开源是远几年的一个次要特征。开源东西战愈来愈多的可用资本（如 arxiv 或 Coursera）增进了 AI 变化。另外一个催化剂是盛行的比赛仄台——Kaggle。Kaggle 战 GitHub 滋养了一批下量量 AI 开辟者。
更多进修，更少划定规矩
Schmidhuber 传授上世纪 90 年月初提出的元进修观点，近来才逐步获得存眷。元进修指正在有限锻炼示例的根底上，使机械进修模子进修新妙技并顺应不竭变革的情况。经由过程操作超参数对特定使命劣化机械进修模子需求大批用户输进的话，历程会较为烦琐，而利用元进修后，那一承担将获得极年夜减缓，由于元进修将劣化部门主动化了。主动劣化带去了一个新的止业 MLaaS（机械进修即效劳）。
将来标的目的
闭于一些专家猜测以下范畴大概将阐扬次要感化：
可复现性好分隐公多少深度进修神经形状计较强化进修
虽然 AI 曾经进进很多我们不曾设想的范畴，但它仍需使用到更盛行的使用中，如主动驾驶汽车。但是，应战更多天正在于数教层里：今朝已有可以做出精确决议计划的算法，也有可以处置那些算法的处置器，但什么时候可以布置到使用上仍已可知。不论是医疗仍是主动驾驶汽车，AI 仍需求持续停顿，而那只要正在通明性战可复现性获得成立时才会发作。
本文链接：https://analyticsindiamag.com/ai-top-decade-2010-2020-breakthroughs/ |
