今年没有重大突破但三件事值得关注
⇨⇦
2017年，有哪些值得关注的AI事件？
过去的一年里，既有霍金和马斯克等齐声呼吁，一定要时刻警惕超级智能体，防止他们取代我们人类；当然，也有扎克伯格、李开复等说现在担心害怕人工智能还太早，恐惧被舆论放大了。
那么到底如何评价即将过去的这一年，这里有九位大咖的回答。
Geoffrey Hinton
多伦多大学教授。回顾这一年，他的总结是：
2017年确实有很多不错的进展，不过比起14年用神经网络做机器翻译，或者16年的AlphaGo，都谈不上重大突破。今年最大的进步，在我看来是以下几点：
1）神经架构搜索：用神经网络来自动设计神经网络，而且有效。
2）基于注意力机制的机器翻译，不再需要循环或者卷积了。
3）AlphaZero：快速学会以人类的风格下棋，把最强的棋类程序抛在身后。
Hinton本人今年终于发布了关于Capsule的研究，可以通过一个卡戴珊的例子更好的理解这个理论。
而且还号召整个业界展开AI革命，呼吁大家重头再来。所以Hinton认为今年没有突破也是理所应当。
关于Hinton本身的故事，量子位也有一篇推荐：《Hinton传奇：退学当木匠，辞职反军方，终成一代AI教父》。
吴恩达
他以Landing.AI公司CEO的身份，回他了他眼中2017年最重要的AI事件。
AlphaGo已经证明了自己强大的算力和数据能力。卡纳基梅隆的Libratus，一个也在不断地迭代德扑程序，创新程度更高。从技术角度来说，这两件事都可以载入史册了。
吴恩达这一年从百度离开后，也出手搞了很多事情，比方说DeepLearning.ai、Landing.AI等。当然这里还有吴恩达全程手写板书的视频课程，值得回顾。
Andrew Moore
安德鲁·摩尔（Andrew Moore），卡内基梅隆大学计算机学院主任。
德扑AI Libratus已经击败了四个世界顶级选手。而且在AI击败人类的新领域里——无限注的德州扑克，Libratus必须考虑对手会故意误导自己。在一个需要辨别信息来源真假的世界里，很惊喜地看到新一代的AI居然能够对外界的信息保持怀疑的态度。
吴恩达和摩尔提到的Libratus，还有一个中文名叫＂冷扑大师＂。
今年1月，在匹兹堡河流赌场举办了一场为期20天的Brains vs. AI比赛，Libratus在一对一、无限注的德扑人机大战中，击败四位顶级人类玩家，累计赢得176.6万美元筹码。
4月，创新工场董事长兼CEO、创新工场人工智能工程院院长李开复，邀请Libratus和团队来到中国，以＂冷扑大师＂之名与＂龙之队＂展开对决。
这场为期五天的对决中，冷扑大师以领先792327记分牌、每百手领先15.8大盲注的成绩击败人类对手。赢得200万奖金。
Libratus的背后技术解读，可以看看这篇：《AI赌神称霸德扑的秘密，刚刚被《科学》＂曝光＂了》。
Rodney Brooks
罗德尼·布鲁克斯（Rodney Brooks），著名机器人专家，前任麻省理工学院CSAIL实验室主任，Rethink Robotics公司创始人，也曾担任iRobot创始人兼CTO。
我觉得2017年最重要的AI时刻是我在12月17号那个星期天，看到超级碗的广告。广告里面提到，现在超级碗已经开始在用AI去洞察粉丝需求了。
广告的末尾是超级碗在亚马逊的云服务平台上运行机器学习。想到跑去影响NFL的粉丝，可以看出来机器学习和人工智能现在有多么的火。
其实人工智能早已渗透入橄榄球界。今年2月的超级碗，尽管过程跌宕起伏，但是各路AI还是准确的预测出冠军归属。
不只是预测，在日常的橄榄球训练中，AI也带来了更精准的战术数据分析、能减少运动损伤的机器人陪练等等。
当然，篮球、足球等运动领域，AI也同样在大显身手。
Greg Diamos
百度高级研究员。
这一年让我印象最深刻的是斯坦福研究团队研发的放射诊断算法，可以检测心律失常并更好地辅助人类医生的治疗工作。我认为，有了AI的帮助之后，医疗领域会有质的进步。
Azeem Azhar
Peer Index创始人、Exponential View负责人。
我会选两件事。这两件事都谈到了在发展AI过程中，我们要特别注意开发出来的AI是否可靠。
第一个是微软研究院Kate Crawford的一次演讲，她阐述了机器学习的算法未来可能会在哪几方面出错，所以我们现阶段应该做些什么事情去预防AI技术被误用或恶意使用。
第二个是剑桥大学的Adrian Weller发表的一篇论文，提到了写算法的时候要有意识地强调公平和正义。
AI是把双刃剑。在科技高速发展提高我们生活工作质量的同时，也要小心技术带来的负面影响。
Been Kim
谷歌大脑研究科学家。
今年我最看好的话题是可解释性，帮助人类去理解AI模型。今年的国际机器学习大会（International Conference on Machine Learning，ICML）举办了第一次的可解释性的主题报告，以及两个相关的研讨会。今年的NIPS上，也有几个关于可解释性的口头汇报，一个专题研讨会和两个研讨班。相信这个趋势将会延续到明年的CVPR和FATML。
Terah Lyons
Partnership on AI执行主席。
这一年有很多边缘化的事件在刺激着我们的神经。
比如学术界里受到性骚扰的女研究员Kristian Lum公开呼吁大家重视性骚扰这个问题。
Kristian Lum的公开呼吁信链接，https://medium.com/@kristianlum/statistics-we-have-a-problem-304638dc5de5
这次事件警示我们，即使在AI圈里，也存在这些不堪入目的阴暗事件。性骚扰能在学术圈里如此猖獗，严重损害女研究员的心理健康和学术上的表现。
我们学术圈在强调创新的同时，在看到圈里女性学者受到骚扰这样不公平的事件时，绝对有责任发声，不能沉默不语，让道德败坏没有底线的人逃脱应有的谴责和惩罚。
对此，Jeff Dean等也都纷纷发声支持。
Richard Socher
Salesforce首席科学家。
今年最重要的主题出现在NIPS顶会上，在这么多创新里，研究委员会始终最关心的核心议题是道德伦理。
他们希望，每一个参会人都能意识到，要AI技术得到良好的推进，需要大家的信任、信息透明、以及平等。