如果要選擇一本 2017 年最紅、提到頻率最高的書，那一定是《人類大歷史》。
在這本書中，尤瓦爾‧哈拉瑞 說：
人類將把工作和決策權交給機器和演算法完成，大部分人將淪為無用階級。只有少數精英才能真正享受這些新技術的成果，用智慧設計完成進化、編輯自己的基因，最終與機器融為一體，統治全人類。
這樣的描述對大多數人來說肯定是恐怖的，但更恐怖的是成功預測了 2017 年科技領域的走向。過去的一年，人工智慧基於前兩年的沉澱，愈加火熱──演算法突破、算力增強，在醫療、金融、教育等傳統行業開疆拓土，讓每個行業都開始探尋應用人工智慧的機會，讓智慧機器承擔更多人類的工作。雖然現在機器的能力還比較粗淺，沒有完全讓尤瓦爾‧赫拉利「得逞」，但毫無疑問，AI 正走在這條路上。
2018 年來了，人工智慧還繼續火熱嗎？有很多調查機構、媒體、商業領袖、科技專家都給了一些答案，以下整理了一些觀點，從技術、應用、人才 3 個方面歸納總結，讓你讀懂未來。
技術：雲端 AI 競賽、機器學習自動化
毫無疑問，這場火熱的技術革命，本質上來自對技術主義的崇尚，新年到來，人們對 AI 技術本身的發展，也普遍顯得樂觀。
KDnuggets 最近向大數據、人工智慧、機器學習領域一些頂級專家發問，Curai 聯合創始人／CTO，曾任職 Quora 技術總監和 Netflix 研究／技術主管的 Xavier Amatriin 認為，AI 最激烈的戰場是在雲端，大小玩家都在各自雲端加緊部署 AI，典型的例子如亞馬遜最近推出構建和部署 ML 模型的 Sagemaker，Nvidia 推出訓練深度學習模型的 GPU 雲端。來自華盛頓大學計算機科學與工程系的教授 Pedro Domingos 也表達同樣的意思，他認為 Google、亞馬遜、微軟和 IBM 之間的雲端 AI 競賽將愈演愈烈。
雲端 AI 競賽之外，受關注的是機器學習。
一方面，對大多數難以解釋的機器學習模型來說，2018 年或許有機會讓我們看得更清楚，尤其隨著深度學習模型在醫療、法律、金融方面的應用，也必然要求其原理夠透明。諾丁漢特倫特大學科學與技術學院的高級講師 Georgina Cosma 認為，模型提出的預測必須值得我們信賴，特別是這些預測結果會被人類用來做決定的時候。在另外一篇預測文章，來自梅奧醫學中心放射科的顧問 Bradley J. Erickson 博士也認為，新技術會幫助研究者減少對深度學習成為「黑盒子」的擔心，讓我們更了解深度學習內部。
另一方面，BWDISRUPT 近日發表的一篇預測文章則認為，「2018 年最大和最重要的趨勢就是機器學習將從手工操作轉變為系統化和自動化」。同時，深度學習將繼續成為 2018 年最重要的機器學習技術。到目前為止，它在圖像和影片分析、自然語言處理方面取得最大的成功，但隨著技術商品化，將在越來越多應用領域取得進展。
此外，在機器學習內部，還有一個令人驚喜的趨勢是中心學習（mata-learning）的發展，Google 研究科學家，加拿大高級研究機構機器學習和大腦計畫副主任 Hugo Larochelle 認為，中心學習是總稱，能解決如何從若干例子發現學習演算法的問題，研究者開始使用深度時間卷積網路、圖形神經網路進行一些元學習研究，未來該方法將被更多用於主動學習、冷啟動項目推薦、少數分布預測、強化學習、分層 RL、模仿學習等。
應用：醫療、虛擬助手、自動駕駛
富比士的預測更偏向宏觀和應用層面，認為 2018 年，人工智慧和機器學習依然會霸占頭條，而機器人則會霸占更多人類的工作。2017 年，很多巨頭和創業公司在 AI 嘗到甜頭，因此將會投入更多，同時也會吸引更多企業「染指」AI，當然這將帶來很多未經驗證的技術和應用，導致風險上升。
具體應用領域，富比士認為，「人工智慧正在以病人無法察覺的方式進入醫療領域」，比如機器視覺應用在醫學影像、電子病歷等，同時會看到康復機器人開始出現在病患家中，幫助病人康復。
此外，富比士還認為，人與機器的互動將全面轉向語音，在自然語言生成和自然語言處理演算法不斷進步下，機器更能理解人類意圖，並用人類可理解的方式交談。Nvidia 高階研究科學家 Alejandro Troccoli 也表示，人工智慧個人助理將變得更智慧，更了解「主人」，能知道廚房有什麼東西，習慣週幾做飯，甚至回家前就下單備好食材。
麻省總醫院與布列根和婦女醫院臨床數據科學執行主任 Mark Mivhalski 認為，2018 年是人工智慧從演算法走向產品的一年，概念將變成真實存在的解決方案，並能為醫生所用。俄亥俄州立大學 Wexler 醫學中心的放射學博士 Luciano Prevedello 則認為，從 2018 年開始，人工智慧將開始融入臨床系統，成為醫療常規系統。
此外，Orange Silicon Valley 首席執行長 Georges Nahon 預測，得益於生物辨識技術，未來生物辨識技術將取代信用卡、駕照和條碼，改變安全驗證的方式，並徹底改變零售業。
自動駕駛方面，百度先前宣布將在 2018 年達成無人車量產，該量產車為百度與金龍客車合作的無人駕駛巴士，進而將中國無人車量產的時間線提前了兩年。此外，通用等傳統車廠也將陸續量產無人車。
人才：巨大缺口、跨界流動
工作被人工智慧取代的「恐慌」中，其實無法掩蓋科技行業人工智慧人才的大量缺口，即便薪水已高到令人咋舌。根據騰訊和 BOSS 直聘發表的《全球人工智能人才白皮書》顯示，全球 AI 人才約 30 萬，以 1：2 的比例分散在學術界和產業界，而市場需求為百萬。
根據《好奇心日報》採訪 Michael Page（中國）區域總監陳慧潔的報導，AI 領域的薪酬屬於金字塔頂端 1% 水準，同時還外加股權激勵及全球入職的自由度。
AI 的發展，一方面取代某些工作，另一方面也製造了很多工作，但非常明顯，他們不是同一類人。人才的稀缺及高薪刺激，將吸引其他專業的人才跨界流動，例如數學、物理、神經科學的畢業生，或許都能在 AI 企業找到合適的工作。
整體來看，各大媒體、調查機構、專業人士對 2018 年都充滿樂觀，但也有些人指出，在人工智慧發展同時，數據安全、生物特徵安全卻極少被提及，在熱鬧中被掩蓋。關於數據的立法、道德是急需探討的問題，或許也應該在新的一年，讓大眾重視這點。
（本文由 雷鋒網 授權轉載；首圖來源：shutterstock）
延伸閱讀：
- 2018 年，人工智慧將為這 5 個難題絞盡腦汁
- 李飛飛的年終總結：AI 承載巨大的夢想，還需要更多支援和參與
- 李開復：人工智慧領域，2018 年什麼值得投？
- 騰訊 AI 人才白皮書，定調美、中、日、英將主導世界