赞助本站
“人工智能就像现在的‘狂野西部’，”高通的图形主管Tim Leland在本月早些时候告诉我，该公司推出了最新的高端移动芯片。Snapdragon 845的设计初衷是更好地处理人工智能计算任务。这是科技行业痴迷于人工智能的最新成果。没有一家公司想被甩在后面，无论是通过优化硬件来进行人工智能处理，还是通过机器学习来加快任务，每个主品牌都在人工智能领域投入了大量资金。但是，尽管人工智能在2017年已经渗透到我们生活的方方面面，但革命才刚刚开始。
这可能是一个很有用的时间点，可以被用来来澄清人工智能通常是各种不同技术的统称。我们的数字助理中有人工智能，比如Siri、Alexa、Cortana以及Google Assistant。你会在facebook的Messenger聊天工具上发现人工智能，比如facebook的自动回复功能。它被定义为“由机器显示的智能”，但也指计算机在没有人类指令的情况下进行操作。然后是机器学习，也就是电脑自学如何完成人类所做的事情。例如，最近，美国麻省理工学院的人脸识别系统学会了如何识别人类，就像人类一样，无需创作者的帮助。
重要的是不要混淆这些概念——机器学习是人工智能的一个子集。让我们使用“机器学习”这个术语，当我们专门讨论神经网络和像google的TensorFlow库这样的模型时，AI指的是机器人、设备和软件，它们可以完成他们已经学过的任务。
今年，人工智能变得如此智能，以至于电脑打败了人类，赢得了一个完美的“吃豆人”的分数，甚至还与“超级大明星”的游戏玩家保持同步。人们开始在医学中使用人工智能来预测疾病，以及在社交网络上发现有自杀倾向的用户。人工智能还开始编写音乐和写电影剧本。
无论你在哪里，总有一些人想要把人工智能应用于某个事物中。这一切都得益于谷歌、微软及其同行在今年继续投资的神经网络，收购了人工智能创业公司，并推出或扩大了人工智能部门。机器学习的进步很快，而且明年还会继续改善。
在进入2018年之际，最大的变化之一就是机器学习模式从云计算向手机端的转变。今年，谷歌、Facebook和苹果推出了移动版本的机器学习框架，让开发者可以在自己的应用中加速基于人工智能的任务。芯片制造商也纷纷为机器学习设计移动处理器。华为、苹果和高通今年都调整了各自的最新芯片组，通过提供专门的“神经”核心来更好地管理与人工智能相关的工作负载。不过，除了iPhone版的“face ID”和“华为Mate 10 Pro”上的微软翻译，我们还没有看到针对人工智能芯片带来益处的具体实例。
基本上来说，人工智能技术已经有了多年的改进，但大部分都是基于云端的。以图像识别系统为例。一开始，它可能会区分出截然不同的男性和女性。不过，随着该项目继续在云端进行更多的图像训练，它可以更好地将用户区分开来，而这些改进会被发送到你的手机上。2018年，我们将把真正的人工智能放在口袋里。能够在移动设备上执行模型不仅能让AI更快，还能将数据存储在手机上，而不是发送到云端，这对你的隐私更有好处。
很明显，这个行业正在为我们的智能手机和其他设备做基础工作，让它们能够自主学习，从而改进翻译、图像识别等技术，并提供更加个性化的服务。但随着可用硬件在处理机器学习计算方面变得越来越好，开发者们仍在努力寻找将人工智能添加到应用中的最佳方式，业内没有人真正知道杀手级应用案例是什么。
最终，我们生活中的每一个行业和每一个方面——从购物中心到自动驾驶汽车——都将通过人工智能转变。商店会了解我们的品味、尺码和习惯，并利用这些信息为我们提供服务，或者告诉我们在哪里可以找到我们想要的东西。当你走进商店时，零售商就会知道你是谁，你过去买了什么，你对什么过敏，你最近是否去过医生，你最喜欢的颜色是什么。该系统的人工智能将会了解你在一年中的特定时间购买的东西，并向你推荐类似的或与之竞争的产品，在货架上的显示屏上提供相应的信息。