2017年，那些让人难以忘记的AI成果
2017年是人工智能领域蓬勃发展的一年，尽管AI和以数据为中心的机器学习已经有数十年的历史，但算法技术在今年才被各行各业认识和接受。
微软·英国首席预测官戴夫·科普林（Dave Coplin）称人工智能是这个星球上任何人都应该研究的最重要的技术，在硅谷，几乎每家公司都在招聘人工智能方面的专家，那些招不到人的公司，已经开始用各种激励的手段来促使员工学AI，以此来提升自己公司AI的实力。
技术本身就是一把双刃剑，尽管人工智能会给社会发展带来很大的推动作用，也有人担心人工智能系统引入人类的偏见。例如，ProPublica在2016年发现，用于预测未来犯罪分子的软件算法严重偏袒黑人被告。而今年，Facebook受到广告商用于定位用户的算法生成类别的攻击，其中包括“犹太人仇敌”等仇恨团体和主题。基于这样的情况，一些专家要求公司和开发者需要让他们的AI系统工作流程更加透明。然而，在许多其他情况下，特别是在后期，人工智能可以用来取得好的结果，有的甚至可以帮助人类挑战自己的认知边界。
接下来我们就盘点一些AI的主要成就。
AI发现了一个包含八课行星太阳系
成功的天文学发现通常是围绕着研究数据，数据处理是人工智能和机器学习非常擅长的领域。事实上，天文学家使用人工智能来筛选开普勒望远镜获得的多年数据，确定了遥远的八行星太阳系。
从2009年到2013年，开普勒望远镜的光度计每半小时捕捉20万个不同恒星的10个像素图像，以寻找恒星亮度的变化。如果一颗恒星以一种规则的重复模式变暗和变亮，这可能表明它有行星绕行。（您也可以使用这些信息来估计一颗行星绕着一颗特定恒星的轨道的大小和长度。）得克萨斯大学奥斯汀分校的天文学家安德鲁·范德伯格（Andrew Vanderburg）和谷歌软件工程师克里斯托弗·沙洛（Christopher Shallue）开发了神经网络，使用15,000个已知的系外行星指标。他们用已知的系外行星定位在670颗恒星上，但专注于弱信号。以前的研究人员可能错过了较小的系外行星，新发现的行星被称为开普勒90i。
真正的围棋大师
Google的DeepMind研究人员开发了一个AI程序—AlphaGo zero。这个AI程序实现了超人类的Go-playing能力，它成功的完胜了之前战胜人类的AlphaGo版本。更重要的是，它提出了一个新的解决现实问题的思路，这对于AI发展是非常重要的。
真正的“赌神”
由卡内基梅隆公司的计算机科学部门开发的AI最近打败了扑克界最困难的风格之一——德州扑克。与国际象棋和围棋等策略游戏不同，扑克被认为是“不完美的信息游戏”，因为玩家必须做出决定，即使隐藏了一些信息。最重要的是，这不仅仅是动作，它也知道什么时候该虚张声势。卡内基梅隆大学的AI，Libratus在为期20天的比赛中赢得了20万美元的奖池和12万的扑克牌手，击败了世界顶级的扑克专业人士。
自学编程
人工智能不仅在今年取得了一些显着的发现。它在其他领域也很出色，比如说让自己的老东家——程序员失业了。这是夸大的说法，几个不同的人工智能程序学会了如何编写基本代码，以帮助非程序员处理复杂的电子表格计算，或者减少开发人员所需的一些繁琐工作处理。
微软的AI，DeepCoder可能被认为是三者中最基本的，尽管它仍然是一个非常复杂的技术。但，它可以帮助你理解需要解决的数学问题，查看现存的类似问题的代码示例，然后开发一个基于代码的解决方案。对于那些不能或不想学习编码，但需要使用基于代码的解决方案进行计算的人来说，DeepCoder可能是有用的。解决方案相对简单，在解决方案和结构方面，都是基于AI之前所经历的情况。
相比之下，Google的机器学习软件AutoML，在一个案例中，学会识别照片中的物体。这是一个更具挑战性的任务，但最终实现了43％的任务成功率，比同行开发的代码高出4个百分点。然而，AutoML的最大好处是自动化机器学习模型的开发过程，这对于人类机器学习专家而言通常是耗时的。
最后是Facebook的自我学习的聊天机器人。两个人工智能机器人Bob和Alice开始用英语交流，但是随着交流的深入...... 她们发展了自己的语言来表达自己的意思。“它们摆脱了可理解的语言，为自己创造代码字，”来自格鲁吉亚的访问研究科学家Dhruv Batra说。这在媒体上引起了很大反响（有的甚至使用“令人毛骨悚然 ”），但实际上这是一个相当普遍的现象，人工智能系统使用基于奖励的系统进行演变，如果特定行动没有好处，他们会尝试其他的东西。Facebook的研究人员最终还是决定关闭AI机器人，因为他们的目标是创建最终与人互动的实体，而不是创造新的“物种”。
本文由阿里云云栖社区组织翻译。
文章原标题《It Was a Big Year for A.I.》，
作者：Christina Bonnington
译者：虎说八道
