在AlphaGo等吸引大眾眼球的事件推動下，AI仍然是技術的熱點之一，圖像識別等一些成熟的人工智能應用也在不斷得到推廣。但是另一方面，機器學習乃至深度學習的瓶頸和局限又不斷被業界拿出來討論，甚至有人提出了新的AI凜冬將至的說法。那么在接下來的一年里AI會有哪些進展呢？VentureBeat采訪了吳恩達、Yann LeCun等多位業界大牛，讓他們對2019年的AI做出預測。我們一起來看看。

人工智能一下子扮演起了拯救世界和毀滅世界者的角色。

為了排除炒作和噪音，VB訪談了AI領域的一些杰出人物，這些在全世界的最大型技術和產業公司已經工作多年，對如何正確做AI有著深刻見地。

以下是Google Brain聯合創始人吳恩達、Cloudera機器學習總經理及Fast Forward Labs創始人Hilary Mason，Facebook AI Research創始人Yann LeCun以及埃森哲負責全球AI 的Rumman Chowdhury博士的洞察。我們想了解一下他們對2018年關鍵里程碑的看法，也想聽聽他們預測一下2019年AI的發展趨勢。

在對去年的回顧和對今年的預測中，一些人說，隨著更多的人理解了AI能做什么不能做什么，自己受到了少聽到一些終結者式AI末日啟示錄場景說法的鼓舞。但這些專家也強調，這個領域的計算機和數據科學家必須不斷采用負責任的道德標準去推動人工智能的發展。

Rumman Chowdhury博士

Rumman Chowdhury博士是埃森哲應用智能部的總經理兼Responsible AI行動計劃的全球負責人，曾被評為2017年BBC百大女性。Chowdhury經常就人工智能的信任問題發表意見。

出于時間上的考慮，她通過電子郵件對2019年的AI預測問題進行了回應。本文所有其他人的回應均能通過電話采訪進行。

Chowdhury說，2018年她很高興看到對AI能力和局限的公眾認知得到改善，同時也聽到了關于AI產生威脅更平衡一些的討論——而不僅僅是像電影《終結者》那樣智能機器掌控世界帶來的恐懼。她說：“隨之而來的是大家對隱私和安全，以及AI在塑造我們與后代可能扮演的角色的意識和問題也越來越多。”

不過她認為公眾對AI的認知還不到位，在新的一年里她希望能看到更多的人利用教育資源的優勢去理解AI系統，并且能夠明智地對AI決策提出質疑。

不過有一件事情給到了她驚喜，那就是技術公司和AI生態體系的人開始考慮自身工作的道德倫理影響的速度。但她還希望看到AI社區在消滅“口惠而實不至”方面能做得更多。

她提出：“在AI與倫理領域——除了電車難題以外——我希望看到大家能深入挖掘AI會產生的其他難題，那些尚無明確答案的問題。AI與物聯網相關的監控‘合適’的平衡在哪里？怎樣才能保證安全又不導致惡化種族歧視的懲罰性監管？如何對先進技術所帶來的好處進行重新分配才不會加劇已有和還沒有的人之間的分化？孩子接觸的程度應該如何才能成為“AI原生”的同時又不會被操縱或者同質化？如何才能利用AI對教育進行擴充和自動化但仍能保持創造力和獨立思維生生不息？”

未來1年，Chowdhury預計會看到政府對全球技術界有更多的審查和監管。

她說：“AI和那種能力現在被把持在全球科技巨頭那里，這會引起有關如何監管這個行業和技術的大量問題。2019年，我們將開始想出這些問題的答案——當技術是個萬能工具在特定背景下會有不同結果時，如何對技術進行監管？如何建立監管體制才不會妨礙創新或者偏向大公司（可消化合規性成本）而不是小初創企業？監管要到什么程度？國際性，國家性還是本地性？”

她還預期AI在地緣政治事務中的角色還將繼續演進。

她說：“這不僅僅關乎技術，它還是經濟和社會的塑造者。我們在這種技術中反思、放大并施行我們的價值觀，對于要建設什么以及如何建設，我們的行業需要少一點幼稚。”為此，她認為大家需要超越AI那種共同的看法，即如果我們不做的話，中國就會做，好像唯有創造才有威力。

她說：“我希望監管者、技術學家以及研究人員意識到，我們的AI之爭不僅僅是計算機力量和技術洞察力，就像冷戰不僅僅是核威脅能力一樣。我們有責任以一種更公平、更均衡的方式去重新創造世界，現在我們有了罕見的機會去這樣做。但這種機會正在飛速流逝，希望我們不要錯失”

在消費者層面上，她相信2019年會看到家庭有更多的AI使用。很多人已經變得越來越習慣于像Google Home和Amazon Echo這樣的智能音箱的使用，以及很多的智能設備。在這方面，她很好奇想知道在今年的CES大展上會不會有特別有趣的東西出現——這也許會進一步將人工智能整合到大家的日常生活當中。

她說：“我想我們都在等著一位機器人管家的出現。”

吳恩達

當我聽說吳恩達拿白板開會或者講網課時時，我總是忍不住發笑。也許這是因為一位既有激情又容易相處的人很容易讓人開懷發笑。

吳恩達是斯坦福大學的兼職計算機科學教授，他的名字在AI圈很知名，原因有幾點。

他是Google Brain的聯合創始人，這是一項在Google眾多產品中推廣AI的行動；同時也是幫助企業集成AI到運營當中的Landing AI的創始人。

他還是一些YouTube和Coursera（這家公司也是他成立的）上門一些最熱門的機器學習課程的講師，并且成立了deeplearning.ai，還寫了《Deep Learning Yearning》。

2014年他加盟百度擔任首席AI科學家，并幫助百度變革成一家AI公司，超過3年后他離開了百度。

最后，還是總額1.75億美元的AI Fund的一員，并且是無人車公司Drive.ai的董事會成員。

吳恩達本月早期時候發布了《AI Transformation Playbook》，這是一本有關解鎖人工智能對公司積極影響的短讀物。

他期望看到2019年會取得進展或者預期會發生變化的一個主要領域是AI在技術或軟件公司以外的地方得到應用。AI最大的未被挖掘的機會是軟件以外的領域，他引用麥肯錫的報告來說，到2030年，AI將可產生13萬億美元的收入。

“我認為在軟件領域以外的AI應用方面2019年將會有很多故事可講。作為一個行業，我們已經做了相當多的工作來幫助像Google和百度以及Facebook和微軟這樣的地方——當然這些跟我已經沒有關系——但即便是像Square和Airbnb、Pinterest這樣的公司也在開始利用一些AI能力。我認為下一波大規模的價值創造將會是制造廠或者農機設備公司、醫療保健公司開發十數AI解決方案來幫助自身企業的時候。”

就像Chowdhury一樣，吳恩達對2018年公眾對AI能做什么不能做什么的理解程度也感到吃驚，并且對大家的對話不再僅僅圍繞著殺手機器人場景或者一般人工智能展開而感到欣慰。

吳恩達說，他刻意地回應了我的一些很多其他人未必會提出的問題。

他說：“我試圖審慎地舉出若干我認為對實際應用非常重要的領域。我認為AI的實際應用是有障礙的，并且我認為在這些問題方面若干領域有望取得進展。”。

吳恩達興奮地指出，在未來一年預計會看到AI/ML領域會取得進展來幫助整個領域發展。其一是AI會用更少的數據達成精確的結論，也就是所謂的“少樣本學習”。

吳恩達說：“我認為深度學習的第一波進展主要是有一堆數據老訓練非常大型神經網絡的大公司，對吧？所以如果你想開發一個語音識別系統的話，要用數據來訓練它10萬小時。想要訓練一個機器翻譯系統？得用極大量的平行語料庫句對來訓練它，這會創造出大量突破性結果。我越來越發現即便你只有小規模數據也能獲得結果，比如只有1000幅圖像。”

計算機視覺的另一個進展被稱為“一般化能力”。計算機視覺系統用斯坦福大學的高端X光機器掃描出來的原始圖像來訓練時也許能工作得很好，而且本領域的很多先進公司和研究人員已經建立起超越人類放射線醫師的系統，只是靈活性略差。

他說：“不過如果你把訓練好的模型應用到取自低端X光機器或者另一家醫院的X射線時，一旦圖像模糊一點或者X射線技術人員讓病人稍微偏右邊一點點的話，結果表明人類放射線醫師在概括這種新背景的表現就要比今天的學習算法好得多。所以我認為研究如何改進學習算法在新領域的泛化能力將會很有趣。”

Yann LeCun

Yann LeCun是紐約大學教授，Facebook首席AI科學家，同時是該公司研究部門Facebook AI Research（FAIR）的創始主任——FAIR是PyTorch 1.0與Caffe2以及Facebook每天使用數十億次的文本翻譯工具及類似下圍棋的先進強化學習系統等若干AI系統的開發者。

LeCun相信，FAIR研究和工具開發采取的開源策略是正確的，這為督促其他大公司也做相同的事情起到了幫助作用，進而可推動整個AI領域的發展。

他說：“當有更多的人就研究進行溝通時，整個領域就能更快地取得進展，這其實會產生相當大的影響。今天你看到AI取得進展的速度很大程度上是因為有更多的人更快更高效地進行溝通，并且做出了比過去更多的開放性研究。”

在倫理方面，LeCun也很高興看到取得了進展。不為別的，光是考慮到這方面工作的道德影響以及帶偏見決策的危險就不錯了。

他說：“這個現在已經被視為問題，大家已經意識到需要多加注意。2、3年前還不是這樣的。”

LeCun說他并不認為AI的倫理和偏見問題會成為亟待采取行動的重大問題，但他認為大家應該為此做好準備。

他說：“我認為并不存在亟待解決的生死問題，但是這種問題會有，而我們需要理解那些問題，并在發生前阻止其出現。”

就像吳恩達一樣，LeCun希望看到有更多的AI系統能夠具備那種靈活性，即不需要新的輸入數據或者確切條件才能得出精確輸出的更健壯的AI系統。

LeCun說研究人員用深度學習管理感知已經做得相當好，但是缺失的一環是對完整AI系統整體架構的了解。

他說教機器通過觀察世界來學習需要自監督學習，或者基于模型的強化學習。

他說：“不同的人給它起了不同的名字，但基本上人類嬰兒和動物都市通過觀察和發現有關的龐大背景信息來了解世界是如何運作的，我們現在還不知道用機器如何來做到這一點，這是我們面臨的巨大挑戰之一。攻克它的獎勵是AI與機器將取得真正的進展，它們將會具備一點常識，我們的虛擬助手對話起來將不會那么令人沮喪，大家討論的話題也將更加廣泛。”

至于可以幫助Facebook內部的應用，LeCun說自監督式學習方面的重大進展將非常重要，需要少一些數據也能返回精確結果的AI也一樣不可或缺。

他說：“在解決這一問題的道路上，我們希望能找出辦法來減少完成機器翻譯或者圖像識別等任何特定任務所需的數據量，而且在這個方向上我們已經取得一些進展；我們已經應用弱監督或者自監督學習到翻譯和圖像識別，這對Facebook使用的一些服務產生了影響。也就是說這些不僅有長期的影響，短期也會有影響。”

在將來，LeCun希望看到AI能在朝著在事件之間建立因果關系的方向取得進展。這種能力就不僅是通過觀察去學習了，而且還要有實際的理解，比方說，如果人打傘的話，能推理出大概是下雨了。

他說：“這一點非常重要，因為如果你希望機器通過觀察來學習世界的模式的話，它就得知道自己可以去影響什么來改變世界的狀態，而有些時候是你做不了的。你知道如果你在房子里面，面前有一張桌子，桌上有一個東西比如一瓶水的話，你知道你推它一下它就會移動的，但你沒法移動桌子因為它又大又重——像這樣的東西就跟因果關系有關。”

Hilary Mason

2017年在Cloudera收購了Fast Forward Labs之后，Hilary Mason就成為了Cloudera負責機器學習的總經理。Fast Forward Labs盡管被并入了Cloudera，但仍然繼續運營，生成實用的機器學習報告并為客戶提供建議，讓他們洞察6個月到2年的未來。

2018年令Mason感到驚訝的一項進展與多任務學習有關，也就是推理比方說圖像中的物體的時候訓練一個神經網絡來應用多種標簽。

Fast Forward Labs也一直在建議客戶考慮AI系統的倫理影響。Mason看到，大家對有必要適當植入某種倫理框架的意識正在增強。

Mason說：“我們自5年前成立Fast Forward以來就一直在每份報告中在寫倫理方面的東西，但今年（2018年）大家真正開始留意并重視起來了，我認為接下來的一年我們會看到那些還不注意這些的公司和人出現一些后果或者要負擔責任。其實我的意思是說，我希望數據科學和AI的實踐要有所演變，用AI做產品的技術人和商業領袖都要考慮倫理和偏見問題，要對那些產品的開發負責，這應該成為大家默認的期望，但目前還不是每個人都會考慮這些。”

接下來的一年隨著越來越多的AI系統成為商業運營的一部分，Mason預計產品經理和產品領導會開始在AI方面做出更多的貢獻，因為他們所處的位置是最適合做這個的。

她說：“我想顯然是清楚整個產品思路并且理解業務的人也理解哪些東西有價值哪些沒有價值，這些是最適合對應該在哪里進行投資做出決策。所以如果要我預測的話，我認為就像我們預期所有這些人最起碼要懂得利用像電子表格這樣的東西進行簡單的建模一樣，我們很快也會預期這些人起碼能夠意識到自己的產品什么地方存在AI機會。”

AI的大眾化，或者擴張到公司除數據科學團隊以外的地方，這些若干公司所強調的，其中就包括了Google Cloud AI產品如Kubeflow Pipelines和AI Hub等，以及咨詢公司CI&T的建議等，這些都確保了AI系統能夠的企業內部實用化。

Mason還認為會有越來越多的企業需要建立機構來管理多個AI系統。

Mason說，就像一個有時候被用來描述從事DevOps的人所面臨挑戰的類比一樣，管理一個系統可以用手工部署定制化腳本來完成，而cron jobs可以管理小幾十個。但是如果你要在一個有安全、治理和風險要求的企業管理數十個或者上百個系統時，你就得有專業的、健壯的工具。

她說，企業追求機器學習和AI機會的態度也正在轉變，從追求能力甚至人才轉變到系統性的方式。

強調部署AI的容器對Mason來說是有意義的，因為Cloudera最近推出了自己的容器型機器學習平臺。她相信這一趨勢在未來幾年會繼續，所以企業將可以在本地或者云端部署AI之間做出選擇。

最后，Mason認為AI的業務會繼續演變，會在業界形成普遍實踐，而不僅僅是在公司內部。

她說：“我認為我們將看到AI職業實踐的不斷演變。當下，如果你是一家公司的數據科學家或者ML工程師，如果你換了一家公司的話你的工作就會徹底不一樣：工具不一樣，預期不一樣，匯報結構不一樣。我認為今后我們會看到這些實踐的一致性。”