隨著我們的日常生活與各種各樣的技術越來越緊密地交織在一起，有時候，似乎未來已經到來。然而，技術仍在不斷發展，人工智能（AI）已經占據了這一領域的中心地位。在許多前進力量的支持下，人工智能繼續激發公眾對未來的想象。亞馬遜的Alexa、Netflix的推薦系統以及SnapChat濾鏡等的創新，進一步推動了這一信念，這些都是人工智能進入個性化領域的優秀范例。

最常見的人工智能構成部分，以及人工智能家族中的“聰明之星”，都是“深度學習”。深度學習是一種數據學習的模式，近年來改進了長期以來的預測準確性標準。除了傳統的預測建模之外，它還在語音識別和計算機視覺領域有突出貢獻。然而，隨著我們迎接新年的到來，事情將變得更加有趣。讓我們來看看2018年的深度學習（以及更廣泛的人工智能）的情況。

卷積神經網絡（幾乎）無處不在

卷積神經網絡是一種復雜的學習模型，它的優點是需要對數據進行最少的預處理或“清理”。主要被應用于“解決”視覺圖像分類和處理，目前開始應用于更多的案例。

其理念是，視覺世界是合成的，因此圖像可以被分解成最基本的特征。例如，一個風景的圖像由各種各樣的物體組成;這些物體由輪廓和線條組成，而這些線條又由像素組成。Covnets能夠識別這些成分，并創建分層的抽象世界概念，使各種識別任務變得更容易。

目前，Facebook的照片標簽和面部識別功能都使用了Covnets。在2018年，我們可以預計，Covnets將更廣泛的應用于自動駕駛領域，特斯拉的Model X已經在使用Covnets來實現自動駕駛的相關功能。更近的，像Quere.ai這樣的公司正在使用Covnets，并且在醫學成像的診斷方面取得了顯著的成功。預計公司將開始為這些高度精確的學習模式尋找不同的應用。

人工智能技術會是一個花瓶嗎？

在人工智能技術推出的初期，網絡上有不少人曾提問過相似的問題，但人工智能顯然并非是一個噱頭而已。比方說，現今在智能手機內的 AI 神經網絡系統已具備了“自學習”、“自調整”等能力。

作為人工智技術的其中一個載體，智能手機與相關的 AI 智能體系必然會被重點發展。

其實，人工智能技術在今年除了是智能手機圈中的一個熱點，同時也是我國在未來將重點發展的一項科學技術。12 月 25 日，工信部(工業和信息化部)科技司負責人就對在早前公布的《促進新一代人工智能產業發展三年行動計劃(2018 年~2020 年)》(下文簡稱：《行動計劃》)進行了相關解讀。

對于人工智能技術在我國未來三年內的發展，負責人表示將會以信息技術與制造技術深度融合為主線，并以新一代人工智能技術發展為重心，推動高端智能技術和高端智能產品的發展。

按照《行動計劃》在未來三年內對人工智能發展部署，未來我國將會重點對 4 方面、17 個產品或領域進行發展，分別是：

重點培育和發展智能網聯汽車、智能服務機器人、智能無人機、醫療影像輔助診斷系統、視頻圖像身份識別系統、智能語音交互系統、智能翻譯系統、智能家居產品等智能化產品，推動智能產品在經濟社會的集成應用。

發展智能傳感器、神經網絡芯片、開源開放平臺等關鍵環節，夯實人工智能產業發展的軟硬件基礎。

深化發展智能制造，鼓勵新一代人工智能技術在工業領域各環節的探索應用，提升智能制造關鍵技術裝備創新能力，培育推廣智能制造新模式。

構建行業訓練資源庫、標準測試及知識產權服務平臺、智能化網絡基礎設施、網絡安全保障等產業公共支撐體系，完善人工智能發展環境。

人工智能將加強數據安全

雖然機器學習和深度學習模型具有前所未有的預測精度，但有些目前仍容易受到質疑。例如，在受監督的機器學習中，模型學習標記數據的某些特征，訓練和測試數據被假定來自相同的數據分布。如果數據在這個假設中失真，那么模型的預測精度就會受到很大的影響。以垃圾郵件過濾為例——如果將隨機文本和圖像添加到消息中，消息可能會繞過垃圾郵件檢測系統。這就是為什么你的收件箱里塞滿了垃圾郵件，盡管有一個系統可以阻止它。

安全部門巨頭McAfee公司認為，將數字安全考慮在內，2018年勒索軟件和其他數字威脅（比如對全球社會造成恐慌的“WannaCry”）越來越多地利用機器學習和深度學習技術。具體來說，這些模型將威脅到檢測模型，從檢測模型的防御反應中學習，并利用發現的漏洞來破壞檢測模型，其速度比防御者修補漏洞的速度更快。

為了抵御這些技術，McAfee公司的工程師們一直在研究對抗機器學習，并組建一個先進的防御研究團隊來為這些漏洞創建解決方案。要真正抵御這種攻擊，唯一的辦法是建立一種更為普遍的學習模式，甚至能找出最微小的異常。在這方面，一些有趣的研究正在進行中。

結論

在過去的兩三年里，人工智能和深度學習在公共領域出現了爆炸式的增長，推出了一些令人興奮的產品。在2018年和未來幾年，它們將越來越多地出現在我們的日常互動中，尤其是在移動應用領域。

隨著移動硬件地快速發展，它將能夠支持復雜的深度學習任務。例如，蘋果的iOS 11支持CoreML，這是一款面向iOS開發者的機器學習工具包。未來，開發者將可以部署支持文本預測和圖像識別的應用（比如SnapChat），不需要任何機器學習的知識。

很顯然，人工智能和深度學習的未來充滿活力和前景。我們看到這種變化和進步的速度有多快，只有時間能給予我們答案。因此，隨著新的一年的展開，讓我們拭目以待，看看這一細分領域的表現吧。