2018年年初預測

李開復：2018中國最大AI紅利是政策

  ai政策圖片：

  那也可以在此基礎上給AI創業者一點個人建議：
  1）大趨勢如此，大環境更好，對於整個AI創業者都是好訊息，那對於創業者來說，可能最核心的就是利用擁有的資源和技術，實現快速迭代和滾動，最好還能夠在垂直場景中做深做透。
  以無人車舉例，如果你現在做垂直行業應用，仍舊有一些機會。比如藉助Apollo這樣的基礎平臺，做貨車、巴士，甚至礦車等應用，跟具體場景緊密結合，給出你的產品方案和解決方案，並在市場中獲得驗證。
  巨頭推出的平臺Apollo，今年的確做得很成功，但也不意味著別人沒有機會，畢竟安卓之外，iPhone肯定也有市場和前景，你看馭勢科技做的就是具體場景的完整方案，累積得很快。

  2）另一個建議是留意交叉領域出現的新機會。
  可能年初的時候還不好說無人車領域會有哪些新機會，但現在總結一年，新的機會還在產生，來自一些結合性的機會。比如電動車+無人駕駛的結合，可能就會在耗電相關方面給晶片機會。

  總而言之，對於AI初創公司而言，我認為最關鍵的還是快速切入行業，形成人才、行業的積累，讓自己更快發展，形成技術、行業上的滾動。

2018年大方向

  1）NLP急需突破。

  2）CTR(廣告點選)預估作為一個偏應用的技術方向，對於網際網路公司而言應該是最重要也最關注的方向之一。CTR預估常用的技術手段包括演進路線一般是按照:“LR→GBDT等樹模型→FM因子分解機模型→深度學習”這個路徑來發展的。

  3）GAN

  4）增強學習

  5）cv領域
  首先，增強學習與GAN等新技術開始被嘗試用來解決很多其它的影象處理領域的問題並取得了一定進展，比如Image-Caption、超解析度、3D重建等領域，開始嘗試引入這些新技術。
  另外，深度學習與傳統方法如何整合各自的優點並深度融合也是最近一年來視覺處理的方向，深度學習技術具有效能優異等優點，但也存在黑箱不可解釋以及理論基礎薄弱等缺點，而傳統方法具備理論完備等優勢，結合兩者來充分發揮各自優勢克服自身缺點是很重要的。
  再次，弱監督、自監督或者無監督的方法在各個領域也越來越重要，這是有現實需求的，深度學習雖然效果好，但是對於大量標註訓練資料是有要求的，而這又需要大量的標註成本，在現實中往往不可行。而探索弱監督、自監督甚至無監督的方法有助於更快促進各個領域研究的快速發展。

  6）量子計算很火，大公司開始砸錢進去

  7）非常明顯的趨勢，3D領域、視訊跟蹤、量化/嵌入式網路等發展很快；
  超解析度、人臉分析(老化分析、表情分析等)也挺多；
  強化學習，持續學習

  8）大部分是對原有產品的升級，只有ADAS(高階駕駛輔助系統)，智慧音箱和伺服器端的視訊識別檢測是新的市場。其中智慧音箱達到了千萬級別，其他的兩個還都在擴張。

2018年將會改變人工智慧的5個大資料趨勢

  1）更多關注零售
在最近的大資料和人工智慧的應用熱潮中，幾乎沒有哪個領域像人工智慧這樣可以讓企業受益。無論是沃爾瑪還是當地的母嬰店，各地的企業似乎都在利用這些技術來降低管理費用，同時擴大業務範圍。例如，客服人員可能會被人工智慧助理徹底取代，但更重要的是，零售商可以通過人工智慧跟蹤他們的庫存，而消費者的興趣很快就會發生革命性的變化。

  2）暗資料的新紀元
  隨著大資料的增長，利用暗資料獲得商業成功的機會也將隨之增加。所謂的暗資料就是企業正常商業活動期間蒐集，處理，儲存的資料。但這些資料通常無法用於諸如分析，商業關係或者是直接變現獲利等目的。對於並不熟悉人工智慧和資料管理領域的許多人來說，這種資料不斷被證明是有用的。
  暗資料可能難以讓人理解，但隨著越來越多的企業投資人工智慧，這些迷惑可能就會消散，並導致人們對正在進行的資料革命的熱情更高。

  3）人工智慧和雲端計算的結合

  4）更加智慧的市場營銷
  市場營銷是利用大資料的力量革命化的關鍵領域之一，通過梳理大量的資料，企業能夠比以往任何時候都更準確地針對特定的消費者，將廣告和交易直接傳送到潛在消費者的郵箱或家門口。
  隨著越來越多的公司試圖利用自動演算法來分類資料以找到潛在的客戶，人工智慧領域將受益於行業投資的增加。而實時定位可以為正確使用的公司帶來20%以上的銷售機會，這意味著採用人工智慧可以獲得十分豐厚的利潤。

  5）聊天機器人應用越來越廣泛