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，技術仍在不斷髮展，(AI)已經佔據了這一領域的中心地位。在許多前進力量的支援下，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，這些都是進入個性化領域的優秀範例。

　　最常見的人工智慧構成部分，以及人工智慧家族中的“聰明之星”，都是“”。是一種資料學習的模式，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(以及更廣泛的人工智慧)的情況。

　　卷積神經網路(幾乎)無處不在

　　卷積神經網路是一種複雜的學習模型，它的優點是需要對資料進行最少的預處理或“清理”。主要被應用於“解決”視覺影象分類和處理，目前開始應用於更多的案例。

　　其理念是，視覺世界是合成的，因此影象可以被分解成最基本的特徵。例如，一個風景的影象由各種各樣的物體組成;這些物體由輪廓和線條組成，而這些線條又由畫素組成。Covnets能夠識別這些成分，並建立分層的抽象世界概念，使各種識別任務變得更容易。

　　目前，Facebook的照片標籤和麵部識別功能都使用了Covnets。在2018年，我們可以預計，Covnets將更廣泛的應用於自動駕駛領域，特斯拉的ModelX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，並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。

　　人工智慧將加強資料安全

　　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，模型學習標記資料的某些特徵，訓練和測試資料被假定來自相同的資料分佈。如果資料在這個假設中失真，那麼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——如果將隨機文字和影象新增到訊息中，訊息可能會繞過垃圾郵件檢測系統。這就是為什麼你的收件箱裡塞滿了垃圾郵件，儘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年勒索軟體和其他數字威脅(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，從檢測模型的防禦反應中學習，並利用發現的漏洞來破壞檢測模型，其速度比防禦者修補漏洞的速度更快。

　　為了抵禦這些技術，McAfee公司的工程師們一直在研究對抗機器學習，並組建一個先進的防禦研究團隊來為這些漏洞建立解決方案。要真正抵禦這種攻擊，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。

　　在過去的兩三年裡，人工智慧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。

1.人工智慧時代的研究熱點是什麼，主要應用領域是什麼？

http://www.duozhishidai.com/article-1271-1.html

2.人工智慧技術的大突破

http://www.duozhishidai.com/article-27515-1.html

3.人工智慧來勢凶猛，人工智慧最熱門的技術趨勢是什麼

http://www.duozhishidai.com/article-923-1.html