通过四个问题还原真实的AI2017/0101/188146.html">2016。

文｜石亚琼

① 2017/0101/188146.html">2016年AI 行业最重要的一件事是什么？

② 对2017年AI行业最期待的一件事是什么？

③ 2016年最重要的一项AI技术进展是什么？

④ 20116年最重要的一项AI行业应用是什么？

我们觉得，这四个我们很关心的问题，可以简单还原出来2016年AI行业的真实情况，AI行业中应该有不少人也很关心，所以我们也咨询了行业中一些创业者和投资人，并做了梳理。

腾讯优图研发中心总监黄飞跃

2016年AI行业最重要的一件事是AlphaGo围棋机器人。理由是它极大吸引了人们对人工智能的关注，AI成为风口浪尖。

2016年最重要的一项AI行业应用是人脸识别。理由是人脸识别实际应用加速走向成熟，创造大量商业化价值。互联网线上人脸识别应用于金融机构、电信运营商的实名认证；线下大规模人脸识别开始在公安安防监控等领域中发挥作用。

017年行业最期待的一件事是增强现实领域产生更多示范应用，而不仅仅是简单的LBS+AR展现。

三角兽创始人&CEO王卓然

2016 AI最重要的事是AlphaGo，不仅在人类智慧的至高点战胜了人类，而且是AI得到社会各界的广泛关注 。

2017 AI最期待的是对话式人机交互得到广泛普及，之前的数据显示Facebook messenger上已有超过30000个chatbot，欧洲各银行的客户业务平均有30%由chatbot自动完成，amazon echo销量已突破千万台，这些数据证明对话式交互已经开始进入人们的日常生活，并逐渐被人们接受，那么这种对话式的交互成为新的用户习惯是指日可待的。

2016AI最重要的技术进展应该是deep reinforcement learning，AlphaGo就是依赖于这个技术，而且Deep RL是机器能够自主的学习的关键。

2016AI最重要的应用就是chatbot，它代表着人工智能从感知智能（例如语音识别，图像识别等）向认知智能（例如语义理解，自动决策）的迈进。

云天励飞 CEO 陈宁

2016 年 AI 行业最重要的一件事是2016 年 3 月,谷歌 AlphaGo 战胜世界顶级围棋高手李世石。推荐理由是:基于大量运算、模拟、通过增强学习,机器可以在更为复杂(而不仅仅是运算)的任 务上超越人类智慧,这将促使各个行业寻找新的人工智能突破口,在一些常规任务上,用机器替代人类。

2017 年 最期待 无人车在各种受控环境下固定路段的应用。推荐理由是：无人驾驶在系统设计层面的实现路径已经非常清晰。它在受控条件下的广泛应用将大大提高社会效率。

2016 年最重要的一项 AI 技术进展是对抗生成神经网络的发明 Generative adversarial Neutral Network)。推荐理由是:对抗神经网络提供了一种非常新颖的基于内容生成的目标函数。它对特征学习,内容 生成等领域将会产生深远影响。

2016 年最重要的一项 AI 行业应用是基于深度学习的动态人脸识别在安防监控的规模应用 推荐理由:深度学习大幅提升了开放监控场景下的非配合式人脸识别的准确率,并通过新型芯片和大数据分析解决安防监控行业人员布控、以图搜图、数据碰撞等刚性需求,并扩展到身份验证等各 类民用场景,掀开了 AI 规模化产品落地的篇章。

码隆科技 CEO 黄鼎隆

2016年AI 行业最重要的一件事是AlphaGo战胜李世石，让钱和人更快地涌入AI行业。

2017年，AI为核心的大规模商业应用出现，AI在空中飘了几十年，是时候落地了。

2016年最重要的一项AI技术进展是Generative Adversarial Networks（GAN）, 看到了AI干艺术的希望。

2016年最重要的一项AI行业应用自荐一下码隆科技的ProductAI，有可能带来AI为核心的大规模商业应用。

深鉴科技CEO姚颂

2016年AI 行业最重要的一件事，我觉得毫无疑问是AlphaGo。AlphaGo起到了对于AI的全民科普的作用，对于整个行业的带动作用是显而易见的。有了AlphaGo，整个投资界对于AI关注更为火热，下游客户也对于AI应用于硬件接受程度更高，极大地推动了行业发展

以往的AI全都集中于感知，我期待2017年AI应用能够覆盖到决策与控制，让AI能够指挥机器人、指挥车辆，让被外行人笑话的“三千个if”消失。

2016年最重要的一项AI技术进展，我觉得是GAN（生成式对抗网络）领域的较大进展，包括苹果的第一篇AI论文也是关于GAN的。GAN甚至被一些学术评为深度学习仅有的真正理论创新之一。深度学习对抗对抗样本的能力是很弱的，很容易通过很低的噪声就可以使得深度学习算法无法精准分类图片。引用CNN的主要推动者Yann Lecun教授的话说，GAN可以为务监督学习提供有力的框架，也可以希望为AI带来“常识”。