无标题的图
2016年看到了巨大的创新，大量的AI投资大公司和初创公司，并不止一点炒作。 2017年将带来什么？
1.工具的民主化将使更多的公司尝试AI技术。
最近Forrester的商业和技术专业人士调查发现，58％的人正在研究AI，但只有12％的人使用AI系统。这部分是因为应用的AI应用只是现在开始实现，但它也是因为现在AI是硬的。它需要非常专业的技能和发展自己的态度。
但是像Facebook的Wit.ai和Howdy's Slack bot这样的框架正在竞争成为AI的Visual Basic，有望向相对不复杂的开发人员提供点对点的智能对话接口开发。像Bonsai，Keras和TensorFlow（如果你不介意编码）的工具简化了深度学习模型的实现。而Google的API和Microsoft Azure等云平台可让您创建智能应用，而无需担心设置和维护随附的基础架构。
获取O'Reilly的AI通讯
我们将看到更多针对性的AI系统。
我们不期望有大型的通用AI系统。但我们预计在具体，高度针对性的赢咖4系统爆炸，如：
• 赢咖4：个人，工业和零售
• 自主车辆（汽车，无人机等）
• 赢咖4：CRM，消费者（如Amazon Echo）和个人助理
• 针对金融，健康，安全和零售的行业专用AI
增加自动化的经济影响将成为讨论的主题。
期望听到（一点点）关于恶意AI接管世界和更多关于AI的经济影响。关于AI偷工作的问题当然不是什么新鲜事，但我们预计会有更深入，更细致的对话，就是AI在经济意义上的意思。
在关注经济中，帮助克服信息过载的系统将变得更加复杂。
我们注意到（并鼓掌）一些非常有趣的AI开发，帮助解析信息克服信息过载，特别是在以下领域：
• 自然语言理解
• 结构化数据提取（从“暗数据”到“结构化信息”）
• 信息制图
• 自动摘要（文本，视频和音频）
5. AI研究人员将继续解决（有时解决）基本问题。
1967年，马萨诸塞理工学院AI实验室的共同创始人马文·明斯基说：“在一代人内，创造”赢咖4“的问题将大大解决。”先验还是错误？我们还不知道，但还有一些根本问题需要解决。但是，仍在取得进展。这里有几个例子：
• 持续的研究，包括自然语言理解，视觉，演讲，强化学习信息提取，以及针对AI工作负载的硬件系统优化（包括成本效率）。
• 提高注意力和记忆力的系统将能够解决一个以上的问题或更复杂的问题，例如推理和推理，例如DeepMind最近在可微分神经计算机方面的进展。
• 需要较少标记数据的算法;无监督和半监督学习。
• 受到人类智能的一些核心方面启发的系统，包括直观物理学和心理学，快速建模和因果关系。
• 用于构建强大可靠的软件的AI系统。彼得·诺维格在O'Reilly AI会议上就此发表了一场精彩的演讲。
人机交互将变得更丰富。
在机器智能中，存在从纯机智能到人增强的范围。情感智力和检测以及人类辅助解决方案的进步将使人类和机器智能之间的交互更加丰富。
大多数AI系统都是黑盒子 - 非常复杂。与AI道德和隐私相关的风险是真实的，需要大量的思考（和一些共识）。这些问题不会在2017年解决，但我们预计会有一些进展。
