机器学习频爆研发进展 - 人工智能白皮书：深度解读AI技术、产业和战略

| 机器学习频爆研发进展

机器学习是人工智能的重要技术途径之一，也是最近AI商业应用进展的基础。现代机器学习是一个统计过程，利用已有的数据来预测未来数据。这与传统的AI算法不同。传统算法是由程序员和专家利用专业知识制定规则，进行决策，转化为软件代码。机器学习的一大优势在于，可以解决难以直观理解的难题，无需明确的规则，只需大量的数据采集，就能进行预测。

因此，互联网公司可以收集用户登录信息来判断账户安全性和用户信用；医疗机构可以通过参数模拟来训练医生，整合病例。经过不断的反馈，也就是数据训练，机器学习将对特定的问题给出一个最为贴切的模型，以及大量、高精度的可调参数，来帮助人类工作和决策。

深度学习是这两年来最为热门的机器学习分支，使用结构松散的类人脑网络，每个单元（神经元）结合一组输入值产生的输出值，反过来转嫁到下游其他单位（神经元）。大规模的深度学习提供了新的、强大的进展，也因此成为研究热潮。

以图像识别为例：底层单位结合原始数据，也就是简单图案；第二层单位利用第一层的简化结果进行识别，然后将结果与第一层模式结合输给第三层单位；第三层单位再处理、结合……以此类推，可达百层之多，可实现复杂、多元、精确的数据模式识别。

| 自动化和人机协作

AI系统用于物理驱动，尤其是自主式、自动化等，需要应对不断变化的环境参数，承担无人运作的挑战，包括自我诊断和修复，寻找安全漏洞。目前主要的自动化应用有自动内容精选、自动金融交易、半自动驾驶、无人机、自治文学等。自动化以及相关的就业，是社会和经济关注的主要问题，也是推动工业变革进程的主要动力。

不同于自动化替代人类，还有一种情况是机器作为人类工作的辅助，也就是人工智能发展的副产品——人机协作。AI强大的数据库可以为增强人类认知能力，弥补个人弱势。人机协作的主要应用包括棋类游戏、医疗图像诊断等。

| AI应用案例

在沃尔特里德医疗中心，退伍军人事务部用 AI 来更好地预测医学并发症和提高治疗严重打击的伤口，导致患者的治疗效果更好，更快疗愈，并降低成本。当前医疗档案过渡到电子健康档案，可以帮助健康数据预测分析，从而发挥关键作用，应用于卫生领域、精密医学和癌症的研究。

运输方面，启用AI 的智能交通管理应用程序减少等待时间，能量使用和排放量 25%。部分城市已经开始是使用AI响应调度，提供实时公交资讯。

还有一些研究人员，正在利用使用AI 图像跟踪分类软件，来分析公共社交媒体网站的旅游照片，识别照片中的动物个体，生成数据和位置，研究和改善动物迁徙，涉及栖息保护地，保护濒危物种。自动驾驶船只也应用于复杂的海洋探索，了解敏感的海洋生态变化和极地气候，进行气象监测，管理非法捕捞。

AI在刑事司法系统方面也有潜在的应用，包括犯罪报告、治安维护、保释、量刑、假释决定。政府也在研究如何利用AI驱动正义，提供警察可靠的数据，帮助执法，更好地告知刑事司法中的决策系统，同时也注意AI可能会引入偏见或不准确之处。

芝加哥大学、南加州大学、斯坦福大学等学术机构也纷纷利用AI系统了解和解决社会经济问题，包括失学、失业、全球贫困问题。当然，这类研究采用的是卫星图像分析，依靠大量机器学习训练，但要求不能涉及个人隐私或者商业机密。

联邦政府致力于减少平困和增加经济效益，控制社会流动性，并试图将AI与国防、能源、情报等部门联系起来。对于大型的研发预算，比如劳动力机构，将采用与私营部门合作的方式进行理论创新和实验研究。国立卫生研究院也投入了大量的研究经费。DARPA也在利用AI数字导师训练海军新兵。