人工智能技术在2018年发展趋势的共性
步入2018年，技术表现出两个共同特点：智能和自动化。 2017年形成的许多技术趋势在2018年仍将继续：互联设备、数字化转型、物联网、机器学习、人工智能和自动化。这些热点话题仍隶属2018以及之后最流行的科技词汇，其实质性差异在于技术的融合。AI和IoT本身就具有变革性，现在可以想象，人工智能互联将促进互连和自动化世界的数字化转型。
一、智能
如果想实现智慧工厂、智慧城市、智能汽车和智能家庭，那么支持系统也要智能化。人工智能在过去取得重大进步得益于有监督深度学习的支持：训练深度神经网络执行特定的单一任务。所谓学习被监督，指已经提供大量的样例给算法，且其被告知正确答案。这种深度学习十分强大，可以构建超出人类能力的系统。斯坦福大学科学家训练了一种诊断皮肤癌的神经网络，准确性达到执证皮肤科医生的诊断水平。训练过程所用的医学图像超过129,000张。 人的学习方法不同，我们不需要如此大量的数据。另一方面，机器处理数据的速度比我们快得多。因此，训练算法往往比训练人类专家更快。其中一个限制因素是需要为大量高质量训练数据提供正确标签。现在，我们看到学习速度更快、所需数据更少、表现极为出色的无监督学习系统。从2018年开始，我们将看到基本不需要监督的增强学习系统—超越游戏规则。 供应链优化、客户交互、预测性维护、数据中心运维和楼宇自动化是基于规则的系统应用领域中的几个案例。现在应用这些规则来迅速训练系统来比利用人为生成的逻辑要强。对监督算法训练的优化投入了巨大努力，如今，焦点转向如何优化无监督方法与现实模式关联，在复杂的环境中采取最佳行动。
二、自动化
如果可以自动执行任务或流程，人们一定会采用这种方法。自动化不仅在于使人能够将精力集中于更高价值的任务，而且可以提高运营效率和重复性。自动化已成为不可或缺的技术。我们生活在大数据时代，数据量一直在不断增加并被物联网放大。分析是获得洞察和创造物联网价值的关键所在。分析自动化已成为解决大量数据驱动问题的必要手段。
机器学习和人工智能是帮助实现自动化的技术。这让很多人略感不安：人们不会对只需少量技能以及基本上不需要培训的简单任务进行自动化。街头公告员这个职业早已没有了。如今，自动化针对的是需要对人进行广泛培训的岗位—例如法律助理和医疗专业人员。人们对机器学习和人工智能的信任还没有达到对其它自动化技术的信任程度——人人都信任复印机或传真机。机器学习和人工智能系统无法解释它们是如何工作以及做出决策是主要的信任障碍。 人们有时会把自动与自主混为一谈。自动化任务不是代替人类做决定，人类仍然可以保持控制权。事实上，人们还没有准备好改变他们与数学和逻辑之间的关系。人们喜欢自己能够理解并加以整理的逻辑。软件利用计算机系统以人们已知的方式去处理信息，因为这是他们编写的代码。当出现错误时，人们可以调试并纠正逻辑。
正因为算法的学习方式与人不同，因此人工智能对事物的看法也不同。它们可以看到人类观察不到的关系和模式。正如Tom Gruber在其TED演讲中指出，我们应该讨论的是机器和算法如何使我们变得更聪明，而不是我们如何使机器变得聪明。也许我们不会让算法自主运行供应链，而是期待它提出下一步行动的建议。这种建议可能会让我们大吃一惊。 像所有技术一样，AI是辅助技术。也许在2018年，我们将不再只把AI看成是 “虚拟人工智能”，而将它作为一种“辅助信息”技术。