如果要选择一本 2017 年最红、提到频率最高的书，那一定是《人类大历史》。
在这本书中，尤瓦尔‧哈拉瑞 说：
人类将把工作和决策权交给机器和算法完成，大部分人将沦为无用阶级。只有少数精英才能真正享受这些新技术的成果，用智慧设计完成进化、编辑自己的基因，最终与机器融为一体，统治全人类。
这样的描述对大多数人来说肯定是恐怖的，但更恐怖的是成功预测了 2017 年科技领域的走向。过去的一年，人工智能基于前两年的沉淀，愈加火热──算法突破、算力增强，在医疗、金融、教育等传统行业开疆拓土，让每个行业都开始探寻应用人工智能的机会，让智慧机器承担更多人类的工作。虽然现在机器的能力还比较粗浅，没有完全让尤瓦尔‧赫拉利“得逞”，但毫无疑问，AI 正走在这条路上。
2018 年来了，人工智能还继续火热吗？有很多调查机构、媒体、商业领袖、科技专家都给了一些答案，以下整理了一些观点，从技术、应用、人才 3 个方面归纳总结，让你读懂未来。
技术：云端 AI 竞赛、机器学习自动化
毫无疑问，这场火热的技术革命，本质上来自对技术主义的崇尚，新年到来，人们对 AI 技术本身的发展，也普遍显得乐观。
KDnuggets 最近向大数据、人工智能、机器学习领域一些顶级专家发问，Curai 联合创始人／CTO，曾任职 Quora 技术总监和 Netflix 研究／技术主管的 Xavier Amatriin 认为，AI 最激烈的战场是在云端，大小玩家都在各自云端加紧部署 AI，典型的例子如亚马逊最近推出构建和部署 ML 模型的 Sagemaker，Nvidia 推出训练深度学习模型的 GPU 云端。来自华盛顿大学计算机科学与工程系的教授 Pedro Domingos 也表达同样的意思，他认为 Google、亚马逊、微软和 IBM 之间的云端 AI 竞赛将愈演愈烈。
云端 AI 竞赛之外，受关注的是机器学习。
一方面，对大多数难以解释的机器学习模型来说，2018 年或许有机会让我们看得更清楚，尤其随着深度学习模型在医疗、法律、金融方面的应用，也必然要求其原理够透明。诺丁汉特伦特大学科学与技术学院的高级讲师 Georgina Cosma 认为，模型提出的预测必须值得我们信赖，特别是这些预测结果会被人类用来做决定的时候。在另外一篇预测文章，来自梅奥医学中心放射科的顾问 Bradley J. Erickson 博士也认为，新技术会帮助研究者减少对深度学习成为“黑盒子”的担心，让我们更了解深度学习内部。
另一方面，BWDISRUPT 近日发表的一篇预测文章则认为，“2018 年最大和最重要的趋势就是机器学习将从手工操作转变为系统化和自动化”。同时，深度学习将继续成为 2018 年最重要的机器学习技术。到目前为止，它在图像和影片分析、自然语言处理方面取得最大的成功，但随着技术商品化，将在越来越多应用领域取得进展。
此外，在机器学习内部，还有一个令人惊喜的趋势是中心学习（mata-learning）的发展，Google 研究科学家，加拿大高级研究机构机器学习和大脑计划副主任 Hugo Larochelle 认为，中心学习是总称，能解决如何从若干例子发现学习算法的问题，研究者开始使用深度时间卷积网络、图形神经网络进行一些元学习研究，未来该方法将被更多用于主动学习、冷启动项目推荐、少数分布预测、强化学习、分层 RL、模仿学习等。
应用：医疗、虚拟助手、自动驾驶
富比士的预测更偏向宏观和应用层面，认为 2018 年，人工智能和机器学习依然会霸占头条，而机器人则会霸占更多人类的工作。2017 年，很多巨头和创业公司在 AI 尝到甜头，因此将会投入更多，同时也会吸引更多企业“染指”AI，当然这将带来很多未经验证的技术和应用，导致风险上升。
具体应用领域，富比士认为，“人工智能正在以病人无法察觉的方式进入医疗领域”，比如机器视觉应用在医学影像、电子病历等，同时会看到康复机器人开始出现在病患家中，帮助病人康复。
此外，富比士还认为，人与机器的互动将全面转向语音，在自然语言生成和自然语言处理算法不断进步下，机器更能理解人类意图，并用人类可理解的方式交谈。Nvidia 高阶研究科学家 Alejandro Troccoli 也表示，人工智能个人助理将变得更智慧，更了解“主人”，能知道厨房有什么东西，习惯周几做饭，甚至回家前就下单备好食材。
麻省总医院与布列根和妇女医院临床数据科学执行主任 Mark Mivhalski 认为，2018 年是人工智能从算法走向产品的一年，概念将变成真实存在的解决方案，并能为医生所用。俄亥俄州立大学 Wexler 医学中心的放射学博士 Luciano Prevedello 则认为，从 2018 年开始，人工智能将开始融入临床系统，成为医疗常规系统。
此外，Orange Silicon Valley 首席首席执行官 Georges Nahon 预测，得益于生物辨识技术，未来生物辨识技术将取代信用卡、驾照和条码，改变安全验证的方式，并彻底改变零售业。
自动驾驶方面，百度先前宣布将在 2018 年达成无人车量产，该量产车为百度与金龙客车合作的无人驾驶巴士，进而将中国无人车量产的时间线提前了两年。此外，通用等传统车厂也将陆续量产无人车。
人才：巨大缺口、跨界流动
工作被人工智能取代的“恐慌”中，其实无法掩盖科技行业人工智能人才的大量缺口，即便薪水已高到令人咋舌。根据腾讯和 BOSS 直聘发表的《全球人工智能人才白皮书》显示，全球 AI 人才约 30 万，以 1：2 的比例分散在学术界和产业界，而市场需求为百万。
根据《好奇心日报》采访 Michael Page（中国）区域总监陈慧洁的报导，AI 领域的薪酬属于金字塔顶端 1% 水准，同时还外加股权激励及全球入职的自由度。
AI 的发展，一方面取代某些工作，另一方面也制造了很多工作，但非常明显，他们不是同一类人。人才的稀缺及高薪刺激，将吸引其他专业的人才跨界流动，例如数学、物理、神经科学的毕业生，或许都能在 AI 企业找到合适的工作。
整体来看，各大媒体、调查机构、专业人士对 2018 年都充满乐观，但也有些人指出，在人工智能发展同时，数据安全、生物特征安全却极少被提及，在热闹中被掩盖。关于数据的立法、道德是急需探讨的问题，或许也应该在新的一年，让大众重视这点。
（本文由 雷锋网 授权转载；首图来源：shutterstock）
延伸阅读：
- 2018 年，人工智能将为这 5 个难题绞尽脑汁
- 李飞飞的年终总结：AI 承载巨大的梦想，还需要更多支援和参与
- 李开复：人工智能领域，2018 年什么值得投？
- 腾讯 AI 人才白皮书，定调美、中、日、英将主导世界
