IBM Research 2019 AI预测

原文选自TechRepublic

编译|三七

责编|麦迪文

整个2018年，AI虽略有降温和负面新闻，但热度依旧，芯片、平台、算法频频更新，各家研究人员们都在加速机器学习训练，在预测网络安全攻击和消除偏见等方面取得突破。

上周四Dario Gil（COO and VP of AI and quantum at IBM Research）发表文章说，2019年会将今天“狭隘”的人工智能带进更“广泛”的人工智能新时代，开发商、企业和消费者都能充分利用这项技术的潜力，进入产业互联网下半场。

广泛的人工智能的特点是能够进行更广泛的学习，并进行推理，整合多种形式的交互，接收不同领域的信息，同时更兼具可解释性、安全性、公平性（没有偏见，这事儿闹得沸沸扬扬）、可审计性以及可扩展性。

根据Gil的观点，以下是IBM研究人员在新的一年里要寻求推动行业发展的三个方向和趋势。

因果关系关系将越来越取代相关关系

Gil在文章中写到，今天的人工智能理论方法基本上是基于相关性，缺乏对因果关系的深刻理解。新兴的因果推理方法让我们能够从数据中推断出因果结构，从而选择有效的干预措施来检验因果关系，同时利用因果结构做出更智慧的决策。

Gil表示，在2019年，因果建模将成为AI研究的核心之一。

而Gil的观点和舍恩伯格（Viktor Mayer-Schönberger）在他的《大数据时代》描述的观点相左，书中部分章节提及“数据更好不是因果关系，而是相关关系”，在海量数据中，不必深究其本质，重点要关注相关性。“全样而非抽样，效率而非精确，相关而非因果”，这是舍恩伯格的总结。

其实二人观点在深究之下并没有很强烈的冲突，至少都是在清楚认识数据（人和人，人和物，人与事，物和物，物和事，事和事）之间的联系，更清晰的看待世界。

可信任的AI抢占C位

隐私泄露事件今年爆出不少，很多公司在面对数据泄露的回应方式，都是建立一个伦理咨询委员会（ethics advisory boards），也有更多的公司在“算法公平性”上加大投资，即算法的可解释性、透明度。

Gil写到，在2019年，我们会慢慢看到“公司如何建立、培训和部署AI技术”成为核心问题，我们希望在AI领域研究的进展能够逐渐转化为落地的产品和平台，同时鼓励技术团队的多样性和包容性，能确保不同观点的整合，最终指导发展。

量子助力AI

Gil表示，量子计算实验和研究将在2019年崛起，同时还有关于量子如何在训练和运行AI模型中发挥作用的新研究。

本月8号相关报道，中科院郭光灿院士的团队基于对半导体及超导量子比特的长期研究，近期成功研制出一套精简、高效的量子计算机控制系统，可以实现对量子芯片的操控并发挥其性能优势。

随着人工智能问题的复杂性的增加，量子计算——数千家企业已经通过IBM的云量子计算服务访问——可能会改变我们处理AI计算任务的方式。

乌镇智库 资讯推荐

“深度学习之父”大谈AI：寒冬不会出现，论文评审机制有损创新

最新「NatureIndex中国」出炉：北大领跑50所国内顶级研究机构

Atari游戏得分提升两个数量级：UberAI的新强化学习算法Go-Explore

推荐阅读

49秒|世界1000所大学走过的1000年

尼克谈人工智能的历史、现实与未来