(文章來(lái)源:CDA數(shù)據(jù)分析師)
在競(jìng)爭(zhēng)日益激烈的技術(shù)市場(chǎng)中,從高科技初創(chuàng)公司到全球跨國(guó)公司都將人工智能視為關(guān)鍵競(jìng)爭(zhēng)優(yōu)勢(shì)。但是,人工智能行業(yè)發(fā)展如此之快,以至于很難跟蹤最新的研究突破和成就,甚至很難應(yīng)用科學(xué)成果來(lái)實(shí)現(xiàn)業(yè)務(wù)成果。在2020年為了幫助業(yè)務(wù)制定強(qiáng)大的AI策略,本文總結(jié)了不同研究領(lǐng)域的最新趨勢(shì),包括自然語(yǔ)言處理,對(duì)話式AI,計(jì)算機(jī)視覺(jué)和強(qiáng)化學(xué)習(xí)。
在2018年,經(jīng)過(guò)預(yù)訓(xùn)練的語(yǔ)言模型突破了自然語(yǔ)言理解和生成的極限。這些也主導(dǎo)了去年自然語(yǔ)言處理的進(jìn)展。如果是NLP開(kāi)發(fā)的新手,那么經(jīng)過(guò)預(yù)先訓(xùn)練的語(yǔ)言模型可以使NLP的實(shí)際應(yīng)用大大便捷,更快,更容易,因?yàn)樗鼈冊(cè)试S在一個(gè)大型數(shù)據(jù)集上進(jìn)行NLP模型的預(yù)先訓(xùn)練,然后快速對(duì)其進(jìn)行微調(diào)以適應(yīng)其他NLP任務(wù)。
來(lái)自頂級(jí)研究機(jī)構(gòu)和科技公司的團(tuán)隊(duì)探索了使最先進(jìn)的語(yǔ)言模型更加復(fù)雜的方法。計(jì)算能力的大幅度提高推動(dòng)了許多改進(jìn),但是許多研究小組還發(fā)現(xiàn)了更精巧的方法來(lái)減輕模型并保持高性能。
新的NLP范例是"預(yù)訓(xùn)練+微調(diào)"。在過(guò)去的兩年中,轉(zhuǎn)移學(xué)習(xí)主導(dǎo)了NLP研究。ULMFiT,CoVe,ELMo,OpenAI GPT,BERT,OpenAI GPT-2,XLNet,RoBERTa,ALBERT –這是最近介紹的重要的預(yù)訓(xùn)練語(yǔ)言模型的詳盡列表。盡管轉(zhuǎn)移學(xué)習(xí)無(wú)疑將NLP推向了新的高度,但由于要求大量的計(jì)算成本和龐大的帶注釋數(shù)據(jù)集所以它經(jīng)常會(huì)受到批評(píng)。
語(yǔ)言學(xué)和知識(shí)可能會(huì)提高NLP模型的性能。專家認(rèn)為,語(yǔ)言學(xué)可以通過(guò)改善數(shù)據(jù)驅(qū)動(dòng)方法的可解釋性來(lái)促進(jìn)深度學(xué)習(xí)。利用上下文和人類(lèi)知識(shí)可以進(jìn)一步提高NLP系統(tǒng)的性能。神經(jīng)機(jī)器翻譯展示了可見(jiàn)的進(jìn)步。同步機(jī)器翻譯已經(jīng)可以在現(xiàn)實(shí)世界中應(yīng)用。最近的研究旨在突破通過(guò)優(yōu)化神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu),利用視覺(jué)上下文以及為無(wú)監(jiān)督和半監(jiān)督機(jī)器翻譯引入新穎的方法來(lái)進(jìn)一步提高翻譯質(zhì)量。
會(huì)話式AI已成為跨行業(yè)業(yè)務(wù)實(shí)踐的組成部分。越來(lái)越多的公司正在利用聊天機(jī)器人為客戶服務(wù),為銷(xiāo)售和營(yíng)銷(xiāo)帶來(lái)的優(yōu)勢(shì)。即使聊天機(jī)器人已成為領(lǐng)先企業(yè)的"必備"資產(chǎn),但其性能仍然與人類(lèi)相去甚遠(yuǎn)。來(lái)自主要研究機(jī)構(gòu)和技術(shù)領(lǐng)導(dǎo)者的研究人員已經(jīng)探索了提高對(duì)話系統(tǒng)性能的方法:對(duì)話系統(tǒng)正在改進(jìn)跟蹤對(duì)話的長(zhǎng)期性。去年發(fā)表的許多研究論文的目標(biāo)是,通過(guò)更好地利用對(duì)話歷史和上下文,提高系統(tǒng)理解對(duì)話過(guò)程中引入的復(fù)雜關(guān)系的能力。
許多研究團(tuán)隊(duì)正在解決機(jī)器生成響應(yīng)的多樣性。當(dāng)前,現(xiàn)實(shí)世界中的聊天機(jī)器人通常會(huì)產(chǎn)生無(wú)聊且重復(fù)的響應(yīng)。去年,引入了幾篇優(yōu)秀的研究 論文,旨在產(chǎn)生多樣化而又相關(guān)的回應(yīng)。情感識(shí)別被視為開(kāi)放域聊天機(jī)器人的重要功能。因此,研究人員正在研究將同理心納入對(duì)話系統(tǒng)的最佳方法。該研究領(lǐng)域的成就仍然很小,但是在情感識(shí)別方面的巨大進(jìn)步可以顯著提高社交機(jī)器人的性能和受歡迎程度,并且還可以增加聊天機(jī)器人在心理治療中的使用。
在過(guò)去的幾年中,計(jì)算機(jī)視覺(jué)(CV)系統(tǒng)通過(guò)在醫(yī)療保健,安全,運(yùn)輸,零售,銀行,農(nóng)業(yè)等領(lǐng)域的成功應(yīng)用,徹底改變了整個(gè)行業(yè)和業(yè)務(wù)功能。最近引入的體系結(jié)構(gòu)和方法(例如EfficientNet和SinGAN)進(jìn)一步提高了視覺(jué)系統(tǒng)的感知能力和生成能力。
3D目前是CV領(lǐng)域的領(lǐng)先研究領(lǐng)域之一。今年,我們看到了幾篇有趣的研究論文,旨在從2D投影重建3D世界。Google研究小組采用了一種新穎的方法來(lái)生成整個(gè)自然場(chǎng)景的深度圖。Facebook AI團(tuán)隊(duì)提出了一種有趣的點(diǎn)云3D對(duì)象檢測(cè)解決方案。
無(wú)監(jiān)督學(xué)習(xí)方法的普及正在增長(zhǎng)。例如,斯坦福大學(xué)的一個(gè)研究小組介紹了一種有前途的局部聚合方法,可以在無(wú)監(jiān)督學(xué)習(xí)的情況下進(jìn)行對(duì)象檢測(cè)和識(shí)別。在另一篇出色的論文中,該論文獲得了ICCV 2019最佳論文獎(jiǎng)的提名,該論文采用無(wú)監(jiān)督學(xué)習(xí)來(lái)計(jì)算3D形狀之間的對(duì)應(yīng)關(guān)系。
計(jì)算機(jī)視覺(jué)研究已與NLP成功結(jié)合。最新的研究進(jìn)展使自然語(yǔ)言中的兩個(gè)圖像之間具有強(qiáng)大的更改字幕,3D環(huán)境中的視覺(jué)語(yǔ)言導(dǎo)航以及學(xué)習(xí)分層視覺(jué)語(yǔ)言表示的能力,從而可以更好地檢索圖像字幕和視覺(jué)基礎(chǔ)。
強(qiáng)化學(xué)習(xí)(RL)對(duì)于業(yè)務(wù)應(yīng)用程序而言,其價(jià)值仍然比有監(jiān)督的學(xué)習(xí)甚至無(wú)監(jiān)督的學(xué)習(xí)低。它僅在可生成大量模擬數(shù)據(jù)的區(qū)域(例如機(jī)器人技術(shù)和游戲)中成功應(yīng)用。這是有關(guān)NLP,對(duì)話式AI,計(jì)算機(jī)視覺(jué)和強(qiáng)化學(xué)習(xí)等最受歡迎的子主題---新AI和機(jī)器學(xué)習(xí)研究趨勢(shì)的概述 ,其中很多都對(duì)對(duì)業(yè)務(wù)都、有影響。
預(yù)計(jì)2020年應(yīng)用人工智能領(lǐng)域?qū)⒂懈嗤黄疲@些突破將基于2019年在機(jī)器學(xué)習(xí)方面取得的顯著技術(shù)進(jìn)步。
(責(zé)任編輯:fqj)
-
AI
+關(guān)注
關(guān)注
87文章
30747瀏覽量
268899 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8408瀏覽量
132568
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論