2018，仍是AI領域激動人心的一年。

這一年成為NLP研究的分水嶺，各種突破接連不斷；CV領域同樣精彩紛呈，與四年前相比GAN生成的假臉逼真到讓人不敢相信；新工具、新框架的出現，也讓這個領域的明天特別讓人期待……

近日，Analytics Vidhya發布了一份2018人工智能技術總結與2019趨勢預測報告，原文作者PRANAV DAR。量子位在保留這個報告架構的基礎上，對內容進行了重新編輯和補充。

這份報告總結和梳理了全年主要AI技術領域的重大進展，同時也給出了相關的資源地址，以便大家更好的使用、查詢。

報告共涉及了五個主要部分：

自然語言處理（NLP）

計算機視覺

工具和庫

強化學習

AI道德

下面，我們就逐一來盤點和展望，嘿喂狗~

自然語言處理（NLP）

2018年在NLP歷史上的特殊地位，已經毋庸置疑。

這份報告認為，這一年正是NLP的分水嶺。2018年里，NLP領域的突破接連不斷：ULMFiT、ELMo、最近大熱的BERT……

遷移學習成了NLP進展的重要推動力。從一個預訓練模型開始，不斷去適應新的數據，帶來了無盡的潛力，甚至有“NLP領域的ImageNet時代已經到來”一說。

■ ULMFiT

這個縮寫，代表“通用語言模型的微調”，出自ACL 2018論文：Universal Language Model Fine-tuning for Text Classification。

正是這篇論文，打響了今年NLP遷移學習狂歡的第一槍。

論文兩名作者一是Fast.ai創始人Jeremy Howard，在遷移學習上經驗豐富；一是自然語言處理方向的博士生Sebastian Ruder，他的NLP博客幾乎所有同行都在讀。

兩個人的專長綜合起來，就有了ULMFiT。想要搞定一項NLP任務，不再需要從0開始訓練模型，拿來ULMFiT，用少量數據微調一下，它就可以在新任務上實現更好的性能。

他們的方法，在六項文本分類任務上超越了之前最先進的模型。

詳細的說明可以讀他們的論文：

https://arxiv.org/abs/1801.06146

Fast.ai網站上放出了訓練腳本、模型等：

http://nlp.fast.ai/category/classification.html

■ ELMo

這個名字，當然不是指《芝麻街》里那個角色，而是“語言模型的詞嵌入”，出自艾倫人工智能研究院和華盛頓大學的論文Deep contextualized word representations，NLP頂會NAACL HLT 2018的優秀論文之一。

ELMo用語言模型（language model）來獲取詞嵌入，同時也把詞語所處句、段的語境考慮進來。

這種語境化的詞語表示，能夠體現一個詞在語法語義用法上的復雜特征，也能體現它在不同語境下如何變化。

當然，ELMo也在試驗中展示出了強大功效。把ELMo用到已有的NLP模型上，能夠帶來各種任務上的性能提升。比如在機器問答數據集SQuAD上，用ELMo能讓此前最厲害的模型成績在提高4.7個百分點。

這里有ELMo的更多介紹和資源：

https://allennlp.org/elmo

■ BERT

說BERT是2018年最火的NLP模型，一點也不為過，它甚至被稱為NLP新時代的開端。

它由Google推出，全稱是BidirectionalEncoderRepresentations fromTransformers，意思是來自Transformer的雙向編碼器表示，也是一種預訓練語言表示的方法。

從性能上來看，沒有哪個模型能與BERT一戰。它在11項NLP任務上都取得了最頂尖成績，到現在，SQuAD 2.0前10名只有一個不是BERT變體：

如果你還沒有讀過BERT的論文，真的應該在2018年結束前補完這一課：

https://arxiv.org/abs/1810.04805

另外，Google官方開源了訓練代碼和預訓練模型：

https://github.com/google-research/bert

如果你是PyTorch黨，也不怕。這里還有官方推薦的PyTorch重實現和轉換腳本：

https://github.com/huggingface/pytorch-pretrained-BERT

■ PyText

BERT之后，NLP圈在2018年還能收獲什么驚喜？答案是，一款新工具。

就在上周末，Facebook開源了自家工程師們一直在用的NLP建模框架PyText。這個框架，每天要為Facebook旗下各種應用處理超過10億次NLP任務，是一個工業級的工具包。

（Facebook開源新NLP框架：簡化部署流程，大規模應用也OK）

PyText基于PyTorch，能夠加速從研究到應用的進度，從模型的研究到完整實施只需要幾天時間。框架里還包含了一些預訓練模型，可以直接拿來處理文本分類、序列標注等任務。

想試試？開源地址在此：

https://github.com/facebookresearch/pytext

■Duplex

如果前面這些研究對你來說都太抽象的話，Duplex則是NLP進展的最生動例證。

名字有點陌生？不過這個產品你一定聽說過，它就是Google在2018年I/O開發者大會上展示的“打電話AI”。

它能主動打電話給美發店、餐館預約服務，全程流暢交流，簡直以假亂真。Google董事長John Hennessy后來稱之為“非凡的突破”，還說：“在預約領域，這個AI已經通過了圖靈測試。”

Duplex在多輪對話中表現出的理解能力、合成語音的自然程度，都是NLP目前水平的體現。

■2019年展望

NLP在2019年會怎么樣？我們借用一下ULMFiT作者Sebastian Ruder的展望：

預訓練語言模型嵌入將無處不在：不用預訓練模型，從頭開始訓練達到頂尖水平的模型，將十分罕見。

能編碼專業信息的預訓練表示將會出現，這是語言模型嵌入的一種補充。到時候，我們就能根據任務需要，把不同類型的預訓練表示結合起來。

在多語言應用、跨語言模型上，將有更多研究。特別是在跨語言詞嵌入的基礎上，深度預訓練跨語言表示將會出現。

計算機視覺

今年，無論是圖像還是視頻方向都有大量新研究問世，有三大研究曾在CV圈掀起了集體波瀾。

■ BigGAN

今年9月，當搭載BigGAN的雙盲評審中的ICLR 2019論文現身，行家們就沸騰了：簡直看不出這是GAN自己生成的。

在計算機圖像研究史上，BigGAN的效果比前人進步了一大截。比如在ImageNet上進行128×128分辨率的訓練后，它的Inception Score（IS）得分166.3，是之前最佳得分52.52分3倍。

除了搞定128×128小圖之外，BigGAN還能直接在256×256、512×512的ImageNet數據上訓練，生成更讓人信服的樣本。

在論文中研究人員揭秘，BigGAN的驚人效果背后，真的付出了金錢的代價，最多要用512個TPU訓練，費用可達11萬美元，合人民幣76萬元。

不止是模型參數多，訓練規模也是有GAN以來最大的。它的參數是前人的2-4倍，批次大小是前人的8倍。

■ Fast.ai 18分鐘訓練整個ImageNet

在完整的ImageNet上訓練一個模型需要多久？各大公司不斷下血本刷新著記錄。

不過，也有不那么燒計算資源的平民版。

今年8月，在線深度學習課程Fast.ai的創始人Jeremy Howard和自己的學生，用租來的亞馬遜AWS的云計算資源，18分鐘在ImageNet上將圖像分類模型訓練到了93%的準確率。

前前后后，Fast.ai團隊只用了16個AWS云實例，每個實例搭載8塊英偉達V100 GPU，結果比Google用TPU Pod在斯坦福DAWNBench測試上達到的速度還要快40%。

這樣拔群的成績，成本價只需要40美元，Fast.ai在博客中將其稱作人人可實現。

相關地址：

Fast.ai博客介紹：https://www.fast.ai/2018/08/10/fastai-diu-imagenet/

■vid2vid技術

今年8月，英偉達和MIT的研究團隊高出一個超逼真高清視頻生成AI。

只要一幅動態的語義地圖，就可獲得和真實世界幾乎一模一樣的視頻。換句話說，只要把你心中的場景勾勒出來，無需實拍，電影級的視頻就可以自動P出來：

除了街景，人臉也可生成：

這背后的vid2vid技術，是一種在生成對抗性學習框架下的新方法：精心設計的生成器和鑒別器架構，再加上時空對抗目標。

這種方法可以在分割蒙版、素描草圖、人體姿勢等多種輸入格式上，實現高分辨率、逼真、時間相干的視頻效果。

好消息，vid2vid現已被英偉達開源。

相關地址

研究論文：https://tcwang0509.github.io/vid2vid/paper_vid2vid.pdf

GitHub地址https://github.com/NVIDIA/vid2vid

■2019趨勢展望

Analytics Vidhya預計，明年在計算機視覺領域，對現有方法的改進和增強的研究可能多于創造新方法。

在美國，政府對無人機的限令可能會稍微“松綁”，開放程度可能增加。而今年大火的自監督學習明年可能會應用到更多研究中。

Analytics Vidhya對視覺領域也有一些期待，目前來看，在CVPR和ICML等國際頂會上公布最新研究成果，在工業界的應用情況還不樂觀。他希望在2019年，能看到更多的研究在實際場景中落地。

Analytics Vidhya預計，視覺問答（Visual Question Answering，VQA）技術和視覺對話系統可能會在各種實際應用中首次亮相。

工具和框架

哪種工具最好？哪個框架代表了未來？這都是一個個能永遠爭論下去的話題。

沒有異議的是，不管爭辯的結果是什么，我們都需要掌握和了解最新的工具，否則就有可能被行業所拋棄。

今年，機器學習領域的工具和框架仍在快速的發展，下面就是這方面的總結和展望。

■ PyTorch 1.0

根據10月GitHub發布的2018年度報告，PyTorch在增長最快的開源項目排行上，名列第二。也是唯一入圍的深度學習框架。

作為谷歌TensorFlow最大的“勁敵”，PyTorch其實是一個新兵，2017年1月19日才正式發布。2018年5月，PyTorch和Caffe2整合，成為新一代PyTorch 1.0，競爭力更進一步。

相較而言，PyTorch速度快而且非常靈活，在GitHub上有越來越多的開碼都采用了PyTorch框架。可以預見，明年PyTorch會更加普及。

至于PyTorch和TensorFlow怎么選擇？在我們之前發過的一篇報道里，不少大佬站PyTorch。

實際上，兩個框架越來越像。前Google Brain深度學習研究員，Denny Britz認為，大多數情況下，選擇哪一個深度學習框架，其實影響沒那么大。

相關地址

PyTorch官網：https://pytorch.org/

■ AutoML

很多人將AutoML稱為深度學習的新方式，認為它改變了整個系統。有了AutoML，我們就不再需要設計復雜的深度學習網絡。

今年1月17日，谷歌推出Cloud AutoML服務，把自家的AutoML技術通過云平臺對外發布，即便你不懂機器學習，也能訓練出一個定制化的機器學習模型。

不過AutoML并不是谷歌的專利。過去幾年，很多公司都在涉足這個領域，比方國外有RapidMiner、KNIME、DataRobot和H2O.ai等等。

除了這些公司的產品，還有一個開源庫要介紹給大家：

Auto Keras！

這是一個用于執行AutoML任務的開源庫，意在讓更多人即便沒有人工智能的專家背景，也能搞定機器學習這件事。

這個庫的作者是美國德州農工大學（Texas A&M University）助理教授胡俠和他的兩名博士生：金海峰、Qingquan Song。Auto Keras直擊谷歌AutoML的三大缺陷：

第一，還得付錢。

第二，因為在云上，還得配置Docker容器和Kubernetes。

第三，服務商(Google)保證不了你數據安全和隱私。

相關地址

官網：https://autokeras.com/

GitHub：https://github.com/jhfjhfj1/autokeras

■ TensorFlow.js

今年3月底的TensorFlow開發者會峰會2018上，TensorFlow.js正式發布。

這是一個面向JavaScript開發者的機器學習框架，可以完全在瀏覽器中定義和訓練模型，也能導入離線訓練的TensorFlow和Keras模型進行預測，還對WebGL實現無縫支持。

在瀏覽器中使用TensorFlow.js可以擴展更多的應用場景，包括展開交互式的機器學習、所有數據都保存在客戶端的情況等。

實際上，這個新發布的TensorFlow.js，就是基于之前的deeplearn.js，只不過被整合進TensorFlow之中。

谷歌還給了幾個TensorFlow.js的應用案例。比如借用你的攝像頭，來玩經典游戲：吃豆人（Pac-Man）。

相關地址

官網：https://js.tensorflow.org/

■2019趨勢展望

在工具這個主題中，最受關注的就是AutoML。因為這是一個真正會改變游戲規則的核心技術。在此，引用H2O.ai的大神Marios Michailidis（KazAnova）對明年AutoML領域的展望。

以智能可視化、提供洞見等方式，幫助描述和理解數據

為數據集發現、構建、提取更好的特征

快速構建更強大、更智能的預測模型

通過機器學習可解釋性，彌補黑盒建模帶來的差距

推動這些模型的產生

強化學習

強化學習還有很長的路要走。

除了偶爾成為頭條新聞之外，目前強化學習領域還缺乏真正的突破。強化學習的研究非常依賴數學，而且還沒有形成真正的行業應用。

希望明年可以看到更多RL的實際用例。現在我每個月都會特別關注一下強化學習的進展，以期看到未來可能會有什么大事發生。

■ OpenAI的強化學習入門教程

全無機器學習基礎的人類，現在也可以迅速上手強化學習。

11月初，OpenAI發布了強化學習 (RL) 入門教程：Spinning Up。從一套重要概念，到一系列關鍵算法實現代碼，再到熱身練習，每一步都以清晰簡明為上，全程站在初學者視角。

團隊表示，目前還沒有一套比較通用的強化學習教材，RL領域只有一小撮人進得去。這樣的狀態要改變啊，因為強化學習真的很有用。

相關地址

教程入口：https://spinningup.openai.com/en/latest/index.html

GitHub傳送門：https://github.com/openai/spinningup

■ 谷歌的強化學習新框架「多巴胺」

Dopamine（多巴胺），這是谷歌今年8月發布的強化學習開源框架，基于TensorFlow。

新框架在設計時就秉承著清晰簡潔的理念，所以代碼相對緊湊，大約是15個Python文件，基于Arcade Learning Environment (ALE)基準，整合了DQN、C51、 Rainbow agent精簡版和ICML 2018上的Implicit Quantile Networks。

為了讓研究人員能快速比較自己的想法和已有的方法，該框架提供了DQN、C51、 Rainbow agent精簡版和Implicit Quantile Networks的玩ALE基準下的那60個雅達利游戲的完整訓練數據。

另外，還有一組Dopamine的教學colab。

相關地址

Dopamine谷歌博客：https://ai.googleblog.com/2018/08/introducing-new-framework-for-flexible.html

Dopamine github下載：https://github.com/google/dopamine/tree/master/docs#downloads

colabs：https://github.com/google/dopamine/blob/master/dopamine/colab/README.md

游戲訓練可視化網頁：https://google.github.io/dopamine/baselines/plots.html

■2019趨勢展望

DataHack Summit 2018發言人、ArxivInsights創始人Xander Steenbrugge，也是一名強化學習專家，以下是來自他的總結和展望。

1、由于輔助學習任務越來越多，增加了稀疏的外在獎勵，樣本的復雜性將繼續提高。在非常稀疏的獎勵環境中，效果非常好。

2、正因如此，直接在物理世界訓練將越來越可行，替代當前大多先在虛擬環境中訓練的方法。我預測2019年，會出現第一個只由深度學習訓練，沒有人工參與而且表現出色的機器人demo出現。

3、在DeepMind把AlphaGo的故事延續到生物領域之后（AlphaFold），我相信強化學習將逐步在學術領域外創造實際的商業價值。例如新藥探索、電子芯片架構優化、車輛等等……

4、強化學習會有一個明顯的轉變，以前在訓練數據上測試智能體的行為將不再視為“允許”。泛化指標將成為核心，就像監督學習一樣。

AI道德

AI被濫用事故在2018年被頻頻爆出：Facebook AI助特朗普當選美國總統、Goggle與美國軍方聯手開發AI武器、微軟為移民和海關執法局（ICE）提供云計算和人臉識別服務……

每一次事故都會重新掀起一波對AI道德準則的討論高潮，一些硅谷科技公司也再次期間制定了企業AI準則。

Analytics Vidhya認為，AI道德現在還是一個灰色地帶，目前還沒有所有人可以遵循的框架，2019年將有更多企業和政府制定相關條例。

AI道德規范的制定，現在才剛剛起步。