年轻人一般能够适应新兴的科学技术，但技术还能给这个社会上更多的人带来帮助，比如有听力损伤的人。我们应该更多地将技术应用来帮助那些真正需要的人。

最近一段时间深度强化学习方面出现了很多新的突破和应用，即使简单地将视觉观察和控制结合就可以实现很多可以直接帮助他人的应用，比如帮助腿脚不方便的人开门等；实际上，整个医疗健康领域都很有潜力。

学术方面，监督学习已经取得了非常大的成功，但在无监督学习方面还有很大的潜力尚未被发掘。我们还可以投入更大的精力取得更大的成就。虽然目前无监督学习还不是那么成功，但我们在学术上可以更加激进地尝试无监督学习。

黄学东，微软首席语音科学家

人工智能的重大进展正在一步步影响我们的生活。2016 年，在 Switchboard 公开评测任务上，微软的语音识别核心技术达到人类水平是具有历史意义的事件。在产业化方面，微软公司的认知服务、认知工具包 CNTK、和微软云 Azure，正在为广大人工智能开发者提供更强大的分布式人工智能平台。

在新的一年中，我相信随着语音、语言、图像理解等核心技术和硬件的进展，聊天机器人和企业级智能客服的可用性将达到前所未有的高度——人工智能将是解放生产力的重要力量。

侯晓迪，图森未来 联合创始人兼 CTO

2016 年是数据红利年。我们终于有机会把此前处理不了的各种数据，统统扔到巨型的神经网络里，消化提炼出额外 10%~20%，甚至 50% 的性能增长。

然而数据的红利是有限的，尤其当各行各业的「baseline model」完成向深度学习的升级换代后（因为深度学习简单易部署，这个过程会尤其快），我们下一步该往何处去？在 2017 年，这个问题的答案就会初现端倪。

除了非监督学习、迁移学习、对抗学习等炙手可热的研究问题外，在 2017 年我最期待「结构化知识」与「非结构化数据」的结合。数据使用效率之于深度学习，会像燃料使用效率之于蒸汽机一样，对整个世界的工业产生最直接的影响。

洪小文，微软全球资深副总裁 微软亚洲研究院院长兼微软亚太研发集团主席

2016 年是「人工智能」概念诞生的 60 周年, 这一年我们见证了人工智能在基础研究以及应用层面的许多突破与进步。互联网、大数据和传感器的随处可见，基于云平台的大规模计算能力的提升以及相关领域算法的突破性发展将人工智能带上了快车道。人工智能技术正席卷全球，改造着各行各业，以及我们的生活。

新的一年，微软将继续全力拓展人工智能的前沿科学研究，将更多技术创新转化为可以服务于企业和人们生活的应用与服务，不断推动实现人工智能普及化的进程。我们也始终坚信，科学探索的旅程是无止境的，人与机器的协同和共进化，将是赋能未来的最佳途径。

Ian Goodfellow，OpenAI 研究科学家

在刚刚过去的 2016 年，强化学习已成为主流：AlphaGo、Gym、Universe 和 Labyrinth 都是它发展过程中的里程碑。对抗性训练正被更多人接受，在 ICLR 2017 大会的参选论文中，「对抗」一词出现的频率超过了「卷积」。硬件方面，GPU 需求缺口扩大，英伟达的股票狂飙不止。

在 2017 年，我认为这个行业将会吸引更多的人才，更多的初创公司将被收购。科技领域外的公司将会加入机器学习的大潮，利用新技术开展自己的业务。而在学术上，我认为会出现新的学术分支，如机器学习安全和隐私。

Jeff Dean，直播，谷歌大脑负责人

就像中国的人工智能从业者那样，我们有相同的信念去设计建造一个智能系统，从而提升人们的生活质量。不仅我们团队将会致力于设计这样一个智能系统，同时在社区内分享的人也都会致力于它。我认为作为新一年的开端，回顾 2016 年的成果并展望新一年的期待总是很好的。

Jean-Sébastien Cournoyer，人工智能孵化器 Element AI 联合创始人