AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】本文作者为龙星镖局。过去的2016是属于AI的，我们能透过不同渠道感受到AI浪潮。似乎经过去年的发展，AI已经取得了很大进步，那么，2017我们还能期待些什么？

　　1. 从人机大战到机机大战

　　从AlphaGo到Master，Google DeepMind引领着全球的AI浪潮，其先后战胜了全世界各大棋王，取得了令人难以忘记的颠覆性胜利。虽然面对这个结果，人类还未放弃，而且依然还有不少专家为人类棋手支招，试图偷上几场胜利，但在围棋领域，机器的智慧已经超越人类是不争的事实。 笔者在国外的朋友也告诉我说：DeepMind团队目前已经比较满意Master的表现，很可能在不久的未来不再对其投入过多的人力和资源进行更新优化。

　　按照先前的约定，2017上半年柯洁还会和AlphaGo(或许现在应该叫Master了)来上一战，但还有多少人期待最终的战果呢？ 与其再看一场波澜不惊的机器虐人大战，何不来场还有点悬念的机机大战呢？事实上，这场机机大战很可能上演，而且对手可能离我们还不远。具体是谁虽未有定论，我们不妨借镖局当时发起的关于“Master是谁”的投票结果来大胆猜测一下吧。

　　2.AI原材料数据交易市场的破处？

　　去年继续有像FeiFei Li、Alex Smola这样的知名学者加入工业界，一方面是由于开的薪水的确不错，一方面则是由于工业界大数据的吸引力。按照当前AI work的机制来说，可谓“得数据者得天下”。所以我们会经常看到创业公司一方面四处找人才，一方面是四处找数据。事实上，一些不太在明处的数据交易已经在快速跟上， 但目前的数据交易还是非常简单粗暴，数据有多大价值、如何定价、如何合法、如何保证隐私等诸多问题都没有解决（或许可以参考计算广告领域的数据购买的一些机制）。2017年，非常期待AI数据交易市场能有好的进展。

　　3.AI开源大格局明朗

　　2016年是各种AI软件集中爆发的一年，甚至引起了圈内大咖的某些担忧，如网上爆出来的余凯老师的声明。截止目前，笔者认为AI开源趋势基本清晰，被大公司选择的那几款的大软件已经站好了队，2017的开源格局会进一步明朗。后来的开源者会更多集中在子方向的精耕细作，想再做出类似TF这样的大软件的机会不能说没有，但后来者的机会很小。

　　4.AI研究实验平台的发展

　　2017我会前所未有地期待更加接地气的研究实验平台的进展。这里的接地气不是指一定要靠近实用，而是希望有更适合科学研究的能公开、公平、公正的实验平台。希望在新的平台下， 研究者实验的代价进一步降低，把做实验很多繁琐的预处理步骤的效率提升，把实验结果的客观性做到最大。另一方面，学术界也真的急需统一实验平台的支持。不少实验室现在做实验的成本很高，比仿说要搞深度学习吧，你得买几块GPU吧，买完后你还得搭环境吧，j2直播，然后你还得搞点大数据吧，诸如此类的事情会把实验的成本推的很高。很期待产学研能深度合作，搞一个这样的平台出来，解放研究者。

　　5.GAN继续红火

　　生成对抗网络(Generative Adversarial Networks, GAN) 被认为是近年来最令人amazing的突破，其在学习机制上的创新意义是异常巨大的，可以说是一场革命。但目前GAN还有诸多问题，很多人看了GAN的科普材料，不知道有几人认认真真读了GoodFellow的原始tutorial？笔者春节期间用了两天时间精读了一把，但完后的感觉是：不读不知道，一读吓一跳。GAN的坑很大，非常大，除了做法是已知外，基本剩下的都是未知了。GAN的应用肯定会继续推进，我们也不用担心其show出来的效果。但圈内人更加期待的是GAN为什么能work，就是不知道也行，你能告诉我怎么训练能保证它work也可以，我想这方面的研究2017年不会少。

　　6.小数据学习会有进步