未来人工智能会研究什么？

    为人类和有前途的人工智能技术带来更流畅的交互同样也是教育领域的一大关键难题，这个领域在这段时间也出现了一些可观的进展。尽管素质教育总是需要人类教师的活跃参与，但人工智能有望改善所有层次的教育，尤其是通过大规模提供个性化教育。

    交互式机器导师现在已经被用于根据匹配的学生教授科学、数学、语言和其他学科。自然语言处理、机器学习和众包也已经极大地促进了在线学习，让教育水平更高的教师可以将他们的教室扩大很多倍，同时还能应对单个学生的学习需求和风格。在接下来的十五年的典型北美城市里，这些技术在教室和家庭里的应用将很有可能得到极大的扩展，只要它们能够有意义地和面对面的学习进行整合。

    除了教育方面，在协助低资源社区上，人工智能方法也存在很多机会——通过为各种社会问题提供缓解方案和解决方案。传统上，投资者对缺乏商业应用的人工智能研究投资不足。有了针对性的激励和资助重点，人工智能可以帮助解决低资源社区的需求，这方面一些新兴的工作是很有希望的。

    比如，使用数据挖掘和机器学习，人工智能可以创造预测模型来帮助政府机关解决防止儿童铅中毒和高效食物分配等问题。这些萌芽中的工作认为还有更多的事情要做，尤其是当机构和组织也能参与进来并与这些社区建立起信任时。

    获取公众信任也是公共安全领域内人工智能应用的一大难题。北美城市和联邦机构已经开始在边境管理和执法部署人工智能技术。到2030年，他们将在很大程度上依赖于它们，包括用于侦察的改进过的相机和无人机、用于检测金融诈骗的算法和预测性警务。

    后者带来了对无辜的人进行无理的监控的问题，我们必须小心谨慎不要给系统引入人为偏见，并保护公民自由。部署良好的人工智能预测工具有望给数据和推断带来新形式的透明，并可能被应用于检测、删除和减少人类偏见，而不是增强它。

    在人工智能对就业和工作场所的影响上的社会和政治决策也是类似，比如需要安全网来保护人们免受经济结构变化的影响。人工智能有望在一些特定类型的工作中取代人类，比如驾驶汽车或卡车。但是，在许多领域，人工智能在短期内很有可能将取代很多任务，但不能取代工作岗位，而且还将创造新类型的工作。

    但这些将会出现的新型工作目前还比将可能失去的工作更难预想。人工智能还将降低许多货物和服务的成本，有效地使每个人都过得更好。更长期来看，人工智能可能会被视为一种非常不同的财富创造机制，其中每个人都应该从全世界的人工智能所创造的财富中分一杯羹。对于人工智能技术的经济成果的分配方式，不久之后已经就应该会有相关的社会争论出现了。

    娱乐已经被社交网络和其它用于共享和浏览博客、视频和照片的平台转变了；这些平台依赖于NLP、信息检索、图像处理、众包和机器学习等领域内正被活跃开发的技术。一些传统的娱乐资源已经开始拥抱人工智能，包括谱曲、创作舞台表演、甚至根据自然语言文本生成3D场景。

    人们对人工智能驱动的娱乐的热情让人惊叹。和人工智能的许多方面一样，在技术对社交的替代或增强方面也一直存在着争议。人工智能能让娱乐越来越交互式、越来越个性化、越来越有参与感。应该引导一些研究来理解如何利用这些性质为个人和社会利益服务。

人工智能接下来的研究？

    助力人工智能革命的研究也在快速发展。其中最重要是机器学习的成熟，它受到了数字经济崛起的部分影响。数字经济和机器学习都提供并利用大量的数据。其他因素包括云计算资源的崛起，以及消费者对语音识别和导航支持这样的技术服务的需求。

    机器学习由于人工神经网络的成功经验前进了一大步，如今能够使用大型数据集和大规模计算对其进行训练。这一方法也就是我们所熟知的深度学习。信息处理算法的性能也因为传感、感知、目标识别等这些基础操作的硬件技术的重大进步，而取得了跳跃性进展。

    数据驱动产品的新型平台和市场以及经济激励发现新的产品和市场，也刺激着研究的发展，如今，随着它称为了社会的核心力量，人工智能领域转向了建立能与人高效合作的、具有更广泛人类意识的智能系统，包括开发人教机器人的交互与可延展方式的创造性方法。

    这些趋势引发了如今人工智能基础方法与应用领域研究的热门：

    大规模机器学习涉及到学习算法的设计，延展已有的算法，在极大型的数据集上做研究。

    深度学习是一类学习方法，促进了在图像、视频标记和运动中的目标识别，并且在其他感知领域都有重大影响，比如音频、语音和自然语言处理。

    强化学习是一个框架，能将机器学习的重点从模式识别转变到经验驱动的序列决策上。它有望推动人工智能应用的前进，在现实世界中做出决策。虽然在过去数十年，强化学习限制于学术界，但如今我们也看到了一些实际的成果。

    机器人目前主要涉及到如何训练机器人以一种更泛型的、预测性的方式与周围世界进行交互，如何在交互环境中促进对目标的操控，以及如何与人进行交互。机器人的进步将依靠相应的技术进步，从而改进计算机视觉和其他形式的机器感知的可靠性与普遍性。

    计算机视觉是目前机器感知中最突出的形式。它是受到深度学习崛起影响最大的人工智能子领域，实现了史上第一次计算机能够比人类更好的完成视觉任务。如今更多的研究集中在图片和视频的自动化文字描述上。

    自然语言处理通常与自动语音识别相结合，快速成为有大型数据集的普遍使用的口语语言上的一种商品。目前的研究转向了开发能够与人通过对话交互的精致、可用的系统，而不仅是对程式化的问答做回应。在多种不同语言间进行机器翻译也已经取得了重大进展，在不远的将来将有更多的实时的个人到个人交流。