编者按：知名创投研究机构CBInsights调研了25种最大的AI趋势，以确定年该技术的下一步趋势，他们根据行业采用率和市场优势评估了每种趋势，并将其归类为必要、实验性、威胁性、暂时的，网易智能整理翻译，参与小小、Meadowdow、怿立、nariiy、Aaliyah。
胶囊网络将挑战最先进的图像识别算法
1、开源框架（Open-SourceFrameworks）
人工智能的进入门槛比以往任何时候都低，这要归功于开源软件。年谷歌开放了其机器学习库TensorFlow，越来越多的公司，包括Coca-Cola、eBay等开始使用TensorFlow。年Facebook发布caffe2和PyTorch（Python的开源机器学习平台），而Theano是蒙特利尔学习算法研究所(Mila)的另一个开源库，随着这些工具的使用越来越广泛，Mila公司已经停止了对Theano的开发。
2、胶囊网络(CapsuleNetworks)
众所周知，深入学习（DeepLearning）推动了今天的大多数人工智能应用，而胶囊网络（capsulenetworks）的出现可能会使其改头换面。深入学习界领航人GeoffreyHinton在其年发布的论文中提到“胶囊”这个概念，于年-年论文中提出“胶囊网络”概念。针对当今深度学习中最流行的神经网络结构之一：卷积神经网络(CNN)，Hinton指出其存在诸多不足，CNN在面对精确的空间关系方面就会暴露其缺陷。比如将人脸图像中嘴巴的位置放置在额头上面，CNN仍会将其辨识为人脸。CNN的另一个主要问题是无法理解新的观点。黑客可以通过制造一些细微变化来混淆CNN的判断。经测试，胶囊网络可以对抗一些复杂的对抗性攻击，比如篡改图像以混淆算法，且优于CNN。胶囊网络的研究虽然目前还处于起步阶段，但可能会对目前最先进的图像识别方法提出挑战。
3、生成式对抗网络(GenerativeAdversarialNetworks)
年，谷歌研究员IanGoodfellow提出“生成式对抗网络”（GAN）概念，利用“AIVSAI”概念，提出两个神经网络：生成器和鉴别器。谷歌DeepMind实习生AndrewBrock与其他研究人员一起合作，对Gans进行了大规模数据集的培训，以创建“BigGANs”。GANs面对的主要挑战就是计算能力，对于AI硬件来说必须是并行缩放。研究人员用GANs进行“面对面翻译”，还有利用GANs将视频变成漫画形式，或者直接进行绘画创作等，但GANs也被一些不怀好意的人利用，包括制作假的政治录像和变形的色情制品。
4、联合学习(FederatedLearnnig)
我们每天使用手机或平板会产生大量数据信息，使用我们的本地数据集来训练AI算法可以极大地提高它们的性能，但用户信息是非常私人和隐秘的。谷歌研发的联合学习（FederatedLearning）方法旨在使用这个丰富的数据集，但同时保护敏感数据。谷歌正在其名为Gboard的Android键盘上测试联合学习。联合学习方法与其他算法的不同在于考虑了两个特征：非独立恒等分布（Non-IID）和不均衡性（Unbalanced）。联合学习已运用于搜索引擎Firefox、人工智能创业公司OWKIN等。
5、强化学习(ReinforcementLearning)
当谷歌DeepMind研发的AlphaGo在中国围棋游戏中击败世界冠军后，强化学习（ReinforcementLearning）获得了广泛