重磅发布：《麻省理工科技评论》发布2017年全球十大突破性技术榜单.pdf

重磅发布： 《麻省理工科技评论》发布2017年全球 十大突破性技术榜单 原创2017-02-21DeepTech 深科技 今天下午，北京大雪纷飞，作为 《麻省理工科技评论》在中国大陆地区的独家 运营方，DeepTech 深科技联合IBM 中国研究院、网易科技、人民邮电出版社、 云享客、数字家圆在国贸三期中国宴会厅举办了2017 年《麻省理工科技评论》 全球十大突破性技术榜单发布会。 科大讯飞、百度、驭势科技、乐视、地平线、中科创星、华创资本、和米资本、 地平线、易宝支付、清华大学、中国科技大学、中科院、中科晶云、合生基因、 元码基因、金准基因、华兴资本、浅石创投等数十家机构的嘉宾参与了这次发 布会。 作为全球最为著名的技术榜单之一， 《麻省理工科技评论》全球十大突破性技 术具备极大的全球影响力和权威性，至今已经举办了超过16 年。每年上榜的有 的已经在现实中得以应用，有的还尚需时日，但他们的重要性都毋庸讳言，注 定将在未来对我们的经济政治生活产生重大的影响，甚至会彻底改变整个社会 的文化面貌。 《麻省理工科技评论》中美双方联合全球领域权威产业人士对此榜单进行了深度的挖掘和 剖析，所形成的内容将交由人民邮电出版社正式出版。 DT 君的美国合作伙伴MIT Technology Review 出版人兼主编就十大突破技术中国首发 进行专门的致辞，并就榜单内容做了简单的介绍。 强化学习Reinforcement Learning 技术突破：强化学习 （Reinforcement Learning ，RL）是一种人工智能方法， 能使计算机在没有明确指导的情况下像人一样自主学习。 重要意义：假如机器不能够自主通过环境经验磨练技能，自动驾驶汽车以及其他 自动化领域的进展速度将受到极大地限制。 主要研究者： - DeepMind - 科大讯飞 - Mobileye - 阿里巴巴 - OpenAI - 微软亚洲研究院 - Google - 中科院 - Uber - 百度 成熟期：1~2 年 强化学习技术，正是AlphaGo 能够掌握复杂的围棋游戏，并击败世界最强职业 选手的关键。如今，强化学习正在迅速发展，并逐步将人工智能渗透到除了游戏 之外的各个领域。除了能够提升自动驾驶汽车性能，该技术还能让机器人领会并 掌握以前从未训练过的技能。 本质上，强化学习技术是从自然界中学习的一种基本法则。心理学家爱德华·桑 代克 （Edward Thorndike）在100 多年前也注意到了这一点。在最著名的 迷箱实验中，桑代克将猫放在一个迷箱中，猫只能通过按压一个控制杆才能逃脱。 观察结果显示，经过相当长时间的来回徘徊，动物最终总会偶然地踩到控制杆， 然后逃脱。 一些最早期的人工智能研究者认为，迷箱实验的过程有可能在机器中有效地重 现。早在1951 年，马文·明斯基 （Marvin Minsky）创造了世界上第一台具 有学习能力的机器，利用简单形式的强化学习方法模拟了一只老鼠如何学习走出 迷宫。 然而，随后的几十年里这个领域几乎没有什么喜人的成绩。1992 年，IBM 的 研究员杰拉尔德·特索罗 （Gerald Tesauro）演示了一个使用人工智能技术玩西 洋双陆棋的程序。很快，这个程序就玩的非常熟练，并足以与最好的人类玩家竞 赛。这是人工智能发展史上一个里程碑式的成就。 强化学习技术之所以行得通，是因为研究人员找出了如何让计算机程序计算出每 种状态下应该分配的强化值的方法。还是以迷箱实验为例，在走出迷宫的过程中， “模拟老鼠”每一次做出“向左转”或者“向右转”动作时，计算机程序会做出奖或 惩的评价。并且，所有分配的强化值都存储在一张大表格中，然后计算程序会随 着学习的过程逐步更新这些数据。 但对于大型复杂的任务，这种方法在计算上是不切实际的。然而，近几年来，深 度学习技术被证明是一种用来识别数据模式的极其高效的方式，无论这里的数据 指的是迷宫中的转弯、围棋棋盘上的位点，还是计算机游戏中屏幕上的像素，亦 或是自动驾驶时面临的复杂路况。 在国内，以科大讯飞为例，这家公司已经针对强化学习在多个方向展开了研究和 应用，包括人机对话系统、智能客服系统、机器辅助驾驶、机器人控制等方向， 都已有了应用研究。以对话系统这样一个多轮人机交互系统为例，它就是一个非 常典型的强化学习应用案例。 传统的任务完成型对话系统，用户需要在一次交互过程中把自己的需求描述清 楚，这样的交互不