身影無處不在。事實(shí)上，如今我們只是剛剛看到美國聯(lián)邦航空局開始為無人機(jī)的商業(yè)行為網(wǎng)開一面，開始著手制定法規(guī)。目前已經(jīng)有超過2500架商用無人機(jī)獲取了美國聯(lián)邦航空局的準(zhǔn)飛許可，與去年的宣傳形成鮮明對比的是在媒體口中無人機(jī)從「很酷的玩意兒」變成了「頭疼的玩意兒」。
2015年的無人機(jī)市場正進(jìn)入爆發(fā)的前期：創(chuàng)業(yè)公司不斷涌現(xiàn)、市場領(lǐng)跑者不斷攻城略地、包括亞馬遜、谷歌在內(nèi)的互聯(lián)網(wǎng)巨頭從不同維度進(jìn)入市場、大量消費(fèi)級無人機(jī)上架售賣以及美國聯(lián)邦航空管理局啟動的無人機(jī)注冊規(guī)定…..從政府、企業(yè)再到消費(fèi)者，無人機(jī)的影響越來越大，我們也有理由相信接下來的一年會有更多突破。
6. 沃森很忙
IBM的沃森正在快速成長中，過去一年「他」先后在五星級酒店的后廚、律師事務(wù)所以及大型醫(yī)院服役，能夠自己創(chuàng)作菜譜，分析法律文本，以及診斷腫瘤等。此外，沃森還變身體育教練、仿生學(xué)家、反恐專家等。
與此同時，依托其強(qiáng)大的認(rèn)知計算能力，沃森還成為諸多創(chuàng)業(yè)公司的好「基友」。IBM推出了一個基于云端的平臺Bluemix給開發(fā)者使用沃森創(chuàng)造新的「智能」應(yīng)用的機(jī)會。去年1月份，IBM投入了10億美元資金用于進(jìn)一步研發(fā)Waston，包括1億美元用于迅速啟動認(rèn)知應(yīng)用生態(tài)系統(tǒng)。目前，Waston生態(tài)系統(tǒng)包括350家公司，77000名開發(fā)人員，他們正在設(shè)計并構(gòu)建IBM所謂的「基于云計算的認(rèn)知計算應(yīng)用」，范圍從醫(yī)療工業(yè)到金融服務(wù)和零售業(yè)。12月份，沃森物聯(lián)網(wǎng)全球總部在慕尼黑開張，同時開放一些強(qiáng)大的包括語音識別、機(jī)器學(xué)習(xí)、預(yù)測和分析服務(wù)、視頻和圖像識別服務(wù)以及非結(jié)構(gòu)化文本數(shù)據(jù)分析服務(wù)在內(nèi)的API，通過開放化的人工智能技術(shù)進(jìn)軍物聯(lián)網(wǎng)。
7. 微軟亞洲研究院的152層「深度殘差網(wǎng)絡(luò)」獲得2015ImageNet冠軍
過去幾年，神經(jīng)網(wǎng)絡(luò)的復(fù)興讓圖像和語音識別等技術(shù)的精度實(shí)現(xiàn)了大幅度飛躍。而在2015 ImageNet計算機(jī)視覺識別挑戰(zhàn)賽上，微軟亞洲研究院以152層「深層殘差網(wǎng)絡(luò)（deep residual networks）」系統(tǒng)，獲得圖像分類、圖像定位以及圖像檢測全部三個主要項目的冠軍，其視覺計算組的系統(tǒng)錯誤率已經(jīng)低至3.57%，遠(yuǎn)遠(yuǎn)低于去年的6.6%。
殘差學(xué)習(xí)最重要的突破在于重構(gòu)了學(xué)習(xí)的過程，并重新定向了深層神經(jīng)網(wǎng)絡(luò)中的信息流。它很好地解決了此前深層神經(jīng)網(wǎng)絡(luò)層級與準(zhǔn)確度之間的矛盾。孫劍表示，從我們極深的深層神經(jīng)網(wǎng)絡(luò)中可以看出，「深層殘差網(wǎng)絡(luò)」力量強(qiáng)大且極為通用，可以預(yù)見它還能極大地改善其它計算機(jī)視覺問題。
8. NIPS2015召開
今年的參會人數(shù)接近4000，創(chuàng)下了NIPS舉辦以來的注冊人數(shù)之最。其中，注冊大會基調(diào)報告的人數(shù)為2584人，比去年激增100%。大會總共收錄了403篇論文，其中深度學(xué)習(xí)課題約占11%。
本次大會也體現(xiàn)出了深度學(xué)習(xí)的幾大發(fā)展趨勢，例如，神經(jīng)網(wǎng)絡(luò)框架變得越來越復(fù)雜而精密，且逐漸從單一框架變成基于多種神經(jīng)科學(xué)技術(shù)的混合和匹配；大部分最先進(jìn)的系統(tǒng)都將LSTMs；注意力模型越來越成為研究的主流；在深度學(xué)習(xí)的幫助下，計算機(jī)視覺和自然語言處理之間不再割裂，變得更加融合；神經(jīng)網(wǎng)絡(luò)模型壓縮的展示則令人看到在移動設(shè)備上進(jìn)行神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的可能性；深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的交叉將產(chǎn)生更多令人興奮的成果。
9. 《科學(xué)》雜志論文展示機(jī)器學(xué)習(xí)新方法
「僅從一個例子就形成概念」的能力對人來說很容易。然而，盡管人工智能近年來取得了長足的進(jìn)步，但要讓機(jī)器做到這一點(diǎn)，卻難于上青天，因為目前的人工智能通常需要從大量的數(shù)據(jù)中進(jìn)