當前，人工智能正在席卷全球科技產業，越來越多的行業和市場都在人工智能領域進行深耕，作為當今輔助人類進行創新和變革的重要生產力工具和技術驅動力，人工智能技術當前已經發展到什么階段了呢?未來人工智能產業又將會走向何方呢?本期我們一起來聊聊。

對于人工智能技術來說，我們日常經常看到的或許是機器算法的應用、又或是對于自然語言的處理等內容，對于人工智能來說，現在已經收集了海量的最優算法，其中涵蓋了計算機視覺、游戲、自然語言處理、網絡圖、知識庫等很多內容。

計算機視覺感知

其中值得一提的是計算機視覺，對于計算機視覺來說，3D技術是最受青睞的一類，2017年的CVPR，MIT、馬薩諸塞大學阿默斯特分校和谷歌DeepMind的研究人員展示了一項成果，使用自動編碼器(VAE)，構建了一個名叫SingleVPNet的框架，能從多個視角的深度圖或其相應的輪廓(silhouette)學習生成模型，并使用渲染函數從這些圖像生成細節精致的3D形狀。

對于計算機識別感知框架來說，通過一系列不同視角的2D深度圖當中，研究人員就能夠去生成新的3D形狀和3D圖片，其中的平均誤差將會縮小到0.35左右，也就是說計算機視覺所帶來的3D圖片將會是非常逼真的一張圖。

動作識別

在人工智能領域當中，動作識別是整個視頻識別當中最為關鍵的一項組成部分，整個動作可能會貫穿視頻當中，對于動作識別來說，很有可能成為圖像識別的重要組成部分，2017年的NeurIPS，CMU機器人學院的研究人員Rohit Girdhar 和 Deva Ramanan 利用注意力機制(Attentional Pooling)，在保持網絡復雜度和計算量基本不變的情況下，在三個靜態圖像和視頻標準動作識別數據集上提升了動作識別的基準。其中，在MPII人體姿態數據集上取得了12.5%的相對改進。

人臉識別技術

在今年的市場研究數據報告顯示，在被譽為工業界“黃金標準”的全球人臉識別算法測試(FRVT)中，依圖科技以千萬分之一誤報下的識別準確率超過99%，繼續保持全球人臉識別競賽冠軍。

千萬分位誤報下的識別準確率超過99%，意味著更多核心關鍵的安防場景被解鎖。相比于去年同期，全球人臉識別性能提升了80%。在整個報告當中對于很多國內的人工智能企業進行了重點的提及和展示，而中國的人工智能企業也的確在業務領域和技術創新方面領跑全球。

人體姿態數據分析

在今年的9月份，AlphaPose系統升級，采用PyTorch框架，在姿態估計標準測試集COCO validation set上，達到 71mAP的精度比OpenPose 相對提升17%，Mask-RCNN相對提升8%，同時，速度達到了20FPS比OpenPose相對提高66%，Mask-RCNN相對提高300%。

圖像分類

計算機對于圖像處理來說其實早就已經超越了人類的原有技術應用，當前圖像分類精度的最好成績，往往是其他研究的副產物。ICLR 2017，谷歌大腦 Barret Zoph 和 Quoc V. Le 發表了“Neural Architecture Search with Reinforcement Learning”，他們用強化學習自動搜索神經網絡結構，最終AI自己設計出的模型，在 CIFAR-10數據集上做圖像分類取得了96.35%的精度。

GAN在今年不斷發展，今年ICLR DeepMind 提出的 BigGAN，可謂當前最強圖像生成模型，在128x128分辨率的ImageNet上訓練，BigGAN的 Inception 分數(IS)可以達到 166.3 ，Frechet Inception 距離(FID)9.6。