【新智元导读】2017年AI都有哪些刺目耀眼的造诣，除了大家耳熟能详的AlphaGo，还有自学写代码的AI，能创造另一个太阳系的AI。
2017年是人工智能领域发达发展的一年。 虽然AI和以数据为中央的机器学习已经存在有数十年的历史，但是，直到今年，算法技能才真正在各行各业和各种语境下广为人知。
微软英国首席愿景官戴夫·科普林（Dave Coplin）把AI称为 “最主要的技能，这个星球上的每一个人都在为此事情”，而硅谷的公司彷佛也是这么想的：他们一贯在到处招聘AI专家，那些由于人才短缺而找不到相应人才的公司，也已经开始让员工自己学习最基本的AI知识。
虽然如此，但也不是每一个AI的造诣都受到了讴歌和掌声的欢迎。有人担心人类的偏见会被引入到AI系统中。例如，ProPublica在2016年创造，用于预测未来犯罪分子的软件算法严重歧视黑人嫌疑人。今年早些时候，Facebook也引发了鞭笞，这家公司的算法天生的广告客户分类可以被用于给用户打标签，个中包括一些充满敌意的群体和话题，比如“反犹太者”。类似这样的情形匆匆使专家敦促公司和开拓者在关于AI系统如何事情的阐释上须要更加透明。不过，在许多其他情形下，特殊是最近，AI已经被用来实现美好的欲望：帮助创造，改进自我，帮助我们超越人类的思维局限。
AI创造了一个包含八颗行星的太阳系
成功的天文学创造常日环绕研究数据 - 大量的数据 - 这是AI和机器学习非常善于的地方。事实上，天文学家利用人工智能来筛选开普勒望远镜上得到的多年数据。在本月早些时候确定了一个迢遥的八行星太阳系。
从2009年到2013年，开普勒望远镜的光度计每半小时捕捉20万颗不同恒星的10个像素图像，以探求恒星亮度的变革。如果一颗恒星以一种规则的重复模式变暗和变亮，这可能表明它有行星绕行。（也可以利用这些信息来估算一个行星的轨道大小和轨道长度。）
得克萨斯大学奥斯汀分校的天文学家安德鲁·范德堡（Andrew Vanderburg）和Google软件工程师克里斯托弗·沙尔（Christopher Shallue) 开拓了一个神经网络，利用1500颗系生手星的勾引，达成了这一创造。他们根据已知的系生手星位置对670颗星星重新校准定位，但聚焦于弱旗子暗记 - 以前的研究职员可能错过了较小的系生手星。新创造的行星被称为开普勒90i，这彷佛是绕行的第三颗行星，就像我们自己的地球一样。
铸造无敌“围棋大师“
Google的DeepMind研究职员开拓一个AI，用于玩繁芜的中国计策游戏围棋。五月份，最初版本的AI击败了天下上最好的围棋玩家，但这还不足。几个月后，Google开拓了AlphaGo 的最新版本 AlphaGo Zero。这个AI实现了超人类水平的围棋表现 - 以100：0击败了原来的AlphaGo。
无限注德州扑克游戏
卡内基梅隆公司的打算机科学部门开拓的最新的AI扑克游戏者最近打败了专业人士。与国际象棋和围棋等策略游戏不同，扑克被认为是“不完美的信息游戏”，由于玩家必须做出决定，纵然隐蔽了一些信息。最主要的是，这不仅仅是动作指令，它乃至也知道什么时候该矫揉造作。卡内基梅隆大学的AI Libratus在为期20天的比赛中赢得了20万美元的奖金，击败了天下顶级扑克专业人士。
自我学习程序
人工智能今年不仅取得了一些显著的创造，它在不同的领域的运用也很出色，乃至让程序员都显得过期了。几个不同的人工智能程序（包括谷歌，微软和Facebook开拓的程序）学会了如何编写基本代码，以帮助非程序员处理繁芜的电子表格打算，或者减少开拓职员必须面对的一些麻烦。
微软的AI DeepCoder可能被认为是三者中最基本的一个，只管它仍旧是一个令人难以置信的繁芜的技能。这个AI可以理解您须要办理的数学问题，可以查看代码中相似问题的现有示例，然后开拓基于代码的办理方案。
对付那些不能或不想学习编码，但须要利用基于代码的办理方案进行打算（例如，棘手的电子表格打算）的人来说，DeepCoder终极可能是非常有用的。办理方案相对大略，在办理方案和构造方面，基于AI的以前经历，它们常日终极统共只有三到六行代码。
Google的机器学习自学软件AutoML，在一个案例中，学会识别照片中的物体，这是一个更具寻衅性的任务，它终极实现了43％的任务成功率，比同行开拓的代码赶过4个百分点。然而，AutoML的最大好处是自动化机器学习模型的开拓过程，这对付人类机器学习专家而言常日是相称耗时的。
然后是Facebook的自我学习的谈天机器人，它们的自学能力略有不同。 例如，Bob和Alice，这两个A.I.机器人开始用英语发音，但是后来发展了自己的措辞来说话。
“谈天机器人会摆脱可理解的措辞，为自己发明代码字，”来自乔治亚理工学院，现任Facebook AI研究院的科学家Dhruv Batra在接管FastCo的采访说到。
随即便在媒体上引起了很大反响，“令人不寒而栗”是对这一创造最常见的描述，但实际上这是一个相称普遍的征象。
这类技能基于褒奖的系统演化，事理是如果一个行动没有得到特定的正向反馈，他们会考试测验其它的东西。 只管如此，Facebook的研究职员终极关闭了AI 机器人项目，由于他们的目标是创建实体，终极将与人互动 ， 这些数字机器人没有人的风格。