人工智能面临的四大趋势和九大挑战

近年来，随着计算机视觉、语音识别、机器翻译的技术的发展和商业化，及诸如数字广告和智能基础设施等基于机器学习的后台技术的普遍部署，人工智能已经从实验室的研究项目变成了实际生产系统不可或缺的关键技术。正是因为积累的海量数据、计算能力前所未有的发展高度、机器学习方法的不断进展、系统软件和架构的持续创新、及方便这些技术落地的开源项目和云计算平台，促使了人工智能技术的广泛应用。

下一代人工智能系统将更广泛地影响我们的生活，人工智能将会通过与环境交互替人类进行更关键的和更加个性化的决策。若想要人工智能发挥更大的作用，我们将面临诸多极具挑战性的问题：我们需要人工智能系统可以在各种极端情况下及时做出安全的决策，比如在各种恶意攻击情况下具备鲁棒性，在保证隐私的情况下具备处理跨多组织多个人的共享数据的能力。随着摩尔定律的终结，存储和处理数据的能力将受限，这些挑战也将变得更加难以解决。在这篇文章里，我们将总结在系统领域、体系结构领域、安全领域等方面的具体研究方向。

四大趋势：

•关键性任务的人工智能（Mission-criticalAI）

•个性化人工智能（PersonalizedAI）

•跨多组织机构的人工智能（AIacrossorganizations）

•后摩尔定律时期的人工智能（AIdemandsoutpacingtheMoore’sLaw

九大挑战：

•持续学习（Continuallearning）

•鲁棒决策（Robustdecisions）

•可解读的决策（Explainabledecisions）

•安全飞地（Secureenclaves）

•对抗学习（Advers