预测：2020年AI技术4大趋势，场景落地成企业生死局
从高科技初创公司到全球跨国公司，所有的公司都将人工智能视为在竞争日益激烈的技术市场中的关键竞争优势。但是，人工智能行业发展如此之快，以至于很难跟踪最新的研究突破和成就，甚至很难应用科学成果来实现业务成果。为了帮助你在2020年为你的业务制定强大的AI策略，我们总结了不同研究领域的最新趋势，包括自然语言处理，对话式AI，计算机视觉和强化学习。
自然语言处理
在2018年，经过预训练的语言模型突破了自然语言理解和生成的极限。这些也主导了去年自然语言处理的进展。如果你是NLP开发的新手，那么经过预先训练的语言模型可以使NLP的实际应用，更快，更容易，因为它们允许在一个大型数据集上进行NLP模型的预先训练，然后快速对其进行微调以适应其他NLP任务。来自顶级研究机构和科技公司的团队探索了使最先进的语言模型更加复杂的方法。计算能力的大幅度提高推动了许多改进，但是许多研究小组还发现了精巧的方法来减轻模型并保持高性能。
因此，目前的研究趋势如下：新的NLP范例是“预训练+微调”。在过去的两年中，转移学习主导了NLP研究。ULMFiT，CoVe，ELMo，OpenAI GPT，BERT，OpenAI GPT-2，XLNet，RoBERTa，ALBERT –这是最近介绍的重要的预训练语言模型的详尽列表。尽管转移学习无疑将NLP推向了新的高度，但它经常因要求大量的计算成本和庞大的带注释数据集而受到批评。语言学和知识可能会提高NLP模型的性能。
专家认为，语言学可以通过改善数据驱动方法的可解释性来促进深度学习。利用上下文和人类知识可以进一步提高NLP系统的性能。神经机器翻译展示了可见的进步。同步机器翻译已经可以在现实世界中应用。最近的研究突破旨在通过优化神经网络架构，利用视觉上下文以及为无监督和半监督机器翻译引入新颖的方法来进一步提高翻译质量。
