人工智能改变了许多事情。计算机能够学习。计算机能够识别图像。计算机能够理解语言。这五年变化很大。许多研究论文记录了这些变化。

一个重要的领域是深度学习。深度学习使用神经网络。神经网络像人脑的简单模型。它们有很多层。每一层处理信息。信息从一层传递到下一层。早期的网络只有几层。现在的网络有上百层。这些网络叫做深度神经网络。二零一七年的论文提出了Transformer模型。这个模型很关键。它让计算机更好地处理语言。Transformer模型使用注意力机制。注意力机制让计算机关注重要的词。比如一句话“猫坐在垫子上”。计算机需要知道“猫”是主语。注意力机制帮助计算机找到这种关系。后来的模型都基于Transformer。比如BERT模型。比如GPT模型。这些模型理解语言的能力很强。它们能回答问题。它们能写文章。它们能翻译语言。许多公司使用这些模型。谷歌搜索用BERT改进结果。聊天机器人用GPT和用户对话。

计算机视觉也有进步。计算机能看图片。计算机能识别物体。过去的识别方法不够好。容易出错。深度学习提高了准确性。卷积神经网络是主要工具。这种网络专门处理图像。它扫描图片的每个部分。它找出边缘和形状。它组合这些信息识别物体。二零一二年有一个突破。一个叫AlexNet的模型赢了比赛。它识别图像的错误率很低。从此以后，研究进展更快。后来的模型更精确。比如ResNet模型。它解决了网络太深的问题。网络太深会难以训练。ResNet增加了短路连接。信息可以跳过一些层。这样训练更深网络变得容易。现在计算机视觉用在很多地方。手机相册能自动分类照片。自动驾驶汽车能识别行人和车辆。工厂用机器视觉检查产品质量。

另一个重要领域是强化学习。强化学习让计算机通过试错学习。计算机采取行动。行动带来奖励或惩罚。计算机的目标是获得最多奖励。二零一五年DeepMind公司发表了论文。他们用强化学习玩电子游戏。计算机直接看屏幕像素。计算机学习控制游戏角色。最后计算机玩得比人还好。后来他们用强化学习下围棋。围棋很复杂。可能性比宇宙原子还多。AlphaGo程序打败了世界冠军。这是二零一六年的大事。强化学习还在发展。现在研究如何让学习更高效。过去计算机需要尝试很多次。现在计算机能更快学会。强化学习用于机器人控制。机器人学习走路。机器人学习抓取物体。这些研究让机器人更灵活。

计算机处理数据的方式变了。数据变得非常多。人们称大数据。传统方法处理大数据很慢。新的硬件和算法出现了。图形处理器原本用于玩游戏。现在用于加速计算。图形处理器有很多小核心。它能同时做很多计算。深度学习计算量很大。图形处理器非常适合。训练一个模型过去要几周。现在可能只要几天。专用芯片也在发展。比如张量处理单元。这种芯片专为神经网络设计。它计算更快。它更省电。这些硬件进步让研究更容易。研究者可以尝试更多想法。模型可以变得更大。效果可以变得更好。

计算机安全受到更多关注。网络攻击经常发生。人们需要保护数据和系统。机器学习帮助发现威胁。计算机分析网络流量。计算机寻找异常模式。比如不正常的数据包。比如奇怪的登录时间。系统可以自动报警。这比人工检查更快。隐私保护也很重要。数据包含个人信息。直接分享数据有风险。联邦学习是一种新方法。数据不需要集中在一起。模型去每个设备上学习。只学习模型更新。更新汇总到中心服务器。原始数据留在本地。这样保护了用户隐私。差分隐私是另一种技术。它在数据中加入噪音。噪音很小不影响整体分析。但无法追踪到具体个人。这些技术开始在手机中使用。键盘预测模型可以学习用户习惯。同时不上传具体打字内容。

计算机和其他技术结合。物联网设备越来越多。传感器收集各种数据。温度数据。湿度数据。运动数据。这些数据传到云端。计算机分析数据做出决策。比如智能空调自动调节温度。比如智能农场自动灌溉作物。边缘计算变得重要。数据不在全部上传云端。部分计算在设备本地完成。这样响应更快。这样节省网络流量。智能手机就能完成一些识别任务。自动驾驶汽车需要即时反应。边缘计算必不可少。

五年时间不长。计算机领域变化很快。新的论文不断出现。旧的模型很快被超越。研究者的合作更紧密。代码和论文公开分享。每个人都能看到最新成果。学生可以学习顶尖技术。公司可以开发新产品。这些进展改变我们的生活。手机更智能。家居更方便。医疗诊断更准确。交通更安全。

这些变化背后是无数研究。参考文献记录这些研究。人们阅读论文了解方法。人们复现实验验证结果。知识因此积累。技术因此进步。下一个五年会有新变化。或许计算机能更好理解世界。或许计算机能创造新知识。研究继续。进步继续。