随着人工智能的再次爆发，其理论和实际应用“征服”了越来越多的受众。在这一皆大欢喜的的氛围下，人工智能的未来发展趋势被提上了日程。
近日，在昆明举行的2019腾讯全球数字生态大会上，腾讯副总裁姚星表示，在技术应用上，腾讯的前沿科技已经从消费互联网长期累积的经验，不断迁移到产业互联网，走出了C2B2C的特色路线。而对于未来的AI发展，姚星透露腾讯将持续聚焦两大方向：一是多模态研究，二是通用人工智能。
当然，腾讯所关注的更侧重于自己，是一种具体化的方向。而奇点大学人工智能和机器人学项目负责人Neil Jacobstein则从宏观方面提出了自己的预测。
人工智能引发新的非人类模式识别和智能成果
AlphaGo Zero是一个机器学习程序，被用来训练玩复杂的围棋游戏。在2017年，它以100比0击败其上一代程序AlphaGo。而就在此前不久，AlphaGo刚刚因为在2016年击败人类围棋世界冠军，受到全球瞩目。
有趣的是，AlphaGo Zero不是从人类游戏中学习，而是通过与自身的对抗，或者说“自学”方式来进行训练，这是一种被称为强化学习的方法。
从头开始构建自己的知识，没有人类的偏见——AlphaGo Zero展示了一种全新的创造方式。更具突破性的是，这种人工智能模式识别允许机器在几个小时内飞速积累起数千年的知识。
虽然这些系统不能回答“什么是橙汁？”，或者与一个五年级学生进行智力竞争，但值得关注的是，它们越来越具有战略复杂性，并与其他形式的弱人工智能融合在一起。
在接下来的五年里，谁知道AlphaGo Zero的“继承者”将会以怎样的形式出现？但可以肯定的是，新的人工智能将不仅增强商业上的功能，也将为日常生活带来更多便利。
使用机器学习进行诊断和治疗对医生越来越重要
一组中美研究人员最近建立了一个人工智能系统，可以诊断从流感到脑膜炎等常见的儿童疾病。通过对近60万名患者、130万次门诊就诊的电子病历进行培训，这一项目产生了前所未有的准确诊断结果。
此外，我们还可以看到，加州大学圣地亚哥分校眼科遗传学主任张康博士创建了能够精确诊断致盲性视网膜疾病与肺炎的人工智能工具。与医生相比，这一系统同样展示出了非常高的准确率。
Jacobstein预测，“我们很快就会看到一个转折点，医生会觉得在他们的日常实践中不使用机器学习和人工智能是一种风险，因为他们不想错过重要的诊断信号。”
量子优势将大大加速药物设计和测试
研究人员估计，可能的类药物分子数量可以达到10的60次方之多，其数量如此庞大，甚至超过了整个太阳系中的原子数量。但是，今天的化学家必须根据受分子结构影响的性质来预测药物，然后合成许多变体来测试他们的假设。
量子计算可以将这个耗时的、成本高昂的过程转变为一个高效的、改变生命的药物发现新机制。
Jacobstein说：“量子计算将带来重大的产业影响……不是通过破坏加密，而是通过大规模并行处理进入设计领域，这种处理可以利用量子叠加、量子干涉和量子纠缠，并且可以大大超过经典计算。”
人工智能对安全系统脆弱性和防御的影响
随着人工智能融入到我们生活的方方面面，网络攻击变得越来越具有威胁性，而“深度攻击（Deep attacks）”可以通过利用人工智能生成的内容来避免人类和人工智能的控制。
如果没有适当的保护，人工智能系统可以**纵来执行任何数量的破坏性目标，无论是破坏名誉还是转移自动驾驶汽车。
Jacobstein认为：“我们的建筑物、家庭、医疗保健系统、空中交通管制、金融组织、军事和情报部门都有安全系统。但我们都知道，这些系统已经被周期性的黑客攻击，我们将看到这种加速。因此，这里有很多重要的商业机会，而且在它影响到你之前，你有很多机会超越这个曲线。”
人工智能设计系统推动原子精确制造的突破
正如现代计算机改变了我们与比特和信息的关系一样，人工智能将重新定义和革新我们与分子和材料的关系。
人工智能目前正在被用来发现清洁技术创新领域的新材料，如太阳能电池板、电池，以及可以进行人工光合作用的装置。
据业内专家称，现今制造一种新材料大约需要15到20年的时间。但是，随着人工智能设计系统的飞速发展，这将大大加速材料的发现过程，使我们能够以创纪录的速度解决诸如气候变化等紧迫问题。
通过原子精确制造，未来我们可能只需要一个按钮，就生产出我们以前无法想象的产品。
近日，在昆明举行的2019腾讯全球数字生态大会上，腾讯副总裁姚星表示，在技术应用上，腾讯的前沿科技已经从消费互联网长期累积的经验，不断迁移到产业互联网，走出了C2B2C的特色路线。而对于未来的AI发展，姚星透露腾讯将持续聚焦两大方向：一是多模态研究，二是通用人工智能。
当然，腾讯所关注的更侧重于自己，是一种具体化的方向。而奇点大学人工智能和机器人学项目负责人Neil Jacobstein则从宏观方面提出了自己的预测。
人工智能引发新的非人类模式识别和智能成果
AlphaGo Zero是一个机器学习程序，被用来训练玩复杂的围棋游戏。在2017年，它以100比0击败其上一代程序AlphaGo。而就在此前不久，AlphaGo刚刚因为在2016年击败人类围棋世界冠军，受到全球瞩目。
有趣的是，AlphaGo Zero不是从人类游戏中学习，而是通过与自身的对抗，或者说“自学”方式来进行训练，这是一种被称为强化学习的方法。
从头开始构建自己的知识，没有人类的偏见——AlphaGo Zero展示了一种全新的创造方式。更具突破性的是，这种人工智能模式识别允许机器在几个小时内飞速积累起数千年的知识。
虽然这些系统不能回答“什么是橙汁？”，或者与一个五年级学生进行智力竞争，但值得关注的是，它们越来越具有战略复杂性，并与其他形式的弱人工智能融合在一起。
在接下来的五年里，谁知道AlphaGo Zero的“继承者”将会以怎样的形式出现？但可以肯定的是，新的人工智能将不仅增强商业上的功能，也将为日常生活带来更多便利。
使用机器学习进行诊断和治疗对医生越来越重要
一组中美研究人员最近建立了一个人工智能系统，可以诊断从流感到脑膜炎等常见的儿童疾病。通过对近60万名患者、130万次门诊就诊的电子病历进行培训，这一项目产生了前所未有的准确诊断结果。
此外，我们还可以看到，加州大学圣地亚哥分校眼科遗传学主任张康博士创建了能够精确诊断致盲性视网膜疾病与肺炎的人工智能工具。与医生相比，这一系统同样展示出了非常高的准确率。
Jacobstein预测，“我们很快就会看到一个转折点，医生会觉得在他们的日常实践中不使用机器学习和人工智能是一种风险，因为他们不想错过重要的诊断信号。”
量子优势将大大加速药物设计和测试
研究人员估计，可能的类药物分子数量可以达到10的60次方之多，其数量如此庞大，甚至超过了整个太阳系中的原子数量。但是，今天的化学家必须根据受分子结构影响的性质来预测药物，然后合成许多变体来测试他们的假设。
量子计算可以将这个耗时的、成本高昂的过程转变为一个高效的、改变生命的药物发现新机制。
Jacobstein说：“量子计算将带来重大的产业影响……不是通过破坏加密，而是通过大规模并行处理进入设计领域，这种处理可以利用量子叠加、量子干涉和量子纠缠，并且可以大大超过经典计算。”
人工智能对安全系统脆弱性和防御的影响
随着人工智能融入到我们生活的方方面面，网络攻击变得越来越具有威胁性，而“深度攻击（Deep attacks）”可以通过利用人工智能生成的内容来避免人类和人工智能的控制。
如果没有适当的保护，人工智能系统可以**纵来执行任何数量的破坏性目标，无论是破坏名誉还是转移自动驾驶汽车。
Jacobstein认为：“我们的建筑物、家庭、医疗保健系统、空中交通管制、金融组织、军事和情报部门都有安全系统。但我们都知道，这些系统已经被周期性的黑客攻击，我们将看到这种加速。因此，这里有很多重要的商业机会，而且在它影响到你之前，你有很多机会超越这个曲线。”
人工智能设计系统推动原子精确制造的突破
正如现代计算机改变了我们与比特和信息的关系一样，人工智能将重新定义和革新我们与分子和材料的关系。
人工智能目前正在被用来发现清洁技术创新领域的新材料，如太阳能电池板、电池，以及可以进行人工光合作用的装置。
据业内专家称，现今制造一种新材料大约需要15到20年的时间。但是，随着人工智能设计系统的飞速发展，这将大大加速材料的发现过程，使我们能够以创纪录的速度解决诸如气候变化等紧迫问题。
通过原子精确制造，未来我们可能只需要一个按钮，就生产出我们以前无法想象的产品。
