本周早些时候，我参加了在纽约雅各布贾维茨中央的2018年AI峰会。
这是与领先的AI研究职员、思想领袖和同行相遇的绝佳机会。

AI峰会：

AI Summit现已进入第三个年头，是一个专注于企业AI运用程序的最负盛名的会议之一。
这次峰会有3,000多名与会者、300多位演讲者和150多场会议，每个人都有一些东西。
所有常见的公司都出席了会议，包括谷歌、亚马逊、微软，当然还有索菲亚机器人（@RealSophiaRobot），汉森机器人公司的人工智能项目。
乃至金融机构也有高盛、J.P.Morgan、花旗、Capital One、美国银行和巴克莱银行的代表。
这些会议是各个行业的案例研究、商业见地和技能办理方案的完美结合。
以下是我在峰会期间得到的5个关键要点。

＃1：我们超越了炒作

几年前，AI被认为可以供应办理天下上每个问题的办理方案。
它该当让天下成为一个“更好”的地方，以便我们所有人都能过上幸福的生活！
今年，我们听到一些有关人工智能失落败的故事，包括在亚利桑那州坦佩市发生的自驾车祸的悲惨故事，以及亚马逊Alexa在德国慕尼黑“开派对”的故事。

另一个现实是认识到AI的好坏取决于它能够从数据中学到什么。
演讲者发言后指出，“人工智能计策”始于“数据计策”，我们须要以精确的顺序攀登“人工智能金字塔”。
这个回归根本的支点显示我们处于拐点并准备超越早期的人工智能炒作。

＃2：'AI-as-a-Service'是一个令人愉快的命题

人工智能的民主化是会议最突出的主题之一。
那些须要博士学位才能构建机器学习算法的的日子已经一去不复返了。
随着云做事供应商的涌现，强大的算法只是一个大略的API调用。
这些办理方案显著降落了更大的商业社区的准入门槛。

Cassie Kozyrkov（@quaesita）揭橥了一篇关于Google如何通过云打算和开拓决策智能学科实现AI民主化的精良主题演讲。
其他云做事供应商（如AWS和Microsoft Azure）展示了利用现成AI功能的强大办理方案。
此外，来自SingularityNET的Ben Goertzel（@bengoertzel）倡导“去中央化人工智能”，将人工智能和区块链领悟在一起，创造一个开放的市场，这是确保未来人工智能发展民主化的有趣建议。

＃3：可阐明的AI是真实的：

深度学习有着“黑匣子”方法的美誉，但模型可阐明性是一个生动的研究领域。
为了提高透明度和可阐明性，我们共享构建“玻璃盒”模型的几个成功案例。
以下是一些有趣的项目：

反向韶光把稳模型（RETAIN）：RETAIN模型的开拓是为了帮助年夜夫理解为什么模型可以预测患有心力衰竭风险的患者。
本地可阐明的模型- 不可知阐明（LIME）：一种事后模型，在决策完成后供应对决策的阐明。
干系性逐层向后传播（LRP）：这对付通过在神经网络中运行反向通报来识别主要像素的打算机视觉特殊有用。
＃4：金融机构已经成熟，可以办理问题

峰会有一个单独的“金融人工智能”栏目，环球银行和金融科技的发言人谈论了金融的最新趋势。
关键的AI用例包括敲诈/合规/网络防御的非常检测，机器人顾问的专家系统以及客户体验的谈天机器人/虚拟代理。

“当我们考虑AI / ML时，它是为了肃清摩擦力，为客户供应无缝体验”

特殊是Amazon Connect和Google Contact Center AI最近都宣告了联结中央AI的办理方案，这些办理方案可以提高效率并降落运营本钱。
专家们同等认为，人工后台银行业务可能会在不久的将来成为人工智能投资的目标之一。

＃5：负任务的人工智能势在必行

去年7月，科技界最大的两位人士就人工智能的未来引发了一场非常公开的辩论。
埃隆马斯克认为人工智能将带来人类的灭亡，而马克扎克伯格认为人工智能实际年夜将进一步帮助创新。
这两个人在社交媒体上进行了斗争，揭橥了小小的辞吐，但基本上都代表了人工智能的两面。
目前商业界已经意识到“类人”的智能还离得很远，并将其事情重点放在具有巨大就业增长潜力的特定领域的有影响力的AI运用上。

“我们看到AI正在帮助人们完成事情并开辟了新事情”

特殊是，“负任务的人工智能”主题超越了以往的每一次发言。
几位发言者谈到将“信赖”作为工程原则之一，并将道德和代价不雅观作为人工智能交付的一部分。

“我们须要创建负任务的人工智能，以便我们能够为技能带来信赖”

IBM创建了AIFairness360，这是一个开源工具包，用于缓解机器学习模型中不须要的偏见，以及用于剖析机器学习模型的攻击和防御方法的Adversarial Robustness Toolbox。
纽约市最近通过了第一项审查政府机构“算法偏见”的法案。
在可预见的未来，负任务的人工智能可能成为技能、社会和政治谈论的焦点。

总的来说，这是一次精彩的学习体验，包括精彩的演讲、演示和小组谈论。