如果说 2016 年是人工智能刚萌发新芽的一年，那么2017年就是它蓬勃发展的一年，因为很多组织将人工智能技术变成了现实。
今天，很多设备都可以自动作出回应，开发人员也可以通过自动化测试和自动化构建来监视，检测和修复错误，以此来加速软件软件开发的生命周期。随着互联网的发展，人们拥有多种设备的设备，是否能有人工智能管理这些数据，对业务作出明智的决策？
在几年前这可能是一个想法，或者只有少些科技巨头才能做到，但是现在已经变成解决方案的新标准。当我们谈及人工智能，就必然会涉及到机器学习，深度学习和其他认知科技。而这仅仅是组织在技术上投入巨资支持开发者的一个开端。
Google 继续在机器学习领域展开工作，开源机器学习框架 TensorFlow。2月份，机器学习库终于发布了1.0 版本。谷歌在库基础上发布了用在TensorFlow图表中可视化的 TensorFlow 调试器，用于训练深度学习模型的Tensor2Tensor，TensorFlow Object Detection 的 API 和用于移动和嵌入式设备上的机器学习模型 TensorFlow Lite。到今年年底，发布了TensorFlow 的机器学习框架Keras 1.4 ，数据集API和用于简化训练和评估的Python生成器
7月份，在People + AI Research倡议活动中宣布启动AI计划，该计划旨在研究用户如何与AI进行互动以及AI带给用户的好处。
其他公司也为开发人员提供了很多人工智能的学习工具，NVIDIA 在 5 月份的 GPU 技术大会上宣布深度学习学院将增加 AI 开发人员的数量，来缩小人工智能领域专长的差距。而在今年早些时候，NVIDIA还与Facebook 联手发布了一个用于创建大规模的分布式培训场景的开源深度学习框架 Caffe2。Salesforce 推出 Einstein 平台服务，为开发人员提供更多将 AI 构建到应用程序中的工具。
再看看微软在2017年对人工智能作出的贡献，与Facebook联合推出开放神经网络交换系统，用以提高神经网络框架的互操作性，发布使用人工智能检测软件错误的安全风险检测工具，发布开源的深度学习库 Gluon with Amazon，Visual Studio Tools for AI和Azure IoT Edge。
投资方向包括：IBM 宣布计划与麻省理工学院建立，AI与人与社会合作伙伴关系扩大了八个新的赢利合作伙伴和14个非营利合作伙伴的努力。新的风险投资基金，如丰田AI Ventures和谷歌的梯度创投创建提供资金，指导和支持AI初创公司。
投资方向有：IBM 与麻省理工学院建立人工智能研究合作伙伴关系，主要研究AI与人与社会的关系，而后与8个盈利组织和14个非盈利组织也达成了合作关系。新的风投基金，丰田AI Ventures和谷歌的Gradient创投提供资金和指导来支持AI初创公司。
Linux 基金会还推出了Acumous项目，帮助AI应用程序的构建，共享和部署。
然而，尽管人工智能占据了这么多优势，但是还是有人不支持。卡内基梅隆大学软件工程研究所于10月份发布2017年新兴技术领域风险报告：该报告指出机器学习中安全漏洞的影响，尤其是在涉及私密信息的情况下。有人会将特制数据引入机器学习算法中，然后导致恶意的行为。
网络安全提供商 Endgame 的数据科学技术总监Hyrum Anderson 在2017年7月份的美国黑帽大会上发表了类似的观点：机器学习不是安全的堡垒，它也有易开发的盲点。
十月份，DeepMind 在建立了 DeepMind 伦理与社会研究部门，不仅帮助技术开发人工智能应用，而且为人工智能铺平了道路。
展望 2018 ，Gartner 透露，AI将成为数据预备，集成，算法和训练方式选择等领域的顶尖战略技术。明年A I还可能在诸如自动驾驶汽车，机器人，无人驾驶飞机和物联网（IoT）等领域发展。
Forrester 预测，人工智能将取代人类手工和重复的工作。
来自：sdtimes
