在过去的十年里，人工智能技术迅猛发展，曾经让我们觉得不可思议的科幻小说中的场景如今也逐渐成为我们生活中不可或缺的一部分。十年前，人们还处在在谈论 AI 理论和实验的阶段，但是到了今天，AI已经投入多个领域的使用，切实地改变着我们的生活。过去的十年内人工智能领域所作出的成绩为其未来的发展打下了坚实的基础，那么就让我们一起来回顾一下十年以来人工智能技术的重大突破吧。
/卷积/
2012年，卷积神经网络（CNN）在著名的 ImageNet 挑战赛中大放异彩。由 Alex Krizhevsky 等人设计的卷积神经网络「Alexnet」以远超第二名的成绩夺得冠军，将 ImageNet 数据集上的视觉识别错误率降到了 15.3%，使原来的错误率减少了一半。该神经网络对猫的检测准确度达到了 74.8%，在 YouTube 视频中检测人脸的准确率为 81.7%。
这一成果的作用在于，识别准确率的提升使研究者能够进行医学成像模型的部署，这些模型具备高置信度。除此以外，当下手机和商场中的人脸识别应用都要归功于卷积神经网络。
/对话AI/
2017年由Vaswani等人发表的《Attention Is All You Need》带来的级联效应，使得机器能够以前所未有的方式去理解语言。基于Transformer 架构，AI现在能够撰写假的新闻、推文，甚至可能引起政治动荡。继 Transformer 之后，谷歌又推出了 BERT 模型，将其用于关键字预测和 SEO 排名等。BERT 如今已经变成了自然语言处理领域的实际标准，例如 Microsoft 和 NVIDIA 之类的公司已经开始堆积更多参数来追赶该模型。GPT-3 也是 Transformer 的扩展，是目前最大的模型，它可以编码、写散文、生成商业创意，只有人类想不到，没有它做不到。
/将人类一军/
阿尔法狗在国际象棋中击败了顶级人类选手的新闻可以说是人人皆知，而更加复杂的人类游戏、围棋、扑克等，也没有挡住算法的脚步。这十年里，IBM 的 Watson 也在 Jeopardy! 决赛中击败了两位人类，最终 Watson 拿走了 77147 美元的大奖，而两位人类分别获得了 24000 和 21600 美元。
Facebook 和卡耐基梅隆大学共同开发的德州扑克 AI Pluribus 也战胜了五名专家级人类玩家，实现了前辈 Libratus（冷扑大师）未能完成的任务，该研究还登上了 2019 年的《科学》杂志。2020 年 12 月，DeepMind 提出的 MuZero更是能够让人工智能模型掌握多种游戏，包括将棋、国际象棋和围棋等等。
/生命解码/
每一个生物体的行为都可以在其蛋白质中寻踪溯源。蛋白质承载着秘密，破解蛋白质或许有助于击败新冠病毒的流行。但蛋白质结构非常复杂，需要不断地运行模拟，光靠人力是很难完成的。DeepMind 尝试解决这一难题，其开发的深度学习算法Alphafold破解了出现五十年之久的蛋白质分子折叠问题。在计算机视觉被证明可以帮助诊断后，解决蛋白质折叠问题甚至能够帮助研发人员开发新药。
/艺术家OR骗子/
在去年的一则视频中，比利时首相谈论着解决经济和气候危机的紧急需求，后来人们才发现这其实是通过AI技术伪造的视频。
伪造内容的背后是精心设计的算法——生成对抗网络（GAN）。该算法在2014年提出，并得到广泛应用，甚至已经侵入了人类工作的最后一道壁垒：创作。这种网络可以生成从未存在的人脸、互换人脸，让一国总统胡言乱语。GAN 生成的一幅画甚至在佳士得拍卖会上以破纪录的价格——40 万美元成交了。GAN 的另一面是被用于恶意目的，以致于像 Adobe 这种公司不得不研究新技术来鉴别伪造内容。GAN 在下一个十年里仍将是被广泛讨论的对象。
/核心——硅/
过去十年，我们见证了十多家公司研究专门的机器学习芯片。这些年来，芯片技术得到了极大发展，我们可以在手掌大小的设备上执行百万次运算。这些芯片被用到数据中心，用户可以观看自己喜欢的 Netflix 电影、使用智能手机等。接下来，专为边缘设备定制的 AI 芯片将会蕴含着价值数十亿美元的商机。苹果等公司已经开发了定制化机器学习芯片（如 A14 Bionic）来提供智能服务。即使是依赖英伟达和英特尔的 AWS，也正在慢慢进入芯片行业。
/逐渐成熟的开源文化/
2015 年，TensorFlow 开源。一年后，Facebook AI 又开源了基于 Python 的深度学习框架 PyTorch。今天，TensorFlow 和 PyTorch 已经成为使用最广泛的框架。通过不断的版本更新，谷歌和 Facebook 为机器学习社区带来了极大便利。自定义库、软件包、框架和工具的爆发式增长，使得更多人进入了 AI 领域，也为 AI 研究带来了更多人才。
尽管 AI 已经进入许多我们未曾想象的领域，但它仍需应用到更流行的应用中，如自动驾驶汽车。然而，还有很多的挑战存在于数学层面：目前已有能够做出准确决策的算法，也有能够处理这些算法的处理器，但何时能够部署到应用上仍未可知。不管是医疗还是自动驾驶汽车还是其他的新领域，AI 仍需要持续不断地发展。
正如工业和信息化部副部长王志军所说，要想持续锻造云计算、大数据、人工智能、5G等新一代信息技术领域的长板优势，推动产业体系优化升级，就需要推动软件国民基础教育，创建一批特色化示范性软件学院，打造高素质人才队伍。国家对人工智能等技术的重视程度已经达到一个新高度，在未来这些相关产业也会得到大力扶持，其发展前景可见一斑。如果你正面临学业或者就业方向的抉择，不妨考虑成为云计算、大数据和人工智能等方向的专业技术人才，不仅拥有广阔的发展前景，还能为国家的重点科技领域助力，可谓是前途无限。