原标题：顶会见闻系列：从 NeurIPS 2018 看 AI 进展、观点及 2019 年趋势预测

雷锋网 AI 科技评论按：人工智能领域的最新进展是什么？我们可以期待 2019 年出现什么新技术？会有新的人工智能法规吗？NeurIPS（前称 NIPS）或许可以对这些问题作出解答。近日，计算机网络安全公司 zvelo 的人工智能架构师 Daniel DeMillard 将其在参加 NeurIPS 2018 时收集到的一些针对人工智能领域的见解、观点以及 2019 年的趋势预测汇总成文。雷锋网 AI 科技评论编译如下。

NeurIPS 汇聚了人工智能和深层学习领域的杰出人才，近年来随着名气的上升，门票一度比 Taylor Swift 的演唱会还难买（更多内容回看《听说 NIPS 2018 门票十分钟卖光，机器学习圈子炸了锅》）。该会议主要聚焦于深度学习领域。深度学习是使用多层互联的人工神经网络对高维数据进行建模的过程，其对于图像分类、语音识别、自动驾驶汽车、面部识别，甚至手机的拼写自动纠正功能等方面的突破具有关键作用。由于深度学习已经成为近来人工智能进展的核心部分，NeurIPS 可以被视作更大的人工智能生态系统的标志性会议。

NeurIPS 由 100 多家公司和 Google、英伟达、微软、Facebook、IBM、亚马逊等人工智能领域的巨头赞助，它们都有展位，并在大会上展示最新技术进展。NeurIPS 为期 6 天，每年举办会议的地点各不相同——2018 是在蒙特利尔，其大会内容和论坛主要是偏技术性的。研究人员要花费数天的时间来深入研究最新课题、发表学术论文以及最终展示新技术。由于大会的三个主题（神经科学、机器学习理论和应用机器学习）的议程同时进行，一位研究者（指的是人类）不可能将所有的议程都参加和体验一遍。这篇文章汇总了我在 NeurIPS 2018 上收集到的一些见解和观点，以及 一些令人振奋的 2019 年趋势预测，大家可以进行参考。

AI 话题 & 启发

今年，人工智能领域取得了许多突破，包括生成网络、无监督学习和小样本学习、元学习和自动机器学习、增强学习，以及一些深度学习成果的理论解释等方面的改进。

图像、文本和语音的生成模型

生成模型对整个概率分布进行估计，从而可以生成图像、文本或语音等新内容。预测模型在给定输出的情况下，学习一些分类器来预测输出标签的概率。例如，当给定 Donald Trump 的原始像素——pr（Trump | pixels），预测模型可以预测图像为 Trump 的概率。

不同的是，生成模型针对某些期望的输出——pr (pixels | Trump)，来学习输入上的整个概率分布，从而能够根据需求生成全新的 Donald Trump 图像。递归神经网络用来生成文本已经有一段时间了，但是最近才在深度学习领域取得进展，改进得足以用来生成图像。

在过去的几年里，能够产生真实感图像的模型发展得很快，它们现在可以产生一些真正令人印象深刻的图像。看看下方的几张图片，你能分辨出哪些是真实的，哪些是由神经网络生成的吗？

你能猜出哪些图像是由神经网络生成的吗？

其实这是一个故意误导的问题，因为它们都是算法生成的图像（）——这些人并不真实地存在。

这里的许多演讲都有助于推动这个领域的发展，其中就包括实现仅仅使用基于文本的描述来修改图像（）。现在，根据一个简单的需求，就可以立即编辑鸟类和花的照片。

生成模型让我们使用基于文本的描述就能修改图像

这项技术非常厉害且令人兴奋。然而，这些生成模型还没有被真正投入使用，由于还没有人真的知道用它们来干什么... 不过，英伟达在本次会议上展示的 Demo 可能已经开始填补这一缺口了。他们展示了一个用户对街道场景进行导航的虚拟仿真，该街道场景不是由图形或视频游戏设计师生成的，而是完全由从现场拍摄、然后拼接到一个连贯的 3D 场景中的图像生成的。

2019 年趋势预测

公司将使用生成模型来为购房者、博物馆参观自动生成数字化演示，甚至为电子游戏生成内容。

以更少的标签学习（以及完全不使用标签学习）

无监督学习是人工智能的长远目标。我们往往拥有大量的数据，然而这些数据都是没有经过标记的。这意味着，除了基本的数据勘探和异常检测场景，这些数据基本无法使用。遗憾的是，这个问题在 2018 年仍然没有得到解决，并且在近期内无法解决。不过，这一领域至少在使用未标记的数据来改进（标记数据）监督学习过程方面已经取得了许多进展。