2017 年， AlphaGo 升級再複出， 擊敗柯潔， 讓公眾再次認識到人工智慧的強大力量。 機器學習尤其是深度學習模型迅速部署到醫療、零售、傳媒等領域， 穀歌、亞馬遜、百度等科技公司都走向了「人工智慧優先」的發展道路， 人工智慧和深度學習被捧上神壇。 不過今天我們對 2018 年機器學習和人工智慧領域的發展做出了幾項悲觀預測， 包括發展的局限性， 發展帶來的潛在破壞性， 以及部分誇張的炒作。
深度學習的複雜性將阻礙人工智慧的實際應用， 深度學習平臺的簡化和產品化勢在必行
有很多企業希望能夠將人工智慧移植到企業應用，
諮詢公司 Gartner 曾預言：「有人認為深度神經網路將在 2018 年成為 80％ 資料科學家工具箱的標準組成部分， 但我們認為這個想法過於樂觀。 」
亞馬遜， 微軟， 穀歌， 英特爾， 英偉達等深度學習主要提供商正在試圖簡化深度學習工具。 但就現狀而言， 首先要找到一位具備良好資質並勝任簡化工作的資料科學家不是一件容易的事。 其次， 使用這些平臺往往複雜而昂貴， 除非能夠租用大量昂貴的 GPU 節點，
我們都期待這些深度學習工具能夠像其他演算法一樣能被合理、便利地使用。 第一個提供這種簡單化工具的提供商必將獲得豐厚的回報， 但這項工作至少在 2018 年是無法被完成的。
人工智慧和深度學習將以比想像中更慢的速度滲透到市場中， 實際應用也可能會比想像中狹隘
人工智慧和深度學習在最近一兩年被迅速捧上神壇， 不斷有文章介紹人們未來能夠如何在現實中應用人工智慧。 這些可能的應用在未來或許能夠實現， 但這個未來會比大多數人所期望的要更遠。
我們所理解的商業化的深度學習驅動人工智慧實際上目前僅限於兩個主要領域：文本語音處理和圖像視頻處理。 這兩個領域在商業上都是可行的， 並且人工智慧和深度學習也確實正在被積極採納。
2018 年， 人工智慧將繼續主要以自然語言處理的聊天機器人形式出現。 在 2015 年只有 25％ 的公司曾聽說過聊天機器人， 到 2017 年已經相當一部分公司計畫製造聊天機器人了， 以亞馬遜 Echo 為代表的智慧音箱成為人工智慧進入消費領域的典型， 銷量已經超過 2000 萬。 2017 年第三季度， 智能音箱的出貨量暴增 708%， 國內的智能音箱混戰也已經拉開大幕， 阿裡巴巴和小米都推出了自己的智慧音箱設備， 以低價搶佔市場。
2018 年， 語音辨識將延續迅速發展的趨勢，
然而， 深度學習人工智慧在圖像視頻識別中的實際應用相當有限，
雖然自動駕駛汽車是當前人工智慧創業投資的火熱區域之一， 傳統車企和科技公司都在加碼進入這一領域。 但值得關注的是， 自動駕駛汽車的商業落地到底是以終端消費者為目標還是以貨運出租公司為目標， 其市場前景究竟有多大， 仍需進一步驗證和探索。
公眾和政府將開始仔細研究人工智慧對於社會和隱私所產生的影響
利用預測分析追蹤用戶點擊次數、位置、面部資訊等人工智慧技術會進一步發展。2017 年，中國的資訊行業全面轉向人工智慧，以今日頭條為代表的新型互聯網資訊 App，充分利用線上追蹤以及個人設備的位置追蹤演算法，呈現更符合使用者口味的個性化資訊。以此為基礎，這些資訊 App 能夠針對細分的目標人群進行精准的廣告投送，能夠降低商家的廣告成本，同時降低對閱讀者的無效廣告干擾。
與此同時，人工智慧帶來的隱私風險逐漸呈現。雖然你可以自由關閉 App 或選擇退出線上追蹤，但實際上 App 已經比朋友、家人甚至你自己更加瞭解你，知道用戶隱私。再加上如今追蹤和記錄面部資訊的攝像機氾濫，一旦我們的面部資訊被偷偷採集並儲存在面部識別資料庫中，與我們的各種隱私資料結合，後果將更難以設想。
目前為止還沒有明確關於這些可能帶來不利影響的資訊，但這種不利影響時刻潛伏著，一旦發生就可能會帶來出乎意料的後果，也許在 2018 年這些不利影響就會逐漸顯露。
歐盟已經開始行動，在剛剛生效的新的通用資料保護條例（GDPR）中加入了曾經幾乎被人們所遺忘的隱私權。在美國，政府還沒有介入制定這種類似歐盟的嚴格規定，但已經對一些貸款和健康模型所使用的演算法和資料進行限制，雖然這會導致這些模型效率下降並出錯。
此外，人工智慧的社會功能亟待進一步提升。公眾正迅速意識到，人工智慧目前仍無法精確識別、預防特殊事件——儘管 Facebook，YouTube，Twitter，Instagram 等都吹捧自己 AI 的種種能力，包括發現虛假新聞的能力、發現針對未成年的犯罪等特殊事件的能力，但他們後來都迅速申明是利用了大量的審稿人才達到了所聲稱的準確度，這正說明人工智慧的社會功能仍有提升空間。
公眾和政府將開始仔細研究人工智慧對於社會和隱私所產生的影響
利用預測分析追蹤用戶點擊次數、位置、面部資訊等人工智慧技術會進一步發展。2017 年，中國的資訊行業全面轉向人工智慧，以今日頭條為代表的新型互聯網資訊 App，充分利用線上追蹤以及個人設備的位置追蹤演算法，呈現更符合使用者口味的個性化資訊。以此為基礎，這些資訊 App 能夠針對細分的目標人群進行精准的廣告投送，能夠降低商家的廣告成本，同時降低對閱讀者的無效廣告干擾。
與此同時，人工智慧帶來的隱私風險逐漸呈現。雖然你可以自由關閉 App 或選擇退出線上追蹤，但實際上 App 已經比朋友、家人甚至你自己更加瞭解你，知道用戶隱私。再加上如今追蹤和記錄面部資訊的攝像機氾濫，一旦我們的面部資訊被偷偷採集並儲存在面部識別資料庫中，與我們的各種隱私資料結合，後果將更難以設想。
目前為止還沒有明確關於這些可能帶來不利影響的資訊，但這種不利影響時刻潛伏著，一旦發生就可能會帶來出乎意料的後果，也許在 2018 年這些不利影響就會逐漸顯露。
歐盟已經開始行動，在剛剛生效的新的通用資料保護條例（GDPR）中加入了曾經幾乎被人們所遺忘的隱私權。在美國，政府還沒有介入制定這種類似歐盟的嚴格規定，但已經對一些貸款和健康模型所使用的演算法和資料進行限制，雖然這會導致這些模型效率下降並出錯。
此外，人工智慧的社會功能亟待進一步提升。公眾正迅速意識到，人工智慧目前仍無法精確識別、預防特殊事件——儘管 Facebook，YouTube，Twitter，Instagram 等都吹捧自己 AI 的種種能力，包括發現虛假新聞的能力、發現針對未成年的犯罪等特殊事件的能力，但他們後來都迅速申明是利用了大量的審稿人才達到了所聲稱的準確度，這正說明人工智慧的社會功能仍有提升空間。