在刚刚过去的2019年，人工智能领域迎来了一波真正的碘伏性突破——热门技术轮番登场，落地应用也加速推进。当然，AI技术的演进向来有起有落，有爆发也有淘汰。回顾这一年，三股技术浪潮格外引人注目：强化学习、自然语言处理和计算机视觉。

这些曾经只属于科幻影视剧和小说里的遥远幻想，如今已经一步步渗透进我们的日常生活，成了触手可及的现实。

热门技术一：强化学习

毫不夸张地说，2019年就是强化学习回归的一年。简单回顾一下：强化学习是机器学习的一个分支，核心思路是让智能体根据环境反馈来行动，以最大化累积奖励。它的灵感来自心理学中的行为主义——有机体在奖励或惩罚的刺激下，逐步形成能获取最大利益的习惯性行为。强化学习本身已经发展了几十年，算不上新技术。但2016年AlphaGo击败李世石之后，强化学习与深度学习融合，迎来了一次大爆发，成为近两年最热的方向之一。

过去几个月里，围绕强化学习的研究工作明显增多，这些成果重新唤起了学术界对这一领域的信心。曾经有人认为强化学习效率低下、过于简单，连游戏问题都解决不了。可如今，游戏反倒成了它最大的应用场景——历史和现实的对比，真有点戏剧性。

热门技术二：自然语言处理

自2018年底以来，自然语言处理的焦点从传统的词嵌入转向了预训练语言模型——这本质上是从计算机视觉领域借鉴过来的技术。Google BERT、ELMo、ULMFiT等系统在2018年底推出后，NLP便一路高歌猛进。但2019年的聚光灯几乎被OpenAI的GPT-2抢走了，它的出色表现引发了一场关于NLP系统道德使用的大讨论。从实际应用来看，自然语言处理如今已覆盖机器翻译、垃圾邮件识别、信息提取、文本情感分析、自动问答以及个性化推荐等多个领域，场景相当广泛。

热门技术三：计算机视觉

对AI来说，创造虚假但又逼真的人物和物体图像早已不是最前沿的事了。从2014年生成对抗网络的引入，到2019年NVIDIA开源的StyleGAN，都在印证这一点。2019年，人工智能创作的艺术品甚至走出了过去几年的假设性讨论，真正进入了博物馆的展陈和拍卖市场。

计算机视觉还被应用于一些具有重大商业和社会意义的领域，比如自动驾驶和医疗。不过，这些场景下AI算法的落地速度相对较慢——原因很简单，它们直接与人类生活互动。至少到目前为止，这些系统还远远谈不上完全自主，它们的角色是支持和增强人类操作员的能力，而不是替代。