一、正向強化式學習（Positive reinforcement）
去年Google開發的圍棋程式AlphaGo以四勝一敗的成績，打敗南韓棋王李世乭；今年5月，AlphaGo再以三戰完勝世界排名第一的中國棋王柯潔，把人工智慧推向新的里程碑，特別是AI所具備的「深度強化式學習」的技巧。
「強化式學習」靈感來自動物的學習模式，能夠知道特定行為會導致正面或負面的結果。以走迷宮為例，電腦可以藉由試誤法（trial and error），把正向結果，也就是「走出迷宮」，跟導向結果的行為連結起來，因此電腦不需要倚賴指示或明確的範例就能自己學習。
2017年，我們可能會看到更多關於強化式學習的應用，比如解決自動駕駛或是工業機器人的問題。Google已自詡深度強化式學習讓它們的數據中心更有效率，但這方法還只在實驗階段，仍需進行長期的模擬，未來該技術會如何被有效運用值得期待。
二、對抗性神經網路（Dueling neural networks）
2016年底在巴賽隆納舉行、堪稱是人工智慧領域的年度盛事「神經訊息處理系統大會」（Neural Information Processing Systems，簡稱NIPS），有一種新的機器學習技術「生成對抗網路」（Generative Adversarial Networks），成為大會的討論焦點。
「生成對抗網路」是由OpenAI的研究科學家伊恩古德法羅（Ian Goodfellow）開發，是以兩種相互對抗的網絡組成，其中一個網絡會從訓練數據組學習，然後產生新數據；另一個網絡則會試著去判別數據的真假。透過兩個網絡合作，可以產生非常逼真的合成數據，應用在建立電玩場景、讓像素化的影片畫面變清晰，或是生成更具風格的電腦設計。
機器學習的國際權威約書雅班吉歐（Yoshua Bengio）則在NIPS大會上表示，這個新的學習方法讓人格外振奮，因為它讓電腦可以學習更多未標記的數據，掌握未來讓電腦更聰明的關鍵。
三、中國的人工智慧熱潮
2017年將是中國在人工智慧領域成為主力的一年。中國的科技產業正在脫離模仿歐美的老路，把人工智慧與機器學習視為下一個重大創新領域。中國最大搜尋引擎百度，成立人工智慧實驗室已經一段時間，正在收割成果，包括聲音辨識與自然語言處理等技術的改良，以及優化的廣告業務。
其他對手也急起直追，例如擁有中國最大手機通訊軟體微信的騰訊，去年成立了人工智慧實驗室，在NIPS大會上還忙著招募人才。汽車共乘應用程式滴滴出行，今年初併購了Uber在中國的業務，也成立了一個聲稱要研究無人駕駛車的實驗室。中國投資人正灌注大量資金在人工智慧的新創產業上，中國政府也承諾2018年以前要投資150億美元，期盼中國的人工智慧產業能蓬勃發展。
四、語言學習
如果你問人工智慧的研究員，什麼是他們鎖定的下個目標，他們很可能會提到「語言」。關於聲音與影像辨識等領域的技術，都有顯著進展，可以幫助電腦更有效地分析與生成語言。電腦用語言跟我們溝通互動的前景是迷人的，優越的語言理解能力將讓機器更有用處，這也是人工智慧的長遠目標，但挑戰艱鉅，畢竟語言是非常複雜且微妙的。不要指望短期內你能跟智慧手機進行深刻且有意義的對話，但確實有些令人印象深刻的進展，可以期待2017年這個領域還會有所成長。
五、炒作人工智慧引發反彈
除了真正的進步以及現存的新應用，2016年我們看到關於人工智慧的炒作已經達到新高，儘管很多人對於目前正在開發的人工智慧潛在價值抱持信心，但相關宣傳卻顯得有點失控。
這個現象顯然讓一些人工智慧研究者非常惱火。NIPS大會期間還故意為一間假的新創公司Rocket AI辦了一場成立慶祝派對，藉此凸顯在正宗的人工智慧研究之外，充斥了多少虛假與狂熱，儘管這個把戲騙不了多少人，卻是個有趣方式，引起大家關注人工智慧領域存在的真正問題。
而真正的問題是，經過大肆宣傳，如果人工智慧技術未做出重大突破，難免引發失望情緒，導致被高估的新創公司失敗、資金枯竭。也許2017年，過度炒作人工智慧的現象將引發某種反彈，但未嘗不是件好事。
