人工智能热门技术研究课题

　　当前人工智能在诸多行业领域已经实现了广泛应用，但在热门技术方面来看，安全性等方面依然存在一定缺陷。 用简单的“对抗性补丁”(adversarial patch)可以使得人脸识别在可靠性、安全性等失效。这也让AI技术研究需要更加注重 人工智能 “攻”和“防”的课题，如何确保AI算法的高安全性、可靠性还有它的鲁棒性，人工智能算法在安全方面 “攻”和“防”当前也是一个相当热门的技术研究方向。

　　另外一个研究课题是 生成对抗网络(GAN, Generative Adversarial Networks )，生成对抗网络有非常多的应用，典型的应用在“图像生成”和“数据增强”等方面，比如在安防领域人脸识别图像的生成。生成对抗网络如今也逐渐被应用在其他的一些应用领域，如生命科学中的材料设计，还有食品、药物的设计,这些也成为人工智能技术新的研究方向。

　　 边缘计算同样也是当下人工智能技术研究的重点之一。随着物联网时代的到来，越来越多的数据在边缘端产生，边缘计算由此成为显著趋势。现阶段边缘计算有多种计算方式决定什么应该放在边缘端。目前人工智能的算法在主流方面是把算法放在云端，把编程中推理的部分放在边缘端，这样可以保证数据运算和训练这一类需要大功率运算的过程在云端进行，而推理的过程则在边缘端发生。不过这种模式可能会导致边缘端的算法不够智能，如何在边缘端提升算法的智能程度是一个重要的研究方向。

　　 宽度学习网络的诞生，被认为是可以很好地替代原本的深度学习网络，它基于将输入随机映射成为扩充节点作为输入的思想而设计(依据早期随机向量函数链接神经网络，random vector functional-link neural network)。它可以非常快速的算出正确的映射，在数据的增量部分也可以实时的学习。 根据大量的测试结果显示，在边缘计算过程中，宽度学习的实时性应用效果非常不错。