更多深度文章，请关注： https://yq.aliyun.com/cloud
作者简介： Yitaek Hwang，Leverege & VFA产品工程师，个人主页https://iot-for-all.com/@yitaek?source=post_header_lockup
新年快乐小伙伴们！谢谢2016年对Last Week in the Future的支持。本周的新年特刊将聚焦物联网和机器语言、人工智能，梳理各领域在2016年的成绩，并展望2017的趋势。
物联网领域
2016年，亚马逊Echo和谷歌Home的成功，让我们目睹了语音用户识别系统的崛起。Oculus Rift, HTC, PTC、微软对AR/VR头显设备的频繁迭代以及Pokemon Go的大受欢迎，让我们感受到AR/VR的势头正劲。AlphaGo打败韩国围棋大师李世石，让全世界为机器强大潜力侧目。紧接着，在匹兹堡Uber的自动驾驶汽车开始接载乘客，将载人自动驾驶从愿景向现实拉近了一步，此外，Uber还收购了专注于无人驾驶货车的初创企业Otto。
与此同时，2016年关于物联网，也有一些坏消息留给世界。由Mirai僵尸网络发动的针对DNS提供商Dyn的攻击，让Twitter和Netflix遭遇网络瘫痪，显示了物联网设备的安全漏洞会造成多么可怕的后果。力图在智能家居领域掀动变革的Nest被google以32亿美金收购。在可穿戴设备方面，智能手表鼻祖Pebble倒闭，被Fitbit收购。除此之外，碎片化问题无论在连通性上，还是在平台层面，都是物联网领域正面临的困境。
Knud Lasse Lueth在《物联网分析》中，对2016年物联网的发展提出了高水准的总结。除了上述的概况之外，我们围绕物联网最重要的3个方面梳理了简明的要点：
![dcc3fadd0720ef4a480e3d1cd1e0ceb39ff0c2ef]()
“物联网2016年回顾”——图片来源：IoT Analytics
硬件领域
- Nvidia以GeForce GTX 1080, 1070, 1060等支持VR视频的显卡产品继续占据GPU市场的领导地位。Facebook、IBM等互联网巨头应用Nvidia的Tesla系列GPUs产品来服务机器学习。
- 英特尔收购了做人工智能深度学习的创业公司Nervana Systems，并将完成对Movidius的收购，继而开启人工智能设备。英特尔近来的一系列举动——收购Altera, Nervana, Phi和Xeon，透露了其进军人工智能和机器语言（AI/ML）领域的决心。
- 高通公司以390亿美元的价格收购了汽车芯片制造商恩智浦半导体(NXP)。
- 日本软银以310亿美元收购了全球移动处理器领域最重要的企业ARM控股集团。
- 日本电子零件制造商TDK斥资13亿美元收购美国芯片制造商InvenSense。
- 9月份，为物联网提供硬件工具包和开发者工具的Particle.io开始支持与谷歌云平台直接集成，做出了物联网加速发展的表率。
连接技术领域
- 世界领先物联网连接提供商Sigfox从英特尔投资(Intel Capital)、Air Liquide等投资者获得了1.6亿美元的E轮融资，继续研发低功耗广域网技术(LPWA)。SigFox近期宣布其已覆盖100个美国城市。
- 北美第一家且目前增长最快的公共LoRaWAN低功耗远距离物联网(LPWAN)技术提供商Senet发布了其网路覆盖地图，范围已包括旧金山和洛杉矶，但是全国范围内的覆盖尚未实现。
- 3GPP在2016年第二季度完成了三种蜂窝物联网的技术参数：LTE-M1, NB-IoT，EC-GSM。Verizon和AT&T都计划明年开启LTE-M1网络的商用。与此同时，沃达丰也在努力发展基于蜂窝的窄带物联网（Narrow Band Internet of Things, NB-IoT）。
- 10月，开放互连基金会(Open Connectivity Foundation，OSF)和AllSeen Alliance宣布合并。这样一来，就将竞争格局缩减到三方： intel和三星（合作牵头开源项目IoTivity），google（Weave技术）。
平台领域
- 物联网平台这一领域一如IoT Analytics报告中所说的那样竞争激烈，提供商数目超过400个，思科在2月份以14亿美金的价格收购了平台供应商Jasper，引发业内瞩目。
- 第四季度，由Forrester Wave主导的物联网平台调查显示，IBM, PTC, GE和微软已成为占据物联网平台市场的主导企业。SAP, AWS, Cisco, LogMeln, Exosite, Ayla Networks和Zebra Technologies名列前11名。
- 继三星收购了人工智能和虚拟助手公司Viv（这间公司的创始人正是苹果的Siri的缔造者）之后，语音用户界面领域的竞争更加激烈了。亚马逊的Alexa仍然一枝独秀，谷歌、苹果和三星在奋力争夺新兴的语音界面的市场份额。
- 云计算领域的大佬们纷纷将关注点转移向了雾计算（fog/edge computing）。微软为Azure IoT Gateway SDK 提供了对自家无服务器事件驱动的平台Azure Functions的支持，这一支持为在Azure基础上构建物联网解决方案的开发者提供了基于云的扩展能力。亚马逊宣布AWS Greengrass可对物联网设备的Lambda Functions提供支持。Google推出了新物联网平台Android Things的开发者预览版。
物联网在2016年初具雏形，尽管过程曲折，经历挫折。物联网平台和物联网连接方面的竞争将在2017年继续。由于物联网设备范围广仿，注定了不同的标准将并存，而不会出现一家独大的局面。人工智能热短时期内不会消失，这对于AR/VR甚至MR (混合现实)，以及无人驾驶汽车、自动售卖的影响都还有待观察。如果对更详尽的研究感兴趣，不妨看一下Future Today Institute的“The Tech Trends You Need to Know for 2017.”（你应该知晓的2017科技趋势）
机器学习领域
从AlphaGo历史性的胜利到NIPS（神经信息处理系统大会）的出席者人数打破记录，继续成为产业大佬们的战略聚焦点。在第V13.0期的LWITF里，我们总结了Yann LeCun扬·勒丘恩（计算机科学家）的预测机器学习的演讲资料，以及Tryolab关于2016年无监督学习领域取得的进展的总结。深度学习获得了来自各方的关注，但实际上所有的参与者着手的研究项目都各不相同。以下我们梳理了这个领域最主要的几个参与企业，它们在2016年取得的进展：
![af2fb9c1df320940869ba5b105e002ad71b3ffff]()
使用深度学习技术的60多个创业公司 图片来源：CB Insights
Google DeepMind
2016年，当AlphaGo的胜利占据头条的时候，DeepMind的应用领域也早已超过了挑战像星际争霸这样的游戏。可微神经计算机Differential Neural Computers (DNC)将深度学习与存储元素相结合，让计算机具备了推理以及简单判断的模式。（DNC将一个神经网络与传统电脑的海量存储数据结合，系统的智能已经可以自主分析并学习外部的存储数据。）这种只提供少量训练样本的学习方式（One-shot learning methods）可以基于很小的数据集合获得很高的精确度，这对于那些无法掌握海量数据集合的小公司来说，或许是一个从深度学习领域获利的契机。DeepMind 还推出了WaveNet，这是一个用于处理原始音频波形图的深度生成模型。
Google Brain
《纽约时报》发表了一篇关于Google Brain和人工智能的精彩文章，这篇文章也出现在了第V14.0期的LWITF上。给予深度学习的机器翻译正在与人工翻译一较高下。谷歌的关注点在与神经网络和深度学习。SyntaxNet这样的神经语言处理(NLP)工具以及基于谷歌TensorFlow 的图说生成模型都被开源。谷歌发表了一篇文章探讨人工智能的伦理问题，文章是关于对数据集合的一些固有偏见，这些偏见影响着机器学习的发展。
FacebookAI研究院（FAIR）
由计算机科学家Yann LeCun领导的这个实验室正专注于对卷积神经网络（Convolutional Neural Networks）和图像处理的研究。FAIR在2016年发布的最有趣的工具是Caffe2Go，这是一个可以用在移动设备实现实时风格的深度学习系统。鉴于Yann LeCun对生成式对抗网络Generative Adversarial Networks (GANs)公开表示赞扬，FAIR往后在深度卷积生成式对抗网络方面的进展将十分值得关注。
OpenAI
是一个非营利性的人工智能研究公司，由Elon Musk创立，赞助人包括大名鼎鼎的Reid Hoffman, Peter Thiel, 微软和AWS。OpenAI的研究人员在8月份的时候推出了InfoGAN模型，这个系统可以在无人监控的情况下，自动生成包含数据集相关信息的表征。
微软
微软和谷歌一样，在机器学习领域的方方面面都表现活跃。继2015年推出了用于图像识别的深度残差学习之后，微软在去年10月在语音识别方面祭出了大招。微软的研究人员宣布它们的系统达到了人类同等的会话语言识别。Azure的机器学习和认知工具包都是可供临时用户方便地使用的产品。
被Salesforce收购的MetaMind
和在Yann LeCun的影响下专注于卷积神经网络研究的FAIR相似，由Richard Socher领导的MetaMind专注于循环神经网络(RNN, Recurrent Neural Networks)以及神经语言处理程序的研究。这个Joint Many-Tasks (JMT)模型是一个端到端的可训练模型，它可以习得复杂的自然语言处理任务。
在NIPS 上发表的“基于视觉监控程序Visual Sentinel的自适应聚焦”涉及了与卷积神经网络结合的自然语言处理，并显示了在自动图片说明方面的巨大进展。
Uber
被Uber收购自动驾驶货运车公司Otto的新闻盖去风头的是Uber成功收购了Geometric Intelligence。外界对Geometric Intelligence的所知甚少，但普遍预测这是一次针对人才团队的收购，目的是巩固Uber在人工智能领域的地位。2017年，我们可以期待这个由Otto和 Geometric Intelligence组合而成的智库贡献出顶尖的产品。
百度
人工智能领域的大部分玩家都来自美国，作为一家中国公司，百度取得的成就显得不容忽视。由Andrew Ng领导的百度，在去年9月发布了DeepBench，这个开源测试工具能对硬件平台训练出神经网络的效率进行评估。百度基于Python的深度学习框架PaddlePaddle在汉语音译方面表现优异。
其他参与企业
- 苹果：除了雇佣CMU机器学习教授Russ Salakhutdinov之外，苹果刚刚开始出版自己的著作。在2016年初，苹果还收购了位于西雅图的人工智能初创企业Turi。
- 亚马逊：和谷歌、微软、Facebook相比，亚马逊在机器学习方面的成果有限，但是随着Alexa在语音市场的优秀表现以及2016年发布的一系列新产品的出现，亚马逊将在人工智能领域有更多投入。
- IBM：可以公允地说，AlphaGo的风头已经盖过了此前IBM Watson引发的赞叹。有消息传出IBM的百万神经元类人脑芯片TrueNorth在图像识别方面表现突出，除此之外，还没有更多消息。
人工智能与自动化领域
2016年，自动驾驶汽车和Amazon Go（亚马逊在西雅图建立的自动售卖商店）引发了关于自动化的热烈争论。从科技界的领军者们开始裁员，到一项关于基本收入的调查，让大众开始忧虑人工智能会带来的后果。
这个话题如此一言难尽，与其详细陈述方方面面，不如把我们的参考资料（书目）告诉大家。无论你对它持有何种态度，人工智能的时代都已经来了，而且我们必须做好准备。
Hannah White’s “Amazon Go: We’re All F*cked” 《Amazon Go：我们都被坑了》
Calum McClelland’s “If you think your job is safe from Artificial Intelligence, you’re wrong.”《如果你认为自己的工作能在人工时代幸免遇难，那么你错了》
Yitaek Hwang’s “Artificial Intelligence, Automation, and the Economy”《人工智能、自动化与经济》
数十款阿里云产品限时折扣中，赶紧点击领劵开始云上实践吧！
以上为译文
本文由阿里云云栖社区组织翻译。
文章原标题《2016 in Review: IoT, Machine Learning, AI & Automation》，作者：Yitaek Hwang，译者：皮杰
文章为简译，更为详细的内容，请查看原文
