对我来说，在每年的这个时候来总结机器学习的进展已经成为一种惯常(例如我去年在Quora上的回答)。和往常一样，这个总结必然会因为我自己的兴趣和关注点而有所偏颇，但我努力让它尽可能的涉猎广泛。

对我来说，在每年的这个时候来总结机器学习的主要亮点，这些将是我可能会提及的：

♦ 人工智能的炒作和恐惧的散播逐渐冷却下来;

♦ 更多关注聚焦于具体问题，如公平、可解释性或因果关系;

♦ 深度学习有所发挥并在实践中不仅适用于图像分类(尤其是自然语言处理);

♦ 人工智能框架的战斗正在升温，如果你想成为名人，你最好发布一些你自己的框架;

让我们更为细致地探讨他们吧。

如果说2017年可能是恐惧散布和人工智能炒作的顶峰，那么2018年似乎是我们开始些许冷静下来的一年。诚然，一些人一直在继续宣扬他们对人工智能的恐惧，但他们可能忙于其他问题而没有把这一点作为他们的重要议程。与此同时，出版社和其他媒体似乎已经平静下来，认为虽然自动驾驶汽车和类似技术正在向我们走来，但它们不会立刻诞生。尽管如此，仍有一些人在为我们应该监管人工智能而不是专注于监管其结果的坏主意辩护。

但是值得高兴的是，今年的重点似乎已经转移到可处理的更具体的问题上。例如，有很多关于公平的讨论，并且有许多关于这个主题的会议(参见FATML或ACM FAT)，甚至还有一些谷歌的在线课程。

The year in AI/ML advances: 2018 roundup

作者：Xavier Amatriain 翻译： leogle97