人工智能行业发展如此之快，以至于很难跟踪最新的研究突破和成就。为了帮助您为2020年做好充分的准备，我们总结了不同研究领域的最新趋势，包括自然语言处理，对话式AI，计算机视觉和强化学习。
 

我们还建议了我们认为可以代表最新进展的不同领域的重要研究论文。

在2018年，预训练的语言模型突破了自然语言理解和生成的极限。这些也主导了去年自然语言处理的进展。
 

来自顶级研究机构和科技公司的团队探索了使最先进的语言模型更加复杂的方法。计算能力的大幅度提高推动了许多改进，但是许多研究小组还发现了精巧的方法来减轻模型并保持高性能。

新的NLP范例是“预训练+微调”。在过去的两年中，转移学习主导了NLP研究。ULMFiT，CoVe，ELMo，OpenAI GPT，BERT，OpenAI GPT-2，XLNet，RoBERTa，ALBERT –这是最近介绍的重要预训练语言模型的详尽列表。尽管转移学习无疑将NLP推向了新的高度，但它经常因要求大量的计算成本和庞大的带注释数据集而受到批评。
 

语言学和知识可能会提高NLP模型的性能。专家认为，语言学可以通过改善数据驱动方法的可解释性来促进深度学习。利用上下文和人类知识可以进一步提高NLP系统的性能。

神经机器翻译展示了可见的进步。 同步机器翻译已经可以在现实世界中应用。最近的研究突破旨在通过优化神经网络体系结构，利用视觉上下文以及为无监督和半监督机器翻译引入新颖的方法来进一步提高翻译质量。