推荐系统无处不在，从推荐阅读什么，购买什么，到约会对象，如今已经完全取代了虚拟世界中烦人的销售员。 Netflix和亚马逊等公司都严重依赖于推荐系统，因为推荐系统考虑用户过去的偏好、同行的偏好和趋势，从而做出更有效的推荐。

算法博弈论从经济学和社会科学的角度考虑了多重代理的系统，它看到了这些代理如何在基于激励的环境中做出选择。这些多代理系统可以包括自利的人类成员以及在有限资源环境中共同竞争的智能代理。

物联网概念即日常使用的物理设备连接到互联网，其可以通过数据交换相互通信。 物理设备收集到的数据可以被智能处理，并使设备更加智能化。

随着基于神经元模型的深度学习的兴起，研究人员一直在开发可直接实现神经网络架构的硬件芯片， 这些芯片被设计成在硬件层面上模拟大脑。在普通芯片中，数据需要在中央处理单元和存储单元之间进行传输，从而产生时间开销和能耗。而在神经形态的芯片中，数据既以模拟方式处理并存储在芯片中，又可在需要时产生突触，从而节省时间和能量。

原文链接：https://towardsdatascience.com/hot-topics-in-ai-research-4367bdd93564

关键词：机器学习、深度学习、强化学习、机器人、计算机视觉、自然语言处理、推荐系统、算法博弈论与计算机制设计、物联网、神经形态计算