2017版AI可能指的是2017年左右的人工智能技术发展水平。2017年是人工智能领域的一个重要年份，因为那时深度学习和神经网络已经开始在多个领域展现出其强大的能力。以下是一些2017年左右AI领域的关键技术和应用：

1、深度学习（Deep Learning）：深度学习是2017年AI的核心技术之一。它通过模拟人脑神经网络的工作方式，使机器能够从大量数据中学习和改进。深度学习在图像识别、语音识别、自然语言处理等方面取得了显著的进步。

2、AlphaGo：2016年，Google DeepMind的AlphaGo击败了世界围棋冠军李世石。2017年，AlphaGo进一步进化，并与世界排名第一的围棋选手柯洁对战，取得了胜利。这一系列事件标志着AI在复杂策略游戏领域超越了人类。

3、自然语言处理（NLP）：2017年，NLP技术因深度学习的发展而得到显著提升。模型如序列到序列（Seq2Seq）学习和注意力机制（Attention Mechanism）被广泛应用于机器翻译、文本摘要和聊天机器人等领域。

4、生成对抗网络（GANs）：GANs是在2014年提出的，但直到2017年左右，它们才开始在图像生成领域得到广泛应用和研究。GANs能够生成非常逼真的图像，这在艺术创作、数据增强等领域有广泛的应用前景。

5、自动驾驶汽车：2017年，自动驾驶技术继续发展，多家公司如Waymo（前身为Google自动驾驶项目）、特斯拉等继续在这一领域进行测试和改进。虽然当时完全自动驾驶的车辆尚未广泛普及，但许多汽车制造商和科技公司都在积极开发相关技术。

6、语音识别和虚拟助手：2017年，语音识别技术因深度学习的进步而变得更加准确。虚拟助手如Amazon的Alexa、Google Assistant、Apple的Siri和Microsoft的Cortana等变得更加流行和智能。

2017版AI的特点是深度学习技术的广泛应用，以及在多个领域（如游戏、语言处理、图像识别等）取得的显著进步。这些技术为后续的AI发展奠定了基础，并继续影响着今天的AI研究和应用。