人工智能將在未來得到規(guī)?；褂?，屆時(shí)它不僅能大幅度提高人類工作效率，還能使當(dāng)下的萬物互聯(lián)更加緊密，使國家發(fā)生翻天覆地的變化。
1、引入支持AI的芯片
人工智能依賴于專用處理器，補(bǔ)充了CPU。高級CPU模型也無法提高AI培訓(xùn)模型的速度。AI模型需要額外的硬件來解決復(fù)雜的數(shù)學(xué)問題，以提高任務(wù)的速度，如面部識別和物體檢測。包括NVIDIA，ARM，英特爾和高通在內(nèi)的芯片制造商將提供專用芯片，以提高基于AI的應(yīng)用程序的速度。
支持AI的芯片將針對與自然語言處理，語音識別和計(jì)算機(jī)視覺相關(guān)的特定用例和場景而設(shè)計(jì)。行業(yè)級應(yīng)用很快將依賴這些芯片為消費(fèi)者或最終用戶提供智能。
目前國內(nèi)人工智能芯片市場呈現(xiàn)出百花齊放的態(tài)勢。AI芯片的應(yīng)用領(lǐng)域廣泛分布在金融證券、商品推薦、安防、消費(fèi)機(jī)器人、智能駕駛、智能家居等眾多領(lǐng)域，催生了大量的人工智能創(chuàng)業(yè)企業(yè)，如地平線、深鑒科技、寒武紀(jì)、云知聲、云天勵(lì)飛等。未來隨著國內(nèi)人工智能市場的快速發(fā)展，生態(tài)建設(shè)的完善，國內(nèi)AI芯片企業(yè)將有著更大的發(fā)展空間，未來5年的市場規(guī)模增速將超過全球平均水平。
2、面部識別
最近，面部識別在很多負(fù)面新聞發(fā)布中都很普遍，無論是中國的SenseTime還是谷歌贏得訴訟。但是，這項(xiàng)技術(shù)將在2019年繼續(xù)增長。面部識別是一種基于人工智能的技術(shù)，用于識別個(gè)人使用其面部特征及其數(shù)字圖像的模式。
2019將見證面部識別技術(shù)的使用增加，具有高可靠性和準(zhǔn)確性。例如，F(xiàn)acebook的Deepface程序用于標(biāo)記照片中的朋友和家人。此外，幾乎所有的智能手機(jī)現(xiàn)在都拿出面鎖。
面部識別的其他用例包括通過安全檢查和執(zhí)法的支付處理。即將到來的面部識別技術(shù)也可以用于醫(yī)療保健行業(yè)，用于臨床試驗(yàn)和醫(yī)學(xué)診斷。Openwater是便攜式醫(yī)學(xué)成像技術(shù)之一，正在打破可以從大腦中讀取圖像的界限。
目前，我國面部識別群雄逐鹿局面已見雛形。除了正謀求上市，積極融資中的人臉識別領(lǐng)域云從、商湯、依圖、曠視四大獨(dú)角獸及騰訊、阿里巴巴、百度幾大互聯(lián)網(wǎng)巨頭有所布局
3.AI和IoT的融合
人工智能將在2019年的邊緣計(jì)算層遇到物聯(lián)網(wǎng)。我們將看到更多的人工智能與物聯(lián)網(wǎng)融合的用例。
例如，如果沒有人工智能和物聯(lián)網(wǎng)的結(jié)合，自動駕駛汽車的概念就不會變得實(shí)用。支持物聯(lián)網(wǎng)的傳感器可收集實(shí)時(shí)數(shù)據(jù)和AI模型的電源決策程序。
深度學(xué)習(xí)算法有助于根據(jù)物聯(lián)網(wǎng)傳感器收集的數(shù)據(jù)采取行動并做出決策。一些行動包括眼睛跟蹤以增強(qiáng)駕駛員監(jiān)控，路線規(guī)劃，當(dāng)汽車燃料或汽油不足時(shí)自動直接移動到加油站以及語音命令的自然語言處理。
物聯(lián)網(wǎng)已準(zhǔn)備好成為企業(yè)中人工智能的重要驅(qū)動力。Edge器件將配備基于ASIC和FPGA的支持AI的芯片。
4.社會經(jīng)濟(jì)模型
由于人工智能日益受到關(guān)注，幾乎所有人都提出了一個(gè)共同的問題，即“AI會很快帶走工作嗎？”答案是，“這取決于”。
雖然人工智能會奪走資源稀缺的工作，但它也會帶來具有多種技能的新工作。
無論答案是什么，各個(gè)政府和世界經(jīng)濟(jì)論壇都在討論這個(gè)話題。這是因?yàn)槿斯ぶ悄軕?yīng)用程序的興起將有擴(kuò)大技能差距的風(fēng)險(xiǎn)，并可能造成兩極分化的社會。
雖然自動化可以消除對工作的需求，但總會有對教師，護(hù)理人員，客戶服務(wù)主管等工作的需求。
再分配計(jì)劃將成為2019年立法者關(guān)注的焦點(diǎn)。
5.神經(jīng)網(wǎng)絡(luò)之間的互操作性
構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的最大挑戰(zhàn)之一取決于選擇正確的框架。開發(fā)人員和數(shù)據(jù)科學(xué)家必須從眾多選項(xiàng)中選擇合適的平臺，包括TensorFlow，Caffe2，Apache MXNet，Microsoft Cognitive Toolkit和PyTorch。
在特定框架中訓(xùn)練和評估模型之后，很難將訓(xùn)練的模型移植到另一個(gè)框架。這是因?yàn)樯窠?jīng)網(wǎng)絡(luò)工具包之間缺乏互操作性。為了克服這一挑戰(zhàn)，F(xiàn)acebook，微軟和AWS合作開發(fā)了開放式神經(jīng)網(wǎng)絡(luò)交換，允許在各種框架中重用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型。它將成為2019年該行業(yè)的關(guān)鍵技術(shù)。
6.通過AIOps自動化DevOps
現(xiàn)代基礎(chǔ)架構(gòu)和應(yīng)用程序生成用于搜索，索引和分析的日志數(shù)據(jù)。從操作系統(tǒng)，應(yīng)用軟件，服務(wù)器軟件和硬件獲得的大量數(shù)據(jù)集可以與搜索模式和見解相關(guān)聯(lián)。
在將機(jī)器學(xué)習(xí)模型應(yīng)用于此類數(shù)據(jù)集之后，IT操作可以從被動轉(zhuǎn)換為預(yù)測。當(dāng)人工智能的潛力應(yīng)用于運(yùn)營時(shí)，它將重建基礎(chǔ)設(shè)施的處理方式。AI和ML在DevOps和IT運(yùn)營中的應(yīng)用將為公司提供智能。它將幫助運(yùn)營團(tuán)隊(duì)進(jìn)行準(zhǔn)確而準(zhǔn)確的根本原因分析。
這就是為什么AIOps將成為2019年的焦點(diǎn).AI和DevOps的融合將使企業(yè)和公共云供應(yīng)商受益。
7.自動機(jī)器學(xué)習(xí)模型
將改變基于ML的模型的AI趨勢是AutoML。它將允許開發(fā)人員和業(yè)務(wù)分析人員開發(fā)可以解決復(fù)雜場景的機(jī)器學(xué)習(xí)模型，而無需經(jīng)歷ML模型的培訓(xùn)過程。
使用AutoML平臺時(shí)，業(yè)務(wù)分析師可以繼續(xù)強(qiáng)調(diào)業(yè)務(wù)問題，而不是迷失在工作流和進(jìn)度中。
該平臺可以適應(yīng)自定義ML平臺和認(rèn)知API，并提供適當(dāng)級別的個(gè)性化，而無需開發(fā)人員完成整個(gè)工作流程。
8.深度學(xué)習(xí)
當(dāng)數(shù)據(jù)維數(shù)增加時(shí)，機(jī)器學(xué)習(xí)變得復(fù)雜。想象一下，您嘗試將您的聲音轉(zhuǎn)錄到文本中。問題多次惡化。
然而，深度學(xué)習(xí)是自動駕駛汽車，圖像識別和語音控制背后的技術(shù)。隨著Google Home和Amazon的Alexa的出現(xiàn)，您可以找到使用自然語言處理的各種基于語音的應(yīng)用程序，這是深度學(xué)習(xí)的一種應(yīng)用。
因此，我們可以看到對下一代深度學(xué)習(xí)算法的興趣增加，這些算法可以克服復(fù)雜問題，例如技術(shù)基礎(chǔ)設(shè)施問題的解釋。
9.AI和區(qū)塊鏈的融合
眾所周知，區(qū)塊鏈可以應(yīng)對可伸縮性等挑戰(zhàn)，而人工智能有信任和隱私問題，這兩種技術(shù)可以結(jié)合起來解決這些挑戰(zhàn)。
區(qū)塊鏈為分散的市場提供動力，可以幫助AI算法變得更加可靠和透明。例如，Enigma是一家初創(chuàng)公司，提供安全的數(shù)據(jù)市場，用戶可以通過智能合約訂閱和訪問。
10.政策和隱私
GDPR的引入是2018年最熱門的話題。我們預(yù)計(jì)2019年和2020年會有更多與政策和隱私相關(guān)的對話。
我們大多數(shù)人都不知道我們的數(shù)字信息是如何在互聯(lián)網(wǎng)上使用的。Facebook的隱私危機(jī)導(dǎo)致了對數(shù)字?jǐn)?shù)據(jù)隱私的意識。
這就是為什么立法者和國家將繼續(xù)將隱私政策視為2019年的一個(gè)關(guān)鍵問題的原因。圍繞人工智能使用數(shù)字生態(tài)系統(tǒng)的同意問題將非常重要，圍繞AI制定的法律需要進(jìn)一步理解。世界各國將繼續(xù)致力于制定人工智能法規(guī)的舉措。
