首頁熱門文章
2019年，最值得關(guān)注的八大AI趨勢(shì)
發(fā)布時(shí)間：2019-01-18 分類：趨勢(shì)研究
人工智能（AI）可以說是近幾十年來最具革命性的技術(shù)了，不論是Google、Facebook、Intel、阿里巴巴等通過產(chǎn)業(yè)布局進(jìn)入人工智能領(lǐng)域的互聯(lián)網(wǎng)企業(yè)，亦或如曠視科技Face++、極鏈科技Video++、優(yōu)必選科技這樣直接以人工智能起家的原生技術(shù)企業(yè)，都引領(lǐng)著新一輪AI輪廓的塑造。
AI所帶來的優(yōu)勢(shì)及其深遠(yuǎn)的影響，僅從中美之間新生的AI競爭就能看出，未來，人工智能將重塑從工作性質(zhì)到日常溝通再到運(yùn)輸方式的一切一切，它所釋放的“創(chuàng)造性破壞”將使大量現(xiàn)有技能和工作狀態(tài)革新，開辟一個(gè)新智能時(shí)代。
接下來，讓我們來看看2019年的幾個(gè)AI趨勢(shì)。
AI芯片
AI的發(fā)展，是需要依賴于CPU/GPU協(xié)同工作的專用處理器。然而，當(dāng)下一個(gè)主要缺點(diǎn)是，即使是AI發(fā)展的速度再快，也存在CPU/GPU也無法訓(xùn)練的情況，比如需要額外的硬件來執(zhí)行復(fù)雜任務(wù)的數(shù)學(xué)計(jì)算等，這個(gè)時(shí)候AI芯片的重要性就凸顯出來。
今年，英特爾，NVidia，AMD，ARM，華為，高通等領(lǐng)先的芯片制造商都已經(jīng)將AI芯片的生產(chǎn)提上了日程，在2019年，他們將生產(chǎn)能夠快速提高基于AI執(zhí)行速度的芯片，這些芯片將應(yīng)用在不限于計(jì)算機(jī)視覺、語言處理等多種定制用途，更完全會(huì)根據(jù)市場需要，推出特定使用在如醫(yī)療保健以及汽車行業(yè)專業(yè)芯片。
AI+IoT
2019年，AI和IoT的結(jié)合，將達(dá)到1+1>2的效果。
對(duì)AI來說，因?yàn)锳I可以提升精度，并提高其分析和預(yù)測(cè)性維護(hù)方面的功能，因而IoT設(shè)備通過AI神經(jīng)網(wǎng)絡(luò)的高級(jí)機(jī)器學(xué)習(xí)模型的優(yōu)化，甚至嵌入專門設(shè)計(jì)的AI芯片，將實(shí)現(xiàn)萬物互聯(lián)更為多樣性的適配。
除此之外，2019年，隨著5G的普及，所有設(shè)備和基礎(chǔ)設(shè)施都會(huì)聯(lián)結(jié)在一起，技術(shù)和產(chǎn)品會(huì)使得我們整個(gè)社會(huì)的效率越來越高，加之AI+IoT也將越來越多地融入邊緣計(jì)算，大多數(shù)經(jīng)過云訓(xùn)練的模型都將放在邊緣層，最終從云到邊緣再到終端，最后這張網(wǎng)將會(huì)越來越復(fù)雜。
自動(dòng)化機(jī)器學(xué)習(xí)
隨著AutoML（自動(dòng)機(jī)器學(xué)習(xí)）算法的到來，機(jī)器學(xué)習(xí)將發(fā)生根本變化。AutoML將允許開發(fā)人員和程序員在不創(chuàng)建特定模型的情況下解決復(fù)雜問題。AutoML的優(yōu)勢(shì)在于它可以使分析師和開發(fā)人員只關(guān)注有關(guān)問題，而不是整個(gè)流程和工作流程。
因此，AutoML獨(dú)特地融合了靈活性和可移植性。AutoML與認(rèn)知API和自定義ML平臺(tái)無縫對(duì)齊，通過直接解決問題而不是完成整個(gè)工作流程，來節(jié)省大量時(shí)間和精力。
AI+網(wǎng)絡(luò)安全
由于網(wǎng)絡(luò)安全專家的需求和供應(yīng)存在巨大差距，以及網(wǎng)絡(luò)安全的缺點(diǎn)以及需要采用創(chuàng)新方法的安全漏洞風(fēng)險(xiǎn)不斷增加，2019年，人工智能和機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)安全中的使用將會(huì)大幅度提升。
其中，尤其是具備海量大數(shù)據(jù)的組織隨著系統(tǒng)規(guī)模的擴(kuò)大以及警惕地監(jiān)控威脅需要，在沒有人工智能的情況下，網(wǎng)絡(luò)安全流程會(huì)變得脆弱并導(dǎo)致效率降低，因此，將AI納入網(wǎng)絡(luò)安全并不意味著不需要專家，反之，AI將賦予專家更多的權(quán)力并使得安全系統(tǒng)更加完善。
AI技能
據(jù)報(bào)道，在2018年，人工智能已經(jīng)成為薪酬最高的工作之一，并且許多組織及高校已經(jīng)在人工智能領(lǐng)域的技能培訓(xùn)和學(xué)科培養(yǎng)上加大投入，同樣的趨勢(shì)在2019年也將繼續(xù)。
然而，其中有一些挑戰(zhàn)也正在出現(xiàn)，比如企業(yè)自身難以在短期培養(yǎng)一個(gè)具備強(qiáng)人工智能技能的高級(jí)人才，因此，他們可能更趨向于選擇設(shè)立一個(gè)不需要監(jiān)督的人工智能工具進(jìn)行替代。
通過AI實(shí)現(xiàn)DevOps的自動(dòng)化
如今，互聯(lián)網(wǎng)生成的海量數(shù)據(jù)無法估量，往往需要對(duì)其進(jìn)行過濾后再實(shí)現(xiàn)分析，其中，使用AI對(duì)數(shù)據(jù)集進(jìn)行整理，來找到可以滿足硬件和其他應(yīng)用軟件的相關(guān)性和新模式，將逐漸成為主流。
在2019年，最優(yōu)的解決方案，是在這些數(shù)據(jù)集上應(yīng)用機(jī)器學(xué)習(xí)模型使它們具有預(yù)測(cè)性，并且隨著AI的不斷深入，管理IT基礎(chǔ)架構(gòu)的方式將被重新定位，在IT運(yùn)營中部署AI將幫助他們?cè)诟痰臅r(shí)間內(nèi)完成任務(wù)，并快速解決問題，因此，基于AI的DevOps將于2019年投入運(yùn)營，云供應(yīng)商等將從中受益匪淺。
神經(jīng)網(wǎng)絡(luò)互操作
在目前的一些神經(jīng)網(wǎng)絡(luò)操作中，最主要問題存在于選擇最合適的框架，因此，開發(fā)人員往往面臨從一系列工具中進(jìn)行選擇的艱難問題，不僅局限于Apache MXNet，Microsoft Cognitive Toolkit，TensorFlow等等。
這是因?yàn)樯窠?jīng)網(wǎng)絡(luò)一旦選擇并訓(xùn)練了特定模型，就很難再在另一個(gè)框架上工作， 為了應(yīng)對(duì)這一挑戰(zhàn)，AWS，F(xiàn)acebook和Microsoft合作構(gòu)建了開放式神經(jīng)網(wǎng)絡(luò)交換（ONNX），這使得在多個(gè)框架中重用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型成為可能，2019年，神經(jīng)網(wǎng)絡(luò)中互操作性的突破會(huì)成為AI的重點(diǎn)趨勢(shì)之一。
開源AI
2019年，AI大多數(shù)的項(xiàng)目都會(huì)進(jìn)行開源，是因?yàn)樵絹碓蕉嗟墓鹃_始關(guān)注協(xié)作和知識(shí)共享，人工智能也會(huì)遵循相同的發(fā)展軌跡。開源AI作為人工智能發(fā)展的下一個(gè)階段，多家公司將開始開放他們的AI堆棧，以建立更廣泛的AI社區(qū)支持網(wǎng)絡(luò)。
Gartner預(yù)測(cè)“到2020年，AI技術(shù)將普遍出現(xiàn)在幾乎每一個(gè)新的軟件產(chǎn)品和服務(wù)中”，在那天到來之前，開源AI將一直扮演重要角色。目前，包括Acumos AI、Facebook框架、Yahoo的CaffeOnSpark、Google的TensorFlow 、H2O.ai以及Microsoft Cognitive Toolkit等，都作為比較主流的開源AI工具在市場中占據(jù)大量份額，除此之外，更多的AI公司也正在爭相開源自己的項(xiàng)目。
實(shí)際上，伴隨2019年的到來，沒有人能預(yù)見到AI領(lǐng)域到底會(huì)發(fā)生哪些令人難以置信的變革，我們僅能從這些趨勢(shì)中，感受到足以令人十分興奮的未來。
