一文讀懂2019人工智慧25大趨勢

本文轉載自「Sandlakers」。

《AI的25個趨勢》

Part.1AI趨勢概覽

2019年AI的25個趨勢總體可以分為基礎框架、體系架構和應用三類。其中應用又分為智能預測、自然語言處理與合成和計算機視覺三類。

AI價值鏈的25個趨勢

對於這25個重要的AI趨勢，CB Insights採用NExTT框架，使用行業採用率和市場優勢兩個維度進行分析，分為實驗階段、過度階段，必要、的和緊迫性四個象限。每個象限的評判標準為：

實驗階段：除了早期創業公司之外，沒有被廣泛採用；

過度階段：公司合作意願，市場機會的不確定度；

必要性：廣泛的行業基礎，客戶採用度和投資；市場接納度；

緊迫性：大型可行的市場預測；值得注意的投資活動；不穩定/不確定的應用。

NExTT框架兩個維度

NExTT框架中的25個趨勢

Part.2必然的AI趨勢

1、開源框架

由於開源軟體的出現，人工智慧的門檻比以往任何時候都要低。谷歌在2015年開放其TensorFlow機器學習庫時引領了這一潮流，主要技術人員紛紛效仿。現在有許多開源工具可供開發人員選擇，包括Keras，Microsoft Cognitive Toolkit和Apache MXNet。

2、邊緣AI

對實時決策的需求正在推動AI更接近「邊緣」，使設備能夠在本地處理信息並更快地做出響應。 NVIDIA、蘋果和許多新興創業公司都專註於專門為人工智慧工作負載構建晶元。2019年最值得關注的人工智慧趨勢之一將是應用程序中邊緣AI的增長。

邊緣AI的提及率在2018年第三季度達到頂峰

AI正在推動實時決策

3、人臉識別

從解鎖手機到登機班機，面部識別正在成為主流。早期的商業應用正在安全、零售和消費電子領域取得進展，面部識別正迅速成為生物識別的主要形式。

CBinsights的報告中，人臉識別首先提到了中國並列舉了近四年年含有「人臉識別」和「中國」兩個關鍵詞的新聞，說明人臉識別技術在中國的重視度日益增高，中國對人臉識別技術的需求也越來越多。

含有「人臉識別」和「中國」兩個關鍵詞的新聞數目

2013-2018中國人臉識別技術股權和非股權交易數目

而美國的專利申請數目也顯示出了該國對人臉識別技術的興趣也在增高。

美國近年人臉識別與活體檢測專利申請數目

雖然還不太成熟，但大量的早期應用已經落地。例如蘋果在IOS 10系統中加入的人臉識別。

人臉識別早期應用

4、醫療成像與診斷

美國食品和藥物管理局（FDA）對AI醫療設備開了綠燈。 AI軟體產品的快速監管審批為AI成像和診斷公司開闢了新的商業途徑。在消費者方面，智能手機的滲透和先進的圖像識別技術正在將手機變成功能強大的家用診斷工具。最具影響力的AI趨勢之一將是AI用於醫療和診斷應用的批準和採用。數據顯示，診斷應用是健康類AI應用投資交易的主要驅動。

診斷類AI投資交易

谷歌DeepMind的演算法已經可以判斷出乳房活檢照片中腫瘤存在的可能性。

DeepMind的腫瘤識別演算法

5、預測性維護

從製造商到設備保險公司，AI物聯網可以為現有企業節省數百萬美元的意外故障。預測性維護演算法使用持續數據收集來預測設備故障。由於降低了感測器成本，人工智慧的進步以及對邊緣計算的推動，預測性維護已經變得更加廣泛。我們將見證2019年及以後該行業的投資的增加。

6、電子商務搜索

對搜索術語的語境理解正在逐漸走出「實驗階段」，但廣泛採用仍有很長的路要走。儘管面臨技術挑戰，早期的SaaS初創公司正在興起，向第三方零售商銷售搜索技術。 2019年人工智慧的主要趨勢之一將是對該行業的更多投資，包括主要零售商。

7、膠囊網路

深度學習推動了當今大多數人工智慧應用，但膠囊網路很快就會取而代之。與當前的卷積神經網路（CNN）相比，膠囊網路具有許多優點。對膠囊網路的研究還處於起步階段，但可能會挑戰當前最先進的圖像識別方法。

8、新一代假肢

非常早期的研究是將生物學，物理學和機器學習結合起來解決假肢中最棘手的問題之一：靈巧性。研究人員正在使用機器學習來解碼來自身體感官的信號，並將其轉化為移動假肢裝置的命令。今年，該行業將尋求更多發展，包括面向消費者產品的試驗。

9、AI臨床試驗

臨床試驗中最大的瓶頸之一就是招募合適的患者。理想情況下，AI可以從醫療記錄中提取信息，與正在進行的研究進行比較，並向醫生和患者提出相關研究建議。

很少有創業公司直接在臨床試驗領域與客戶合作，但像蘋果這樣的科技巨頭正在大踏步前進。自2015年以來，Apple推出了兩個開源框架，以幫助臨床試驗招募患者並遠程監控他們的健康狀況。

AI臨床試驗

10、生成式對抗網路GANs

GAN採用「AI對抗AI」的概念，包括生成器和鑒別器。生成器創建偽圖像，而鑒別器將其與真實世界圖像進行比較，並向生成器提供反饋。 最終結果是一個恆定的反饋迴路，產生越來越複雜的圖像。隨著研究的擴大，它將改變新聞，媒體，藝術乃至網路安全的未來。 2019年最重要的AI趨勢之一將是GAN的進一步發展和其他應用的溢出效應。

11、聯合學習

使用獨特的本地數據集訓練AI可以極大地提高其性能，但用戶數據也是隱私的。 Google的聯合學習方法旨在使用這些豐富的數據集，同時保護敏感數據。今年將見證在藥物發現和其他用例中尋找更多聯合學習的應用。

12、高級醫療保健生物學

利用神經網路，研究人員開始研究和測量以前難以量化的非典型風險因素。從視網膜掃描到分析皮膚顏色變化，AI正在從無數來源解鎖新的醫學見解。 AI將繼續解鎖新的診斷方法並識別以前未知的風險因素。

13、自動索賠處理

保險公司和初創公司正在使用人工智慧來計算車主的「風險評分」，分析事故圖像並監控駕駛員行為。人工智慧的進步正在改變以前緩慢的，人為主導的過程，並允許更快的索賠結算。

14、假貨識別

假貨越來越難以發現，網上購物比以往任何時候都更容易購買假貨。為了反擊，品牌和典當商開始嘗試人工智慧技術。在線和實體商務中，AI被用於識別仿冒產品和欺詐性商標侵權。

15、無人零售

到目前為止，亞馬遜Go是唯一成功的無人零售商店，但該公司一直盯著定義「成功」。在其他問題中，防盜取決於運營的規模，以及可用的產品類型。在短期內，還存在著部署成本和潛在的技術故障導致的庫存損失成本等問題。

16、後台辦公自動化

AI正在自動化管理工作，但數據的不同性質和格式使其成為一項具有挑戰性的任務。儘管每個行業和應用都有其獨特的挑戰，但不同的行業正在逐步採用基於機器學習的工作流程解決方案。

在其他領域，數字化需要在預測分析之前進行。 2019年最重要的人工智慧趨勢之一將是增加機器人過程自動化的創新和探索。

17、翻譯

翻譯的自然語言處理是一項挑戰，也是一個尚未開發的市場機遇。像百度和谷歌這樣的大型科技公司開始在這個領域掀起波瀾。由於各公司致力於改進翻譯框架，因此效率和語言能力將得到提高，各行業的採用率也將會提高。

18、綜合訓練數據

訪問大型標記數據集是訓練AI演算法的必要條件。但對於某些應用程序，訪問足夠的真實數據卻有可能不可行。現實的假數據或合成數據集可以解決瓶頸問題。現實世界數據還可以通過混合AI生成的模擬數據來增強，以創建更大，更多樣化的數據集。

19、增強學習

研究人員正在通過增強學習推動AI的能力界限，但對大量數據集的需求限制了實際應用。儘管存在挑戰者，但主要參與者正在對該技術進行更多投資，對RL應用的研究正在增加。

美國增強學習專利申請

20、網路優化

從促進頻譜共享到監控資產以及為天線提供最佳設計，AI正在改變電信業。對於通信服務提供商而言，優化意味著更好的客戶體驗。 電信運營商也在準備將基於AI的解決方案集成到5G無線技術中。 2019年及以後的人工智慧關鍵趨勢之一將是其更多地融入全球電信網路。

21、自動駕駛

儘管自動駕駛汽車具有巨大的市場機會，但完全的自動駕駛時間表仍不明確。一些如物流等行業的應用可以看到早期採用自動駕駛的車輛。即使部署時間表仍不明確，各行各業都在積極投資並採用自主技術。

22、作物監測

初創公司和現有企業正在接受作物監測AI來管理驅蟲、發現問題，並預測氣象變化如何影響農業。

23、網路安全識別

對網路攻擊做出反應已經不夠了。計算能力和演算法的進步正在將以前的理論攻擊變成真正的安全問題。作為回應，使用機器學習主動「搜尋」威脅正在網路安全中獲得動力。 2019年最重要的人工智慧趨勢之一將是跨越不同業務類型的威脅獵手的新興需求。

24、對話AI

對於許多企業來說，聊天機器人成了人工智慧的代名詞，但承諾並沒有跟上現實。儘管它們被廣泛採用，但聊天機器人一直在努力分析衡量情況的緊迫性 - 在健康和保險等複雜領域。 AI可以改善這些領域的聊天機器人功能，但它仍然是演算法的一項特別艱巨的任務。

25、藥物研發

隨著AI生物技術創業公司的興起，傳統製藥公司正在尋求人工智慧創業公司減少長期藥物發現周期。雖然這些創業公司中的許多仍處於資助的早期階段，但他們已經擁有一批製藥客戶。 2019年人工智慧的最大趨勢之一將是領先的製藥企業增加對該領域的投資。

結語

雖然AI的泡沫曾經破滅了多次，但是近年來，一些重大的發展與突破又一次將該領域帶回到了公眾面前。雖然大量新聞報導仍有炒作嫌疑，但從CBinsights的分析中我們可以看出，AI對各行各業的影響是顯而易見的。隨著更多開源工具的發布，更多的智力資源的湧入，AI的爆發點也許已經不遠。

End

TAG: |