近年來，人工智能(néng)又再一次刷新我們的三觀，ai的出現使得很多人的飯碗變得岌岌可危，在未來AI人工智能(néng)會進(jìn)一步發(fā)展，將(jiāng)會極大的解放生産力，勞動力，先不說未來，我們先看在2019年，人工智能(néng)都(dōu)會有那些新趨勢？

　　一：很多應用實現部分自動化的新技術。

　　自動化的實現會是分階段的，雖然實現完全的自動化還(hái)有很長(cháng)的路要走，但是有許多工作流程和任務是可以實現部分自動化的。事(shì)實上，大約60％的職業裡(lǐ)的30％或更多的工作是可以實現自動化的。我們已經(jīng)看到了一些基于計算機視覺和語音技術的産品和服務，而語言模型和機器人技術方面(miàn)的進(jìn)一步改進(jìn)將(jiāng)會帶來針對(duì)文本和物理世界任務的解決方案。

　　二：人工智能(néng)將(jiāng)會基于現有的分析應用而構建。

     在過(guò)去幾年裡(lǐ)，很多公司都(dōu)在構建流程和基礎架構來解鎖異構的數據源，以便提升主要的關鍵分析任務的表現。這(zhè)些任務包括了商業分析、推薦器和個性化服務、預測、異常檢測和監控任務等。

　　除了使用計算機視覺和語音技術的新系統，我們預見深度學(xué)習和強化學(xué)習在企業裡(lǐ)的早期嘗試將(jiāng)出現在那些已經(jīng)使用數據和機器學(xué)習的地方。

　　三：用戶體驗和用戶界面(miàn)的設計將(jiāng)會很重要。

      當前許多的人工智能(néng)解決方案需要和消費者、人類工人和專家攜手工作。這(zhè)些系統提升了用戶的工作效率，在許多情況下使他們能(néng)夠以難以置信的規模和準确度完成(chéng)任務。恰當的用戶體驗和用戶界面(miàn)設計不僅能(néng)夠簡化這(zhè)些任務，而且長(cháng)期來看，這(zhè)能(néng)讓用戶信任人工智能(néng)的解決方案，并使用它們。

　　四：有專門用于感知、模型訓練和模型推理的硬件。

       憑借創造了記錄的語音和計算機視覺的模型，深度學(xué)習在2011年複興。今天已經(jīng)有足夠大的規模來證明需要專用的硬件。Facebook在一天裡(lǐ)就做出數萬億次預測。谷歌也有足夠的規模來證明自己制造專用硬件的合理性--從去年開(kāi)始，谷歌一直在其雲環境中使用自己的張量處理單元（TPU）。2019年將(jiāng)出現更多的專用硬件。在中國(guó)和美國(guó)，許多公司和創業企業一直緻力于制造面(miàn)向(xiàng)模型構建和推理的硬件來用于數據中心和邊緣設備。

　　五：人工智能(néng)解決方案將(jiāng)會繼續基于混合模型。

      雖然深度學(xué)習將(jiāng)繼續引領許多有趣的研究，但大多數端到端的解決方案依然是混合系統。2019年，我們將(jiāng)開(kāi)始更多地了解其他組件和方法的基本作用--包括基于模型的方法，如貝葉斯推理、樹搜索、進(jìn)化、知識圖譜、仿真平台等。

　　六：人工智能(néng)的成(chéng)功將(jiāng)會刺激對(duì)新工具和流程的投資。

我們處在一個高度經(jīng)驗主義的機器學(xué)習時代。機器學(xué)習開(kāi)發(fā)的工具需要認識到數據、實驗和模型搜索、模型部署和監控的重要性。隻看這(zhè)個過(guò)程中的一個步驟：模型構建，企業就已經(jīng)開(kāi)始研究用于數據血緣、元數據管理和分析、計算資源高效利用、高效模型搜索和超參數調優的工具。在2019年，我們預計將(jiāng)會出現許多新工具，它們能(néng)夠讓開(kāi)發(fā)和實際部署人工智能(néng)和機器學(xué)習産品和服務更加容易。

　　七：機器欺騙挑戰才剛剛開(kāi)始

　　盡管已經(jīng)存在了大量的“人造”新聞，我們仍然處于機器生成(chéng)内容（人造圖像、視頻、語音和文本）的早期階段。至少到目前爲止，刑偵和取證技術已經(jīng)能(néng)夠找出僞造的視頻和圖像。但生成(chéng)虛假内容的工具正在迅速發(fā)展，因此美國(guó)和其他地方的研究資助機構已經(jīng)啓動了一些項目，以确保偵測技術能(néng)夠跟上它們的發(fā)展。

　　機器欺騙不僅局限于機器欺騙人類，機器欺騙機器（機器人）和人欺騙機器（水軍和點擊農場）可能(néng)同樣難以處理。信息散布和點擊農場將(jiāng)繼續被用于欺騙内容和電商平台上的排名系統，而檢測和對(duì)抗方法將(jiāng)不得不随着新形式的機器欺騙的出現而迅速發(fā)展。

　　八：可靠性和安全性將(jiāng)成(chéng)爲中心議題

　　令人振奮的是，研究人員和實踐人員對(duì)隐私、公平和道(dào)德問題産生了濃厚的興趣，并積極參與其中。但随着人工智能(néng)系統被部署到關鍵任務應用中（甚至包括涉及生死的場景，比如自動駕駛汽車或醫療保健等），自動化帶來的效率提升必須伴随着對(duì)安全性和可靠性的測量以及确保。在線平台上機器欺騙的興起(qǐ)，以及最近涉及自動駕駛汽車的事(shì)故，已經(jīng)徹底讓這(zhè)個問題公開(kāi)化。

　　九：大量訓練數據的民主化將(jiāng)帶來比較公平的競争環境

     因爲我們所依賴的許多模型（包括深度學(xué)習和強化學(xué)習）都(dōu)需要大量的數據，所以人工智能(néng)開(kāi)發(fā)領域可預見的赢家一直是能(néng)夠獲得大量數據的大公司或國(guó)家。但是，用于生成(chéng)标注數據集的服務商（特别是那些依賴于人類标注的公司）正在開(kāi)始使用機器學(xué)習工具來幫助他們的人類員工實現規模化和提高準确性。在某些領域，生成(chéng)對(duì)抗網絡（GAN）和仿真平台等新工具能(néng)夠提供真實的合成(chéng)數據用于訓練機器學(xué)習模型。

責任編輯：中山網站建設
 【網訊網絡】專業PC端與移動端網站開(kāi)發(fā)，網頁設計，商城開(kāi)發(fā)，軟件開(kāi)發(fā)，網站推廣，微信公衆号開(kāi)發(fā)，定制各類企業管理軟件！服務熱線：0760-88610046、13924923903