2019年9大AI趨勢,你準(zhǔn)備好了嗎?
來源:
奇酷教育 發(fā)表于:
自AI開始成長以來,其風(fēng)波一直不斷, 近幾年,AI有多遠(yuǎn)?八大現(xiàn)象論證AI威脅論真的存在AI警醒!科技企業(yè)家為何紛紛站隊AI威脅論···
自
AI開始成長以來,其風(fēng)波一直不斷, 近幾年,AI有多遠(yuǎn)?”“八大現(xiàn)象論證AI威脅論真的存在”“AI警醒!科技企業(yè)家為何紛紛站隊AI威脅論”······
但是不管輿論怎樣推波,我們都要面對一個事現(xiàn)實“AI真的讓我們生活的好!”,并且它還會持續(xù)的“好”。未來的一年,AI還會繼續(xù)發(fā)力。
以下是2019年AI的發(fā)展趨勢,你準(zhǔn)備好迎接了嗎?
1.新技術(shù)實現(xiàn)部分任務(wù)自動化
2019年,自動化將分階段進(jìn)行。雖然距離自動化還需一段路程,但許多工作流程和任務(wù)都實現(xiàn)了部分自動化。據(jù)麥肯錫(McKinsey)統(tǒng)計,基于現(xiàn)有技術(shù), 5%的職業(yè)有希望實現(xiàn)自動化,60%的職業(yè)可以實現(xiàn)30%自動化。
我們已經(jīng)看到了很多依賴計算機視覺和語音技術(shù)的產(chǎn)品和服務(wù),2019年我們會看到多。語言模型和機器人技術(shù)的持續(xù)發(fā)展,將實現(xiàn)較全的文本和物理解決方案。競爭將推動企業(yè)實施部分自動處理方案,而自動化項目的成功會推動自動化的發(fā)展。
2.企業(yè)中的AI將建立在現(xiàn)有的分析應(yīng)用程序以上
過去幾年,公司致力于構(gòu)建流程和基礎(chǔ)架構(gòu)來解鎖不同的數(shù)據(jù)源,以便改進(jìn)關(guān)鍵型任務(wù)的分析,包括業(yè)務(wù)分析、個性化、預(yù)測、異常檢測和監(jiān)控等。
除了使用視覺和語音技術(shù),我們期望深化深度學(xué)習(xí),深到公司已有的數(shù)據(jù)和機器學(xué)習(xí)領(lǐng)域。例如,通過深度學(xué)習(xí)為時間和地理空間數(shù)據(jù)注入系統(tǒng),從而產(chǎn)生可可擴展且準(zhǔn)確的混合系統(tǒng)(即,將深度學(xué)習(xí)與其他機器學(xué)習(xí)方法相結(jié)合的系統(tǒng))
當(dāng)前的AI解決方案是消費者、工作者和領(lǐng)域內(nèi)工作者攜手合作的。這些系統(tǒng)拉高了用戶的生產(chǎn)力,使他們能夠以出乎意料的規(guī)模和準(zhǔn)確度執(zhí)行任務(wù)。豐富的用戶體驗或用戶界面設(shè)計不但能簡化任務(wù)操作,而且能直接拉升用戶對一項產(chǎn)品的忠實度。
4.硬件將變得專業(yè)化,用于傳感、模型訓(xùn)練和模型推理
深度學(xué)習(xí)于2011年開始流行,在語音和計算機視覺方面塑造了龐大的模式。如今,已經(jīng)有的論證證明硬件的合理性——Facebook每天的預(yù)測就達(dá)到萬億次。谷歌也有富裕的規(guī)模證明自己生產(chǎn)的硬件的合理性。自去年開始,谷歌一直使用的是張量處理單元(TPU)。因此,2019年,多的專有硬件將開始出現(xiàn)。中國和美國將有多的公司基于數(shù)據(jù)中心和邊緣設(shè)備開發(fā)針對模型構(gòu)建和推理的硬件。
5.混合模型仍然很重要
雖然深度學(xué)習(xí)一直在持續(xù)發(fā)力,但大多數(shù)實現(xiàn)端到端解決方案的都是混合系統(tǒng)。2019年,其他組件和方法將會不斷浮出水面,包括基于模型的方法,例如貝葉斯推理,樹搜索、進(jìn)化、知識圖譜、模擬平臺等等。我們可能會看到多不基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)。
6.投資將用于新的工具和流程
我們處于一個經(jīng)驗主義的機器學(xué)習(xí)時代。ML開發(fā)工具需要考慮
數(shù)據(jù)、實驗和模型搜索以及模型部署和監(jiān)視的重要性。要完成一個步驟:模型創(chuàng)建,公司就可以開始研發(fā)數(shù)據(jù)沿襲、元數(shù)據(jù)管理和分析、計算資源高效利用、高效模型搜索和參數(shù)調(diào)優(yōu)工具。2019年,我們期待有新的工具來簡化AI和ML在產(chǎn)品和服務(wù)上的開發(fā)和實際部署。
7.關(guān)于機器欺騙的挑戰(zhàn)將會增加
目前,我們還處于機器生成內(nèi)容(圖像、視頻、音頻和文本等)的早期階段,一些關(guān)于“機器欺騙”的新聞層出不窮。就目前而言,檢測和取證技術(shù)已經(jīng)能夠檢索到虛假的視頻和圖像。但用于生成虛假內(nèi)容的工具仍在快的改進(jìn),因此我們要使得檢測技術(shù)能夠跟上步伐。
機器欺騙不單單是欺騙人類的機器,還包括機器欺騙機器(機器人)和人類欺騙機器。信息傳播會繼續(xù)作用在欺騙內(nèi)容和銷售平臺的排名系統(tǒng)上,我們要在新形式的機器欺騙研發(fā)出來之前盡快解決這一問題。
8.自動化需要安全性
令人振奮的是,研究人員和從業(yè)人員都對隱私、公平和道德問題產(chǎn)生了濃厚的興趣。隨著AI開始逐漸加深到關(guān)鍵型應(yīng)用中,自動化的效率變高要安全性和可靠性的保證。在線平臺的機器欺騙行為的增加,以及涉及的自動駕駛汽車的事故,處理了這個問題。2019年,我們期待加深的討論安全問題。
9.訪問多的數(shù)據(jù)幫助于利用未產(chǎn)生的數(shù)據(jù)
由于我們很多的依靠模型(包括深度學(xué)習(xí)和強化學(xué)習(xí))都缺乏數(shù)據(jù),因此容易在人AI領(lǐng)域取勝的是那些有大量數(shù)據(jù)的大公司和國家。但是 ,由于生成標(biāo)記數(shù)據(jù)集的服務(wù)都開始使用機器學(xué)習(xí),在一些領(lǐng)域,生成對抗網(wǎng)絡(luò)(GAN)和平臺等新工具能夠提供真實的綜合數(shù)據(jù),用于訓(xùn)練機器學(xué)習(xí)模型。借助新的安全隱私保護(hù)技術(shù),企業(yè)可以利用他們自己創(chuàng)建的數(shù)據(jù)。因此較小的公司可以利用機器學(xué)習(xí)和AI取得競爭力。