近年來(lái)，人(rén)工智能又再一次刷新我們的(de)三觀，ai的(de)出現使得(de)很多(duō)人(rén)的(de)飯碗變得(de)岌岌可(kě)危，在未來(lái)AI人(rén)工智能會進一步發展，将會極大(dà)的(de)解放生産力，勞動力，先不說未來(lái)，我們先看在2019年，人(rén)工智能都會有那些新趨勢？

　　一：很多(duō)應用(yòng)實現部分(fēn)自動化(huà)的(de)新技術。

　　自動化(huà)的(de)實現會是分(fēn)階段的(de)，雖然實現完全的(de)自動化(huà)還(hái)有很長(cháng)的(de)路要走，但是有許多(duō)工作流程和(hé)任務是可(kě)以實現部分(fēn)自動化(huà)的(de)。事實上，大(dà)約60％的(de)職業裏的(de)30％或更多(duō)的(de)工作是可(kě)以實現自動化(huà)的(de)。我們已經看到了(le)一些基于計算(suàn)機視覺和(hé)語音(yīn)技術的(de)産品和(hé)服務，而語言模型和(hé)機器人(rén)技術方面的(de)進一步改進将會帶來(lái)針對(duì)文本和(hé)物(wù)理(lǐ)世界任務的(de)解決方案。

　　二：人(rén)工智能将會基于現有的(de)分(fēn)析應用(yòng)而構建。

     在過去幾年裏，很多(duō)公司都在構建流程和(hé)基礎架構來(lái)解鎖異構的(de)數據源，以便提升主要的(de)關鍵分(fēn)析任務的(de)表現。這(zhè)些任務包括了(le)商業分(fēn)析、推薦器和(hé)個(gè)性化(huà)服務、預測、異常檢測和(hé)監控任務等。

　　除了(le)使用(yòng)計算(suàn)機視覺和(hé)語音(yīn)技術的(de)新系統，我們預見深度學習(xí)和(hé)強化(huà)學習(xí)在企業裏的(de)早期嘗試将出現在那些已經使用(yòng)數據和(hé)機器學習(xí)的(de)地方。

　　三：用(yòng)戶體驗和(hé)用(yòng)戶界面的(de)設計将會很重要。

      當前許多(duō)的(de)人(rén)工智能解決方案需要和(hé)消費者、人(rén)類工人(rén)和(hé)專家攜手工作。這(zhè)些系統提升了(le)用(yòng)戶的(de)工作效率，在許多(duō)情況下(xià)使他(tā)們能夠以難以置信的(de)規模和(hé)準确度完成任務。恰當的(de)用(yòng)戶體驗和(hé)用(yòng)戶界面設計不僅能夠簡化(huà)這(zhè)些任務，而且長(cháng)期來(lái)看，這(zhè)能讓用(yòng)戶信任人(rén)工智能的(de)解決方案，并使用(yòng)它們。

　　四：有專門用(yòng)于感知、模型訓練和(hé)模型推理(lǐ)的(de)硬件。

       憑借創造了(le)記錄的(de)語音(yīn)和(hé)計算(suàn)機視覺的(de)模型，深度學習(xí)在2011年複興。今天已經有足夠大(dà)的(de)規模來(lái)證明(míng)需要專用(yòng)的(de)硬件。Facebook在一天裏就做(zuò)出數萬億次預測。谷歌(gē)也(yě)有足夠的(de)規模來(lái)證明(míng)自己制造專用(yòng)硬件的(de)合理(lǐ)性--從去年開始，谷歌(gē)一直在其雲環境中使用(yòng)自己的(de)張量處理(lǐ)單元（TPU）。2019年将出現更多(duō)的(de)專用(yòng)硬件。在中國和(hé)美(měi)國，許多(duō)公司和(hé)創業企業一直緻力于制造面向模型構建和(hé)推理(lǐ)的(de)硬件來(lái)用(yòng)于數據中心和(hé)邊緣設備。

　　五：人(rén)工智能解決方案将會繼續基于混合模型。

      雖然深度學習(xí)将繼續引領許多(duō)有趣的(de)研究，但大(dà)多(duō)數端到端的(de)解決方案依然是混合系統。2019年，我們将開始更多(duō)地了(le)解其他(tā)組件和(hé)方法的(de)基本作用(yòng)--包括基于模型的(de)方法，如貝葉斯推理(lǐ)、樹搜索、進化(huà)、知識圖譜、仿真平台等。

　　六：人(rén)工智能的(de)成功将會刺激對(duì)新工具和(hé)流程的(de)投資。

我們處在一個(gè)高(gāo)度經驗主義的(de)機器學習(xí)時(shí)代。機器學習(xí)開發的(de)工具需要認識到數據、實驗和(hé)模型搜索、模型部署和(hé)監控的(de)重要性。隻看這(zhè)個(gè)過程中的(de)一個(gè)步驟：模型構建，企業就已經開始研究用(yòng)于數據血緣、元數據管理(lǐ)和(hé)分(fēn)析、計算(suàn)資源高(gāo)效利用(yòng)、高(gāo)效模型搜索和(hé)超參數調優的(de)工具。在2019年，我們預計将會出現許多(duō)新工具，它們能夠讓開發和(hé)實際部署人(rén)工智能和(hé)機器學習(xí)産品和(hé)服務更加容易。

　　七：機器欺騙挑戰才剛剛開始

　　盡管已經存在了(le)大(dà)量的(de)“人(rén)造”新聞，我們仍然處于機器生成内容（人(rén)造圖像、視頻(pín)、語音(yīn)和(hé)文本）的(de)早期階段。至少到目前爲止，刑偵和(hé)取證技術已經能夠找出僞造的(de)視頻(pín)和(hé)圖像。但生成虛假内容的(de)工具正在迅速發展，因此美(měi)國和(hé)其他(tā)地方的(de)研究資助機構已經啓動了(le)一些項目，以确保偵測技術能夠跟上它們的(de)發展。

　　機器欺騙不僅局限于機器欺騙人(rén)類，機器欺騙機器（機器人(rén)）和(hé)人(rén)欺騙機器（水(shuǐ)軍和(hé)點擊農場(chǎng)）可(kě)能同樣難以處理(lǐ)。信息散布和(hé)點擊農場(chǎng)将繼續被用(yòng)于欺騙内容和(hé)電商平台上的(de)排名系統，而檢測和(hé)對(duì)抗方法将不得(de)不随著(zhe)新形式的(de)機器欺騙的(de)出現而迅速發展。

　　八：可(kě)靠性和(hé)安全性将成爲中心議(yì)題

　　令人(rén)振奮的(de)是，研究人(rén)員(yuán)和(hé)實踐人(rén)員(yuán)對(duì)隐私、公平和(hé)道德問題産生了(le)濃厚的(de)興趣，并積極參與其中。但随著(zhe)人(rén)工智能系統被部署到關鍵任務應用(yòng)中（甚至包括涉及生死的(de)場(chǎng)景，比如自動駕駛汽車或醫療保健等），自動化(huà)帶來(lái)的(de)效率提升必須伴随著(zhe)對(duì)安全性和(hé)可(kě)靠性的(de)測量以及确保。在線平台上機器欺騙的(de)興起，以及最近涉及自動駕駛汽車的(de)事故，已經徹底讓這(zhè)個(gè)問題公開化(huà)。

　　九：大(dà)量訓練數據的(de)民主化(huà)将帶來(lái)比較公平的(de)競争環境

     因爲我們所依賴的(de)許多(duō)模型（包括深度學習(xí)和(hé)強化(huà)學習(xí)）都需要大(dà)量的(de)數據，所以人(rén)工智能開發領域可(kě)預見的(de)赢家一直是能夠獲得(de)大(dà)量數據的(de)大(dà)公司或國家。但是，用(yòng)于生成标注數據集的(de)服務商（特别是那些依賴于人(rén)類标注的(de)公司）正在開始使用(yòng)機器學習(xí)工具來(lái)幫助他(tā)們的(de)人(rén)類員(yuán)工實現規模化(huà)和(hé)提高(gāo)準确性。在某些領域，生成對(duì)抗網絡（GAN）和(hé)仿真平台等新工具能夠提供真實的(de)合成數據用(yòng)于訓練機器學習(xí)模型。

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