近年(nián)來，人工智能又再一(yī)次刷新我們的(de)三觀，ai的(de)出現使得很多人的(de)飯碗變得岌岌可(kě)危，在未來AI人工智能會進一(yī)步發展，将會極大的(de)解放生産力，勞動力，先不說未來，我們先看在2019年(nián)，人工智能都會有那些新趨勢？

　　一(yī)：很多應用實現部分自(zì)動化的(de)新技術。

　　自(zì)動化的(de)實現會是分階段的(de)，雖然實現完全的(de)自(zì)動化還有很長(cháng)的(de)路要走，但是有許多工作流程和(hé)任務是可(kě)以實現部分自(zì)動化的(de)。事實上，大約60％的(de)職業裏的(de)30％或更多的(de)工作是可(kě)以實現自(zì)動化的(de)。我們已經看到了一(yī)些基于計算機視(shì)覺和(hé)語音技術的(de)産品和(hé)服務，而語言模型和(hé)機器人技術方面的(de)進一(yī)步改進将會帶來針對文本和(hé)物理(lǐ)世界任務的(de)解決方案。

　　二：人工智能将會基于現有的(de)分析應用而構建。

     在過去(qù)幾年(nián)裏，很多公司都在構建流程和(hé)基礎架構來解鎖異構的(de)數據源，以便提升主要的(de)關鍵分析任務的(de)表現。這些任務包括了商業分析、推薦器和(hé)個性化服務、預測、異常檢測和(hé)監控任務等。

　　除了使用計算機視(shì)覺和(hé)語音技術的(de)新系統，我們預見深度學(xué)習和(hé)強化學(xué)習在企業裏的(de)早期嘗試将出現在那些已經使用數據和(hé)機器學(xué)習的(de)地(dì)方。

　　三：用戶體驗和(hé)用戶界面的(de)設計将會很重要。

      當前許多的(de)人工智能解決方案需要和(hé)消費者、人類工人和(hé)專家攜手工作。這些系統提升了用戶的(de)工作效率，在許多情況下使他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)用戶體驗和(hé)用戶界面設計不僅能夠簡化這些任務，而且長(cháng)期來看，這能讓用戶信任人工智能的(de)解決方案，并使用它們。

　　四：有專門用于感知、模型訓練和(hé)模型推理(lǐ)的(de)硬件。

       憑借創造了記錄的(de)語音和(hé)計算機視(shì)覺的(de)模型，深度學(xué)習在2011年(nián)複興。今天已經有足夠大的(de)規模來證明需要專用的(de)硬件。Facebook在一(yī)天裏就做(zuò)出數萬億次預測。谷歌也有足夠的(de)規模來證明自(zì)己制造專用硬件的(de)合理(lǐ)性--從去(qù)年(nián)開始，谷歌一(yī)直在其雲環境中使用自(zì)己的(de)張量處理(lǐ)單元（TPU）。2019年(nián)将出現更多的(de)專用硬件。在中國(guó)和(hé)美國(guó)，許多公司和(hé)創業企業一(yī)直緻力于制造面向模型構建和(hé)推理(lǐ)的(de)硬件來用于數據中心和(hé)邊緣設備。

　　五：人工智能解決方案将會繼續基于混合模型。

      雖然深度學(xué)習将繼續引領許多有趣的(de)研究，但大多數端到端的(de)解決方案依然是混合系統。2019年(nián)，我們将開始更多地(dì)了解其他組件和(hé)方法的(de)基本作用--包括基于模型的(de)方法，如(rú)貝葉斯推理(lǐ)、樹搜索、進化、知識圖譜、仿真平台等。

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

我們處在一(yī)個高(gāo)度經驗主義的(de)機器學(xué)習時代。機器學(xué)習開發的(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。隻看這個過程中的(de)一(yī)個步驟：模型構建，企業就已經開始研究用于數據血緣、元數據管理(lǐ)和(hé)分析、計算資源高(gāo)效利用、高(gāo)效模型搜索和(hé)超參數調優的(de)工具。在2019年(nián)，我們預計将會出現許多新工具，它們能夠讓開發和(hé)實際部署人工智能和(hé)機器學(xué)習産品和(hé)服務更加容易。

　　七：機器欺騙挑戰才剛剛開始

　　盡管已經存在了大量的(de)“人造”新聞，我們仍然處于機器生成內(nèi)容（人造圖像、視(shì)頻、語音和(hé)文本）的(de)早期階段。至少到目前為(wèi)止，刑偵和(hé)取證技術已經能夠找出僞造的(de)視(shì)頻和(hé)圖像。但生成虛假內(nèi)容的(de)工具正在迅速發展，因此美國(guó)和(hé)其他地(dì)方的(de)研究資助機構已經啓動了一(yī)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類，機器欺騙機器（機器人）和(hé)人欺騙機器（水軍和(hé)點擊農場）可(kě)能同樣難以處理(lǐ)。信息散布和(hé)點擊農場将繼續被用于欺騙內(nèi)容和(hé)電商平台上的(de)排名系統，而檢測和(hé)對抗方法将不得不随着新形式的(de)機器欺騙的(de)出現而迅速發展。

　　八：可(kě)靠性和(hé)安全性将成為(wèi)中心議題

　　令人振奮的(de)是，研究人員和(hé)實踐人員對隐私、公平和(hé)道(dào)德問題産生了濃厚的(de)興趣，并積極參與其中。但随着人工智能系統被部署到關鍵任務應用中（甚至包括涉及生死的(de)場景，比如(rú)自(zì)動駕駛汽車或醫療保健等），自(zì)動化帶來的(de)效率提升必須伴随着對安全性和(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(zì)動駕駛汽車的(de)事故，已經徹底讓這個問題公開化。

　　九：大量訓練數據的(de)民主化将帶來比較公平的(de)競争環境

     因為(wèi)我們所依賴的(de)許多模型（包括深度學(xué)習和(hé)強化學(xué)習）都需要大量的(de)數據，所以人工智能開發領域可(kě)預見的(de)赢家一(yī)直是能夠獲得大量數據的(de)大公司或國(guó)家。但是，用于生成标注數據集的(de)服務商（特别是那些依賴于人類标注的(de)公司）正在開始使用機器學(xué)習工具來幫助他們的(de)人類員工實現規模化和(hé)提高(gāo)準确性。在某些領域，生成對抗網絡（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端與移動端網站開發，網頁設計，商城開發，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！服務熱線：0760-88610046、13924923903