2019 年呆板学习:追踪人工智能的 12 大开展趋向


“智能助理” 的期间曾经到来了。呆板学习曾经成为环球数字化转型的要害要素之一 ,在企业范畴,呆板学惯用例的增长在过来几年中也是明显的。估计呆板学习东西息争决方案的企业级接纳率将在本十年完毕前到达 65% - 而且收入将到达 460 亿美元(依据 IDC 陈诉)。均匀而言,55%的企业 CIO 已将呆板学习视为业务减速的中心优先事变之一。在这里,我们将重点引见 2019 年呆板学习将怎样持续开展。


1 呆板学习的新用例行将呈现

往年早些时分,美国陆军宣布将运用定制的呆板学习软件东西用于战役车辆的预测性维护。换句话说,呆板学习将可以预测车辆能够需求何时以及何品种型的维修效劳。另一个风趣的呆板学惯用例是依据之前股票收益的记载预测股市动摇。近来的一项研讨标明,用呆板学习预测股票市场具有 60%以上的精确度。在医疗安康范畴,呆板学习模子被用于估量一团体的殒命概率(在这种状况下的精确率远远超越 90%)。批发,营销和贩卖以及产业 / 制造业场景也常无机器学习的用例呈现。 “阅读”和 “表明” 过来的数据并预测将来 - 这是呆板学习的实质而技能一定会越来越风雅。

留意:人工智能使用顺序和呆板学习东西的观点不再范围于呆板人。相反,它们已成为业务任务流程和一样平常使用顺序的天然扩展。
 

2 接纳'针对呆板学习优化的硬件'将会呈现

2019 年很能够是特殊预备的硅芯片 - 具有定制人工智能和呆板学习功用 - 成为主流,至多关于企业而言。在可预见的将来,人工智能优化硬件市场将持续疾速增长。一系列新的,功用弱小的处置设置装备摆设将会呈现 - 我们还可以看到高端 CPU 和 GPU。总而言之,这些东西战争台将大大加强呆板学习硬件的可用性。
 

3 云盘算与呆板学习联合

到 2020 年,环球云盘算市场的年增长率约为 25%。企业中呆板学习的日益遍及是推进这一激增的要害要素。为了乐成施行 “呆板学习文明”,企业必需比以往愈加存眷创新 - 特殊夸大改良的云托管和根底设备参数。随着工夫的推移,越来越多的“人工智能公用东西和零碎” 必需存储在云上 - 后者需求具有充足的平安性和可用性规范。弱小,可扩展的云支持将协助企业从呆板学习无缝转移到深度学习,为终极用户提供更大代价,并进步他们的 ROI 数据。

留意:从 2019 年开端,普通用户将开端更清晰地理解人工智能和呆板学习流程的任务原理 。鉴于人工智能正在其存在的范畴(比方:医学迷信)的要害性子,人们想要晓得技能怎样得出其结论 / 预测是很天然的。
 

4 持续推进胶囊网络

神经网络的长处是,它们通常不思索选择工具的绝对偏向或地位。因而,能够会呈现 “信息差距”。而胶囊网络便是为了而生的。它们很能够在 2019 年及当前代替很多传统的神经网络。在功能方面,这些胶囊网络比传统的神经网络零碎更具劣势 - 具有更精确的形式检测功用,并且在大批数据时,错误概率也大大低落。更紧张的是 - 胶囊网络也不需求反复训练迭代,以“了解” 变革。

留意:基于呆板学习算法的初级医疗保健模块,用于比拟患者的医学图像和其他医疗图像,曾经在运用。生物制药公司阿斯利康(AstraZeneca)方案普遍运用呆板人和呆板学习 - 用于在中国开辟智能诊断零碎。
 

5 人工智能助手的衰亡和崛起

Siri 和 Google 智能助理以及 Alexa 曾经成为我们一样平常生存的一局部,而更紧张的是,每个顶级 “智能助手” 都在逐年变得愈加智慧(基于 5000 个普通性题目,Siri 想法答复了约莫 31%,此中近 80%是准确答案; 在统一项观察中,Google 智能助理答复了超越 67%的题目,精确度低于 88%。随着呆板学习范畴的扩展,人工智能助手已预备好逾越智能家居。从来岁开端,古代和起亚将开端在其新车型中提供内置的人工智能假造助手零碎。这些助手将可以实行有数的义务 - 从近程家庭和汽车控制功用(经过语音)到目标地发起(基于先前的偏好)和导航指南。在一切生存范畴内,具无机器学习功用的 “智能助手” 将使生存变得史无前例的复杂。

留意:智能谈天呆板人(具有人工智能)也正在敏捷崛起。但是,有须要坚持警觉 - 由于训练数据会合的偏向会对用户体验形成严峻侵害。微软的'Tay'谈天呆板人便是这种失败的典范例子。
 

6 开辟职员将专注于运用呆板学习处理更多 “真正的题目”

当触及到诸如人工智能(多用处无人机和主动监控摄像头以及主动驾驶汽车等)等技能时,它很容易偏激。但是,紧张的是要认识到 - 固然一切这些事变都可以成为理想 - 但是,成熟的数据驱动型生态零碎的步调必需是渐进和零碎化的。在 2019 年,使用顺序开辟职员和人工智能专家将存眷运用呆板学习来乐成处理真正的紧张需求(团体和业务) - 而不是复杂地制造新的深度学习东西原型。换句话说,开辟职员必需明确人工智能和呆板学习不只仅是几个技能盛行语 - 假如施行妥当,他们的潜力能够是无量无尽的。现在另有很多其他技能正在抢夺留意力(如 4d 打印),除非人工智能的开展处理了实践题目,不然投资者能够会开端寻觅其他中央。将 “人工智能 overhype” 与“人工智能现实”离开是至关紧张的,并依据后者接纳举动。

留意:在近来的一项研讨中,发明 89%的 CIO 方案在其业务中施行呆板学习东西和使用顺序。
 

7 呆板人的天下?

智能呆板人在任务场合的作用正逐步添加 - 而呆板学习的改良是其次要缘由。在日本,到 2025 年,人工智能呆板人将提供四分之三的老年人照顾护士效劳 - 代替人类照顾者。天元打扮 - 一家中国的 T 恤公司 - 方案在其阿肯色州工场运用 “缝纫呆板人”。普通而言,很多休息麋集型义务(特殊是不需求太多专业技艺的反复性运动)将在不久的未来由“智能呆板人” 实行。除了使任务流程更智能,进步可用性和牢靠性以及延长产物上市工夫外,呆板学习驱动的呆板人还可以明显低落运营本钱(以及外包本钱,假如有的话)。进步消费率应该是任务场合片面接纳人工智能的间接后果。

留意:呆板学习也可以在精准农业中发扬紧张作用。用于农业的智能电杆,具有深根传感器和公用呆板学习模块,可以协助农夫做出更明智的决议计划。
 

8 语音技能锋芒毕露

ComScore 能否预测到 2020 年将有 50%的搜刮运动由语音提供支持,这一点另有待察看 - 但是,语音辨认(以及基于此的交互)曾经成为一个紧张的现实是无法解脱的呆板学习的要素。与晚期的语音技能差别,现今的语音辨认误码率低于 5% - 这比可用的更多。交互式语音应对(IVR)零碎变得比以往任何时分都愈加智能 - 由于迭代学习,基于语音的呆板学习零碎可以转录种种言语 / 口音。开辟职员推出支持语音技能的挪动使用顺序的趋向估计也将在 2019 年取得进一步的开展势头。亚马逊 Alexa 和 Google Home 等助手曾经了解了我们的语音下令 - 他们正在为更多此类平台摊平路途。进入市场。

留意:传统的,合适的客户效劳主管也逐步被假造脚色所代替。后者提供更疾速的呼应 - 而且由于对话是智能的(假造署理从之前的对话中学习),因而团体触摸不会丧失。
 

9 美国和中国的人工智能市场 - 大战?

就人工智能研讨和收养而言,北美传统上不断是领跑者。但是,这种约束正在变得越来越弱 - 中国市场正在成为一股强无力的力气。 2017 年,人工智能创业公司在中国的股权融资份额高于美国偕行(48%对 38%)。中国的人工智能启动场景是全体的(不像北美市场的细微碎片) - 重点是物流,伶俐都会项目,批发,医疗保健,智能农业和其他范畴。在深度学习方面,中国显然正在减弱它 - 公布的患者数目比美国多 6 倍。依据陈诉,中国盼望到 2020 年与美国人工智能相媲美,并在十年内成为无可争议的呆板学习技能向导者。看看美国与中国在将来几年内乱夺环球人工智能 / 呆板学习霸权的竞争将会十分风趣。

留意:开辟职员不再依赖第三方 API,而是越来越多地转向为呆板学习使用顺序制造本人的 API。有很多开辟职员敌对的拆卸东西包和挪动 SDK,以提供须要的协助。
 

10 更多的呆板学习平台(另有更好的平台?)

像 TensorFlow,H2O,人工智能 - one 和 Torch 如许的平台曾经在怎样在差别场景中摆设呆板学习功用方面发扬紧张作用。在行将到来的这一年中,我们可以等待更弱小的呆板学习平台 - 具有顶尖的剖析,分类和预测功用。这些平台的容量与其他 API 一同运用,大数据也将持续改良。呆板学习的不时开展为盘算机和挪动设置装备摆设提供了更快 “学习” 和更好地 “表明 / 剖析” 数据的时机。

留意:人工智能 / 呆板学习使用顺序也在促进主动化决议计划办理理论。 Informatica 和 UiPath 便是很好的例子。
 

11 彻底改动人类与技能互动的方法

他们现在能够只呈现在多数几个中央 - 但'无收银员亚马逊 Go'市肆正在彻底改动购物的观点。现实上,到 2021 年,仅在美国就有 2000 多家 “亚马逊 Go” 市肆。我们与智能事物(特殊是)和技能打交道,互动,生存的方法(总的来说)正在被人工智能&呆板学习反动所塑造。无论是企业照旧社会或智能家居 - 深度学习都将扰乱我们的生存,确保片面提拔服从。经过人工智能,科幻影戏和我们的想象力好像曾经成为能够。这里的要害是该技能对差别范例用例的顺应性。 呆板学习正在处理题目并提供代价 - 而这正是它越来越受欢送的缘由。

留意:用于和平的 “杀手呆板人” 的开辟能够是令人震惊的。近来的一份陈诉预测,人工智能在军事使用方面不时添加的投资很能够招致 2040 年至 2050 年之间的核和平。
 

12 NLP 变得愈加奇妙

作为人工智能的子范畴,天然言语处置(NLP)的紧张性在过来几年中明显添加。天然言语天生次要用于将数据转换为文本,是很多深度学习零碎的要害特性 - 而且用于编写细致的市场择要或陈诉 - NLP 十分方便。天然言语处置的精确度也不时进步,而且主动化零碎可以以无缝方法转达头脑。 Cambridge Semantics 和 Attivio 是一些着名的提供 NLP 效劳的公司。

留意:NLP 模块通常需求剖析三个方面:语法,语义和上下文。随着呆板学习范畴的更多停顿和新的使用范畴被发掘出来,人工智能专家(而不是技能通才)的需求将持续增长。有一些灰色地带 - 比方大范围赋闲的远景和能够会停止侵入性监督 - 但可以一定地说,2019 年将成为呆板学习的紧张一年。 AI-as-a-Service 的期间曾经到了!

泉源:人工智能学家
45期CPDA课程