近年來，人工(gōng)智能又(yòu)再一(yī)次刷新我(wǒ)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(gōng)智能會進一(yī)步發展，将會極大(dà)的解放(fàng)生(shēng)産力，勞動力，先不說未來，我(wǒ)們先看在2019年，人工(gōng)智能都會有那些新趨勢？

　　一(yī)：很多應用實現部分(fēn)自動化的新技術。

　　自動化的實現會是分(fēn)階段的，雖然實現完全的自動化還有很長的路要走，但是有許多工(gōng)作流程和任務是可以實現部分(fēn)自動化的。事實上，大(dà)約60％的職業裏的30％或更多的工(gōng)作是可以實現自動化的。我(wǒ)們已經看到了一(yī)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的進一(yī)步改進将會帶來針對文本和物(wù)理世界任務的解決方案。

　　二：人工(gōng)智能将會基于現有的分(fēn)析應用而構建。

     在過去(qù)幾年裏，很多公司都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(fēn)析任務的表現。這些任務包括了商(shāng)業分(fēn)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(wǒ)們預見深度學習和強化學習在企業裏的早期嘗試将出現在那些已經使用數據和機器學習的地方。

　　三：用戶體(tǐ)驗和用戶界面的設計将會很重要。

      當前許多的人工(gōng)智能解決方案需要和消費(fèi)者、人類工(gōng)人和專家攜手工(gōng)作。這些系統提升了用戶的工(gōng)作效率，在許多情況下(xià)使他們能夠以難以置信的規模和準确度完成任務。恰當的用戶體(tǐ)驗和用戶界面設計不僅能夠簡化這些任務，而且長期來看，這能讓用戶信任人工(gōng)智能的解決方案，并使用它們。

　　四：有專門用于感知(zhī)、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，深度學習在2011年複興。今天已經有足夠大(dà)的規模來證明需要專用的硬件。Facebook在一(yī)天裏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(qù)年開(kāi)始，谷歌一(yī)直在其雲環境中(zhōng)使用自己的張量處理單元（TPU）。2019年将出現更多的專用硬件。在中(zhōng)國和美國，許多公司和創業企業一(yī)直緻力于制造面向模型構建和推理的硬件來用于數據中(zhōng)心和邊緣設備。

　　五：人工(gōng)智能解決方案将會繼續基于混合模型。

      雖然深度學習将繼續引領許多有趣的研究，但大(dà)多數端到端的解決方案依然是混合系統。2019年，我(wǒ)們将開(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(shù)搜索、進化、知(zhī)識圖譜、仿真平台等。

　　六：人工(gōng)智能的成功将會刺激對新工(gōng)具和流程的投資(zī)。

我(wǒ)們處在一(yī)個高度經驗主義的機器學習時代。機器學習開(kāi)發的工(gōng)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。隻看這個過程中(zhōng)的一(yī)個步驟：模型構建，企業就已經開(kāi)始研究用于數據血緣、元數據管理和分(fēn)析、計算資(zī)源高效利用、高效模型搜索和超參數調優的工(gōng)具。在2019年，我(wǒ)們預計将會出現許多新工(gōng)具，它們能夠讓開(kāi)發和實際部署人工(gōng)智能和機器學習産品和服務更加容易。

　　七：機器欺騙挑戰才剛剛開(kāi)始

　　盡管已經存在了大(dà)量的“人造”新聞，我(wǒ)們仍然處于機器生(shēng)成内容（人造圖像、視頻(pín)、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能夠找出僞造的視頻(pín)和圖像。但生(shēng)成虛假内容的工(gōng)具正在迅速發展，因此美國和其他地方的研究資(zī)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）和人欺騙機器（水軍和點擊農場）可能同樣難以處理。信息散布和點擊農場将繼續被用于欺騙内容和電商(shāng)平台上的排名系統，而檢測和對抗方法将不得不随着新形式的機器欺騙的出現而迅速發展。

　　八：可靠性和安全性将成爲中(zhōng)心議題

　　令人振奮的是，研究人員(yuán)和實踐人員(yuán)對隐私、公平和道德問題産生(shēng)了濃厚的興趣，并積極參與其中(zhōng)。但随着人工(gōng)智能系統被部署到關鍵任務應用中(zhōng)（甚至包括涉及生(shēng)死的場景，比如自動駕駛汽車(chē)或醫療保健等），自動化帶來的效率提升必須伴随着對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，以及最近涉及自動駕駛汽車(chē)的事故，已經徹底讓這個問題公開(kāi)化。

　　九：大(dà)量訓練數據的民主化将帶來比較公平的競争環境

     因爲我(wǒ)們所依賴的許多模型（包括深度學習和強化學習）都需要大(dà)量的數據，所以人工(gōng)智能開(kāi)發領域可預見的赢家一(yī)直是能夠獲得大(dà)量數據的大(dà)公司或國家。但是，用于生(shēng)成标注數據集的服務商(shāng)（特别是那些依賴于人類标注的公司）正在開(kāi)始使用機器學習工(gōng)具來幫助他們的人類員(yuán)工(gōng)實現規模化和提高準确性。在某些領域，生(shēng)成對抗網絡（GAN）和仿真平台等新工(gōng)具能夠提供真實的合成數據用于訓練機器學習模型。

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