近年來,人工智能又再一次刷新我們的三觀,ai的出現(xiàn)使得很多人的飯碗變得岌岌可危,在未來AI人工智能會進一步發(fā)展,將會極大的解放生產力,勞動力,先不說未來,我們先看在19年,人工智能都會有那些新趨勢?
趨勢二:人工智能將會基于現(xiàn)有的分析應用而構建。
在過去幾年里,很多公司都在構建流程和基礎架構來解鎖異構的數(shù)據(jù)源,以便提升主要的關鍵分析任務的表現(xiàn)。這些任務包括了商業(yè)分析、推薦器和個性化服務、預測、異常檢測和監(jiān)控任務等。
趨勢三:用戶體驗和用戶界面的設計將會很重要。
當前許多的人工智能解決方案需要和消費者、人類工人和專家攜手工作。這些系統(tǒng)提升了用戶的工作效率,在許多情況下使他們能夠以難以置信的規(guī)模和準確度完成任務。恰當?shù)挠脩趔w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智能的解決方案,并使用它們。
趨勢四:有專門用于感知、模型訓練和模型推理的硬件。
憑借創(chuàng)造了記錄的語音和計算機視覺的模型,深度學習在2011年復興。今天已經有足夠大的規(guī)模來證明需要專用的硬件。Facebook在一天里就做出數(shù)萬億次預測。谷歌也有足夠的規(guī)模來證明自己制造專用硬件的合理性--從去年開始,谷歌一直在其云環(huán)境中使用自己的張量處理單元(TPU)。2019年將出現(xiàn)更多的專用硬件。在中國和美國,許多公司和創(chuàng)業(yè)企業(yè)一直致力于制造面向模型構建和推理的硬件來用于數(shù)據(jù)中心和邊緣設備。
趨勢五:人工智能解決方案將會繼續(xù)基于混合模型。
雖然深度學習將繼續(xù)引領許多有趣的研究,但大多數(shù)端到端的解決方案依然是混合系統(tǒng)。2019年,我們將開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、樹搜索、進化、知識圖譜、仿真平臺等。
趨勢六:人工智能的成功將會刺激對新工具和流程的投資。
我們處在一個高度經驗主義的機器學習時代。機器學習開發(fā)的工具需要認識到數(shù)據(jù)、實驗和模型搜索、模型部署和監(jiān)控的重要性。只看這個過程中的一個步驟:模型構建,企業(yè)就已經開始研究用于數(shù)據(jù)血緣、元數(shù)據(jù)管理和分析、計算資源高效利用、高效模型搜索和超參數(shù)調優(yōu)的工具。在2019年,我們預計將會出現(xiàn)許多新工具,它們能夠讓開發(fā)和實際部署人工智能和機器學習產品和服務更加容易。
趨勢九:大量訓練數(shù)據(jù)的民主化將帶來比較公平的競爭環(huán)境
因為我們所依賴的許多模型(包括深度學習和強化學習)都需要大量的數(shù)據(jù),所以人工智能開發(fā)領域可預見的贏家一直是能夠獲得大量數(shù)據(jù)的大公司或國家。但是,用于生成標注數(shù)據(jù)集的服務商(特別是那些依賴于人類標注的公司)正在開始使用機器學習工具來幫助他們的人類員工實現(xiàn)規(guī)模化和提高準確性。在某些領域,生成對抗網絡(GAN)和仿真平臺等新工具能夠提供真實的合成數(shù)據(jù)用于訓練機器學習模型。