2019年值得关注的人工智能技术的五大趋势

2024.06.03

    在2018年，人们目睹了基于机器学习和人工智能的平台、工具和应用程序的急剧增长。这些技术不仅影响了软件和互联网行业的发展，还影响了医疗保健、法律、制造业、汽车和农业等其他垂直行业。
    人们将继续看到2019年及以后的机器学习和人工智能相关技术的进步。亚马逊、苹果、Facebook、谷歌、IBM和微软等公司正在投资研发人工智能，这将有助于生态系统将人工智能接近最终消费者。
    以下是2019年人们需要关注的5种人工智能趋势：
    （1）人工智能芯片的兴起
    与其他软件不同，人工智能十分依赖专用处理器来对CPU提供计算能力的补充。即使是最快和最先进的CPU也可能无法提高人工智能模型的训练速度。在推理时，该模型需要额外的硬件来执行复杂的数学计算，以加速对象检测和面部识别等任务。
    2019年，英特尔、NVIDIA、AMD、ARM和高通等芯片制造商将推出专用芯片，加速执行支持人工智能的应用程序。这些芯片将针对与计算机视觉、自然语言处理和语音识别相关的特定用例和场景进行优化。来自医疗保健和汽车行业的下一代应用将依赖这些芯片为最终用户提供智能服务。
    2019年也将是亚马逊、微软、谷歌和Facebook等超大规模基础设施厂商将增加对基于现场可编程门阵列（FPGA）和专用集成电路（ASIC）的定制芯片投资的一年。这些芯片将针对基于人工智能和高性能计算（HPC）运行现代工作负载进行大量优化。其中一些芯片还将协助下一代数据库加速查询处理和预测分析。
    早期项目是：亚马逊的Nitro、谷歌Cloud TPU，微软Project Brainwave、英特尔Myriad X VPU
    （2）边缘的物联网和人工智能的融合
    在2019年，人工智能在边缘计算层将与物联网结合。在公共云中训练的大多数模型将部署在边缘。
    工业物联网是人工智能的顶级用例，可以执行异常检测、根本原因分析和设备的预测性维护。
    基于深度神经网络的高级机器学习模型将进行优化以在边缘运行。他们将能够处理视频帧、语音合成、时间序列数据和由摄像机、麦克风和其他传感器等设备生成的非结构化数据。
    物联网将成为企业人工智能的最大驱动力。边缘设备将配备基于FPGA和ASIC的专用人工智能芯片。
    早期项目是：支持机器学习推理的AWS Greengrass、Azure IoT Edge人工智能工具包、Google Cloud IoT Edge、FogHorn Lightning Edge Intelligence和TIBCO公司的Project Flogo。
    （3）神经网络之间的互操作性成为关键
    开发神经网络模型的关键挑战之一在于选择正确的框架。数据科学家和开发人员必须从多种选择中选择合适的工具，包括Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit和TensorFlow。一旦模型在特定框架中进行了训练和评估，就很难将训练好的模型移植到另一个框架中。
    神经网络工具箱之间缺乏互操作性阻碍了人工智能的采用。为了解决这一挑战，AWS、Facebook和Microsoft合作建立了开放式神经网络交换（ONNX），这使得在多个框架中重用经过训练的神经网络模型成为可能。
    在2019年，开放式神经网络交换（ONNX）将成为该行业的重要技术。从研究人员到边缘设备制造商，生态系统的所有关键参与者都将依赖ONNX作为推理的标准运行时间。
    早期项目是：Windows 10附带运行ONNX、英特尔公司支持ONNX的OpenVINO工具包。
    （4）自动化机器学习将更加突出
    从根本上改变基于机器学习的解决方案的一个趋势是AutoML。它将使业务分析师和开发人员能够开发可以解决复杂场景的机器学习模型，而无需经过机器学习模型的典型训练过程。
    在处理AutoML平台时，业务分析师会专注于业务问题，而不是迷失在工作流程中。
    AutoML完全适用于认知API和自定义机器学习平台之间。它提供了正确的自定义级别，而无需强迫开发人员完成精心设计的工作流程。与通常被视为黑盒子的认知API不同，AutoML具有相同程度的灵活性，但自定义数据与可移植性相结合。
    早期项目是：DataRobot、Google Cloud AutoML、Microsoft自定义认知API、亚马逊Comprehend的自定义实体。
    （5）人工智能将通过AIOps使DevOps实现自动化
    现代应用程序和基础设施正在生成日志数据，这些数据被捕获以用于索引、搜索和分析。从硬件、操作系统、服务器软件和应用软件中获得的大量数据集可以被聚合和关联，以发现洞察力和模式。当机器学习模型应用于这些数据集时，IT操作从被动转变为预测。
    当人工智能的强大功能应用于运营时，它将重新定义基础设施的管理方式。机器学习和人工智能在IT运营和DevOps中的应用将为组织提供智能。它将帮助运营团队进行精确和准确的根本原因分析。
    AIOps（智能运营）将在2019年成为主流。公共云供应商和企业将从人工智能和DevOps的融合中受益。
    早期项目是： Moogsoft AIOps、Amazon EC2 Predictive Scaling、Azure VM resiliency、Amazon S3 Intelligent Tiering机器学习和人工智能将成为2019年的关键技术趋势。从业务应用到IT支持，人工智能将对行业产生重大影响。