新的一年,人工智能會朝著什么方向發(fā)展?CB Insights今天發(fā)布的報告,預測了2019年AI行業(yè)的25大趨勢。

在基礎研究領域,開源框架、邊緣計算、合成訓練數(shù)據(jù)是行業(yè)大勢。理論算法方面,膠囊網(wǎng)絡、GAN、聯(lián)合學習、強化學習仍是重點。

至于AI技術的實際應用,人臉識別、機器翻譯、醫(yī)療影像、無人零售、對話機器人等過去的熱點,今年還將會進一步發(fā)展。

報告中還特別提到了中國的創(chuàng)業(yè)公司、資本力量在人臉識別、無人零售領域的巨大推動作用。

AI技術的25個趨勢

CB Insights提出了2019年AI的25個趨勢,可以分為基礎架構、體系結構和應用場景三個方面。應用場景又可以分為3類:智能預測、自然語言處理與合成、計算機視覺。

這25個趨勢是:

1、開源框架

開源框架讓AI進入門檻更低。

2、邊緣AI

對實時決策的需求推動AI進入“邊緣”。比如人臉識別、自動駕駛讓AI進入手機、汽車進行本地運算,蘋果和英偉達和許多創(chuàng)業(yè)公司都在開發(fā)人工智能芯片。

3、人臉識別

從解鎖手機到登機航班,面部識別正在成為主流,已用在安全、零售和消費電子領域,面部識別正迅速成為生物認證的主要方式。

4、醫(yī)療影像診斷

AI軟件產(chǎn)品的快速監(jiān)管審批為AI醫(yī)療公司開辟了新的商業(yè)途徑。在消費者方面,先進的圖像識別技術正在將手機變成功能強大的家用診斷工具。

5、預測性維護

AI加持的IoT可以為企業(yè)節(jié)省數(shù)百萬美元的意外故障費用。預測性維護是指用連續(xù)的數(shù)據(jù)收集來預測設備故障。由于降低了傳感器成本,以及人工智能、邊緣計算的推動,預測性維護已經(jīng)變得更加廣泛。

6、電子商務搜索

對搜索術語的語境理解正在逐漸走出“實驗階段”。早期的SaaS初創(chuàng)公司正在興起,向第三方零售商銷售搜索技術。

7、膠囊網(wǎng)絡

深度學習推動了如今大多數(shù)AI應用,但膠囊網(wǎng)絡(CapsulesNet)很快就會取而代之。與當前的卷積神經(jīng)網(wǎng)絡(CNN)相比,膠囊網(wǎng)絡具有許多優(yōu)點。對膠囊網(wǎng)絡的研究還處于起步階段,但可能會挑戰(zhàn)當前最先進的圖像識別方法。

8、下一代假肢

將生物學、物理學和機器學習結合起來。研究人員正在使用機器學習來解碼來自身體傳感器的信號,并將其轉化為移動假肢裝置的命令。今年,該行業(yè)將尋求更多發(fā)展,包括面向消費者試驗產(chǎn)品。

9、臨床試驗登記

臨床試驗中面臨的困難是如何招募合適的患者。AI可以從醫(yī)療記錄中提取信息,與正在進行的研究進行比較,并向醫(yī)生和患者提出相關研究建議。

10、生成對抗網(wǎng)絡(GAN)

GAN將改變新聞、媒體、藝術乃至網(wǎng)絡安全的未來。2019年最重要的AI趨勢之一是GAN的進一步發(fā)展,和其他應用的溢出效應。

11、聯(lián)合學習

使用本地數(shù)據(jù)集訓練AI可以極大地提高其性能,但用戶數(shù)據(jù)是私密的。Google的聯(lián)合學習方可以在使用這些豐富的數(shù)據(jù)集的同時保護敏感數(shù)據(jù)。今年在藥物發(fā)現(xiàn)和其他案例中會有更多聯(lián)合學習的應用。

12、高級醫(yī)療保健生物識別技術

利用神經(jīng)網(wǎng)絡,研究人員開始研究和測量以前難以量化的非典型風險因素。從視網(wǎng)膜掃描到分析皮膚顏色變化,AI正在解鎖新的診斷方法,并識別以前未知的風險因素。

13、自動索賠處理

保險公司和創(chuàng)業(yè)公司正在使用人工智能來計算車主的“風險評分”,分析事故圖像并監(jiān)控駕駛員行為。人工智能的進步正在改變這項曾經(jīng)以人為主導的過程,允許更快的索賠結算。

14、反假貨

知名品牌和典當商開始嘗試使用AI。電商和實體店中,AI被用于識別仿冒產(chǎn)品和欺詐性商標侵權。

15、無人零售

到目前為止,亞馬遜Go是唯一一個成功的無人零售商。此外還有防盜、部署成本、庫存損耗等問題需要解決。

16、后臺辦公自動化

AI正在加入自動化管理工作,但不同性質(zhì)和格式的數(shù)據(jù)使其成為一項具有挑戰(zhàn)性的任務。不同的部門逐漸采用基于機器學習的工作流程解決方案。

17、語言翻譯

語言翻譯是一個尚未開發(fā)的市場機遇。像百度和谷歌這樣的大型科技公司開始在這個領域掀起波瀾。由于大量資源投入到改進翻譯框架,因此機器翻譯的效率和語言能力將得到提高,各行業(yè)的采用率也會提高。

18、綜合訓練數(shù)據(jù)

訪問大型標記數(shù)據(jù)集是培訓AI算法的必要條件。但對于某些應用程序,訪問足夠的真實數(shù)據(jù)可能是不可行de ?，F(xiàn)實的假數(shù)據(jù)或合成數(shù)據(jù)集可以解決這一瓶頸問題?，F(xiàn)實世界的數(shù)據(jù)還可以通過混合AI生成的模擬數(shù)據(jù)來增強,以創(chuàng)建更大、更多樣化的數(shù)據(jù)集。

19、強化學習

研究人員正在通過強化學習推動AI的能力界限,但對大量數(shù)據(jù)集的需求限制了其實際應用。盡管存在挑戰(zhàn)者,但主要參與者正在對該技術進行更多投資,對強化應用的研究正在增加。

20、網(wǎng)絡優(yōu)化

電信運營商正在準備將基于AI的解決方案集成到5G無線技術中。2019年及以后的AI關鍵趨勢之一是將更多地融入全球電信網(wǎng)絡。

21、自動駕駛汽車

盡管自動駕駛汽車具有巨大的市場機會,但完全實現(xiàn)的時間表仍不明確。例如物流運輸?shù)阮I域可以看出無人駕駛的早期應用。即使時間表仍不明確,各行各業(yè)都在積極投資并采用自動駕駛技術。

22、農(nóng)作物監(jiān)測

初創(chuàng)公司和現(xiàn)有企業(yè)正在用農(nóng)作物監(jiān)測AI來管理殺蟲劑、發(fā)現(xiàn)問題,并預測天氣變化如何影響農(nóng)業(yè)。

23、發(fā)現(xiàn)網(wǎng)絡威脅

計算能力和算法的進步正在將以前的理論攻擊變成真正的安全問題。對網(wǎng)絡攻擊做出反應已經(jīng)不夠,機器學習能主動搜尋網(wǎng)絡安全中的潛在威脅。

24、會話AI

對于許多企業(yè)來說,聊天機器人成了人工智能的代名詞,但承諾并沒有跟上現(xiàn)實。AI可以改善這些領域的聊天機器人功能,但它仍然是一項特別艱巨的任務。

25、藥物發(fā)現(xiàn)

隨著AI生物技術創(chuàng)業(yè)公司的興起,傳統(tǒng)制藥公司正在尋求人工智能創(chuàng)業(yè)公司減少長期藥物發(fā)現(xiàn)周期。雖然這些創(chuàng)業(yè)公司中的許多仍處于早期階段,但他們已經(jīng)擁有一批制藥客戶。

AI技術類別劃分

為了更好的理解AI行業(yè)趨勢,CB Insights將AI技術按照工業(yè)化程度(Industry Adoption)、市場化程度(Market Strength)兩個維度進行劃分。

工業(yè)化程度的衡量標準包括:創(chuàng)業(yè)公司的發(fā)展速度、媒體關注度、消費者接受度。

市場化程度的衡量標準包括:市場規(guī)模、投資者與投資機構的數(shù)量和質(zhì)量、研發(fā)投入、收入報告、競爭激烈度、并購與戰(zhàn)略投資等。

按照這兩個維度指數(shù)的高低,可以將AI技術分成4類:

實驗性技術(工業(yè)化程度低、市場化程度低)、

短暫性技術(工業(yè)化程度低、市場化程度高)、

威脅性技術(工業(yè)化程度高、市場化程度低)、

成熟性技術(工業(yè)化程度高、市場化程度高)。

報告里的中國

CB Insights在報告中多次提到中國,近年來中國在AI的商業(yè)應用是全球的風向標。

來源：量子位