机器学习和人工智能的技术进步会带来什么？

[nurnobi40]

2018年，我们看到基于人工智能的平台、工具和应用程序大幅增加。这些技术不仅影响了软件和互联网行业，还影响了医疗保健、法律、金融、汽车和农业等其他媒介。机器学习开始传播。

2019 年及以后，我们将继续看到机器学习 (ML)和人工智能 (AI)相关技术的进步。亚马逊、苹果、Facebook、谷歌、IBM 和微软等公司正在大力投资人工智能研发，这将有利于生态系统，让这项技术更贴近消费者。

以下是 2019 年值得关注的一些人工智能趋势

增加支持人工智能的芯片数量
与其他软件不同，人工智能依赖于具有特定功能的处理器的开发。即使是最快、最先进的模型也可能无法提高人工智能程序的训练速度。在与世界交互过程中，采用该技术的产品需要额外的硬件来执行复杂的数学计算，以便执行物体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可加速人工智能应用程序执行的专用芯片。这些芯片将针对特定用例进行优化，例如与计算机视觉、语言处理和语音识别相关的场景。医疗保健和汽车领域的下一代应用将依靠这些芯片为最终用户提供智能。

明年，亚马逊、微软、谷歌和 Facebook 等公司将增加对基于 FPGA（现场可编程门阵列）和 ASIC（专用集成电路）芯片的投资。

这些芯片将进行大量优化，以运行基于人工智能和高性能计算的现代工作负载。其中一些组件还将帮助下一代数据库加速查询处理和预测分析。

以下是 2019 年已确认的一些项目：亚马逊的 Project Nitro、谷歌的 Cloud TPU、微软的 Project Brainwave、英特尔 Myriad X VPU。

物联网与人工智能的融合
2019 年，人工智能将成为通过所谓的物联网 (IoT) 技术实现 加拿大数据 的最先进产品的组成部分。大多数基于公共云的人工智能模型将快速部署到这些设备上。

工业物联网是人工智能的主要用例，它可以执行异常值检测、执行根本原因分析以及管理设备的预防性维护。

基于深度神经网络的先进机器学习模型将被优化以在高端设备上运行。它们将能够处理视频帧、语音合成、时间序列数据以及由相机、麦克风和其他传感器等设备生成的非结构化数据。

物联网已准备好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的特殊专用人工智能芯片。

在这一领域，预计 2019 年将有一些项目：AWS Greengrass 对边缘机器学习推理的支持、 Azure IoT Edge 的IA工具包、Google Cloud IoT Edge、FogHorn Lightning Edge Intelligence 和 TIBCO 的 Project Flogo。

神经网络之间的通信将是基础
开发神经网络模型的关键挑战之一是选择正确的框架。数据科学家和开发人员需要从众多选项中选择正确的工具，包括 Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit 和 TensorFlow。一旦在特定框架上训练和评估模型，就很难将训练后的模型移植到另一个框架。

人工智能和机器学习工具集之间缺乏可移植性阻碍了这项技术的采用。为了应对这一挑战，AWS、Facebook 和 Microsoft 合作创建了开放网络神经元 (ONNX)，它允许您联合在不同结构上训练的神经网络模型。

2019年，ONNX将成为行业必备技术。从研究人员到边缘设备制造商，生态系统中的所有主要参与者都将依赖 ONNX 作为默认的推理运行时。

我们可以举两个例子来表明来年的这一趋势：Windows 10 附带 ONNX 运行时，英特尔的 OpenVINO 工具套件支持该生态系统。

自动化机器学习将受到重视
AutoML 是一种将从根本上改变基于机器学习 (ML) 的解决方案的趋势。这将使业务分析师和开发人员能够设计能够解决复杂场景的机器学习模型，而无需经历旧模型的典型训练过程。

在处理 AutoML 平台时，业务分析师可以专注于业务问题，而不是迷失在流程和工作流程中。

该技术非常适合认知 API 和自定义 ML 平台。它提供了适当级别的定制，而无需强迫开发人员完成复杂的工作流程。与通常被视为黑匣子的认知 API 不同，AutoML 具有相同程度的灵活性，但具有个性化数据和可移植性。

早期指针 - DataRobot、Google Cloud AutoML、Microsoft 自定义认知 API、Amazon Comprehend 的自定义实体。

人工智能工具将使数据分析和研究操作自动化
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。可以聚合和关联从软件和应用程序获得的大量数据集，以发现见解和模式。当机器学习模型应用于这些数据集时，IT 运营从反应性转变为预测性。

当人工智能的力量应用于这些操作时，它将重新定义基础设施的管理方式。在 IT 运营中应用机器学习和人工智能将为组织提供智能，帮助团队进行更准确的分析。

机器学习和人工智能将成为2019年的主要技术趋势。支持这些技术的业务相关应用程序可能会对商业模式产生重大影响。