在2018年期間，我們目睹了基于人工智能的平臺、工具和應用程序的急劇增長。這些技術不僅影響了軟件和互聯(lián)網行業(yè)，還影響了其他垂直行業(yè)，如醫(yī)療保健、法律、制造業(yè)、汽車和農業(yè)。在2019年以后，我們將繼續(xù)看到人工智能相關技術的進步。亞馬遜、蘋果、Facebook、谷歌、IBM和微軟等公司都在大規(guī)模投資研發(fā)人工智能，這有助于推動人工智能及其生態(tài)的快速發(fā)展。
?
?
以下是人工智能領域在2019年值得注意的五種趨勢：
?
人工智能芯片的興起
?
?
?
與其他軟件不同，人工智能嚴重依賴專用處理器來補充CPU。在推理時，模型需要額外的硬件來執(zhí)行復雜的數(shù)學計算，以加速對象檢測和面部識別等任務。2019年，英特爾、英偉達、AMD、ARM和高通等芯片制造商將推出專用芯片，這些芯片將針對與計算機視覺、自然語言處理和語音識別相關的特定用例和場景進行優(yōu)化。來自醫(yī)療保健和汽車行業(yè)的下一代應用將依賴這些芯片為最終用戶提供智能。
?
?
2019年也將是亞馬遜、微軟、谷歌和Facebook等超大規(guī)?；A架構公司，增加對基于現(xiàn)場可編程門陣列（FPGA）和專用集成電路（ASIC）的定制芯片投資的一年，這些芯片將針對人工智能和高性能計算（HPC）的現(xiàn)代工作負載進行大量優(yōu)化，其中一些芯片還將協(xié)助下一代數(shù)據庫加速查詢處理和預測分析。
?
AI與物聯(lián)網在邊緣計算層融合??
?
在2019年，人工智能將在邊緣計算層遇到物聯(lián)網。在公共云中訓練的大多數(shù)模型都將部署在邊緣，基于深度神經網絡的高級機器學習模型將進行優(yōu)化以在邊緣運行。它們將能夠處理視頻幀、語音合成、時間序列數(shù)據和由攝像機、麥克風和其他傳感器等設備生成的非結構化數(shù)據。
?
神經網絡之間的互操作性成為關鍵??
開發(fā)神經網絡模型的關鍵挑戰(zhàn)之一在于選擇正確的框架。一旦模型在特定框架中完成了訓練和評估，就很難將移植到另一個框架中。這種狀況阻礙了人工智能的普及。
?
?
為了應對這一挑戰(zhàn)，AWS、Facebook和微軟合作構建了開放式神經網絡交換（ONNX），這使得在多個框架中重用經過訓練的神經網絡模型成為可能?？梢灶A見在2019年，ONNX將成為該行業(yè)的重要技術。
?
自動化機器學習將占據主導地位??
自動化機器學習已成為一個發(fā)展趨勢，它將從根本上改變基于機器學習的解決方案，可使其不經過傳統(tǒng)調試程序即可改進機器學習模型，進而處理復雜的場景。
?
?
從根本上改變機器學習解決方案的一個趨勢是AutoML，它將使業(yè)務分析師和開發(fā)人員能夠發(fā)展可以解決復雜場景的機器學習模型，而無需經過機器學習模型的典型培訓，業(yè)務分析師可以專注于業(yè)務問題，而不是迷失在工作流程中。
?
AI將通過AIOps實現(xiàn)DevOps自動化??
DevOps是一套完整的IT運維工作流，以IT自動化和持續(xù)集成、持續(xù)部署為基礎，來優(yōu)化程序開發(fā)、測試、系統(tǒng)運維等所有環(huán)節(jié)。DevOps一詞來自于Development和Operations，強調軟件開發(fā)人員和運維人員的溝通合作，通過自動化流程來使軟件的構建、測試、發(fā)布更加快捷、頻繁和可靠。
?
AIOps即AI for IT Operations，指將人工智能應用于IT運維領域，基于已有的運維數(shù)據，通過機器學習來進一步解決自動化運維難以解決的問題。
?
?
現(xiàn)代化應用程序和基礎設施可以生成用于索引、搜索和分析的日志數(shù)據。從硬件、操作系統(tǒng)、服務器軟件和應用軟件中獲取的海量數(shù)據集可以聚合和關聯(lián)，然后形成方案和模式。當機器學習模型應用于這些數(shù)據集時，IT運行即可從被動響應轉變?yōu)橹鲃宇A測。AI力量應用于運營將重新定義基礎設施的管理方式。2019年，AIOps將成為主流，公共云供應商和企業(yè)將從AI和DevOps的融合中受益。
?
我國在人工智能、大數(shù)據、云計算、信息安全等領域已具有一定的技術實力，疊加多項政策出臺推動人工智能產業(yè)在我國快速發(fā)展，人工智能場景正在逐步落地。在2019年，我國人工智能技術，在金融、交通、安防等領域的滲透率將快速提升。
?
（內容來源：網絡）
?
任何觀點想法，可在下方暢所欲言！?
往期精彩
●?我們升級改版啦！
- 還沒有人評論，歡迎說說您的想法！
