Ten Trending Applications of Artificial Intelligence

Posted 2021-03-01 ws0401

1 Ten Trending Applications of Artificial Intelligence

https://hackernoon.com/artificial-intelligence-trends-to-watch-out-in-2019-b04q23dz5

 

---

2018年，基于人工智能和机器学习的工具、平台和应用大量涌现。这些技术工具不仅改变了互联网和软件行业，而且对制造业、医疗、农业和汽车等众多领域产生了巨大影响。

2019年和未来几年，人工智能相关和ML技术将继续增长。像IBM、Facebook和谷歌这样的组织正在投入大量的资金和时间来开发和研究人工智能技术，为用户提供好处。

 

我们大多数人都想知道人工智能将在2019年带来怎样的转变。从Gmail电子邮件提示器到语音邮件抄写、自动预约电话、智能家居的Alexa，再到路上的自动驾驶汽车，2018年我们见证了很多。但问题是我们在2019年和2020年将经历什么变化。我们将讨论一些值得关注的神奇的人工智能趋势。以下是2019年值得关注的人工智能趋势:  

 

1.支持AI的芯片引入

人工智能依赖于与CPU互补的专业的处理器。先进的CPU模型也不能提高人工智能训练模型的速度。

AI模型需要额外的硬件来解决复杂的数学问题，以提高处理任务的速度，比如面部识别和目标检测。

包括英伟达(NVIDIA)、ARM、英特尔(Intel)和高通(Qualcomm)在内的芯片制造商将提供专业的芯片，以提高基于人工智能的应用程序的速度。

支持人工智能的芯片将被设计用于与自然语言处理、语音识别和计算机视觉相关的特定案例和情景。工业级应用将很快依赖这些芯片，来为消费者或终端用户提供智能服务

 

2. 面部识别 

最近，人脸识别已被广泛用于许多负面的新闻发布中，无论是中国的商汤还是赢了官司的谷歌。

但是，这项技术将在2019年继续发展。人脸识别是一种基于AI的技术，它通过人的脸部特征和数字图像的模式来识别个体。

2019年，面部识别技术的使用将会增加，并具有高度的可靠性和准确性。例如，Facebook的Deepface程序用于在照片中标记朋友和家人。此外，几乎所有的智能手机现在都配有锁脸功能。

从广告到运输体验，面部识别将继续被用于生物特征识别。由于其非侵入性识别和易于部署，这一AI的技术趋势将继续上升。

面部识别的其他应用案例包括在进行安全检查和执法时进行支付。即将到来的面部识别技术也可以用于医疗保健业的临床试验和医学诊断。Openwater，一种便携式医学成像技术，正在打破从我们大脑中读取图像的边界。

 

3. 人工智能和物联网的融合

人工智能将于2019年在边缘计算层面与物联网相遇。我们将见证更多人工智能与物联网融合的案例。

例如，人工智能和物联网没有结合，自动驾驶汽车的概念就不可能实现。启用IoT传感器收集实时数据，而AI模型为决策程序提供动力。

深度学习算法有助于根据IoT传感器收集的数据采取行动和做决策。其中一些行动包括眼动跟踪，以加强对司机的监控、路线规划、在汽车燃油或汽油耗尽时自主导向加油站，以及语音指令的自然语言处理。 

物联网已经准备好成为企业人工智能的重要驱动力。边缘设备将配备基于ASICs和FPGAs的支持AI的芯片。

  

4.  社会经济模型

随着人工智能的日益普及，几乎每个人都提出了一个共同的问题，即“人工智能会很快抢走工作吗？”答案是：“视情况而定”。

尽管人工智能将夺走愈发稀缺的工作，但它也会带来需要多种技能的新工作。

无论答案是什么，各国政府和世界经济论坛都在讨论这个问题。这是因为人工智能应用的兴起将有扩大技能差距的风险，并可能导致社会两极分化。

尽管自动化可能会消除对工作的需求，但总会有对教师、看护者、客服主管和更多其他工作的需求。

2019年，再分配计划将成为立法者关注的焦点。

 

 

5. 神经网络间的互操作性

建立神经网络模型的最大挑战之一在于选择正确的框架。开发人员和数据科学家必须从众多选项中选择正确的平台，包括TensorFlow、Caffe2、Apache MXNet、Microsoft Cognitive Toolkit和PyTorch。

在特定框架中对模型进行了培训和评估之后，很难将培训后的模型移植到另一个框架中。这是因为神经网络工具箱之间缺乏互操作性。为了克服这一挑战，Facebook、微软和AWS合作开发了开放的神经网络交换，允许跨过各种框架再利用训练后的神经网络模型。到2019年，它将成为该行业的一项关键技术。

 

 

 6. 通过AIOps(自动化运维Algorithmic IT Operations)将DevOps自动化

 现代基础设施和应用程序生成用于搜索、索引和分析的日志数据。从操作系统、应用软件、服务器软硬件获得的巨大数据集可以与搜索模式和洞察力相关联。

将机器学习模型应用于此类数据集后，IT运营可以从反应性转换为预测性。当人工智能的潜力被应用到操作中，它将重建基础设施的处理方式。AI和ML（Machine Learning）在DevOps和IT运营中的应用将为企业提供情报。它将帮助运维团队进行准确和精确的根本原因分析。

这就是AIOps将在2019年成为焦点的原因。AI和DevOps的结合将使企业和公共云供应商都受益。

 

 

7. 自动机器学习ML模型

AI发展的趋势是，AutoML（自动化机器学习）将改变基于ML的模型。它将允许开发人员和业务分析人员开发能够解决复杂场景的ML模型，而无需进行ML模型的培训。

在使用AutoML平台时，业务分析人员可以将重点放在业务问题上，而不是迷失在工作流和过程中。

该平台可以适应自定义ML平台和认知性的应用程序界面，并提供适当级别的个性化，而不需要开发人员经历完整的工作流程。

 

 

8. 深度学习

当数据的维数增加时，机器学习就变得复杂了。想象你试着把自己的声音转录到文本中。这个问题会加剧多次。

然而，深度学习是自动驾驶汽车、图像识别和语音控制背后的一项技术。随着Google Home和亚马逊Alexa的出现，你可能会发现大量使用自然语言处理的语音应用程序，这是一种深度学习的应用程序。

因此，我们可以看到人们对下一代能够克服复杂问题的深度学习算法越来越感兴趣，例如，对科技基础设施问题的解释。

 

9. AI和区块链的融合

众所周知，区块链解决的是诸如可扩展性之类的挑战，而AI存在信任和隐私问题，这两种技术可以结合起来解决这些难点。 

区块链为去中心化的市场提供支持，帮助人工智能算法变得更加可信和透明。例如，Enigma是一家提供安全数据市场的初创公司，用户可以通过智能合同订阅和访问该市场。

 

 

 

10. 政策和隐私

GDPR（通用数据保护条例General Data Protection Regulation）的引入是2018年最热门的话题。我们希望在2019年和2020年看到更多关于政策和隐私的对话。

我们大多数人都不知道我们的数字信息是如何在互联网上被使用的。Facebook的隐私危机引发了人们对数位数据隐私的关注。

这就是为什么立法者和国家在2019年将继续把隐私政策视为一个关键问题的原因。围绕人工智能的数字生态系统的使用许可问题将被给予极大的重视，围绕人工智能发展的法律需要进一步的理解。世界各国将继续致力于推行多项措施以促进人工智能的法规。

 

 

 

结论

从上面提到的AI发展趋势，我们可以得出结论，人工智能在短期内不会出现衰退。我们将在所经历的每一年继续看到新的AI发展趋势。 

 

翻译转自 雷锋网