自人工智能開始成長以來，其風波一直不斷，特別是近幾年，人工智能步入黃金發展期，輿論風暴更是一波接著一波。

“人工智能距離威脅人類還有多遠？”“八大現象論證人工智能威脅論真的存在”“AI警告！科技大佬為何紛紛站隊AI威脅論......

但是不管輿論怎樣推波，我們都必須面對一個事實“AI真的讓我們生活的很好！”，并且它還會持續的“好”。未來的一年，人工智能還會繼續發力。

以下是2019年人工智能的發展趨勢，你準備好迎接了嗎？

1

新技術實現部分任務自動化

2019年，自動化將分階段進行。雖然距離全面自動化還需一段路程，但許多工作流程和任務都實現了部分自動化。

據麥肯錫（McKinsey）統計，基于現有技術， 5%的職業有希望實現完全自動化，60%的職業可以實現30%自動化。

圖片來源于網絡

我們已經看到了很多依賴計算機視覺和語音技術的產品和服務，2019年我們會看到更多。

語言模型和機器人技術的持續發展，將實現更全面的文本和物理解決方案。

競爭將推動企業實施部分自動化解決方案，而自動化項目的成功會推動全面自動化的發展。

2

企業人工智能

過去幾年，公司致力于構建流程和基礎架構來解鎖不同的數據源，以便改進關鍵型任務的分析，包括業務分析、推薦、個性化、預測、異常檢測和監控等。

除了使用視覺和語音技術，我們期望深化深度學習，深入到公司擁有的數據和機器學習領域。

圖片來源于網絡

例如，通過深度學習為時間和地理空間數據注入系統，從而產生可擴展且更準確的混合系統（即，將深度學習與其他機器學習方法相結合的系統）

3

UX / UI設計將變得至關重要

當前的AI解決方案是消費者、人類工作者和領域內專家攜手合作的。

這些系統提高了用戶的生產力，使他們能夠以難以置信的規模和準確度執行任務。

豐富的用戶體驗或用戶界面設計不但能簡化任務操作，而且能直接提升用戶對一項產品的忠實度。

4

硬件將變得更加專業化

深度學習于2011年開始流行，在語音和計算機視覺方面塑造了創世紀的模式。如今，已經有足夠的論證證明專業硬件的合理性——僅Facebook每天的預測就達到萬億次。

圖片來源于網絡

足夠的規模證明自己生產的專用硬件的合理性。

自去年開始，一直使用的是張量處理單元。

因此，2019年，更多的專有硬件將開始出現。中國和美國將有更多的公司基于數據中心和邊緣設備開發針對模型構建和推理的硬件。

5

混合模型仍然很重要

雖然深度學習一直在持續發力，但大多數實現端到端解決方案的都是混合系統。

2019年，其他組件和方法將會不斷浮出水面，包括基于模型的方法，例如貝葉斯推理，樹搜索、進化、知識圖譜、模擬平臺等等。

我們可能會看到更多不基于神經網絡的機器學習。

6

投資將用于新的工具和流程

我們處于一個高度經驗主義的機器學習時代。ML開發工具需要考慮數據、實驗和模型搜索以及模型部署和監視的重要性。

圖片來源于網絡

只需要完成一個步驟：模型創建，公司就可以開始研發數據沿襲、元數據管理和分析、計算資源高效利用、高效模型搜索和超參數調優等工具。

2019年，我們期待有新的工具來簡化AI和ML在產品和服務上的開發和實際部署。

7

關于機器欺騙的挑戰將會增加

目前，我們還處于機器生成內容（圖像、視頻、音頻和文本等）的早期階段，一些關于“機器欺騙”的新聞層出不窮。

就目前而言，檢測和取證技術已經能夠檢索到虛假的視頻和圖像。

但用于生成虛假內容的工具仍在迅速改進，因此我們必須確保檢測技術能夠跟上步伐。

圖片來源于網絡

機器欺騙不單單是欺騙人類的機器，還包括機器欺騙機器（機器人）和人類欺騙機器（巨魔軍隊和點擊農場）。

信息傳播和點擊農場會繼續作用在欺騙內容和零售平臺的排名系統上，我們必須在新形式的機器欺騙研發出來之前盡快解決這一問題。

8

自動化需要安全性的保證

令人振奮的是，研究人員和從業人員都對隱私、公平和道德問題產生了濃厚的興趣。

隨著人工智能開始逐漸深入到關鍵型應用中，自動化的效率提高更需要安全性和可靠性的保證。

在線平臺的機器欺騙行為的增加，以及最近涉及的自動駕駛汽車的事故，徹底打破了這個問題。2019年，我們期待更深入的討論安全問題。

9

訪問更多的數據

由于我們很多的依賴模型（包括深度學習和強化學習）都缺乏數據，因此更容易在人工智能領域取勝的是那些擁有大量數據的大公司和國家。

圖片來源于網絡

但是，由于生成標記數據集的服務都開始使用機器學習，在一些領域，生成對抗網絡(GAN)和仿真平臺等新工具能夠提供真實的綜合數據，用于訓練機器學習模型。

借助新的安全隱私保護技術，企業可以利用他們自己創建的數據。因此較小的公司可以利用機器學習和人工智能贏得競爭力。