在2018年期間，我們目睹了基于人工智能的平臺、工具和應(yīng)用程序的急劇增長。這些技術(shù)不僅影響了軟件和互聯(lián)網(wǎng)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(nóng)業(yè)。

GoogleAI

在2019年以后，我們將繼續(xù)看到人工智能相關(guān)技術(shù)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(lǐng)域在2019年值得注意的五種趨勢：

1.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(fù)雜的數(shù)學(xué)計算，以加速對象檢測和面部識別等任務(wù)。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(guān)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(yīng)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(chǔ)架構(gòu)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(jù)庫加速查詢處理和預(yù)測分析。

2.邊緣人工智能和物聯(lián)網(wǎng)的融合

在2019年，人工智能將在邊緣計算層遇到物聯(lián)網(wǎng)。在公共云中訓(xùn)練的大多數(shù)模型都將部署在邊緣?；谏疃壬窠?jīng)網(wǎng)絡(luò)的高級機器學(xué)習(xí)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(jù)和由攝像機、麥克風(fēng)和其他傳感器等設(shè)備生成的非結(jié)構(gòu)化數(shù)據(jù)。

3.神經(jīng)網(wǎng)絡(luò)之間的互操作性成為關(guān)鍵

開發(fā)神經(jīng)網(wǎng)絡(luò)模型的關(guān)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(xùn)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(yīng)對這一挑戰(zhàn)，AWS、Facebook和微軟合作構(gòu)建了開放式神經(jīng)網(wǎng)絡(luò)交換（ONNX），這使得在多個框架中重用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型成為可能。可以預(yù)見在2019年，ONNX將成為該行業(yè)的重要技術(shù)。

4.自動化機器學(xué)習(xí)將獲得突出地位

從根本上改變機器學(xué)習(xí)解決方案的一個趨勢是AutoML。它將使業(yè)務(wù)分析師和開發(fā)人員能夠發(fā)展可以解決復(fù)雜場景的機器學(xué)習(xí)模型，而無需經(jīng)過機器學(xué)習(xí)模型的典型培訓(xùn)。業(yè)務(wù)分析師可以專注于業(yè)務(wù)問題，而不是迷失在工作流程中。

5.人工智能將通過AIOps自動化DevOps

現(xiàn)代應(yīng)用程序和基礎(chǔ)架構(gòu)為索引、搜索和分析生成日志數(shù)據(jù)。從硬件、操作系統(tǒng)、服務(wù)器軟件和應(yīng)用軟件獲得的海量數(shù)據(jù)集可以進行聚合和關(guān)聯(lián)，以尋找問題的解決方案。機器學(xué)習(xí)模型利用這些數(shù)據(jù)集，IT就從被動轉(zhuǎn)變?yōu)轭A(yù)測。AIOps將在2019年成為主流。公共云供應(yīng)商和企業(yè)將從人工智能和DevOps的融合中受益。