2019年，我们见证了基于机器学习和人工智能的平台、工具和应用程序的急剧增长。
这些技术不仅影响了软件和互联网行业的发展，还影响了医疗保健、法律、制造、汽车和农业等其他垂直行业。
2018 年及以后，我们将继续看到机器学习和人工智能相关技术的进步。
亚马逊、苹果、Facebook、谷歌、IBM和微软等公司正在投资人工智能的研发，这将有助于生态系统让人工智能更贴近最终消费者。
以下是今年人们需要关注的5个人工智能趋势：（1）人工智能芯片的崛起与其他软件不同。
人工智能严重依赖专用处理器来补充CPU的计算能力。
即使是最快、最先进的CPU也可能无法提高人工智能模型的训练速度。
在推理时，该模型需要额外的硬件来执行复杂的数学计算，以加速对象检测和面部识别等任务。
2020年，英特尔、NVIDIA、AMD、ARM和高通等芯片制造商将推出专用芯片来加速人工智能应用的执行。
这些芯片将针对与计算机视觉、自然语言处理和语音识别相关的特定用例和场景进行优化。
医疗保健和汽车行业的下一代应用将依靠这些芯片为最终用户提供智能服务。
2020 年也将是亚马逊、微软、谷歌和 Facebook 等超大规模基础设施参与者增加对基于现场可编程门阵列 (FPGA) 和专用集成电路 (ASIC) 的定制芯片的投资的一年。
这些芯片将针对运行基于人工智能和高性能计算 (HPC) 的现代工作负载进行大幅优化。
一些芯片还将协助下一代数据库加速查询处理和预测分析。
早期的项目有：亚马逊的 Nitro、谷歌 Cloud TPU、微软 Project Brainwave、英特尔 Myriad 大多数在公共云中训练的模型将部署在边缘。
工业物联网是人工智能的一个顶级用例，它可以执行异常检测、根本原因分析和设备的预测性维护。
基于深度神经网络的先进机器学习模型将被优化以在边缘运行。
他们将能够处理视频帧、语音合成、时间序列数据以及由摄像头、麦克风和其他传感器等设备生成的非结构化数据。
物联网将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的专用AI芯片。
早期项目有：支持机器学习推理的 AWS Greengrass、Azure IoT Edge 人工智能工具包、Google Cloud IoT Edge、FogHorn Lightning Edge Intelligence 和 TIBCO 的 Project Flogo。
(3)神经网络之间的互操作性成为关键开发神经网络模型的关键挑战之一在于选择正确的框架。
数据科学家和开发人员必须从各种选项中选择正确的工具，包括 Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit 和 TensorFlow。
一旦模型在特定框架中进行了训练和评估，就很难将训练后的模型移植到另一个框架中。
神经网络工具箱之间缺乏互操作性阻碍了人工智能的采用。
为了应对这一挑战，AWS、Facebook 和 Microsoft 合作构建了开放神经网络交换 (ONNX)，这使得跨多个框架重用经过训练的神经网络模型成为可能。
2019年，开放神经网络交换（ONNX）将成为业界重要技术。
生态系统中的所有关键参与者，从研究人员到边缘设备制造商，都将依赖 ONNX 作为标准推理运行时。
早期的项目有：Windows 10 自带 ONNX 运行，英特尔的 OpenVINO 工具套件支持 ONNX。
（4）自动化机器学习将更加突出。
AutoML 是从根本上改变基于机器学习的解决方案的一种趋势。
它将使得业务分析师和开发人员能够开发能够解决复杂场景的机器学习模型，而无需经历机器学习模型的典型训练过程。
使用 AutoML 平台时，业务分析师可以专注于业务问题，而不是迷失在工作流程中。
AutoML 完美契合认知 API 和自定义机器学习平台。
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 提供相同程度的灵活性，但自定义数据与可移植性相结合。
早期项目有：DataRobot、Google Cloud AutoML、Microsoft 自定义认知 API 和 Amazon Comprehend 的自定义实体。
(5) 人工智能将通过 AIOps 实现 DevOps 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。
来自硬件、操作系统、服务器软件和应用软件的大型数据集可以被聚合和关联，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 运营从被动转向预测。
当人工智能的力量应用于运营时，它将重新定义基础设施的管理方式。
机器学习和人工智能在 IT 运营和 DevOps 中的应用将为组织提供智能。
它将帮助运营团队进行精确、准确的根本原因分析。
AIOps（智能运营）将在2019年成为主流。
公共云提供商和企业将受益于人工智能和DevOps的融合。
早期项目有：Moogsoft AIOps、Amazon EC2 Predictive Scaling、Azure VM 弹性、Amazon S3 智能分层 机器学习和人工智能将成为今年的关键技术趋势。
从业务应用到IT支撑，人工智能将对行业产生重大影响。