人工智能的下一步是什么？上周，知名机构CBinsights的分析师对各行各业进行了分析，得出了2019年最值得关注的25个人工智能趋势。虽然人工智能在各行各业蔓延、抢占头条，但要梳理出真正重要的炒作可能并不容易。CBinsights的分析师分析了大量数据，确定了今年最有可能出现的25种AI趋势。AI趋势概览2019年AI的25大趋势大致可以分为三大类：基础框架、系统架构和应用。其中，应用分为智能预测、自然语言处理与合成、计算机视觉三大类。▲AI价值链的25个趋势对于这25个重要的AI趋势，CBInsights采用NExTT框架，使用行业采用率和市场优势两个维度进行分析，分为实验阶段、过渡阶段、必要性、必要性和紧迫性四个象限。每个象限的判断标准是：实验阶段：在早期创业公司之外没有广泛采用；转型阶段：企业合作意愿、市场机会不确定；必要性：广泛的行业基础、客户采用和投资；市场接受度；紧迫性：大的可行市场预测；值得注意的投资活动；不稳定/不确定的应用程序。▲NExTT框架的两个维度▲NExTT框架的25个趋势不可避免的AI趋势1.开源框架由于开源软件的出现，人工智能的门槛比以往任何时候都低。谷歌于2015年开放了其TensorFlow机器学习库，主要技术人员纷纷效仿。如今，开发人员可以使用许多开源工具，包括Keras、MicrosoftCognitiveToolkit和ApacheMXNet。2.边缘人工智能对实时决策的需求正在将人工智能推向“边缘”，使设备能够在本地处理信息并更快地做出响应。NVIDIA、Apple和许多新兴初创公司都专注于构建专门用于AI工作负载的芯片。2019年最值得注意的人工智能趋势之一将是边缘人工智能在应用程序中的增长。▲边缘AI提及率在2018年第三季度达到顶峰▲AI驱动实时决策3、人脸识别从手机解锁到登机，人脸识别正在成为主流。早期的商业应用正在安全、零售和消费电子领域取得进展，面部识别正迅速成为生物特征识别的主要形式。在CBinsights的报告中，人脸识别首先提到了中国，并列出了近四年来包含“人脸识别”和“中国”两个关键词的新闻，表明人脸识别技术在中国越来越受到关注。对人脸识别技术的需求也越来越大。▲包含“人脸识别”和“中国”两个关键词的新闻文章数▲2013-2018年中国人脸识别技术的股权和非股权交易数量，美国专利申请数量也可见国家对人脸识别技术的兴趣也越来越大。▲虽然美国近年来在人脸识别和活体检测方面的专利申请数量还不成熟，但已经有大量早期申请落地。比如苹果在IOS10系统中加入的人脸识别。▲人脸识别的早期应用4.医学影像与诊断美国食品药品监督管理局（FDA）为AI医疗设备开了绿灯。人工智能软件产品的快速监管批准为人工智能成像和诊断公司开辟了新的业务途径。在消费者方面，智能手机的普及和先进的图像识别技术正在将手机变成强大的家庭诊断工具。最具影响力的人工智能趋势之一将是人工智能在医疗和诊断应用中的批准和采用。数据显示，诊断应用是健康AI应用投资交易的主要驱动力。▲诊断AI投资交易谷歌DeepMind的算法已经可以判断乳腺活检照片中存在肿瘤的可能性。▲DeepMind的肿瘤识别算法5.预测性维护从制造商到设备保险公司，AIIoT可以为现有企业在意外故障中节省数百万美元。预测性维护算法使用连续数据收集来预测设备故障。由于较低的传感器成本、人工智能的进步以及对边缘计算的推动，预测性维护变得更加普遍。2019年及以后，我们将见证对该行业的投资增加。6.电子商务搜索搜索词的上下文理解正逐渐走出“实验阶段”，但距离广泛采用还有很长的路要走。尽管存在技术挑战，但早期的SaaS初创公司正在涌现，它们将搜索技术出售给第三方零售商。2019年人工智能的主要趋势之一将是对该行业的更多投资，包括主要零售商。7.胶囊网络深度学习驱动着当今大多数人工智能应用，但胶囊网络将很快取代它们。与当前的卷积神经网络(CNN)相比，胶囊网络具有许多优势。胶囊网络的研究仍处于起步阶段，但可能会挑战当前最先进的图像识别方法。8.新一代假肢早期的研究是结合生物学、物理学和机器学习来解决假肢中最棘手的问题之一：灵活性。研究人员正在使用机器学习来解码来自身体感官的信号，并将其转化为移动假肢装置的命令。今年，该行业将寻求更多发展，包括对消费品的试用。9.AI临床试验中比较大的瓶颈之一是合适患者的招募。理想情况下，人工智能可以从医疗记录中提取信息，与正在进行的研究进行比较，并向医生和患者提出相关研究建议。很少有初创公司在临床试验领域直接与客户合作，但像苹果这样的科技巨头正在取得长足进步。自2015年以来，Apple推出了两个开源框架，以帮助临床试验招募患者并远程监控他们的健康状况。▲AI临床试验10.生成对抗网络GANsGAN采用“AI对抗AI”的概念，包括生成器和判别器。生成器创建假图像，而鉴别器将它们与真实世界的图像进行比较并向生成器提供反馈。最终结果是一个持续的反馈循环，产生越来越复杂的图像。随着研究的扩展，它将改变新闻、媒体、艺术甚至网络安全的未来。2019年最重要的人工智能趋势之一将是GAN的进一步发展及其对其他应用的溢出效应。11.联邦学习用独特的本地数据集训练AI可以大大提高其性能，但用户数据也是隐私的。Google的联合学习方法旨在使用这些丰富的数据集，同时保护敏感数据。今年将见证联邦学习在药物发现和其他用例中的更多应用。12.AdvancedHealthcareBiology使用神经网络，研究人员开始研究和测量以前难以量化的非典型风险因素。从视网膜扫描到分析肤色变化，人工智能正在从无数来源中解锁新的医学见解。AI将继续解锁新的诊断方法并识别以前未知的风险因素。13.自动化索赔处理保险公司和初创公司正在使用人工智能来计算车主的“风险评分”、分析事故图像并监控驾驶员行为。人工智能的进步正在改变以前缓慢的、以人为主导的流程，并允许更快地理赔。14.假货识别假货越来越难辨认，网上购物比以往任何时候都更容易买到假货。为了反击，品牌商和典当商开始试验人工智能技术。在在线和实体商业中，人工智能被用于识别假冒产品和欺诈性商标侵权。15、无人零售AmazonGo是迄今为止唯一一家成功的无人零售店，但该公司一直执着于定义“成功”。防盗除其他问题外，还取决于操作规模和可用产品的类型。短期内，还存在部署成本和由于潜在技术故障导致的库存损失成本。16.后台自动化人工智能正在使行政工作自动化，但数据的不同性质和格式使其成为一项具有挑战性的任务。虽然每个行业和应用都有其独特的挑战，但不同行业正在逐渐采用基于机器学习的工作流解决方案。在其他领域，数字化需要先于预测分析。2019年最重要的人工智能趋势之一将是机器人过程自动化方面的创新和探索。17.翻译用于翻译的自然语言处理是一个挑战，也是一个尚未开发的市场机会。百度和谷歌等大型科技公司开始在这一领域掀起波澜。随着公司努力改进翻译框架，效率和语言能力将会提高，跨行业的采用也会增加。18.全面的训练数据访问大型标记数据集是训练人工智能算法的必要条件。但对于某些应用程序来说，访问足够多的真实数据可能并不可行。逼真的假数据集或合成数据集可以解决瓶颈。还可以通过混合AI生成的模拟数据来创建更大、更多样化的数据集，从而增强真实世界的数据。19.强化学习研究人员正在通过强化学习突破AI能力的边界，但对海量数据集的需求限制了实际应用。尽管有挑战者，但主要参与者正在对该技术进行更多投资，并且对RL应用程序的研究正在增加。▲美国增强学习专利申请20、网络优化从促进频谱共享到监控资产再到为天线提供合理设计，AI正在改变电信行业。对于通信服务提供商而言，优化意味着更好的客户体验。电信运营商也准备将基于AI的解决方案集成到5G无线技术中。2019年及以后的主要人工智能趋势之一将是它更多地融入全球电信网络。21.自动驾驶尽管自动驾驶汽车拥有巨大的市场机会，但完全自动驾驶的时间表仍不明朗。物流等行业的一些应用可能会早日采用自动驾驶汽车。即使部署时间表仍不明朗，各行各业都在积极投资和采用自主技术。22.作物监测初创公司和现有企业正在采用作物监测AI来管理驱虫、发现问题并预测天气变化将如何影响农业。23.网络安全识别和应对网络攻击已经不够了。计算能力和算法的进步正在将以前理论上的攻击变成真正的安全问题。作为回应，使用机器学习主动“寻找”威胁正在网络安全领域获得发展势头。2019年最重要的人工智能趋势之一将是不同业务类型对威胁猎手的新兴需求。24.对话式人工智能对于许多企业来说，聊天机器人已经成为人工智能的代名词，但承诺并没有跟上现实的步伐。尽管聊天机器人被广泛采用，但在健康和保险等复杂领域，聊天机器人一直难以分析和衡量情况的紧迫性。AI可以提高聊天机器人在这些领域的能力，但这对算法来说仍然是一项特别困难的任务。25.药物研发随着人工智能生物技术初创公司的兴起，传统制药公司正在寻求人工智能初创公司来缩短长期的药物发现周期。虽然其中许多初创公司仍处于早期融资阶段，但它们已经拥有一批医药客户。2019年人工智能的一大趋势将是领先的制药公司加大对该领域的投资。智世认为，虽然AI泡沫多次破灭，但近年来，一些重大的发展和突破再次让该领域重新回归大众。尽管大量新闻报道仍存在炒作之嫌，但从CBinsights的分析中，我们可以看出，AI对各行各业的影响是显而易见的。随着更多开源工具的发布，更多智力资源的涌入，AI的爆发点或许已经不远了。
