本文经AI新媒体量子位授权转载（公众号ID：QbitAI），转载请联系出处用于转载。新的一年，人工智能将向什么方向发展？CBInsights今天发布的报告预测了2019年AI行业的25大趋势。在基础研究领域，开源框架、边缘计算、合成训练数据是行业趋势。理论算法方面，胶囊网络、GAN、联合学习、强化学习仍然是重点。在人工智能技术的实际应用方面，人脸识别、机器翻译、医学影像、无人零售、对话机器人等以往热点在今年将得到进一步发展。报告还特别提到了中国初创企业和资本力量在人脸识别和无人零售领域的巨大作用。AI技术25大趋势CBInsights提出了2019年AI的25大趋势，可分为基础设施、架构和应用场景三个方面。应用场景可分为智能预测、自然语言处理与合成、计算机视觉三大类。这25个趋势是：1.开源框架开源框架降低了人工智能的进入门槛。2、边缘AI对实时决策的需求将AI推向“边缘”。比如人脸识别，自动驾驶让AI进入手机，汽车进行本地计算。Apple、Nvidia和许多初创公司都在开发人工智能芯片。3、人脸识别从手机解锁到登机，人脸识别正在成为主流，并已应用于安防、零售和消费电子等领域。面部识别正迅速成为生物特征认证的主要方法。4、医疗影像诊断人工智能软件产品的快速监管审批，为人工智能医疗企业开辟了新的商业渠道。在消费者方面，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。5.预测性维护人工智能驱动的物联网可以为企业节省数百万美元的意外故障成本。预测性维护是指使用连续的数据收集来预测设备故障。由于传感器成本的降低，以及人工智能和边缘计算的推广，预测性维护变得更加普遍。6、电商搜索中搜索词的上下文理解逐渐走出“实验阶段”。早期的SaaS初创公司如雨后春笋般涌现，向第三方零售商销售搜索技术。7.胶囊网络深度学习驱动着当今大多数AI应用，但胶囊网络(CapsulesNet)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.下一代假肢结合了生物学、物理学和机器学习。研究人员正在使用机器学习来解码来自身体传感器的信号，并将其转化为移动假肢设备的命令。今年，该行业将寻求更多发展，包括为消费者试用产品。九、临床试验注册临床试验面临的难点是如何招募合适的患者。人工智能可以从病历中提取信息，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。10.GenerativeAdversarialNetwork(GAN)GAN将改变新闻、媒体、艺术甚至网络安全的未来。2019年最重要的AI趋势之一是GAN的进一步发展，以及其他应用的溢出效应。11.联邦学习使用本地数据集训练AI可以大大提高其性能，但用户数据是隐私的。谷歌的联邦学习端可以使用这些丰富的数据集，同时保护敏感数据。今年联邦学习在药物发现和其他用例中的应用将会更多。12.AdvancedHealthcareBiometrics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，人工智能正在解锁新的诊断方法并识别以前未知的风险因素。13.自动理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”、分析事故图像和监控驾驶员行为。人工智能的进步正在改变这个曾经由人类主导的过程，从而可以更快地解决索赔。14.知名打假品牌和典当商开始尝试人工智能。在电子商务和实体店中，人工智能被用于识别假冒产品和欺诈性商标侵权。15、无人零售迄今为止，AmazonGo是唯一成功的无人零售。此外，还有防盗、部署成本、库存损失等问题需要解决。16.后台自动化人工智能正在加入自动化管理工作，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。不同部门正在逐步采用基于机器学习的工作流解决方案。17.语言翻译语言翻译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。由于投入大量资源改进翻译框架，机器翻译的效率和语言能力将会提高，各行业的采用率也会提高。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。但是对于某些应用程序来说，访问足够多的真实数据可能是不可行的。逼真的假数据集或合成数据集可以解决这个瓶颈。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其实际应用。尽管存在挑战者，但主要参与者正在对该技术进行更多投资，并且对增强型应用程序的研究也在增加。20.网络优化电信运营商正准备将基于人工智能的解决方案集成到5G无线技术中。2019年及以后的主要人工智能趋势之一是与全球电信网络的进一步融合。21.自动驾驶汽车虽然自动驾驶汽车代表着巨大的市场机会，但其全面实现的时间表仍不明朗。例如，无人驾驶的早期应用可见于物流、交通等领域。即使时间表仍不明朗，各行各业都在积极投资和采用自动驾驶技术。22.作物监测初创公司和现有企业正在使用作物监测AI来管理杀虫剂、发现问题并预测天气变化将如何影响农业。23.发现网络威胁计算能力和算法的进步正在将以前理论上的威胁变成真正的安全问题。仅对网络威胁做出反应已经不够；机器学习可以主动寻找网络安全中的潜在威胁。24.会话式AI聊天机器人已成为许多企业人工智能的代名词，但承诺并没有跟上现实的步伐。人工智能可以在这些领域提高聊天机器人的能力，但这仍然是一项特别困难的任务。25.药物发现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阶段，但它们已经拥有一批医药客户。AI技术分类为了更好地了解AI行业的趋势，CBInsights将AI技术分为两个维度：IndustryAdoption和MarketStrength。工业化的衡量标准包括：创业公司的发展速度、媒体关注度和消费者接受度。市场化程度的衡量标准包括：市场规模、投资者和投资机构的数量和质量、研发投入、收益报告、竞争强度、并购和战略投资等。根据这两个维度指标的高低，AI技术可分为四类：实验性技术（工业化程度低、市场化程度低）、威胁性技术（工业化程度低、市场化程度高）、瞬态技术（工业化程度高、市场化程度低）市场化），技术成熟（工业化程度高，市场化程度高）。ChinaCBInsights在报告中多次提到中国。近年来，中国人工智能的商业应用已成为全球标杆。报道指出，中国人脸识别技术方兴未艾，提及“中国”和“人脸识别”这两个关键词的新闻数量增长迅速。在过去的一年里，几乎每个季度都有近百条相关新闻报道。去年，该行业通过18笔投资交易筹集了近16亿美元。去年，商汤科技从软银获得10亿美元投资，旷视科技从阿里获得6亿美元投资。2015年亚马逊开发无人店后，中国无人零售行业出现了迅猛增长，从2016年几乎为零增长到2017年的40家。
