研究表明，机器学习应用程序、工具、技术、平台和标准的重大变化即将到来。人工智能(AI)已成为当今科技行业不可或缺的一部分。它对应用程序、开发工具、计算平台、数据库管理系统、中间件、管理和监控工具产生了重大影响。研究人员甚至正在使用人工智能技术来改进自身。2020年人工智能的核心用途、工具、技术、平台和标准会发生什么变化？以下是人们将在2020年看到的一些趋势。1.GPU将继续主导人工智能的加速发展。人工智能硬件已经成为高科技产业的主要竞争领域。即使竞争对手的硬件AI芯片组技术（如CPU、FPGA和神经网络处理单元）在边缘计算市场抢占市场份额，GPU仍将在激烈的竞争中生存和发展，因为它们用于云端计算。它在边缘应用（例如自动驾驶汽车）和工业供应链中发挥着关键作用。Nvidia市场领先的基于GPU的产品采用率似乎有望在2020年及以后进一步增长。在未来10年，各种非GPU技术（包括CPU、ASIC、FPGA和神经网络处理单元）也将为各种边缘计算应用提高性能、成本和能效。随着时间的推移，Nvidia将面临来自竞争对手的更多竞争。2.行业标准AIbenchmark将成为竞争激烈的领域，将变得越来越重要。在过去的一年中，MLPerf基准测试具有更重要的竞争意义，因为从Nvidia到Google的每个人都吹嘘他们在这些类别中的表现。到2020年，人工智能基准测试将成为该细分市场的重要上市战略，随着时间的推移，该细分市场将变得更加商品化。在接下来的10年里，MLPerf基准测试结果将纳入解决方案提供商定位战略，其中高性能AI驱动能力至关重要。3.AI建模框架将逐渐融入比赛AI建模框架是数据科学家构建和训练统计驱动的计算图形的核心环境，2020年，大多数数据科学家可能会在大多数项目中混合使用它们TensorFlow和PyTorch，这两个框架将用于大多数商业数据科学家的工作台。多年来，这些框架之间的差异将逐渐缩小，因为数据科学家和其他用户更看重功能对等而不是更大的功能差异。出于同样的原因，更多的人工智能工具供应商将提供与框架无关的建模平台，这可以为濒临灭绝的旧框架注入新的活力。加速采用开放式AI建模平台的是业界采用多个抽象层，例如Keras和ONNX，这将使构建在一个框架前端的模型能够在任何其他受支持框架的后端执行。10年后，您使用哪种前端建模工具来构建和训练机器学习模型都将变得无关紧要。无论企业在哪里构建人工智能，端到端的数据科学管道都会自动格式化、编译、容器化，并以其他方式为其提供从云端到边缘的最佳实践。4、基于SaaS的人工智能将减少企业对数据科学家的需求在过去的几年里，AWS、微软、谷歌、IBM和其他公司已经逐渐成熟了他们的机器学习即服务产品。随着这种趋势的加剧，更多的用户将依赖这些云计算提供商的服务来满足他们的AI需求，而无需他们内部的数据科学团队来处理。到2020年底，SaaS提供商将成为自然语言处理、预测分析和其他AI应用程序以及平台服务和Devops工具的主要提供商。那些拥有内部人工智能程序的公司将在更大程度上自动化数据科学家的工作，从而减少雇佣新的机器学习建模师、数据工程师和支持职位的需要。在接下来的10年里，大多数数据科学家将在SaaS和其他云计算提供商那里找到工作。5.企业对人工智能的采用将转向现实世界的实验每一个数字业务转型计划都取决于采用最合适的机器学习模型。这需要进行真实世界的实验，其中基于AI的过程测试替代机器学习模型并自动概括实现预期结果的模型。到2020年底，大多数企业将在每个面向客户和后端的业务流程中进行真实世界的实验。随着企业采用云计算提供商的人工智能工具，AWS最近推出的功能（模型迭代工作室、多模型实验跟踪器和模型监控排行榜）将成为每个基于人工智能的24/7业务应用程序环境的一部分。标准功能。在接下来的10年里，基于AI的自动化和DevOps功能将导致广泛采用基于AI的业务流程优化的最佳实践。6.AI将为AI开发人员自动化核心建模功能神经网络是现代AI的核心。到2020年，一种称为神经架构搜索的人工智能驱动方法将进入企业数据科学家的工作台，以自动化构建和优化神经网络的实践以满足他们的期望。随着神经架构搜索的采用和改进，它将基于已建立的机器学习算法（例如线性回归和随机森林算法）以及更新、更先进的神经网络算法，通过指导他们的决策来提高数据科学家的生产力。多年来，这种方法和相关技术将通过端到端管道自动化实现持续的AI开发。7.AI驱动的对话用户界面将消除大多数应用程序运行的需要，基于AI的自然语言理解变得非常精确。人们使用的手机等设备已经迅速实现了语音操作。随着对话式用户界面变得越来越普遍，用户将通过语音输入生成更多文本。到2020年底，更多用户文本、推文和其他语音输入将通过嵌入各种设备的人工智能语音助手显示。未来10年，语音助手和对话式用户界面将成为全球经济所有领域产品的标准功能，减少计算机键盘、手机键盘甚至触摸界面的使用。8.首席法务官将要求端到端的人工智能透明度人工智能正在成为企业应用中更加突出的风险因素。由于公司面临社会偏见、侵犯隐私和人工智能驱动应用程序的其他不利影响的潜在诉讼，首席法律官将要求进行完整的审计跟踪，以揭示企业应用程序中使用的机器学习模型是如何构建、训练和过程的的管理。到2020年底，大多数企业首席法务官将要求其数据科学团队自动记录机器学习管道中的每个步骤，同时生成简单的语言解释，说明每种语言如何驱动自动推理。随着未来的发展，缺乏内在的透明度将成为阻碍人工智能项目融资的主要因素。可以预计，在未来几年内，对所有产品（尤其是使用个人身份信息的产品）中基于人工智能的功能的监管需求将会增长。除了越来越重视人工智能开发的透明度之外，现在说这些未来任务将对未来几年监管举措将加强的基础平台、工具和技术的开发产生什么影响还为时过早。
