2018年值得关注13项人工智能趋势

2018-03-05 15:18:36 来源:stpi.narl 热度:

人工智能(AI)具有独特的能力,且有无限的发展可能性,超越我们的想象力。CB Insights 市调公司针对2018年AI主要趋势,分析出13种趋势及将在未来几年产生巨大影响。
 
一、AI机器人劳动力(Robotic workforce)
 
将来大部分工厂装配线中的大量劳动密集型工作,将由AI编程的机器人(AI programmed robots)取代。这将降低雇用工人的成本,并减少外包和离岸外包。
 
最近,一家中国T恤制造商天元服装公司(Tianyuan Garments Company)与阿肯色州政府签署了备忘录(MoU),以每小时14美元雇用400名阿肯色州的工人。2017年底前开始运营,采用乔治亚州的新创公司SoftWear Automation开发的缝纫机器人来制造服装。在日本,到2025年80%以上的老年护理将由机器人完成,而不是护理人员。
 
二、无所不在的人工智能(Ubiquitous Artificial Intelligence)
 
人工智能会影响多个领域,甚至是那些出乎意料的领域。机器学习是AI的重要组成部分,指的是对大数据的算法进行训练,以便更好地学习如何处理识别模型的任务。
 
英国的IntelligentX希望推出全球首款AI酿造啤酒;俄罗斯的DeepFish正在使用神经网络来识别鱼类,而瑞典的Hoofstep正在筹集创投资金,以深度学习马的行为分析。
 
三、美国与中国之AI竞争 (Uncle Sam vs The Dragon AI)
 
中国已经准备好证明自己在AI领域的实力,并且胜过美国和其他西方国家。中国政府在AI未来技术投入了大量资金及规划,包括从智能农业、智能物流到军事应用。
 
中国的人工智能新创公司在2017年获取全球AI创投资金约48%,超过美国。在深度学习方面,中国的专利数量高于美国六倍。美国似乎在AI新创公司方面渐失其优势。
 
中国政府订下AI世界目标,到2020年赶上美国AI水平,到2030年成为世界领导者。由中国政府扶植的AI芯片设计公司寒武纪(Cambricon)计划在未来三年内生产10亿个处理单元,并正在开发专门用于深度学习的芯片。
 
四、AI时代的战场 (Battlefields in the age of AI)
 
未来的市场战争将依赖更多AI智能技术。无人机只是个开始。随着对网络安全防御及监视之更受重视,对基于算法的AI将需求日增。
 
网络安全性是AI的一个真正的机会区域,因为攻击是不断演变的,主要的挑战是新型的恶意软件。AI在这方面将是一个优势,随着利用机器学习技术,使其市场正在蓬勃发展。
 
在过去的5年共有134家新创公司筹集了36.55亿美元的股权。去年,其中约34家公司去年(2017)首次募资(IPO),仍然由大公司主导竞争市场,如:Cybereason、CrowdStrike、Cylance和Tanium等。
 
五、语音助理正火红 (Voice Assistants)
 
从2018年CES消费电子展上,炒热语音助理的应用。几乎任何物联网(IoT)装置都整合到Amazon Echo或Google Home中。三星(Samsung)以自行开发的语音助理Bixby,计划2020年前将三星所有产品都能与互联网连接。
 
六、AI挑战专业人士(AI to throw the gauntlet before professionals)
 
熟练的专业人士 - 包括律师、咨询顾问、财务顾问等 - 将像半生不熟的工人一样面临AI挑战。至少,AI可减少时间和提高法律工作效率的巨大潜力。随着AI平台变得更加高效、价格合理且商业化,这将影响按小时计费的外部律师事务所的薪酬结构。
 
七、地方分权(云端运算)和民主化(边缘运算) (Decentralization and Democratization)
 
AI不仅限于强大的大型超级运算机器,同时也正成为智能型手机和可穿戴装置之一部分。边界计算(Edge computing)正在成为AI的下一个大领域。例如,苹果(Apple) iPhone 8和X的A11芯片,以每秒600B的速度执行机器学习任务。还有,另一个边界AI运算的例子,就是装置上训练个人AI助理,以识别你独特的口音或辨识人脸。
 
八、胶囊网络(Capsule Networks)
 
机器学习神经网络具有无数的架构。近来,深度学习中最流行一种叫做卷积神经网络(convolutional neural networks)。现在,又开发出一种全新的神经网络架构--胶囊网络(CNNs),然而,CNNs有一定的局限性,且导致性能缺失或安全漏洞。
 
九、AI人才易实现梦想薪水(Dream salaries in AI talent hunt)
 
目前,AI领域合格人才约有30万人,其中包括相关研究领域的学生。然而,企业需要100万位AI人才来满足工作需求,而且乐意支付6位数年薪。
 
十、企业AI人才成为大人物 (Bigwigs of enterprise AI)
 
随着科技大厂提高其企业AI能力,如:谷歌(Google)、亚马逊(Amazon)、Salesforce和微软(Microsoft)等科技巨头。那么,小型企业将难以存续。
 
十一、AI医疗诊断(AI medical diagnostics)
 
美国监管机构正期待批准AI用于临床。AI在诊断方面的优势,在于初期检测和更高的准确性。机器学习算法可以将医疗成像及数百万其他患者的成像进行比较,从中找出人眼可能会遗漏的细微差别。如SkinVision已经利用计算器视觉监测可疑皮肤崩裂。但医疗AI应用的新浪潮将为医院和诊所的机器学习功能奠定基础。
 
最近,医药公司Anglo–Swedish、AstraZeneca与阿里巴巴(Alibaba)子公司Ali Health建立合作伙伴关系,将在中国开发AI辅助筛检和诊断应用。GE和Nvidia也连手为GE的医疗成像设备提供深度学习功能。
 
十二、建立你自己的AI (Build your own AI)
 
由于,软件库、API和SDK以及亚马逊和谷歌的简单装配套件,走向开放而降低了AI进入门坎。Google推出了一款适合所有年龄的AI产品AIY(artificial Intelligence yourself)。其第一款产品是Raspberry Pi的语音识别套件,使用者能够将他们想要的任何语音发送到个人语音助理。
 
十三、机器学习之投资翻转点?(Point of no return for Machine Learning?)
 
2017年是机器学习的高峰年,首先是大数据,再来是云端,然后到机器学习狂潮。但现在(2018)预计将呈现急剧下降之势。
 
去年(2017),投资资金超过152亿美元投入各行业的AI新创公司,相较2016年的资金成长率为141%。机器学习的常态化和主流化,会让投资者更挑剔他们投资的AI公司。

责任编辑:吴一波