[[253703]]

從隱私和數(shù)據(jù)偏見監(jiān)管到模型訓(xùn)練和自助人工智能等問題，人們期待人工智能領(lǐng)域得到更加廣泛的關(guān)鍵進(jìn)展。

人工智能技術(shù)在2018年迅速發(fā)展。即使沒有關(guān)注這項技術(shù)的分析師，也很難擺脫流行文化、媒體、政治的影響，當(dāng)然還有Alexa等個人技術(shù)的人工智能熱潮。

考慮到這一點，分析機(jī)構(gòu)對2019年人工智能發(fā)展進(jìn)行了預(yù)測，在此還列出了未來幾年內(nèi)對人工智能技術(shù)的長期詳細(xì)的趨勢的預(yù)測。并在多方面勾勒出人工智能技術(shù)的發(fā)展方向：

人工智能將發(fā)揮它的魔力，無論是好壞，都將更深入到人們的生活中：如今，人工智能產(chǎn)生的音頻很難與人類發(fā)出的聲音區(qū)分，正如谷歌公司今年公開展示新的雙工數(shù)字助理技術(shù)。同樣，人工智能生成的“deepfake”視頻、音頻和機(jī)器人技術(shù)也讓人們難以區(qū)分。

到2019年，這些“產(chǎn)生式人工智能”技術(shù)將進(jìn)一步改進(jìn)。更重要的是，它們將嵌入到越來越多人工智能的產(chǎn)品和服務(wù)中，并通過并入開發(fā)人員的AI DevOps工具鏈來實現(xiàn)。這項技術(shù)的進(jìn)步將引發(fā)更多的全球文化，激起更多的政治討論，并為好萊塢的科幻小說編劇提供更多的素材，以便在他們的想象工廠中加工。

人工智能的相關(guān)法規(guī)即將出臺：面部識別是人工智能最廣泛、也是最具爭議性的應(yīng)用之一。隨著面部識別在智能手機(jī)、智能相機(jī)和在線媒體應(yīng)用中無處不在，肯定會出臺針對人工智能應(yīng)用的更多法規(guī)。在2019年，許多國家和地區(qū)可能會對面部識別進(jìn)行監(jiān)管，重點關(guān)注隱私和偏見問題。許多關(guān)于面部識別的規(guī)定將側(cè)重于賦予消費者選擇退出其使用的權(quán)利;檢查如何用于面部識別;全面了解其面部數(shù)據(jù)的管理方式，并要求將其從企業(yè)數(shù)據(jù)庫中永久清除。

一些新法規(guī)可能全面適用于面部識別的所有應(yīng)用，而其他一些法規(guī)將在管理執(zhí)法、醫(yī)療保健、電子商務(wù)、社會媒體、自主車輛和其他領(lǐng)域的現(xiàn)有規(guī)定范圍內(nèi)逐步應(yīng)用。

人工智能開發(fā)框架在開放的行業(yè)生態(tài)系統(tǒng)中變得可以互換：標(biāo)準(zhǔn)AI DevOps抽象層的出現(xiàn)使更多開發(fā)人員能夠使用他們希望的任何語言進(jìn)行構(gòu)建，并編譯他們的工作，以便在任何框架、流水線和目標(biāo)硬件、云計算或服務(wù)器平臺中按照他們的意愿優(yōu)化執(zhí)行。過去幾年中，廣泛采用了諸如Keras之類的高級AI API、諸如ONNX之類的共享人工智能模型表示，以及諸如NNVM和TensorRT之類的跨平臺人工智能模型編譯器。在2019年，這些和其他標(biāo)準(zhǔn)人工智能管道抽象的采用將會擴(kuò)展，從而為開發(fā)生態(tài)系統(tǒng)提供支持，減少鎖定人工智能解決方案提供商的垂直專有堆棧的可能性。

自動化的端到端AI DevOps流水線將成為標(biāo)準(zhǔn)實踐：人工智能已成為許多企業(yè)的工業(yè)化流程，創(chuàng)建業(yè)界優(yōu)先的工具，可以實現(xiàn)從數(shù)據(jù)準(zhǔn)備到建模、訓(xùn)練和服務(wù)的每個流程的自動化。在2019年，人工智能工具將自動化擴(kuò)展到以往需要專家判斷的任務(wù)，例如特征工程，并且將通過允許專家在聲明性功能指定驅(qū)動的單擊可視化工具中構(gòu)建、點擊、訓(xùn)練和部署這些模型的工具來民主化對這些能力的訪問。

人工智能正在成為一種工業(yè)化的運營業(yè)務(wù)功能：人工智能的工業(yè)化已經(jīng)通過端到端的工具鏈自動化在各地的企業(yè)中占據(jù)了一席之地。在2019年，人們將看到人工智能工作臺供應(yīng)商通過產(chǎn)品區(qū)分工業(yè)級功能，諸如在線操作實驗、自動模型基準(zhǔn)測試、全天候A/B測試、連續(xù)挑戰(zhàn)者部署、渦輪動力集成和生命周期模型治理等。

Kubernetes編排的容器正在成為人工智能管道不可或缺的一部分：許多人工智能工具供應(yīng)商現(xiàn)在支持在云原生計算環(huán)境中構(gòu)建和部署容器化統(tǒng)計模型。到2019年底，這個快速增長的細(xì)分市場中的大多數(shù)供應(yīng)商將支持在越來越異構(gòu)的管道中部署集成化的人工智能模型，以便在Kubernetes集群中進(jìn)行編排。隨著這一趨勢的不斷加劇，大多數(shù)工具供應(yīng)商將實施新興的Kubeflow項目，以支持框架、平臺和云計算無關(guān)的數(shù)據(jù)科學(xué)DevOps工作流程。

主流人工智能開發(fā)框架將進(jìn)行重新設(shè)計，以實現(xiàn)卓越的云計算到邊緣計算性能：人工智能的神奇之處在于部分來自于在每個開發(fā)、運營和邊緣平臺中可用的最快運行時引擎中實現(xiàn)。在2019年，預(yù)計大多數(shù)云平臺供應(yīng)商將推出這個和其他主要人工智能框架的版本，這些框架旨在加速GPU中運行的所有AI DevOps管道功能，以及云計算到邊緣計算環(huán)境中的其他主要硬件加速器。

谷歌公司將繼續(xù)圍繞其不斷深化的TensorFlow堆棧推動數(shù)據(jù)科學(xué)行業(yè)工具鏈的發(fā)展：2018年，人工智能開發(fā)人員采用谷歌公司的開源TensorFlow框架，并且該公司在開發(fā)堆棧和參與人工智能社區(qū)參與演變方面進(jìn)行了大量新投資。TensorFlow是主要的人工智能開發(fā)框架。預(yù)測在2019年，TensorFlow堆棧將提交給行業(yè)組織，以正式確定其未來的發(fā)展和治理。此外還預(yù)測，無論TensorFlow在開放源碼項目生態(tài)系統(tǒng)中處于什么位置，它都將越來越多地與不斷發(fā)展的Kubernetes容器化生態(tài)系統(tǒng)融合，其中大部分的重疊發(fā)生在以AI DevOps為中心的項目中，例如Kubeflow。

大多數(shù)數(shù)據(jù)科學(xué)家將購買經(jīng)過認(rèn)證的高性能人工智能算法，經(jīng)過訓(xùn)練的模型以及來自在線市場的訓(xùn)練數(shù)據(jù)：當(dāng)開發(fā)人員可以使用可用于預(yù)期應(yīng)用領(lǐng)域的最佳算法、模型和數(shù)據(jù)來啟動它們時，人工智能計劃的進(jìn)展更快。2019年，許多供應(yīng)商出于這些原因推出這些市場，并為內(nèi)部開發(fā)的人工智能資產(chǎn)的重新利用和合作伙伴開發(fā)的等價資產(chǎn)的發(fā)布提供了潛在的貨幣化機(jī)會。

人工智能培訓(xùn)數(shù)據(jù)的大多數(shù)標(biāo)簽將通過按需云計算服務(wù)自動化：人工智能的主要訓(xùn)練方法仍然是有監(jiān)督的學(xué)習(xí)，并且依賴于人工注釋勞動密集、耗時的數(shù)據(jù)標(biāo)記過程。在2019年，人們期望自動化、按需訓(xùn)練數(shù)據(jù)標(biāo)記服務(wù)將成為所有數(shù)據(jù)科學(xué)DevOps管道工具的標(biāo)準(zhǔn)組件。

強(qiáng)化學(xué)習(xí)將成為人工智能的主流方法：監(jiān)督學(xué)習(xí)正成為標(biāo)準(zhǔn)數(shù)據(jù)科學(xué)工作流程中的幾種方法之一。在2019年，人工智能行業(yè)將開始將最廣泛采用的強(qiáng)化學(xué)習(xí)框架，例如Intel Coach和Ray RL納入其工作臺。在未來十年，大多數(shù)AI DevOps工作流程將無縫地將強(qiáng)化學(xué)習(xí)與監(jiān)督和無監(jiān)督學(xué)習(xí)相結(jié)合，為生產(chǎn)企業(yè)應(yīng)用中更復(fù)雜的嵌入式智能提供支持。

人工智能將加速商業(yè)智能的民主化：人工智能正在內(nèi)外重塑商業(yè)智能市場。在過去的幾年中，商業(yè)智能的核心趨勢之一是將該技術(shù)傳統(tǒng)的重點放在歷史分析上，采用新一代注入人工智能的預(yù)測分析、搜索和預(yù)測工具，這些工具允許商業(yè)用戶做許多過去需要訓(xùn)練有素的數(shù)據(jù)科學(xué)家的事情。在2019年，更多的商業(yè)智能供應(yīng)商將集成大量的人工智能來自動從復(fù)雜數(shù)據(jù)中提取預(yù)測性見解，同時在解決方案中提供這些復(fù)雜的特性，這些解決方案提供自助服務(wù)的簡單性、內(nèi)存中的交互性，以及指導(dǎo)下一個最佳操作措施。

人工智能風(fēng)險緩解控制將成為數(shù)據(jù)科學(xué)管道工具中可用的標(biāo)準(zhǔn)模式：人工智能充滿風(fēng)險，其中一些源于技術(shù)特定構(gòu)建中的設(shè)計限制，另一些源于對實時人工智能應(yīng)用程序的運行時治理不足，以及源于人工智能技術(shù)的難以理解的黑盒復(fù)雜性。在2019年，更多商業(yè)人工智能開發(fā)工具將納入標(biāo)準(zhǔn)工作流程和模板，以減輕隱私侵犯、社會經(jīng)濟(jì)偏差、對抗性漏洞、可解釋性缺陷，以及其他可能在其可交付應(yīng)用程序中出現(xiàn)的風(fēng)險因素。

人工智能數(shù)據(jù)科學(xué)團(tuán)隊的工作臺將確保下游的可再現(xiàn)性：合規(guī)性、透明度和其他社會要求將越來越多地要求人工智能驅(qū)動的算法結(jié)果的可再現(xiàn)性。為了在其工作流程中建立可再現(xiàn)性，更多數(shù)據(jù)科學(xué)團(tuán)隊將依賴工作臺來維護(hù)用于開發(fā)人工智能可交付成果的特定流程的可靠審計跟蹤。在2019年，希望這些平臺的更多供應(yīng)商能夠加深其維護(hù)模型、數(shù)據(jù)、代碼和其他工件的豐富審計跟蹤的能力，以建立人工智能應(yīng)用程序譜系的下游可再現(xiàn)性。

人工智能基準(zhǔn)測試框架將具體化并獲得采用：評估不同堆棧的人工智能軟件、硬件和云計算服務(wù)的比較性能非常困難。隨著人工智能領(lǐng)域轉(zhuǎn)向工作負(fù)載優(yōu)化架構(gòu)，對標(biāo)準(zhǔn)基準(zhǔn)測試框架的需求不斷增長，以幫助從業(yè)者評估哪些目標(biāo)堆棧最適合訓(xùn)練、推理和其他工作負(fù)載。在過去的一年中，人工智能行業(yè)迅速發(fā)展開放、透明和供應(yīng)商無關(guān)的框架，用于基準(zhǔn)測試和評估不同硬件/軟件堆棧在運行不同工作負(fù)載時的相對性能。這些舉措中最有希望的是MLPerf，根據(jù)行業(yè)參與程度、任務(wù)的廣度，它在其范圍內(nèi)包括的目標(biāo)硬件/軟件環(huán)境的范圍，以及在為當(dāng)今的頂級基準(zhǔn)測試組合有用的框架方面的進(jìn)展來判斷人工智能挑戰(zhàn)。

在2019年，期望將MLPerf的基準(zhǔn)測試套件整合到許多人工智能硬件、軟件和云計算服務(wù)提供商提供的工具中。其中許多供應(yīng)商將開始發(fā)布MLPerf基準(zhǔn)測試作為新產(chǎn)品發(fā)布的標(biāo)準(zhǔn)實踐。

GPU將擴(kuò)展其在沉浸式人工智能應(yīng)用中的足跡：圖形處理單元多年來一直是人工智能革命的核心。在2019年，由于采用智能混合現(xiàn)實、智能相機(jī)、游戲以及依賴于高保真、實時其他設(shè)備和應(yīng)用，GPU的核心圖像處理加速能力將變得更加重要。NVIDIA公司最近宣布的圖靈GPU將成為首選的硬件加速器技術(shù)，因為其具有實時光線跟蹤、分辨率縮放、可變速率陰影、物體檢測，以及其他圖像處理功能。

片上人工智能系統(tǒng)將主導(dǎo)硬件加速器產(chǎn)品：人工智能硬件加速器開始滲透到分布式云計算到邊緣、高性能計算、超融合服務(wù)器和云存儲架構(gòu)的每一層。在2019年，將推出一系列新硬件創(chuàng)新，例如GPU、張量核心處理單元、現(xiàn)場可編程門陣列等硬件。將在這些和其他應(yīng)用領(lǐng)域中支持更快速、高效和準(zhǔn)確的人工智能處理。在2019年及以后，硬件供應(yīng)商將在系統(tǒng)級芯片部署中結(jié)合越來越多的人工智能加速器技術(shù)，用于智能機(jī)器人和移動應(yīng)用等領(lǐng)域中的高度特定的嵌入式人工智能工作負(fù)載。

客戶端訓(xùn)練將走向人工智能的主流：迄今為止，客戶端訓(xùn)練一直是優(yōu)化人工智能應(yīng)用程序的一種利基方法。傳統(tǒng)上，客戶端訓(xùn)練無法生成與集中數(shù)據(jù)環(huán)境中訓(xùn)練的人員一樣準(zhǔn)確的人工智能模型。但是，客戶端訓(xùn)練非常適合邊緣應(yīng)用的新世界，能夠根據(jù)該節(jié)點感知的特定數(shù)據(jù)不斷更新每個設(shè)備中的人工智能模型。2019年，客戶端訓(xùn)練將成為邊緣計算、移動和機(jī)器人過程自動化應(yīng)用中人工智能模型學(xué)習(xí)的關(guān)鍵。在許多iOS應(yīng)用程序中，它已經(jīng)成為設(shè)備端人工智能訓(xùn)練標(biāo)準(zhǔn)，例如確保Face ID能夠始終如一地識別用戶，設(shè)備可以在照片應(yīng)用程序中準(zhǔn)確地將人物圖片進(jìn)行分組，調(diào)整iPhone的預(yù)測鍵盤，并幫助Apple Watch從活動數(shù)據(jù)中自動學(xué)習(xí)用戶的習(xí)慣模式。

人工智能正推動著閉環(huán)IT運營管理：在過去的幾年里，由于嵌入式機(jī)器學(xué)習(xí)工具能夠比單獨人工方法更可擴(kuò)展、可預(yù)測、快速和有效地自動化和加速許多任務(wù)，人工智能已經(jīng)成為IT運營管理的組成部分。在2019年，人們將看到這種趨勢，有人稱之為“AIOps”，滲透到運營商和企業(yè)正在構(gòu)建高性能計算環(huán)境的超聚合基礎(chǔ)設(shè)施解決方案中。在未來幾年，許多數(shù)據(jù)科學(xué)家將加入設(shè)計人工智能驅(qū)動的管理背板的團(tuán)隊，這使得數(shù)據(jù)中心存儲、計算以及其他硬件和網(wǎng)絡(luò)資源能夠全天候自我優(yōu)化。

區(qū)塊鏈將進(jìn)入人工智能生態(tài)系統(tǒng)：人工智能社區(qū)已經(jīng)開始探索區(qū)塊鏈的各種用途。過去一年，創(chuàng)業(yè)公司的范圍有所增長，提供的平臺可作為人工智能計算代理主干、分散式訓(xùn)練，例如數(shù)據(jù)交換、中間件總線、審計日志和數(shù)據(jù)湖。這些部署在人工智能開發(fā)人員生態(tài)系統(tǒng)中尚未成熟或廣泛采用。在2019年，主要的公共云解決方案提供商(尤其是AWS、Microsoft Azure、谷歌云平臺和IBM Cloud)可能會收購一些更有前途的初創(chuàng)公司，并將它們添加到各自的人工智能工具鏈組合中，以滿足特定的生態(tài)系統(tǒng)要求。可能會受益于專用的分布式可信超級應(yīng)用程序。

此外遺漏什么了嗎?當(dāng)然。這段列表甚至沒有開始討論人工智能的趨勢，比如聊天機(jī)器人、智能相機(jī)、自主車輛等等。

人工智能是人們生活中每個領(lǐng)域創(chuàng)新的肥沃土壤，試圖預(yù)測可能采取的每一條可能的進(jìn)化路徑都是徒勞的。與幾年前不同，人工智能將無處不在，并且將會加速普及。