展望人工智能技术在2019年的五大发展趋势

　　在2018年，我们目睹了人工智能核心产业规模急剧增长，这些技术不仅影响了软件和互联网行业，还影响了其他如医疗保健、法律、制造业、汽车业等各行各业，引起了全球经济结构、社会生活和工作方式的深刻变革，多个国家已将人工智能提升为国家战略，出台了银行也相关政策和规划，力争抢占科技的制高点。

　　2019年，预计AI技术仍会继续发展，我们将继续看到机器学习和人工智能相关技术的进步。亚马逊、苹果、Facebook、谷歌、IBM和微软等公司正在投资研AI技术，这将会把AI更贴近消费者，促进人工智能和整体生态系统的发展。

　　1、人工智能芯片加速发展

　　与其他不同，AI严重依赖专用处理器来补充CPU的功能。即使是最快和最先进的CPU也无法提高人工智能模型的速度，所以，在AI模型在运行的时候，严重需要额外的硬件来执行复杂的数学计算，以加速对象检测和面部识别等任务。

　　2019年，芯片制造商，如英特尔，英伟达，AMD，ARM和高通等都将推出AI专用芯片，以加快执行人工智能的应用程序。这些芯片将针对计算机视觉、自然语言处理和语音识别等相关的特定用例和场景进行优化。医疗保健和汽车工业的下一代应用程序将依靠这些芯片向终端用户提供智能服务。据了解2019年 ，亚马逊、微软、谷歌和Facebook等超大规模基础架构公司也将增加投资基于现场可编程门阵列(FPGA)和专用集成电路(ASIC)的定制芯片。这些芯片将进行大量优化，以运行基于AI和高性能计算（HPC）的现代工作负载。其中一些芯片还将协助下一代数据库，加速查询处理和预测分析。

　　2、AI、边缘计算及物联网融合发展

　　2019年，AI在边缘计算层与物联网相遇，在公共云中训练的大多数模型都将被部署在边缘设备中。工业物联网是人工智能的顶级用例，它可以执行异常检测、根本原因分析和设备的预测性维护。基于深度神经网络的高级机器学习模型将被优化以在边缘设备运行。它们将能够处理视频帧、语音合成、时间序列数据和由诸如照相机、麦克风和其他传感器之类的设备生成的非结构化数据。物联网已成为企业中人工智能的最大驱动力，相关边缘设备将配备基于FPGA和ASIC的专用AI芯片。

　　3、神经网络之间的互操作性成为关键

　　开发神经网络模型的关键挑战之一在于选择正确的框架。一旦在一个特定的框架中训练和评估了一个模型，就很难将训练好的模型移植到另一个框架中。神经网络工具包之间互操作性的缺乏阻碍了人工智能的采用。为了解决这一挑战，AWS、Facebook和Microsoft合作建立了开放式神经网络交换（ONNX），这使得在多个框架中重用经过训练的神经网络模型成为可能。

　　在2019年，ONNX将成为该行业必不可少的技术。从研究人员到边缘设备制造商，生态系统的所有关键参与者都将依赖ONNX作为标准的运行接口。

　　4、自动化机器学习将取得突出成果

　　从根本上说，改变基于机器学习的解决方案的趋势就是自动化机器学习(AutoML)。它将使业务分析师和开发人员能够开发出能够处理复杂场景的机器学习模型，而不必经历训练机器学习模型的典型过程。在处理自动机器学习平台上，业务分析人员将注意力集中在业务问题上，而不是迷失在过程和工作流中。

　　5、人工智能将通过AIOPS让DevOps自动化

　　现代应用程序和基础架构正在生成为索引、搜索和分析的日志数据。从硬件、操作系统、服务器软件和应用软件获得的海量数据集可以进行聚合和关联，然后形成方案和模式。当机器学习模型应用到这些数据集时，IT操作就可以从被动转变为预测层面。当人工智能的强大功能在运行的时候发挥作用时，将重新定义基础架构的管理方式，机器学习和人工智能在IT和DevOps中的应用将会带来更加智能的模式，帮助运营团队进行精准的根本原因分析。