2019年機器學習：追蹤人工智能發(fā)展之路

　　IDC報告顯示，預計機器學習工具和解決方案的企業(yè)級采用率將在本十年結束前達到65％ - 并且支出將達到460億美元。平均而言，55％的企業(yè)CIO已將機器學習視為業(yè)務加速的核心優(yōu)先事項之一。本文重點介紹了2019年機器學習將如何繼續(xù)發(fā)展。

　　以下是億歐智庫為您帶來的精選分享：

　　機器學習的新用例即將出現(xiàn)

　　今年早些時候，美國陸軍宣布將使用定制的機器學習軟件工具用于戰(zhàn)斗車輛的預測性維護。換句話說，機器學習將能夠預測車輛可能需要何時以及何種類型的維修服務。另一個有趣的機器學習用例是根據之前股票收益的記錄預測股市波動。最近的一項研究表明，用機器學習預測股票市場具有60％以上的準確度。在醫(yī)療健康領域，機器學習模型被用于估計一個人的死亡概率（在這種情況下的準確率遠遠超過90％）。零售，營銷和銷售以及工業(yè)/制造業(yè)場景也常有機器學習的用例出現(xiàn)。 

　　“閱讀”和“解釋”過去的數(shù)據并預測未來 - 這是機器學習的本質而技術肯定會越來越精致。人工智能應用程序和機器學習工具的概念不再局限于機器人。相反，它們已成為業(yè)務工作流程和日常應用程序的自然擴展。

　　采用'針對機器學習優(yōu)化的硬件'將會出現(xiàn)

　　2019年很可能是特別準備的硅芯片 - 具有定制人工智能和機器學習功能 - 成為主流，至少對于企業(yè)而言。在可預見的未來，人工智能優(yōu)化硬件市場將繼續(xù)快速增長。一系列新的，功能強大的處理設備將會出現(xiàn) - 我們還可以看到高端CPU和GPU?？偠灾?，這些工具和平臺將大大增強機器學習硬件的可用性。

　　云計算與機器學習結合

　　到2020年，全球云計算市場的年增長率約為25％。企業(yè)中機器學習的日益普及是推動這一激增的關鍵因素。為了成功實施“機器學習文化”，企業(yè)必須比以往更加關注創(chuàng)新 - 特別強調改進的云托管和基礎設施參數(shù)。隨著時間的推移，越來越多的“人工智能專用工具和系統(tǒng)”必須存儲在云上 - 后者需要具有足夠的安全性和可用性標準。強大、可擴展的云支持將幫助企業(yè)從機器學習無縫轉移到深度學習，為最終用戶提供更大價值，并提高他們的ROI數(shù)據。

　　從2019年開始，一般用戶將開始更清楚地了解人工智能和機器學習流程的工作原理 。鑒于人工智能正在其存在的領域（例如：醫(yī)學科學）的關鍵性質，人們想要知道技術如何得出其結論/預測是很自然的。

　　繼續(xù)推進膠囊網絡

　　神經網絡的優(yōu)點是，它們通常不考慮選擇對象的相對方向或位置。因此，可能會出現(xiàn)“信息差距”。而膠囊網絡就是為了而生的。它們很可能在2019年及以后取代許多傳統(tǒng)的神經網絡。在性能方面，這些膠囊網絡比傳統(tǒng)的神經網絡系統(tǒng)更具優(yōu)勢 - 具有更準確的模式檢測功能，而且在少量數(shù)據時，錯誤概率也大大降低。更重要的是 - 膠囊網絡也不需要重復訓練迭代，以“理解”變化。

　　基于機器學習算法的高級醫(yī)療保健模塊，用于比較患者的醫(yī)學圖像和其他醫(yī)療圖像，已經在使用。生物制藥公司阿斯利康（AstraZeneca）計劃廣泛使用機器人和機器學習 - 用于在中國開發(fā)智能診斷系統(tǒng)。

　　人工智能助手的興起和崛起

　　Siri和Google智能助理以及Alexa已經成為我們日常生活的一部分，而更重要的是，每個頂級“智能助手”都在逐年變得更加聰明。

　　基于5000個一般性問題，Siri設法回答了大約31％，其中近80％是正確答案;在同一項調查中，Google智能助理回答了超過67％的問題，準確度低于88％。

　　隨著機器學習范圍的擴大，人工智能助手已準備好超越智能家居。從明年開始，現(xiàn)代和起亞將開始在其新車型中提供內置的人工智能虛擬助手系統(tǒng)。這些助手將能夠執(zhí)行無數(shù)的任務 - 從遠程家庭和汽車控制功能（通過語音）到目的地建議（基于先前的偏好）和導航指南。在所有生活范圍內，具有機器學習功能的“智能助手”將使生活變得前所未有的簡單。

　　智能聊天機器人（具有人工智能）也正在迅速崛起。但是，有必要保持警惕 - 因為訓練數(shù)據集中的偏差會對用戶體驗造成嚴重損害。微軟的'Tay'聊天機器人就是這種失敗的典型例子。

　　開發(fā)人員將專注于使用機器學習解決更多“真正的問題”

　　當涉及到諸如人工智能（多用途無人機和自動監(jiān)控攝像頭以及自動駕駛汽車等）等技術時，它很容易過火。然而，重要的是要意識到 - 雖然所有這些事情都可以成為現(xiàn)實 - 但是，成熟的數(shù)據驅動型生態(tài)系統(tǒng)的步驟必須是漸進和系統(tǒng)化的。在2019年，應用程序開發(fā)人員和人工智能專家將關注使用機器學習來成功解決真正的重要需求（個人和業(yè)務） - 而不是簡單地制作新的深度學習工具原型。