2019年引導(dǎo)人工智能發(fā)展新趨勢

在本文里，Ben Lorica將展望那些會在2019年引導(dǎo)人工智能發(fā)展的新趨勢。

趨勢一：我們將開始看到可以讓很多應(yīng)用實(shí)現(xiàn)部分自動(dòng)化的新技術(shù)

自動(dòng)化的實(shí)現(xiàn)會是分階段的。雖然實(shí)現(xiàn)完全的自動(dòng)化還有很長的路要走，但是有許多工作流程和任務(wù)是可以實(shí)現(xiàn)部分自動(dòng)化的。事實(shí)上，麥肯錫估計(jì)“雖然基于現(xiàn)有的技術(shù)只有不到5％的工作可以實(shí)現(xiàn)完全自動(dòng)化。 但是，大約60％的職業(yè)里的30％或更多的工作是可以實(shí)現(xiàn)自動(dòng)化的?！?/p>

我們已經(jīng)看到了一些基于計(jì)算機(jī)視覺和語音技術(shù)的產(chǎn)品和服務(wù)，在2019年會出現(xiàn)更多類似的產(chǎn)品。而語言模型和機(jī)器人技術(shù)方面的進(jìn)一步改進(jìn)將會帶來針對文本和物理世界任務(wù)的解決方案。與其等待一個(gè)完整的自動(dòng)化模型，組織機(jī)構(gòu)將會被競爭推動(dòng)著采用部分自動(dòng)化的解決方案。而這些部分自動(dòng)化項(xiàng)目的成功將會進(jìn)一步推動(dòng)全自動(dòng)化的發(fā)展。

趨勢二：企業(yè)中的人工智能將會基于現(xiàn)有的分析應(yīng)用而構(gòu)建

在過去幾年里，很多公司都在構(gòu)建流程和基礎(chǔ)架構(gòu)來解鎖異構(gòu)的數(shù)據(jù)源，以便提升主要的關(guān)鍵分析任務(wù)的表現(xiàn)。這些任務(wù)包括了商業(yè)分析、推薦器和個(gè)性化服務(wù)、預(yù)測、異常檢測和監(jiān)控任務(wù)等。

除了使用計(jì)算機(jī)視覺和語音技術(shù)的新系統(tǒng)，我們預(yù)見深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)在企業(yè)里的早期嘗試將出現(xiàn)在那些已經(jīng)使用數(shù)據(jù)和機(jī)器學(xué)習(xí)的地方。例如，一些企業(yè)正在通過深度學(xué)習(xí)將時(shí)間和地理空間數(shù)據(jù)引入其系統(tǒng)中，從而形成可擴(kuò)展和更準(zhǔn)確的混合系統(tǒng)(即將深度學(xué)習(xí)與其他機(jī)器學(xué)習(xí)方法結(jié)合起來的系統(tǒng))。

趨勢三：在一個(gè)部分自動(dòng)化和人參與自動(dòng)化流程的解決方案的時(shí)代，用戶體驗(yàn)和用戶界面的設(shè)計(jì)將會很重要

當(dāng)前許多的人工智能解決方案需要和消費(fèi)者、人類工人和專家攜手工作。這些系統(tǒng)提升了用戶的工作效率，在許多情況下使他們能夠以難以置信的規(guī)模和準(zhǔn)確度完成任務(wù)。恰當(dāng)?shù)挠脩趔w驗(yàn)和用戶界面設(shè)計(jì)不僅能夠簡化這些任務(wù)，而且長期來看，這能讓用戶信任人工智能的解決方案，并使用它們。

趨勢四：我們將會看到專門用于感知、模型訓(xùn)練和模型推理的硬件

憑借創(chuàng)造了記錄的語音和計(jì)算機(jī)視覺的模型，深度學(xué)習(xí)在2011年復(fù)興。今天已經(jīng)有足夠大的規(guī)模來證明需要專用的硬件。Facebook在一天里就做出數(shù)萬億次預(yù)測。谷歌也有足夠的規(guī)模來證明自己制造專用硬件的合理性——從去年開始，谷歌一直在其云環(huán)境中使用自己的張量處理單元(TPU)。2019年將出現(xiàn)更多的專用硬件。在中國和美國，許多公司和創(chuàng)業(yè)企業(yè)一直致力于制造面向模型構(gòu)建和推理的硬件來用于數(shù)據(jù)中心和邊緣設(shè)備。

趨勢五：人工智能解決方案將會繼續(xù)基于混合模型

雖然深度學(xué)習(xí)將繼續(xù)引領(lǐng)許多有趣的研究，但大多數(shù)端到端的解決方案依然是混合系統(tǒng)。2019年，我們將開始更多地了解其他組件和方法的基本作用——包括基于模型的方法，如貝葉斯推理、樹搜索、進(jìn)化、知識圖譜、仿真平臺等。我們可能會開始看到令人興奮的不基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法的發(fā)展。

趨勢六：人工智能的成功將會刺激對新工具和流程的投資

我們處在一個(gè)高度經(jīng)驗(yàn)主義的機(jī)器學(xué)習(xí)時(shí)代。機(jī)器學(xué)習(xí)開發(fā)的工具需要認(rèn)識到數(shù)據(jù)、實(shí)驗(yàn)和模型搜索、模型部署和監(jiān)控的重要性。只看這個(gè)過程中的一個(gè)步驟：模型構(gòu)建，企業(yè)就已經(jīng)開始研究用于數(shù)據(jù)血緣、元數(shù)據(jù)管理和分析、計(jì)算資源高效利用、高效模型搜索和超參數(shù)調(diào)優(yōu)的工具。在2019年，我們預(yù)計(jì)將會出現(xiàn)許多新工具，它們能夠讓開發(fā)和實(shí)際部署人工智能和機(jī)器學(xué)習(xí)產(chǎn)品和服務(wù)更加容易。

趨勢七：機(jī)器欺騙仍將是一個(gè)嚴(yán)峻的挑戰(zhàn)

盡管已經(jīng)存在了大量的“人造”新聞，我們?nèi)匀惶幱跈C(jī)器生成內(nèi)容(人造圖像、視頻、語音和文本)的早期階段。至少到目前為止，刑偵和取證技術(shù)已經(jīng)能夠找出偽造的視頻和圖像。但生成虛假內(nèi)容的工具正在迅速發(fā)展，因此美國和其他地方的研究資助機(jī)構(gòu)已經(jīng)啟動(dòng)了一些項(xiàng)目，以確保偵測技術(shù)能夠跟上它們的發(fā)展。

機(jī)器欺騙不僅局限于機(jī)器欺騙人類，機(jī)器欺騙機(jī)器(機(jī)器人)和人欺騙機(jī)器(水軍和點(diǎn)擊農(nóng)場)可能同樣難以處理。信息散布和點(diǎn)擊農(nóng)場將繼續(xù)被用于欺騙內(nèi)容和電商平臺上的排名系統(tǒng)，而檢測和對抗方法將不得不隨著新形式的機(jī)器欺騙的出現(xiàn)而迅速發(fā)展。

趨勢八：可靠性和安全性將成為中心議題
? ? ? ?令人振奮的是，研究人員和實(shí)踐人員對隱私、公平和道德問題產(chǎn)生了濃厚的興趣，并積極參與其中。但隨著人工智能系統(tǒng)被部署到關(guān)鍵任務(wù)應(yīng)用中（甚至包括涉及生死的場景，比如自動(dòng)駕駛汽車或醫(yī)療保健等），自動(dòng)化帶來的效率提升必須伴隨著對安全性和可靠性的測量以及確保。在線平臺上機(jī)器欺騙的興起，以及最近涉及自動(dòng)駕駛汽車的事故，已經(jīng)徹底讓這個(gè)問題公開化。預(yù)計(jì)到2019年，安全問題將會得到更深入的討論。 趨勢九：大量訓(xùn)練數(shù)據(jù)的民主化將帶來比較公平的競爭環(huán)境

因?yàn)槲覀兯蕾嚨脑S多模型（包括深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)）都需要大量的數(shù)據(jù)，所以人工智能領(lǐng)域可預(yù)見的贏家一直是能夠獲得大量數(shù)據(jù)的大公司或國家。但是，用于生成標(biāo)注數(shù)據(jù)集的服務(wù)商(特別是那些依賴于人類標(biāo)注的公司)正在開始使用機(jī)器學(xué)習(xí)工具來幫助他們的人類員工實(shí)現(xiàn)規(guī)?；吞岣邷?zhǔn)確性。在某些領(lǐng)域，生成對抗網(wǎng)絡(luò)(GAN)和仿真平臺等新工具能夠提供真實(shí)的合成數(shù)據(jù)用于訓(xùn)練機(jī)器學(xué)習(xí)模型。最后，一系列安全和隱私保護(hù)技術(shù)促進(jìn)了各組織之間的數(shù)據(jù)共享，這有助于公司利用不是他們自己生成的數(shù)據(jù)?？傊?，這些發(fā)展將幫助小型機(jī)構(gòu)利用機(jī)器學(xué)習(xí)和人工智能進(jìn)行競爭。