首頁熱門文章
2019年AI五大發(fā)展趨勢出爐
發(fā)布時間：2018-12-12 分類：趨勢研究
2019年，預(yù)計AI技術(shù)仍會繼續(xù)發(fā)展，AI五大發(fā)展趨勢分別是定制AI芯片、物聯(lián)網(wǎng)(IoT)與AI在邊緣計算的融合、神經(jīng)網(wǎng)絡(luò)的互操作性、自動化機器學(xué)習(xí)和AIOps。亞馬遜、蘋果、Facebook、谷歌、IBM和微軟等公司正在投資研發(fā)AI技術(shù)，這將會把AI更貼近消費者，促進整體生態(tài)系統(tǒng)的發(fā)展。
回顧2018年，基于機器學(xué)習(xí)和AI的平臺、工具和應(yīng)用程序急劇增長。這些技術(shù)不僅影響了軟件和互聯(lián)網(wǎng)行業(yè)，還影響了其他垂直行業(yè)，如醫(yī)療保健、法律、制造業(yè)、汽車和農(nóng)業(yè)。
以下是2019年值得關(guān)注的五大AI趨勢：
定制AI芯片興起
與其他軟件不同，AI嚴(yán)重依賴專用處理器來補充CPU的功能。即使是最快和最先進的CPU也可能無法提高AI模型的速度。AI模型在運行的時候，需要額外的硬件來執(zhí)行復(fù)雜的數(shù)學(xué)計算，以加速對象檢測和面部識別等任務(wù)。
2019年，英特爾、NVIDIA、AMD、ARM和高通等芯片制造商將推出專用芯片，加速AI應(yīng)用的執(zhí)行。
這些芯片將針對計算機視覺、自然語言處理和語音識別的特定用例和場景，并進行優(yōu)化。醫(yī)療保健和汽車行業(yè)的新一代應(yīng)用將會依賴這類芯片，為最終用戶提供智能服務(wù)。
2019年，亞馬遜、微軟、谷歌和Facebook等超大規(guī)?；A(chǔ)設(shè)施公司將會增加投資基于現(xiàn)場可編程門陣列(FPGA)和專用集成電路(ASIC)的定制芯片。
這些芯片將進行大量優(yōu)化，針對AI和高性能計算(HPC)運行的計算工作。其中一些芯片還將協(xié)助下一代數(shù)據(jù)庫，加速查詢處理和預(yù)測分析。
目前的用例有亞馬遜的Nitro項目、谷歌的Cloud TPU、微軟的Project Brainwave、英特爾的Myriad X VPU。
物聯(lián)網(wǎng)和AI在邊緣計算融合
在2019年，AI在邊緣計算會跟物聯(lián)網(wǎng)融合。在公共云中運行的大多數(shù)模型將部署在邊緣計算層面。
工業(yè)物聯(lián)網(wǎng)是AI的最佳用例，可以執(zhí)行異常檢測、根本原因分析和設(shè)備的預(yù)測性維護。
基于深度神經(jīng)網(wǎng)絡(luò)的高級機器學(xué)習(xí)模型將進行優(yōu)化，以在邊緣運行。他們將能夠處理視頻幀、語音合成、時間序列數(shù)據(jù)和由攝像機、麥克風(fēng)和其他傳感器等設(shè)備生成的非結(jié)構(gòu)化數(shù)據(jù)。
物聯(lián)網(wǎng)將成為企業(yè)中AI的最大驅(qū)動力。邊緣設(shè)備將會配備基于FPGA和ASIC的特制AI芯片。
早期用例包括AWS Greengrass支持邊緣機器學(xué)習(xí)、Azure IoT Edge的AI工具包、谷歌的Cloud IoT Edge、FogHorn Lightning Edge Intelligence和蒂布可的Project Flogo。
神經(jīng)網(wǎng)絡(luò)之間的互操作性成為關(guān)鍵
開發(fā)神經(jīng)網(wǎng)絡(luò)模型的關(guān)鍵之一在于選擇正確的框架。數(shù)據(jù)科學(xué)家和開發(fā)人員必須從眾多選擇中選擇合適的工具，包括Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit和TensorFlow。
一旦模型在特定框架中進行了調(diào)試和評估，就很難將調(diào)試好的模型移植到另一個框架中。
神經(jīng)網(wǎng)絡(luò)工具包之間缺乏互操作性阻礙了AI的進一步采用。為了應(yīng)對這一挑戰(zhàn)，AWS、Facebook和微軟合作構(gòu)建了開放式神經(jīng)網(wǎng)絡(luò)交換(ONNX)，這使得在多個框架中可以再次使用經(jīng)過調(diào)試的神經(jīng)網(wǎng)絡(luò)模型。
在2019年，ONNX將成為該行業(yè)的重要技術(shù)，從研究人員到邊緣設(shè)備制造商、生態(tài)系統(tǒng)的所有關(guān)鍵參與者都將依賴ONNX運行環(huán)境。
早期用例包括Windows 10系統(tǒng)附帶ONNX運行環(huán)境，而英特爾的OpenVINO工具包可支持ONNX。
自動化機器學(xué)習(xí)將會更加突出
從根本上改變基于機器學(xué)習(xí)的解決方案的趨勢就是自動化機器學(xué)習(xí)(AutoML)。它將使業(yè)務(wù)分析師和開發(fā)人員能夠發(fā)展可以解決復(fù)雜場景的機器學(xué)習(xí)模型，而不用經(jīng)過機器學(xué)習(xí)模型傳統(tǒng)的調(diào)試過程。
使用自動化機器學(xué)習(xí)平臺時，業(yè)務(wù)分析師可以專注于業(yè)務(wù)問題，而不是陷入程序和工作流程問題中。
自動化機器學(xué)習(xí)完全適用認(rèn)知API(應(yīng)用編程接口)和自定義機器學(xué)習(xí)平臺。它提供了合適的自定義功能，開發(fā)人員可以不用完成傳統(tǒng)的工作流程。
跟認(rèn)知API不同的是，自動化機器學(xué)習(xí)具有相同程度的靈活性，但又結(jié)合了自定義數(shù)據(jù)與可轉(zhuǎn)移性。
早期用例包括DataRobot、谷歌的Cloud AutoML、微軟的自定義認(rèn)知API，Amazon Comprehend的自定義對象(Custom Entities)。
AIOps興起
現(xiàn)代應(yīng)用程序和基礎(chǔ)架構(gòu)正在生成為索引、搜索和分析的日志數(shù)據(jù)。從硬件、操作系統(tǒng)、服務(wù)器軟件和應(yīng)用軟件獲得的海量數(shù)據(jù)集可以進行聚合和關(guān)聯(lián)，然后形成方案和模式。當(dāng)機器學(xué)習(xí)模型應(yīng)用到這些數(shù)據(jù)集時，IT操作就可以從被動轉(zhuǎn)變?yōu)轭A(yù)測層面。
DevOps(Development和Operations的組合詞)是一種重視“軟件開發(fā)人員(Dev)”和“IT運維技術(shù)人員(Ops)”之間溝通合作的文化、運動或慣例。
當(dāng)AI的強大功能在運行的時候發(fā)揮作用時，AI將重新定義基礎(chǔ)架構(gòu)的管理方式。機器學(xué)習(xí)和AI在IT和DevOps中的應(yīng)用將會帶來更加智能的模式，幫助運營團隊進行精準(zhǔn)的根本原因分析。
AIOps(AI和Operations的組合詞)將在2019年成為主流，這將會有助于公共云供應(yīng)商和企業(yè)的發(fā)展。
早期用例包括Moogsoft AIOps、亞馬遜的EC2 Predictive Scaling、微軟的Azure VM resiliency、亞馬遜的S3 Intelligent Tiering。
機器學(xué)習(xí)和人工智能將成為2019年的關(guān)鍵技術(shù)趨勢。從業(yè)務(wù)應(yīng)用到IT支持，AI將對行業(yè)產(chǎn)生重大影響。
