2019人工智能5大领域发展趋势

原文下载链接：

https://www.cbinsights.com/research/report/ai-trends-2019/

一、底层技术更新

关键词：开源框架、胶囊网络、生成式对抗网络、联合学习、强化学习

报告论述：越来越多的公司将使用包括caffe2、 Py Torch以及TensorFlow在内的开源框架降低人工智能行业进入门槛，而胶囊网络（capsule networks）会对卷积神经网络(CNN)发起挑战。“生成式对抗网络”（GAN）将更加流行，用于内容制作。联合学习（Federated Learning）方法将用于更多人工智能设备上，旨在使用这个丰富的数据集的同时保护敏感数据。关于强化学习（Reinforcement Learning）的研究申请会越来越多。

解读：在可见的未来，人工智能的普及化程度会越来越高。尽管之前有很人相关人士曾预言AI寒冬的到来，但是从层出不穷的开源框架可以看出，各大公司对于人工智能的进一步普及和简化应用，仍抱有极大的信心。而新的胶囊网络和日渐流行的强化学习方法，让图像和物体的识别变得更加精确，拥有更多的视角的同时，突破数据限制。

简而言之，在未来的一年，人工智能的进入门槛会越来越低，而且人工智能的识别性能也会更强、更精确，他们的自我学习能力会显著提高。智能设备生产的数据利用度也会大大提升，人工智能在今年会朝着更聪明更有效率的方向发展，同时隐私及敏感数据会被更好的保护。

二、技术应用

关键词：人工智能终端化、人脸识别、语言处理、车辆自动化驾驶、AI聊天机器人

报告论述：通过将AI算法加载于终端设备上，会使人工智能终端化变得普及，但依然面临着储存和开发上的困境。人脸识别的应用范围会愈发广泛，但有引发安全问题风险，仍有待改进。基于自然语言处理（NLP）工作的翻译系统拥有极大的市场需求，但低资源语言和少数民族语言的开发和应用依然存在缺口。自动化驾驶的汽车市场潜力巨大，预计2025年其市场利润能达800亿美元，物流等相关行业会成为首批应用全自动驾驶的行业，但实现全自动的未来依然不明朗。AI聊天机器人吸引了包括国外的FAMGA（Facebook，Apple，Microsoft，Google与Amazon）以及国内的BAT等科技巨头的关注。

解读：5G的快速发展，以及智能设备的快速普及，使得各大公司更倾向于在智能手机、汽车甚至可穿戴设备等边缘设备上运行AI算法。其实，在之前AI已经通过语音和手势识别技术渗透汽车、家居领域。例如，巨头谷歌和亚马逊在汽车中分别引入了它们知名的语音识别解决方案“ok，google！”和“alexa”。这些技术形成了一整套的技术融合，加速了人工智能的技术应用。在2019年，5G在全球范围类的广泛试用，将会进一步推动车辆自动化甚至是无人驾驶的商用加速。语言处理技术的发展，让对话式AI的发展会更加顺畅，未来的你不管是说着哪一种方言，位于电话那一头的AI接线员都能准确无误地识别出来，并且通过富有感情的声音给你一个答案。

三、医药行业AI应用

关键词：医药成像与诊断、下一代假肢、临床试验患者招募、先进医疗生物识别技术、药物发现

报告论述：“AI即医疗设备”趋势正加速推进，更多的AI成像和诊断公司正在进行商业化探索，智能手机的普及和图像识别技术的进步正在把手机变成强大的家庭诊断工具。使用机器学习解码来自人体传感器的信号，以及更多的新媒介解决方案，将助力下一代假肢领域发展。苹果推出的两个开源框架——ResearchKit和CareKit，将有助于解决临床试验患者招募中的互操作性问题。医疗生物识别技术将被用于被动监控，为新的诊断方法和识别以前未知的危险因素铺平道路。制药公司正在投资AI和药物研发，以发现新的治疗方案，并改变旷日持久的药物研发过程。

解读：医疗物联网（IoMT）、AI全科医生机器人、远程医疗、医疗中的可穿戴设备、云计算，随着人工智能在医疗行业的长足发展，它们可能正在成为成为现实。现在，即使是简单的智能手机具有医疗应用程序也可以执行血液检查，心电图监测等。医疗中的这种自动化也使得可以向患者发送关于正常检查的预期时间的自动提示。VR以及5G技术的发展，使得之前较为昂贵稀奇的远程医疗变得触手可及。从患者招募到药物开发，AI如今都在全程参与，新型药物的研发应用时间将会比之前更短，而且价格也会更低。对于残障人士而言，下一代假肢技术也在进步，这将有助于他们更加容易地恢复到常人生活状态。

四、设备维护与网络优化

关键词：预测性维护、后台自动化、综合训练数据、网络优化、网络威胁狩猎

报告论述：随着工业传感器成本的降低、机器学习算法的进步，以及对边缘计算的推动，AI-IIoT用于设备或单个部件的预测性维护会更加广泛。人工智能正在推动管理工作走向自动化，但面临数据的不同性质和格式的挑战。AI可以通过混合现实世界和模拟数据进行训练建立的合成数据集，来训练人工智能算法。通过将基于AI的解决方案集成到5G网络中，可以进一步优化电信网络。使用机器学习主动“搜寻”威胁正在网络安全中获得动力，但仍面临动态环境变化以及误报的挑战。

解读：人工智能随着物联网的发展，在工业领域的应用已经较为明晰，更智能的机器学习算法和实时联网的工业传感器，进一步提高了设备本身的智能化，在不久的将来，设备的故障可以通过算法来提前预测，会节省大量的意外成本和设备停转损失。由于人工智能的介入，机器运转的后台维护工作，将会变得更加有效率，会节省更多的人力成本。而且人