【紫冬分享】2019年人工智能行业的25个趋势
2019/2/25 11:43:08 中国科学院自动化研究所
CASIA点击蓝字关注我们↑↑↑↑
知名创投研究机构CB Insights调研了25种最大的AI趋势，以确定2019年该技术的下一步趋势，他们根据行业采用率和市场优势评估了每种趋势，并将其归类为暂时的、必然的、试验性的、危险的。
胶囊网络将挑战最先进的图像识别算法
1开源框架(Open-Source Frameworks)
人工智能的进入门槛比以往任何时候都低，这要归功于开源软件。
2胶囊网络(Capsule Networks)
Geoffrey Hinton在其2011年发布的论文中提到“胶囊”这个概念，于2017年-2018年论文中提出“胶囊网络”概念。
Hinton指出CNN在面对精确的空间关系方面有缺陷。比如将人脸图像中嘴巴的位置放置在额头上面，CNN仍会将其辨识为人脸。CNN的另一个主要问题是无法理解新的观点。黑客可以通过制造一些细微变化来混淆CNN的判断。经测试，胶囊网络可以对抗一些复杂的对抗性攻击，比如篡改图像以混淆算法，且优于CNN。胶囊网络的研究虽然目前还处于起步阶段，但可能会对目前最先进的图像识别方法提出挑战。
3生成式对抗网络(GAN)
GANs面对的主要挑战就是计算能力，对于AI硬件来说必须是并行缩放。研究人员用GANs进行“面对面翻译”，还有利用GANs将视频变成漫画形式，或者直接进行绘画创作等，但GANs也被一些不怀好意的人利用，包括制作假的政治录像和变形的色情制品。
4联合学习(Federated Learnnig)
联合学习方法与其他算法的不同在于考虑了两个特征：非独立恒等分布(Non-IID)和不均衡性(Unbalanced)。联合学习已运用于搜索引擎Firefox、人工智能创业公司OWKIN等。
5强化学习(Reinforcement Learning)
当谷歌DeepMind研发的AlphaGo在中国围棋游戏中击败世界冠军后，强化学习(Reinforce1ment Learning)获得了广泛关注。
2025年自动驾驶利润达800亿美元 物流率先应用
6人工智能终端化
人工智能技术快速迭代，正经历从云端到终端的过程，人工智能终端化能够更好更快地帮助人们处理信息，解决问题。人们开始舍弃了使用云端控制的方法，而是将AI算法加载于终端设备上。
2017和2018年是众多科技公司在人工智能终端化进入快速发展期的两年，同时他们也在加紧对人工智能芯片的研发。但AI依然面临着储存和开发上的困境，亟需更丰富的混合模型连接终端设备与中央服务器。
7人脸识别
从手机解锁到航班登机，人脸识别的应用范围愈发广泛，各国对于人脸识别的需求逐渐升高，不少创业公司开始关注这一领域。但应注意人脸识别中所包含的数据远比人们想象要多，其中的安全问题也应引起关注。
8语言处理
自然语言处理(NLP)是人工智能的一个子领域，除了丰富的市场机会，还面临巨大的挑战。人机共生是翻译领域未来的大方向，但要完成基于自然语言处理工作的翻译系统并不容易，据相关数据显示，除了热门的高资源语言，如中文，阿拉伯语，欧洲语言等，低资源语言和少数民族语言的开发和应用依然存在缺口。
9车辆自动化驾驶
尽管自动化驾驶的汽车市场潜力巨大，但实现全自动的未来依然不明朗。自动化驾驶成为了科技公司和初创公司互相竞争的新领域，他们为此注入的不仅有新的活力，还有大量的投资。投资者对他们的决定十分乐观，数个自动驾驶汽车品牌所获得的投资总额已超百亿，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，预计可缩减三分之一的成本。
10AI聊天机器人
尽管许多人把聊天机器人看成是AI的代名词，但两者依然存在差别。如今的AI聊天机器人已经进化得十分完善，与真人对话时甚至还会应用“嗯...”这一类口头语和停顿，但人们担忧这些机器人的行为过于逼真，开始考虑在对话时对其聊天机器人的身份进行确认说明的需要。国外的科技巨头FAMGA(Facebook，Apple，Microsoft，Google与Amazon)以及国内的BAT都把目光投向了这一领域。
AI诊断前景巨大 制药巨头押注AI算法
11医学成像与诊断
美国食品与药物管理局(FDA)正加速推进“AI即医疗设备”趋势。监管机构的快速审批为80多家AI成像和诊断公司开辟了新的商业道路。在消费者方面，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，用户可以用智能手机给试纸拍照，计算机视觉算法会根据不同的光照条件和摄像头质量对结果进行校正。除此之外，许多“ML即服务”平台正集成到FDA批准的家庭监控设备中，发现异常时即可向医生发出警报。
12下一代假肢
早期的研究正在兴起，结合生物学、物理学和机器学习来解决假肢面临的最困难问题之一，即灵活性。这是个十分复杂的问题，年度机器学习大会NeurIPS’18已经发起“AI假肢挑战赛”，进一步突显了AI社区对该领域的兴趣，2018年的挑战是使用强化学习预测假肢的性能，有442名参与者试图教AI如何跑步，赞助商包括AWS、英伟达以及丰田等。
13临床试验患者招募
尽管人们在努力将医疗记录数字化，但互操作性仍是医疗保健领域最大的问题之一。理想的AI解决方案是从患者的病历中提取相关信息，并与正在进行的试验进行比较，为进行匹配研究的AI软件提供建议。
14先进医疗生物识别技术
利用神经网络，研究人员开始研究和测量以前难以量化的非典型危险因素，使用神经网络分析视网膜图像和语音模式可能有助于识别心脏病的风险。不久的将来，医疗生物识别技术将被用于被动监控，AI发现模式的能力将继续为新的诊断方法和识别以前未知的危险因素铺平道路。
15药物发现
随着AI生物技术初创企业的兴起，传统制药公司正寻求AI SaaS初创企业为漫长的药物研发周期提供创新解决方案。在药物研发阶段，成功的衡量标准很少，但制药公司正把数百万美元押在AI算法上，以发现新的治疗方案，并改变旷日持久的药物研发过程。
合成数据集用以解决AI的数据依赖
16预测性维护
未预料到的设备故障是制造业停机的主要原因之一。预测设备或单个部件何时失效将使资产保险公司和制造商受益。在预测性维护中，传感器和智能摄像机收集来自机器的连续数据，如温度、压力等。随着时间的推移，算法可以在故障发生之前预测可能出现的隐患。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，预测性维护会更加广泛。
17后台自动化
人工智能正在推动管理工作走向自动化，但数据的不同性质和格式使其成为一项具有挑战性的任务。根据行业和应用程序的不同，自动化“后台任务”的挑战可能是独一无二的。机器人过程自动化(RPA)一直是热门话题，虽然并非所有的机器人过程自动化都基于机器学习，但许多都开始将图像识别和语言处理集成到它们的解决方案中。
18综合训练数据
对于训练人工智能算法来说，访问大型的、标记的数据集是必要的，合成数据集可能会成为解决瓶颈问题的关键，人工智能算法依赖数据，当一些类型的现实世界数据不易被访问时，合成数据集的用武之地就体现出来，一个有趣的新兴趋势是使用AI本身来帮助生成更“逼真”的合成图像来训练AI。此外，机器人技术是另一个可以从高质量合成数据中获益的领域。
19网络优化
人工智能正在开始改变电信，电信网络优化是一套改进延迟、带宽、设计或架构的技术——能以有利方式增加数据流的技术。电信运营商也在准备将基于AI的解决方案集成到下一代无线技术中。如，高通认为人工智能边缘计算是其5G计划的重要组成部分。
20网络威胁狩猎
对网络攻击做出反应已经不够了，使用机器学习主动“搜寻”威胁正在网络安全中获得动力。顾名思义，威胁搜寻是主动寻找恶意活动的做法，而不仅仅是在发生警报或违规后做出反应，狩猎开始于对网络中潜在弱点的假设，以及手动和自动化工具，以在连续的迭代过程中测试假设，网络安全中庞大的数据量使机器学习成为流程中不可分割的一部分，威胁狩猎很可能会获得更多的动力，然而它也面临着自身的一系列挑战，比如应对不断变化的动态环境和减少误报。
训练算法 指纹追踪 人工智能防范假货
21电子商务搜索
对搜索词的上下文理解正在走出“实验阶段”，但要广泛采用搜索词还有很长的路要走，当使用电子商务搜索来显示相关结果时，使用适当的元数据来描述产品是一个起点。但是仅仅描述和索引是不够的，许多用户用自然语言搜索产品(比如“没有纽扣的洋红色衬衫”)，或者不知道如何描述他们在寻找的商品，这使得电子商务搜索的自然语言成为一个挑战。
22汽车索赔处理
保险公司和初创公司开始使用人工智能来计算车主的“风险得分”，分析事故现场的图像，并监控驾驶员的行为。图像处理技术的进步使得人们可以拍下车的照片并将其上传，神经网络对图像进行分析，实现损伤评估的自动化，另一种方法是对驾驶员进行风险分析，从而影响汽车保险的实际定价模型。
23防伪
假货越来越难被发现，网购使得购买假货比以往任何时候都容易。为了反击，品牌和典当商开始尝试人工智能，在网络世界和现实世界两条战线上与假货作战。现在的方法是，建立一个假冒伪劣商品的数据库，提取其特征，并训练人工智能算法来分辨真伪，下一步的解决方案还可能是在实体商品上识别或添加独特的“指纹”，并通过供应链对其进行跟踪。
24零售
走进一家商店，挑选你想要的东西，然后走出去，这几乎“感觉”就像在行窃，人工智能可以杜绝真正的盗窃行为，并让免结账手续零售变得更加普遍。在短期内，问题将归结为部署成本和由潜在技术故障造成的库存损失成本，以及零售商能够承担这些成本和风险的程度。
25农作物监测
无人机可以为农民绘制农田地图，利用热成像技术监测湿度，识别虫害作物并喷洒杀虫剂。还有人使用计算机视觉实现精确喷洒农药，此外，计算机视觉分析卫星图像提供了对农业实践的宏观理解，地理空间数据可以提供关于全球作物分布模式和气候变化对农业影响的信息。
更多精彩内容，欢迎关注
中科院自动化所官方网站：
http://www.ia.ac.cn
欢迎后台留言、推荐您感兴趣的话题、内容或资讯，小编恭候您的意见和建议!如需转载或投稿，请后台私信。
来源：中国自动化学会、网易智能
编译：网易智能、小小、Meadowdow、怿立、nariiy、Aaliyah
排版：孙海伦
编辑：鲁宁
长按关注解锁更多智能之美
中科院自动化研究所
微信：casia1956
欢迎搭乘自动化所AI旗舰号!
http://weixin.100md.com
返回 中国科学院自动化研究所 返回首页 返回百拇医药