在2018年期間，我們目睹了基于人工智能的平臺、工具和應用程序的急劇增長。這些技術不僅影響了軟件和互聯網行業，還影響了其他垂直行業，如醫療保健、法律、制造業、汽車和農業。

GoogleAI

在2019年以后，我們將繼續看到人工智能相關技術的進步。亞馬遜、蘋果、Facebook、谷歌、IBM和微軟等公司都在大規模投資研發人工智能，這有助于推動人工智能及其生態的快速發展。

以下是人工智能領域在2019年值得注意的五種趨勢：

1.人工智能芯片的興起

與其他軟件不同，人工智能嚴重依賴專用處理器來補充CPU。在推理時，模型需要額外的硬件來執行復雜的數學計算，以加速對象檢測和面部識別等任務。2019年，英特爾、英偉達、AMD、ARM和高通等芯片制造商將推出專用芯片，這些芯片將針對與計算機視覺、自然語言處理和語音識別相關的特定用例和場景進行優化。來自醫療保健和汽車行業的下一代應用將依賴這些芯片為最終用戶提供智能。

2019年也將是亞馬遜、微軟、谷歌和Facebook等超大規模基礎架構公司增加對基于現場可編程門陣列（FPGA）和專用集成電路（ASIC）的定制芯片投資的一年。這些芯片將針對人工智能和高性能計算（HPC）的現代工作負載進行大量優化。其中一些芯片還將協助下一代數據庫加速查詢處理和預測分析。

2.邊緣人工智能和物聯網的融合

在2019年，人工智能將在邊緣計算層遇到物聯網。在公共云中訓練的大多數模型都將部署在邊緣。基于深度神經網絡的高級機器學習模型將進行優化以在邊緣運行。它們將能夠處理視頻幀、語音合成、時間序列數據和由攝像機、麥克風和其他傳感器等設備生成的非結構化數據。

3.神經網絡之間的互操作性成為關鍵

開發神經網絡模型的關鍵挑戰之一在于選擇正確的框架。一旦模型在特定框架中完成了訓練和評估，就很難將移植到另一個框架中。這種狀況阻礙了人工智能的普及。為了應對這一挑戰，AWS、Facebook和微軟合作構建了開放式神經網絡交換（ONNX），這使得在多個框架中重用經過訓練的神經網絡模型成為可能。可以預見在2019年，ONNX將成為該行業的重要技術。

4.自動化機器學習將獲得突出地位

從根本上改變機器學習解決方案的一個趨勢是AutoML。它將使業務分析師和開發人員能夠發展可以解決復雜場景的機器學習模型，而無需經過機器學習模型的典型培訓。業務分析師可以專注于業務問題，而不是迷失在工作流程中。

5.人工智能將通過AIOps自動化DevOps

現代應用程序和基礎架構為索引、搜索和分析生成日志數據。從硬件、操作系統、服務器軟件和應用軟件獲得的海量數據集可以進行聚合和關聯，以尋找問題的解決方案。機器學習模型利用這些數據集，IT就從被動轉變為預測。AIOps將在2019年成為主流。公共云供應商和企業將從人工智能和DevOps的融合中受益。