135-2253-8339 / 010-86398105

专注视频创新应用

全站互联网云视频技术提供商

公司新闻及技术前沿
2020年的人工智能发展趋势预测
来源: | 作者:pro8eb17329 | 发布时间: 2020-07-16 | 1239 次浏览 | 分享到:

研究表明,机器学习应用程序、工具、技术、平台和标准方面的重大变化即将到来。

人工智能(AI)如今已经成为科技产业中不可或缺的组成部分。它对应用程序、开发工具、计算平台、数据库管理系统、中间件、管理和监控工具都产生了重大影响。研究人员甚至采用人工智能技术对其自身进行改进。

在2020年,人工智能的核心用途、工具、技术、平台和标准会发生什么变化?以下是人们将在2020年看到的一些发展趋势。

1.GPU将继续主导人工智能加速发展

人工智能硬件已成为高科技行业的主要竞争领域。即使竞争对手的硬件人工智能芯片组技术(例如CPU,FPGA和神经网络处理单元)在边缘计算市场中抢占市场份额,GPU也仍将在激烈竞争中生存和发展,这是由于它们在从云计算到边缘应用(例如自动驾驶汽车)以及工业供应链中发挥关键作用。

Nvidia公司在市场领先的基于GPU的产品应用率似乎有望在2020年及以后进一步增长。在未来10年中,各种非GPU技术(包括CPU、ASIC、FPGA和神经网络处理单元)也为各种边缘计算应用提高在性能、成本、能效方面的优势。随着时间的推移,Nvidia公司将面临更多竞争对手的竞争。

2.行业标准的人工智能基准将成为竞争激烈的领域

随着人工智能市场日趋成熟,以及计算平台在处理这些工作负载时面临更快、更具可扩展性和更低成本的竞争,行业基准测试的重要性将日益提高。在过去的一年里,MLPerf基准测试具有更大的竞争意义,因为从Nvidia到谷歌公司,每个厂商都在夸耀自己在这些方面上的优异表现。到2020年,人工智能基准测试将成为这一细分市场中进入市场的至关重要的战略,随着时间的推移,这一细分市场将会变得更加商品化。在未来10年中,MLPerf基准测试结果将会纳入解决方案提供商的定位策略,其中高性能人工智能驱动的功能至关重要。

3.人工智能建模框架将在竞争中逐渐融合

人工智能建模框架是数据科学家构建和训练统计驱动的计算图形的核心环境,在2020年,大多数数据科学家可能会在大多数项目中混合使用TensorFlow和Pythorch,这两个框架将在大多数商业数据科学家工作台上使用。

经过多年的发展,这些框架之间的差异将会逐渐缩小,因为数据科学家和其他用户更看重功能均等而不是更大的功能差异。出于同样的原因,更多的人工智能工具供应商将提供与框架无关的建模平台,这可能为面临消亡危险的旧框架提供新的生命力。加速开放式人工智能建模平台的普及是业界对多个抽象层(例如Keras和ONNX)的采用,这将使在一个框架的前端构建的模型能够在任何其他受支持的框架的后端中执行。

在10年之后,使用哪种前端建模工具来构建和训练机器学习模型将变得无关紧要。无论企业在哪里构建人工智能,端到端的数据科学管道都将自动格式化、编译、容器化,并以其他方式为其提供从云端到边缘的优秀实践。

4.基于SaaS的人工智能将减少企业对数据科学家的需求

在过去的几年中,AWS、微软、谷歌、IBM等公司的机器学习即服务产品逐渐成熟。随着这一趋势的加剧,更多的用户将依赖这些云计算提供商的服务满足人工智能需求,而无需其内部数据科学团队进行处理。到2020年底,SaaS提供商将成为自然语言处理、预测分析和其他人工智能应用以及平台服务和Devops工具的主要提供商。那些拥有内部人工智能计划的企业将在更大程度上实现数据科学家工作的自动化,从而减少雇佣新的机器学习建模师、数据工程师和辅助职位的需求。在未来的10年,大多数数据科学家将会在SaaS和其他云计算提供商那里获得职位。

5.企业采用人工智能将转向现实世界的实验

每个数字业务转型计划都取决于采用最适合的机器学习模型。这需要进行现实世界的实验,其中基于人工智能的流程会测试替代的机器学习模型,并自动推广可达到预期结果的模型。到2020年底,大多数企业将在每个面向客户和后端业务流程中进行现实世界的实验。随着企业采用云计算提供商提供的人工智能工具,AWS公司最近推出的功能(模型迭代工作室、多模型实验跟踪工具和模型监视排行榜)将成为每个基于人工智能的全天候业务应用环境中的标准功能。在未来的10年中,基于人工智能的自动化和Devops功能将催生出普遍采用的基于人工智能的业务流程优化的优秀实践。

6.人工智能将使人工智能开发人员的核心建模功能实现自动化

神经网络是现代人工智能的核心。在2020年,一种称为神经架构搜索的人工智能驱动方法将进入企业数据科学家的工作平台,以自动实现针对其预期构建和优化神经网络的实践。随着神经架构搜索得到采用和改进,它将通过指导数据科学家的决策来提高他们的生产力,这些算法基于已建立的机器学习算法(如线性回归和随机森林算法),以及基于更新的、更先进的神经网络算法。随着多年的发展,这种方法和相关技术将通过端到端的管道自动化实现持续的人工智能开发。

7.人工智能驱动的对话式用户界面将消除大多数应用程序的操作需求

基于人工智能的自然语言理解已经变得非常精确。人们使用的手机和其他设备已经迅速实现了语音操作。随着会话用户界面的普及,用户将通过语音输入生成更多文本。到2020年底,通过嵌入到各种设备中的人工智能驱动的语音助手、更多的用户文本、推特文章和其他口头输入将被呈现出来。在未来的10年中,语音助理和会话用户界面将成为全球经济各个领域产品的标准功能,电脑键盘、手机键盘,甚至触摸式界面的使用量都会减少。

8.首席法律官将要求端到端人工智能的透明性

人工智能正成为企业应用中一个更突出的风险因素。随着企业由于社会偏见、侵犯隐私,以及人工智能驱动应用程序的其他不利影响可能面临诉讼,首席法律官将要求提供完整的审计线索,以揭示企业应用程序中使用的机器学习模型的建立、培训、管理的过程。

到2020年底,大多数企业的首席法律官将要求他们的数据科学团队自动记录机器学习管道中的每个步骤,同时还要生成每种语言如何驱动自动推理的简单语言解释。随着未来的发展,缺乏内在透明度将成为阻碍人工智能项目融资的主要因素。

可以预计,在所有产品中(尤其是那些使用个人身份信息的产品)对基于人工智能的功能的监管需求将在未来几年内增长。除了越来越强调人工智能开发的透明度之外,现在还无法断言这些未来的任务将对基础平台、工具和技术的发展产生什么影响,这些监管举措将会在未来几年内加强。