人工智能值得关注的5个发展趋势

作者:admin    发布时间:2019-05-28    浏览量:

我们将在2019年及以后继续看到机器学习和人工智能相关技术的进步,亚马逊(Amazon)、苹果(Apple)、Facebook、谷歌、IBM和微软(Microsoft)等公司都在投资于人工智能的研发,这将有利于生态系统拉近人工智能与消费者之间的距离。

以下是2019年需要注意的五个人工智能趋势:

一、AI的芯片的兴起

AI芯片

与其他软件不同,人工智能严重依赖与CPU互补的专门处理器。即使是最快和最先进的CPU也不能提高训练AI模型的速度。在进行推理时,该模型需要额外的硬件来执行复杂的数学计算,以加快目标检测和人脸识别等任务。

2019年,英特尔(Intel)、英伟达(NVIDIA)、AMD、ARM和高通(Qualcomm)等芯片制造商将推出专门的芯片,以加速支持人工智能的应用程序的执行。这些芯片将针对与计算机视觉、自然语言处理和语音识别相关的特定用例和场景进行优化。医疗和汽车行业的下一代应用程序将依赖这些芯片向最终用户提供智能。

2019年也将是亚马逊,微软,谷歌和Facebook等大型基础设施公司将增加基于现场可编程门阵列(FPGA)和专用集成电路(ASIC)的定制芯片投资的一年。这些芯片将针对基于AI和高性能计算(HPC)运行现代工作负载进行大量优化。其中一些芯片还将协助下一代数据库加速查询处理和预测分析。

二、物联网与人工智能的边缘融合

物联网人工智能

2019年,人工智能与物联网在边缘计算层相遇。在公共云中培训的大多数模型将部署在边缘。

工业物联网是人工智能最重要的用例,能够对设备进行离群点检测、根本原因分析和预测维护。

对基于深度神经网络的先进ML模型进行优化,使其在边缘运行。它们将能够处理视频帧、语音合成、时间序列数据和由摄像机、麦克风和其他传感器等设备生成的非结构化数据。

物联网必将成为企业人工智能的最大推动力。Edge设备将配备基于FPGAs和asic的特殊AI芯片。

三、神经网络之间的互操作性成为关键

神经网络

开发神经网络模型的关键挑战之一在于选择正确的框架。数据科学家和开发人员必须从众多选择中选择合适的工具,包括Caffe2,PyTorch,Apache MXNet,Microsoft Cognitive Toolkit和TensorFlow。一旦模型在特定框架中进行了训练和评估,就很难将训练好的模型移植到另一个框架中。

神经网络工具包之间缺乏互操作性阻碍了AI的采用。为了应对这一挑战,AWS,Facebook和Microsoft合作构建了开放式神经网络交换(ONNX),这使得在多个框架中重用经过训练的神经网络模型成为可能。

在2019年,ONNX将成为该行业的重要技术。从研究人员到边缘设备制造商,生态系统的所有关键参与者都将依赖ONNX作为推理的标准运行时。

四、自动化机器学习将得到突出

机器学习

一个将从根本上改变基于ml的解决方案的趋势是AutoML。它将使业务分析人员和开发人员能够改进机器学习模型,这些模型可以处理复杂的场景,而无需经历培训ML模型的典型过程。

在处理自动化平台时,业务分析人员将重点放在业务问题上,而不是迷失在流程和工作流中。

AutoML非常适合于介于认知api和定制ML平台之间。它提供了正确的定制级别,而无需强迫开发人员经历复杂的工作流。与通常被认为是黑盒的认知api不同,AutoML提供了同样程度的灵活性,但是具有自定义数据和可移植性。

机器学习和人工智能将成为2019年的关键技术趋势。从业务应用到IT支持,人工智能将对行业产生重大影响。

五、 AI将通过AIOps实现DevOps的自动化

AI实现DevOps的自动化

现代应用程序和基础设施正在生成用于索引、搜索和分析的日志数据。从硬件、操作系统、服务器软件和应用软件中获取的海量数据集可以进行聚合和关联,从而发现见解和模式。当机器学习模型应用于这些数据集时,IT操作从反应性转换为预测性。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1