2020年影响人工智能的主要趋势

现在注册

人工智能将在今年继续受到企业和消费者的欢迎。展望新的十年,随着数据和AI之间的界限开始模糊,我们将开始看到AI的采用加速。

随着新方法和模型的出现,将开发新的和更简单的工具。并且,与任何新技术一样,新的挑战出现了。例如,由AI生成的Deepfake将会继续造成新的机器欺骗,并且仍然是一个障碍–但希望是,新的自动检测方法将在识别新形式的机器欺骗时尽快开发。

本文概述了在自动化,硬件,工具和模型开发方面的一些预期进展,这些进展将在2020年塑造甚至加速AI。

人工智能的采用:加速

人工智能领域有望加速采用,这是由更先进的AI模型投入生产,专用硬件提高了AI的能力所推动的,该能力基于更大的数据集提供更快的结果,简化的工具使对整个AI堆栈的访问民主化,可以在几乎任何设备上启用AI的小型工具,以及对可以从任何地方访问AI资源的AI工具的云访问。

整合来自许多来源的数据,复杂的业务和逻辑挑战以及使数据更有用的竞争激励措施,这些都将AI和自动化技术从可选提升为必需。 AI流程具有独特的功能,可以处理越来越多的自动化任务,这些任务无视传统的程序逻辑和编程可以处理的任务,例如图像识别,摘要,标记,复杂的监视和响应。

事实上,根据O’Reilly的2019年调查之一, 超过一半的受访者 说AI(特别是深度学习)将成为他们未来项目和产品的一部分,并且 多数公司 正在开始采用机器学习。

数据与AI之间的界线将变得模糊

对AI必需的数据量,消费者和企业AI都经过验证的用例以及用于构建应用程序的更易于访问的工具的访问量急剧增加,这刺激了新的AI项目和试点。

为了保持竞争力,数据科学家至少需要涉足机器和深度学习。同时,当前的AI系统依赖于需要大量数据的模型,因此AI专家将需要高质量的数据以及安全有效的数据管道。随着这些学科的融合,数据专业人员将需要对AI有基本的了解,而AI专家将需要扎实的数据实践基础,并且可能需要对数据治理做出更正式的承诺。

Simp的新发展工具,基础架构和硬件

我们处于机器学习的高度经验时代。机器学习开发工具需要考虑数据,实验,模型搜索,模型部署和监视日益重要的重要性。同时,随着开源框架和库,云平台,专有软件工具和SaaS的不断发展的生态系统,管理AI开发的各个阶段变得越来越容易。

新的新兴模型和方法

尽管深度学习继续推动着许多有趣的研究,但大多数端到端解决方案是 混合动力系统.

在2020年,我们将更多地了解其他组件和方法(包括贝叶斯方法和其他方法)的基本作用 基于模型 方法,树搜索,演化,知识图,模拟平台等。我们还希望看到用于强化学习的新用例。我们可能刚刚开始看到机器学习方法令人兴奋的发展, 不是 基于神经网络。

新发展将启用新应用程序

计算机视觉和语音/语音(“耳朵和耳朵”)技术的发展有助于推动新产品和服务的创建,这些产品和服务可以制作个性化,定制尺寸的衣服,驱动自动收割机器人或为熟练的聊天机器人提供逻辑。机器人技术(“手臂和腿部”)和自动驾驶汽车的研究引人注目,并且更接近市场。

也出现了新一波的创业公司,它们以新的AI和自动化技术为目标,以“传统数据”为目标。这包括文本(新的NLP和NLU解决方案;聊天机器人),时间序列和时间数据,事务数据和日志。

传统的企业软件供应商和初创公司都急于构建针对特定行业或领域的AI应用程序。这与最近的研究结果一致 麦肯锡调查:企业在已经投资基础分析的领域中使用AI。

处理公平性:所有数据都有内在偏差

从软件质量保证世界中汲取经验,从事AI模型工作的人员需要假设其数据具有内置或系统性偏差以及与公平性相关的其他问题(例如假设软件中存在错误),并且需要正式流程来进行验证。检测,纠正和解决这些问题

要从各种角度进行审查和验证,检测偏差和确保公平并非易事,而且最有效。这意味着将故意多样性纳入用来发现不公平和偏见的过程(认知多样性,社会经济多样性,文化多样性,物质多样性),以帮助改善这一过程并减轻错过重要事件的风险。

机器欺骗将是一个严峻的挑战

假货有 告示牌 自动检测系统可以寻找以检测它们的存在:不自然的眨眼模式,不一致的照明,面部扭曲,嘴巴运动和言语之间的不一致以及缺乏小而独特的个体脸部运动(唐纳德·特朗普在回答问题之前如何how起嘴唇, 例如)。

但是,假货越来越好了。随着2020年美国大选年的到来,必须随着新形式的机器欺骗的发布尽快开发自动检测方法。但是自动检测可能还不够。检测模型本身可以用来保持检测器的领先地位。例如,在发布一种发现不自然的闪烁模式的算法的几个月内,下一代的Deepfake生成器已将闪烁功能纳入了其系统。

可以在获取或更改图像时自动加水印和识别图像的程序,或者使用区块链技术来验证来自受信任来源的内容的程序可能是部分修复,但是随着深度改进,对数字内容的信任度逐渐降低。可能制定了法规,但是通往有效法规而不干扰创新的道路还很遥远。

对于本文的转载和许可请求, 点击这里.