人工智能是發(fā)展最快，最難以預(yù)測(cè)的行業(yè)之一。試想一下幾年前難以想象的所有事情：深度學(xué)習(xí)，人工智能驅(qū)動(dòng)的機(jī)器翻譯，可以掌握最復(fù)雜游戲的機(jī)器人等。

但是嘗試預(yù)測(cè)AI的未來會(huì)是怎樣結(jié)果。我們?cè)儐柫丝茖W(xué)家和AI專家關(guān)于他們認(rèn)為來年AI領(lǐng)域?qū)?huì)發(fā)生什么的事情。這是您需要知道的。

人工智能將使醫(yī)療保健更準(zhǔn)確，成本更低

飛利浦首席創(chuàng)新與戰(zhàn)略官Jeroen Tas告訴媒體：“人工智能在2020年的主要影響將是改變醫(yī)療工作流程，使患者和醫(yī)療專業(yè)人員從中受益，同時(shí)降低成本。它具有從多種醫(yī)院信息流（電子健康記錄，急診室入院，設(shè)備利用率，人員配備等）實(shí)時(shí)獲取數(shù)據(jù)并以有意義的方式進(jìn)行解釋和分析的能力，從而可以實(shí)現(xiàn)廣泛的效率和醫(yī)療保健能力?！?/p>

Tas解釋說，這將以優(yōu)化的計(jì)劃，自動(dòng)報(bào)告和設(shè)備設(shè)置的自動(dòng)初始化的形式進(jìn)行，這將“根據(jù)個(gè)別臨床醫(yī)生的工作方式和個(gè)別患者的狀況進(jìn)行定制-改善患者和工作人員的體驗(yàn)，結(jié)果更好，并有助于降低成本?！?/p>

在許多醫(yī)療系統(tǒng)中，與復(fù)雜的流程，缺乏預(yù)防保健以及過度和不足的診斷和治療有關(guān)，造成了巨大浪費(fèi)。這些都是AI真正可以發(fā)揮作用的領(lǐng)域，此外，人工智能最有希望的應(yīng)用之一將是在‘指揮中心’領(lǐng)域，這將優(yōu)化患者流量和資源分配。

飛利浦是無縫集成到現(xiàn)有醫(yī)療保健工作流程中的必要AI支持應(yīng)用程序開發(fā)的關(guān)鍵參與者。目前，飛利浦全球每2名研究人員中就有1名與數(shù)據(jù)科學(xué)和AI進(jìn)行合作，開創(chuàng)了將該技術(shù)應(yīng)用于醫(yī)療保健革命的新方法。

例如，塔斯（Tas）解釋了如何將AI與專業(yè)的臨床和領(lǐng)域知識(shí)相結(jié)合，將如何加快常規(guī)和簡(jiǎn)單的是/否診斷的速度-不替代臨床醫(yī)生，而是騰出更多的時(shí)間讓他們專注于圍繞臨床醫(yī)生的困難，通常是復(fù)雜的決策單個(gè)患者的護(hù)理，支持AI的系統(tǒng)將跟蹤，預(yù)測(cè)和支持患者的分配以及醫(yī)務(wù)人員，ICU病床，手術(shù)室以及診斷和治療設(shè)備的可用性。

可解釋性和信任將受到更多關(guān)注

“ 2020年將是AI值得信賴的一年，” Element AI的咨詢和AI支持部門負(fù)責(zé)人Karthik Ramakrishnan說道：“ 2019年見證了AI道德規(guī)范和風(fēng)險(xiǎn)管理的早期原則的出現(xiàn)，并且已經(jīng)在工具包和其他研究方法中實(shí)施這些原則的早期嘗試。可解釋性的概念（能夠解釋基于AI的決策背后的力量）也越來越廣為人知。”

當(dāng)然，2019年人們對(duì)AI倫理的關(guān)注日益增強(qiáng)。今年早些時(shí)候，歐洲委員會(huì)發(fā)布了七套開發(fā)道德AI的指南。10月，由深度學(xué)習(xí)的先驅(qū)者之一Yoshua Bengio共同創(chuàng)立的Element AI與Mozilla基金會(huì)合作創(chuàng)建了數(shù)據(jù)信任關(guān)系，并推動(dòng)了AI的道德使用。微軟（Microsoft）和谷歌（Google）等大型科技公司也已采取措施，使其AI開發(fā)符合道德規(guī)范。

Ramakrishnan提醒我們，在信任和AI在市場(chǎng)上出現(xiàn)了一些明顯的失敗之后，人們對(duì)道德AI的興趣日益增長(zhǎng)，例如Apple Pay推出或最近對(duì)Cambridge Analytica丑聞的興趣激增。

到2020年，無論是否準(zhǔn)備好，企業(yè)都將更加關(guān)注AI信任。希望看到風(fēng)投也關(guān)注，新的初創(chuàng)公司將為解決方案提供幫助。

人工智能將減少對(duì)數(shù)據(jù)的需求

Affectiva首席執(zhí)行官兼聯(lián)合創(chuàng)始人Rana el Kaliouby說：“我們將看到用于應(yīng)對(duì)AI中數(shù)據(jù)挑戰(zhàn)的數(shù)據(jù)合成方法的興起。”深度學(xué)習(xí)技術(shù)需要大量數(shù)據(jù)，這意味著基于深度學(xué)習(xí)構(gòu)建的AI算法只有在對(duì)大量數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證后才能正確工作。但是開發(fā)AI的公司常常發(fā)現(xiàn)，獲取正確的數(shù)據(jù)類型和必要的數(shù)據(jù)量具有挑戰(zhàn)性。

人工智能領(lǐng)域的許多研究人員正在開始測(cè)試和使用新興的數(shù)據(jù)合成方法，以克服他們可獲得的現(xiàn)實(shí)世界數(shù)據(jù)的局限性。借助這些方法，公司可以獲取已經(jīng)收集的數(shù)據(jù)并將其綜合以創(chuàng)建新數(shù)據(jù)。

以汽車行業(yè)為例。隨著行業(yè)致力于開發(fā)先進(jìn)的駕駛員安全功能并個(gè)性化運(yùn)輸體驗(yàn)，人們對(duì)了解車內(nèi)人員的狀況非常感興趣。但是，收集實(shí)際的驅(qū)動(dòng)程序數(shù)據(jù)既困難，昂貴又耗時(shí)。數(shù)據(jù)綜合正在幫助解決這一問題。

得益于生成對(duì)抗網(wǎng)絡(luò)（GAN）等領(lǐng)域的進(jìn)步，許多AI研究領(lǐng)域現(xiàn)在可以合成自己的訓(xùn)練數(shù)據(jù)。但是，數(shù)據(jù)綜合并不能消除收集現(xiàn)實(shí)世界數(shù)據(jù)的需求，el Kaliouby提醒說：“ 真實(shí)數(shù)據(jù)對(duì)于開發(fā)精確的AI算法始終至關(guān)重要。但是，數(shù)據(jù)綜合］可以擴(kuò)充這些數(shù)據(jù)集?！?/p>

提高神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性和效率

波士頓大學(xué)計(jì)算機(jī)科學(xué)系副教授Kate Saenko表示：“神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)將繼續(xù)擴(kuò)大規(guī)模和深度，并產(chǎn)生更準(zhǔn)確的結(jié)果，并且將更好地模仿人類在涉及數(shù)據(jù)分析的任務(wù)上的表現(xiàn)?！薄芭c此同時(shí)，提高神經(jīng)網(wǎng)絡(luò)效率的方法也將得到改善，我們將看到在小型設(shè)備上運(yùn)行更多實(shí)時(shí)且節(jié)能的網(wǎng)絡(luò)?！?/p>

Saenko預(yù)測(cè)，諸如Deepfake之類的神經(jīng)生成方法還將繼續(xù)改善并創(chuàng)建對(duì)人類無法檢測(cè)到的文本，照片，視頻，音頻和其他多媒體的更加實(shí)際的處理。Deepfake的創(chuàng)建和檢測(cè)已經(jīng)成為規(guī)則的追逐者。

隨著AI進(jìn)入越來越多的領(lǐng)域，將會(huì)出現(xiàn)新的問題和擔(dān)憂。Saenko說：“隨著這些AI方法越來越廣泛地應(yīng)用于社會(huì)中，它們將受到更多的可靠性和偏見的審查，例如，越來越多的地方政府出于隱私和公平考慮而考慮禁止使用AI技術(shù)進(jìn)行監(jiān)視?！?/p>

Saenko也是BU的計(jì)算機(jī)視覺和學(xué)習(xí)小組的主管，在研究視覺AI算法方面擁有很多年經(jīng)驗(yàn)。在2018年，她幫助開發(fā)了RISE，這是一種檢查計(jì)算機(jī)視覺算法做出的決策的方法。

自動(dòng)化的AI開發(fā)

IBM Research AI副總裁Sriram Raghavan表示：“到2020年，我們期望在IBM所謂的“ AI for AI”領(lǐng)域看到重大的創(chuàng)新：使用AI來幫助自動(dòng)化創(chuàng)建，部署，管理和操作AI模型生命周期中涉及的步驟和流程。

在過去的幾年中，人工智能的自動(dòng)化已成為研究和開發(fā)領(lǐng)域的一個(gè)增長(zhǎng)領(lǐng)域。一個(gè)示例就是Google的AutoML，該工具可簡(jiǎn)化創(chuàng)建機(jī)器學(xué)習(xí)模型的過程，并使該技術(shù)可供更廣泛的受眾使用。今年早些時(shí)候，IBM推出了AutoAI平臺(tái)，該平臺(tái)可用于自動(dòng)化數(shù)據(jù)準(zhǔn)備，模型開發(fā)，功能工程和超參數(shù)優(yōu)化。

Raghavan表示：“此外，我們將開始看到更多使用神經(jīng)符號(hào)AI的示例，該方法將統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)的方法與強(qiáng)大的知識(shí)表示和推理技術(shù)相結(jié)合，從而產(chǎn)生可以從更少數(shù)據(jù)中學(xué)習(xí)的更具解釋性和魯棒性的AI。”

一個(gè)例子是Neurosymbolic Concept Learner，這是由IBM和MIT的研究人員開發(fā)的一種混合AI模型。NSCL將經(jīng)典的基于規(guī)則的AI和神經(jīng)網(wǎng)絡(luò)相結(jié)合，在解決當(dāng)前AI模型的某些地方性問題（包括大量數(shù)據(jù)需求和缺乏可解釋性）方面顯示出了希望。

制造業(yè)中的AI

Neurala的首席執(zhí)行官兼聯(lián)合創(chuàng)始人Massimiliano Versace說：“ 2020年將是制造業(yè)擁抱人工智能以實(shí)現(xiàn)生產(chǎn)線現(xiàn)代化的一年?！睂?duì)于制造業(yè)而言，最大的挑戰(zhàn)之一就是質(zhì)量控制。產(chǎn)品經(jīng)理正在努力檢查每個(gè)單獨(dú)的產(chǎn)品和組件，同時(shí)還要滿足大量訂單的截止日期。”

Versace相信，通過將AI解決方案作為工作流的一部分進(jìn)行集成，AI將能夠擴(kuò)大并應(yīng)對(duì)這一挑戰(zhàn)，就像電鉆改變了我們使用螺絲起子的方式一樣，AI將通過以下方式增強(qiáng)制造業(yè)中的現(xiàn)有流程：減輕了平凡和潛在危險(xiǎn)任務(wù)的負(fù)擔(dān)，使員工有更多時(shí)間專注于創(chuàng)新產(chǎn)品開發(fā)，這將推動(dòng)行業(yè)前進(jìn)。

制造商將走向邊緣，隨著AI和數(shù)據(jù)的集中化，制造商被迫向頂級(jí)云提供商支付巨額費(fèi)用，以訪問保持系統(tǒng)正常運(yùn)行的數(shù)據(jù)。基于云的AI的挑戰(zhàn)刺激了一系列創(chuàng)新，以創(chuàng)建可以運(yùn)行AI算法而無需鏈接到云的邊緣AI，軟件和硬件。

可以在邊緣部署和完善的培訓(xùn)AI的新途徑將變得更加普遍。隨著我們進(jìn)入新的一年，越來越多的制造商將開始轉(zhuǎn)向邊緣以生成數(shù)據(jù)，最小化延遲問題并減少大量的云費(fèi)用。通過在需要的地方（邊緣）運(yùn)行AI，制造商可以保持其數(shù)據(jù)的所有權(quán)。

人工智能的地緣政治含義

Symphony AyasdiAI首席執(zhí)行官Ishan Manaktala說：“人工智能將在2020年及以后繼續(xù)成為國(guó)家軍事和經(jīng)濟(jì)安全的頭等大事。”“政府已經(jīng)在人工智能上進(jìn)行了大量投資，作為可能的下一個(gè)競(jìng)爭(zhēng)領(lǐng)域。中國(guó)已投資超過1400億美元，而英國(guó)，法國(guó)和歐洲其他地區(qū)已向AI計(jì)劃投入了超過250億美元。美國(guó)起步較晚，2019年在人工智能上的支出約為20億美元，到2020年將超過40億美元。

Manaktala補(bǔ)充說：“但是專家敦促增加投資，警告美國(guó)仍然落后。最近的美國(guó)國(guó)家人工智能安全委員會(huì)指出，未來十年中國(guó)可能會(huì)超過美國(guó)的研發(fā)支出。NSCAI在其初步報(bào)告中概述了五點(diǎn)：投資于AI研發(fā)，將AI應(yīng)用于國(guó)家安全任務(wù)，培訓(xùn)和招募AI人才，保護(hù)技術(shù)優(yōu)勢(shì)以及統(tǒng)籌全球協(xié)調(diào)?！?/p>

藥物發(fā)現(xiàn)中的AI

Chooch首席執(zhí)行官Emrah Gultekin表示：“我們預(yù)計(jì)，隨著人工視覺過程的自動(dòng)化，藥物發(fā)現(xiàn)將在2020年得到極大改善，因?yàn)橐曈XAI將能夠大規(guī)模監(jiān)視和檢測(cè)細(xì)胞藥物相互作用。”“目前，在臨床試驗(yàn)中浪費(fèi)了很多年，因?yàn)樗幬镅芯咳藛T正在做筆記，然后在電子表格中輸入這些筆記并將其提交給FDA批準(zhǔn)。取而代之的是，由AI驅(qū)動(dòng)的高度準(zhǔn)確的分析可以大大加快藥物發(fā)現(xiàn)的速度。

藥物開發(fā)是一個(gè)漫長(zhǎng)的過程，可能需要長(zhǎng)達(dá)12年的時(shí)間，涉及數(shù)千名研究人員的共同努力。開發(fā)新藥的成本很容易超過10億美元。但是，人們希望AI算法能夠加快藥物發(fā)現(xiàn)中的實(shí)驗(yàn)和數(shù)據(jù)收集過程。

此外，細(xì)胞計(jì)數(shù)是生物學(xué)研究中的一個(gè)大問題，而不僅僅是藥物發(fā)現(xiàn)?？梢暬疉I平臺(tái)可以在幾秒鐘內(nèi)完成此任務(wù)，并且瞬間就能達(dá)到99%的準(zhǔn)確度。
責(zé)任編輯:pj