人工智能（AI）可以說是近幾十年來最具革命性的技術了，不論是Google、Facebook、Intel、阿里巴巴等通過產(chǎn)業(yè)布局進入人工智能領域的互聯(lián)網(wǎng)企業(yè)，亦或如曠視科技Face++、極鏈科技Video++、優(yōu)必選科技這樣直接以人工智能起家的原生技術企業(yè)，都引領著新一輪AI輪廓的塑造。

AI所帶來的優(yōu)勢及其深遠的影響，僅從中美之間新生的AI競爭就能看出，未來，人工智能將重塑從工作性質到日常溝通再到運輸方式的一切一切，它所釋放的“創(chuàng)造性破壞”將使大量現(xiàn)有技能和工作狀態(tài)革新，開辟一個新智能時代。

接下來，讓我們來看看2019年的幾個AI趨勢。

AI芯片

AI的發(fā)展，是需要依賴于CPU/GPU協(xié)同工作的專用處理器。然而，當下一個主要缺點是，即使是AI發(fā)展的速度再快，也存在CPU/GPU也無法訓練的情況，比如需要額外的硬件來執(zhí)行復雜任務的數(shù)學計算等，這個時候AI芯片的重要性就凸顯出來。

今年，英特爾，NVidia，AMD，ARM，華為，高通等領先的芯片制造商都已經(jīng)將AI芯片的生產(chǎn)提上了日程，在2019年，他們將生產(chǎn)能夠快速提高基于AI執(zhí)行速度的芯片，這些芯片將應用在不限于計算機視覺、語言處理等多種定制用途，更完全會根據(jù)市場需要，推出特定使用在如醫(yī)療保健以及汽車行業(yè)專業(yè)芯片。

AI+IoT

2019年，AI和IoT的結合，將達到1+1>2的效果。

對AI來說，因為AI可以提升精度，并提高其分析和預測性維護方面的功能，因而IoT設備通過AI神經(jīng)網(wǎng)絡的高級機器學習模型的優(yōu)化，甚至嵌入專門設計的AI芯片，將實現(xiàn)萬物互聯(lián)更為多樣性的適配。

除此之外，2019年，隨著5G的普及，所有設備和基礎設施都會聯(lián)結在一起，技術和產(chǎn)品會使得我們整個社會的效率越來越高，加之AI+IoT也將越來越多地融入邊緣計算，大多數(shù)經(jīng)過云訓練的模型都將放在邊緣層，最終從云到邊緣再到終端，最后這張網(wǎng)將會越來越復雜。

自動化機器學習

隨著AutoML（自動機器學習）算法的到來，機器學習將發(fā)生根本變化。AutoML將允許開發(fā)人員和程序員在不創(chuàng)建特定模型的情況下解決復雜問題。AutoML的優(yōu)勢在于它可以使分析師和開發(fā)人員只關注有關問題，而不是整個流程和工作流程。

因此，AutoML獨特地融合了靈活性和可移植性。AutoML與認知API和自定義ML平臺無縫對齊，通過直接解決問題而不是完成整個工作流程，來節(jié)省大量時間和精力。

AI+網(wǎng)絡安全

由于網(wǎng)絡安全專家的需求和供應存在巨大差距，以及網(wǎng)絡安全的缺點以及需要采用創(chuàng)新方法的安全漏洞風險不斷增加，2019年，人工智能和機器學習在網(wǎng)絡安全中的使用將會大幅度提升。

其中，尤其是具備海量大數(shù)據(jù)的組織隨著系統(tǒng)規(guī)模的擴大以及警惕地監(jiān)控威脅需要，在沒有人工智能的情況下，網(wǎng)絡安全流程會變得脆弱并導致效率降低，因此，將AI納入網(wǎng)絡安全并不意味著不需要專家，反之，AI將賦予專家更多的權力并使得安全系統(tǒng)更加完善。

AI技能

據(jù)報道，在2018年，人工智能已經(jīng)成為薪酬最高的工作之一，并且許多組織及高校已經(jīng)在人工智能領域的技能培訓和學科培養(yǎng)上加大投入，同樣的趨勢在2019年也將繼續(xù)。

然而，其中有一些挑戰(zhàn)也正在出現(xiàn)，比如企業(yè)自身難以在短期培養(yǎng)一個具備強人工智能技能的高級人才，因此，他們可能更趨向于選擇設立一個不需要監(jiān)督的人工智能工具進行替代。

通過AI實現(xiàn)DevOps的自動化

如今，互聯(lián)網(wǎng)生成的海量數(shù)據(jù)無法估量，往往需要對其進行過濾后再實現(xiàn)分析，其中，使用AI對數(shù)據(jù)集進行整理，來找到可以滿足硬件和其他應用軟件的相關性和新模式，將逐漸成為主流。

在2019年，最優(yōu)的解決方案，是在這些數(shù)據(jù)集上應用機器學習模型使它們具有預測性，并且隨著AI的不斷深入，管理IT基礎架構的方式將被重新定位，在IT運營中部署AI將幫助他們在更短的時間內(nèi)完成任務，并快速解決問題，因此，基于AI的DevOps將于2019年投入運營，云供應商等將從中受益匪淺。

神經(jīng)網(wǎng)絡互操作

在目前的一些神經(jīng)網(wǎng)絡操作中，最主要問題存在于選擇最合適的框架，因此，開發(fā)人員往往面臨從一系列工具中進行選擇的艱難問題，不僅局限于Apache MXNet，Microsoft Cognitive Toolkit，TensorFlow等等。

這是因為神經(jīng)網(wǎng)絡一旦選擇并訓練了特定模型，就很難再在另一個框架上工作， 為了應對這一挑戰(zhàn)，AWS，F(xiàn)acebook和Microsoft合作構建了開放式神經(jīng)網(wǎng)絡交換（ONNX），這使得在多個框架中重用經(jīng)過訓練的神經(jīng)網(wǎng)絡模型成為可能，2019年，神經(jīng)網(wǎng)絡中互操作性的突破會成為AI的重點趨勢之一。

開源AI

2019年，AI大多數(shù)的項目都會進行開源，是因為越來越多的公司開始關注協(xié)作和知識共享，人工智能也會遵循相同的發(fā)展軌跡。開源AI作為人工智能發(fā)展的下一個階段，多家公司將開始開放他們的AI堆棧，以建立更廣泛的AI社區(qū)支持網(wǎng)絡。

Gartner預測“到2020年，AI技術將普遍出現(xiàn)在幾乎每一個新的軟件產(chǎn)品和服務中”，在那天到來之前，開源AI將一直扮演重要角色。目前，包括Acumos AI、Facebook框架、Yahoo的CaffeOnSpark、Google的TensorFlow 、H2O.ai以及Microsoft Cognitive Toolkit等，都作為比較主流的開源AI工具在市場中占據(jù)大量份額，除此之外，更多的AI公司也正在爭相開源自己的項目。

實際上，伴隨2019年的到來，沒有人能預見到AI領域到底會發(fā)生哪些令人難以置信的變革，我們僅能從這些趨勢中，感受到足以令人十分興奮的未來。