从最底层的芯片到最广泛的技术融合,从理科思维浓厚的神经网络到最容易理解的“大数据杀熟”,AI可谓无处不在。
不管你喜不喜欢,2019年AI(人工智能)趋势已经袭来。
科技自媒体平台Hacker Noon日前刊出一篇数字营销策略师Irfan Ahmed Khan所写的文章。内容是介绍今年AI行业9大行业风向。
一、AI芯片
复杂的AI,非常依赖于专业的AI芯片。
全球科技巨头都已经在AI芯片上“烧钱”无数。谷歌、亚马逊、Facebook都在潜心布局这一大AI赛道。国内则有华为、寒武纪科技、地平线机器人等。
走到舞台中间的AI芯片,细分领域也越来越多:有专注于计算机视觉,也有专注于语音识别,更有专注于自然语言处理等。
2 AI+物联网
2019年是AI与其他技术相融合的一年。最值得期待的,无外乎是AI+物联网。其中,有两大风口值得关注。一是工业互联网,二是分布式人工智能。
在工业互联网领域,AI的感知、交互、决策能帮助线下的工业企业更好地发现线上的需求,通过大数据做上下游的数据整合和分析,压缩生产和质检环节,进行更好地指导决策。“中国制造”的标杆富士康集团正向工业互联网迈进。
在分布式人工智能领域,也有大商机。从概念上理解比较抽象,可以直接举个例子。
以非常时髦的“城市智慧大脑”为例。在智慧城市的交通项目中,牵涉到数万个摄像头,用传统的集中式人工智能处理方案,传输费用每年就要数亿元,AI计算费用更是超过10亿元/年。但如果采用分布式人工智能的处理模式,先在边缘开展AI数据预处理,然后把数据传到数据中心做最后的处理,能将费用整体节省到原来的1/10。
3 AutoML
乍一看AutoML也是非常费解。其意义在于:帮助开发人员提供他们需要的定制选项,而不必强迫他们完成复杂的工作流。
解释出来也都非常费解。下面引用一段谷歌首席执行官Sundar Pichai在推出AutoML时所说的话来解惑。
“设计AI所需的神经网络,不仅非常耗时,还对专业知识要求极高,使得只有小部分科研人员和工程师能够参与设计。因此我们创建了AutoML。有了它,神经网络自己也可以设计神经网络了。我们希望AutoML能够拥有现在一些博士拥有的能力,并可以在三到五年内使众多开发人员也能通过 AutoML 设计神经网络,满足特定的需求。”
4 AIOps
又是一个由非常简单字母拼凑而成的高深技术名词。AIOps的意义可以专业地解释为:使IT部门的员工能进行精确的原因分析,快速地帮助他们从大量数据集中找到有用的见解和模式。
以上可以比较简单的理解为,AIOps平台能让一个公司养更少的技术人员来支持更多的技术工作。其原因在于,AIOps平台(机器)自身可以采集多维度、海量的IT数据,只要有少量熟悉 AIOps 产品的运维工程师即可实现中大型企业日常的IT支撑保障。
5 兼容性更强的神经网络框架
AI技术的开发人员有一大苦恼,就是市场上有几十种帮助设计神经网络的框架,且互相缺乏集成,难以兼容。
2019年由微软和Facebook等科技巨头推出的开放神经网络交换(ONNX),可以解决上述困扰,即允许开发人员跨多个框架、重复使用设计好的神经网络。 共2页 [1] [2] 下一页 搜索更多: AI |