2019年機器學習：追蹤人工智能發(fā)展之路

　　IDC報告顯示，預計機器學習工具和解決方案的企業(yè)級采用率將在本十年結(jié)束前達到65% - 并且支出將達到460億美元。平均而言，55%的企業(yè)CIO已將機器學習視為業(yè)務加速的核心優(yōu)先事項之一。本文重點介紹了2019年機器學習將如何繼續(xù)發(fā)展。

　　以下是億歐智庫為您帶來的精選分享：

　　機器學習的新用例即將出現(xiàn)

　　今年早些時候，美國陸軍宣布將使用定制的機器學習軟件工具用于戰(zhàn)斗車輛的預測性維護。換句話說，機器學習將能夠預測車輛可能需要何時以及何種類型的維修服務。另一個有趣的機器學習用例是根據(jù)之前股票收益的記錄預測股市波動。最近的一項研究表明，用機器學習預測股票市場具有60%以上的準確度。在醫(yī)療健康領域，機器學習模型被用于估計一個人的死亡概率(在這種情況下的準確率遠遠超過90%)。零售，營銷和銷售以及工業(yè)/制造業(yè)場景也常有機器學習的用例出現(xiàn)。

　　“閱讀”和“解釋”過去的數(shù)據(jù)并預測未來——這是機器學習的本質(zhì)而技術肯定會越來越精致。人工智能應用程序和機器學習工具的概念不再局限于機器人。相反，它們已成為業(yè)務工作流程和日常應用程序的自然擴展。

　　采用“針對機器學習優(yōu)化的硬件”將會出現(xiàn)

　　2019年很可能是特別準備的硅芯片——具有定制人工智能和機器學習功能——成為主流，至少對于企業(yè)而言。在可預見的未來，人工智能優(yōu)化硬件市場將繼續(xù)快速增長。一系列新的，功能強大的處理設備將會出現(xiàn)——我們還可以看到高端CPU和GPU?？偠灾@些工具和平臺將大大增強機器學習硬件的可用性。

　　云計算與機器學習結(jié)合

　　到2020年，全球云計算市場的年增長率約為25%。企業(yè)中機器學習的日益普及是推動這一激增的關鍵因素。為了成功實施“機器學習文化”，企業(yè)必須比以往更加關注創(chuàng)新——特別強調(diào)改進的云托管和基礎設施參數(shù)。隨著時間的推移，越來越多的“人工智能專用工具和系統(tǒng)”必須存儲在云上——后者需要具有足夠的安全性和可用性標準。強大、可擴展的云支持將幫助企業(yè)從機器學習無縫轉(zhuǎn)移到深度學習，為最終用戶提供更大價值，并提高他們的ROI數(shù)據(jù)。

　　從2019年開始，一般用戶將開始更清楚地了解人工智能和機器學習流程的工作原理 。鑒于人工智能正在其存在的領域(例如：醫(yī)學科學)的關鍵性質(zhì)，人們想要知道技術如何得出其結(jié)論/預測是很自然的。

　　繼續(xù)推進膠囊網(wǎng)絡

　　神經(jīng)網(wǎng)絡的優(yōu)點是，它們通常不考慮選擇對象的相對方向或位置。因此，可能會出現(xiàn)“信息差距”。而膠囊網(wǎng)絡就是為了而生的。它們很可能在2019年及以后取代許多傳統(tǒng)的神經(jīng)網(wǎng)絡。在性能方面，這些膠囊網(wǎng)絡比傳統(tǒng)的神經(jīng)網(wǎng)絡系統(tǒng)更具優(yōu)勢 - 具有更準確的模式檢測功能，而且在少量數(shù)據(jù)時，錯誤概率也大大降低。更重要的是 - 膠囊網(wǎng)絡也不需要重復訓練迭代，以“理解”變化。

　　基于機器學習算法的高級醫(yī)療保健模塊，用于比較患者的醫(yī)學圖像和其他醫(yī)療圖像，已經(jīng)在使用。生物制藥公司阿斯利康(AstraZeneca)計劃廣泛使用機器人和機器學習 - 用于在中國開發(fā)智能診斷系統(tǒng)。

　　人工智能助手的興起和崛起

　　Siri和Google智能助理以及Alexa已經(jīng)成為我們?nèi)粘Ｉ畹囊徊糠郑匾氖?，每個頂級“智能助手”都在逐年變得更加聰明。

　　基于5000個一般性問題，Siri設法回答了大約31%，其中近80%是正確答案;在同一項調(diào)查中，Google智能助理回答了超過67%的問題，準確度低于88%。

　　隨著機器學習范圍的擴大，人工智能助手已準備好超越智能家居。從明年開始，現(xiàn)代和起亞將開始在其新車型中提供內(nèi)置的人工智能虛擬助手系統(tǒng)。這些助手將能夠執(zhí)行無數(shù)的任務——從遠程家庭和汽車控制功能(通過語音)到目的地建議(基于先前的偏好)和導航指南。在所有生活范圍內(nèi)，具有機器學習功能的“智能助手”將使生活變得前所未有的簡單。

　　智能聊天機器人(具有人工智能)也正在迅速崛起。但是，有必要保持警惕——因為訓練數(shù)據(jù)集中的偏差會對用戶體驗造成嚴重損害。微軟的'Tay'聊天機器人就是這種失敗的典型例子。