2018年值得關注13項人工智慧趨勢

圖片來源：https://pixabay.com/photo-503588/

來源：stpi.narl

人工智慧（AI）具有獨特的能力，且有無限的發展可能性，超越我們的想像力。CB Insights 市調公司針對2018年AI主要趨勢，分析出13種趨勢及將在未來幾年產生巨大影響。

一、AI機器人勞動力(Robotic workforce)

將來大部分工廠裝配線中的大量勞動密集型工作，將由AI編程的機器人(AI programmed robots)取代。這將降低僱用工人的成本，並減少外包和離岸外包。

最近，一家中國T恤製造商天元服裝公司(Tianyuan Garments Company)與阿肯色州政府簽署了備忘錄（MoU），以每小時14美元僱用400名阿肯色州的工人。2017年底前開始運營，採用喬治亞州的新創公司SoftWear Automation開發的縫紉機器人來製造服裝。在日本，到2025年80％以上的老年護理將由機器人完成，而不是護理人員。

二、無所不在的人工智慧(Ubiquitous Artificial Intelligence)

人工智慧會影響多個領域，甚至是那些出乎意料的領域。機器學習是AI的重要組成部分，指的是對大數據的演算法進行訓練，以便更好地學習如何處理識別模型的任務。

英國的IntelligentX希望推出全球首款AI釀造啤酒;俄羅斯的DeepFish正在使用神經網路來識別魚類，而瑞典的Hoofstep正在籌集創投資金，以深度學習馬的行為分析。

三、美國與中國之AI競爭 (Uncle Sam vs The Dragon AI)

中國已經準備好證明自己在AI領域的實力，並且勝過美國和其他西方國家。中國政府在AI未來技術投入了大量資金及規劃，包括從智能農業、智能物流到軍事應用。

中國的人工智慧新創公司在2017年獲取全球AI創投資金約48％，超過美國。在深度學習方面，中國的專利數量高於美國六倍。美國似乎在AI新創公司方面漸失其優勢。

中國政府訂下AI世界目標，到2020年趕上美國AI水平，到2030年成為世界領導者。由中國政府扶植的AI晶元設計公司寒武紀(Cambricon)計劃在未來三年內生產10億個處理單元，並正在開發專門用於深度學習的晶元。

四、AI時代的戰場 (Battlefields in the age of AI)

未來的市場戰爭將依賴更多AI智能技術。無人機只是個開始。隨著對網路安全防禦及監視之更受重視，對基於演算法的AI將需求日增。

網路安全性是AI的一個真正的機會區域，因為攻擊是不斷演變的，主要的挑戰是新型的惡意軟體。AI在這方面將是一個優勢，隨著利用機器學習技術，使其市場正在蓬勃發展。

在過去的5年共有134家新創公司籌集了36.55億美元的股權。去年，其中約34家公司去年(2017)首次募資(IPO)，仍然由大公司主導競爭市場，如：Cybereason、CrowdStrike、Cylance和Tanium等。

五、語音助理正火紅 (Voice Assistants)

從2018年CES消費電子展上，炒熱語音助理的應用。幾乎任何物聯網(IoT)裝置都整合到Amazon Echo或Google Home中。三星(Samsung)以自行開發的語音助理Bixby，計劃2020年前將三星所有產品都能與互聯網連接。

六、AI挑戰專業人士(AI to throw the gauntlet before professionals)

熟練的專業人士 - 包括律師、諮詢顧問、財務顧問等 - 將像半生不熟的工人一樣面臨AI挑戰。至少，AI可減少時間和提高法律工作效率的巨大潛力。隨著AI平台變得更加高效、價格合理且商業化，這將影響按小時計費的外部律師事務所的薪酬結構。

七、地方分權(雲端運算)和民主化(邊緣運算) (Decentralization and Democratization)

AI不僅限於強大的大型超級運算機器，同時也正成為智能型手機和可穿戴裝置之一部分。邊界計算(Edge computing)正在成為AI的下一個大領域。例如，蘋果(Apple) iPhone 8和X的A11晶元，以每秒600B的速度執行機器學習任務。還有，另一個邊界AI運算的例子，就是裝置上訓練個人AI助理，以識別你獨特的口音或辨識人臉。

八、膠囊網路(Capsule Networks)

機器學習神經網路具有無數的架構。近來，深度學習中最流行一種叫做卷積神經網路(convolutional neural networks)。現在，又開發出一種全新的神經網路架構--膠囊網路（CNNs），然而，CNNs有一定的局限性，且導致性能缺失或安全漏洞。

九、AI人才易實現夢想薪水(Dream salaries in AI talent hunt)

目前，AI領域合格人才約有30萬人，其中包括相關研究領域的學生。然而，企業需要100萬位AI人才來滿足工作需求，而且樂意支付6位數年薪。

十、企業AI人才成為大人物 (Bigwigs of enterprise AI)

隨著科技大廠提高其企業AI能力，如：谷歌(Google)、亞馬遜(Amazon)、Salesforce和微軟(Microsoft)等科技巨頭。那麼，小型企業將難以存續。

十一、AI醫療診斷(AI medical diagnostics)

美國監管機構正期待批准AI用於臨床。AI在診斷方面的優勢，在於初期檢測和更高的準確性。機器學習演算法可以將醫療成像及數百萬其他患者的成像進行比較，從中找出人眼可能會遺漏的細微差別。如SkinVision已經利用計算器視覺監測可疑皮膚崩裂。但醫療AI應用的新浪潮將為醫院和診所的機器學習功能奠定基礎。

最近，醫藥公司Anglo–Swedish、AstraZeneca與阿里巴巴(Alibaba)子公司Ali Health建立合作夥伴關係，將在中國開發AI輔助篩檢和診斷應用。GE和Nvidia也連手為GE的醫療成像設備提供深度學習功能。

十二、建立你自己的AI (Build your own AI)

由於，軟體庫、API和SDK以及亞馬遜和谷歌的簡單裝配套件，走向開放而降低了AI進入門坎。Google推出了一款適合所有年齡的AI產品AIY（artificial Intelligence yourself）。其第一款產品是Raspberry Pi的語音識別套件，使用者能夠將他們想要的任何語音發送到個人語音助理。

十三、機器學習之投資翻轉點？(Point of no return for Machine Learning?)

2017年是機器學習的高峰年，首先是大數據，再來是雲端，然後到機器學習狂潮。但現在(2018)預計將呈現急劇下降之勢。

去年(2017)，投資資金超過152億美元投入各行業的AI新創公司，相較2016年的資金成長率為141％。機器學習的常態化和主流化，會讓投資者更挑剔他們投資的AI公司。

關於我們：網站內容更精彩！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！