CB Insights發布AI行業25大趨勢：中國人臉識別、無人商店發展迅速

曉查 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

新的一年，人工智慧會朝著什麼方向發展？CB Insights今天發布的報告，預測了2019年AI行業的25大趨勢。

在基礎研究領域，開源框架、邊緣計算、合成訓練數據是行業大勢。理論演算法方面，膠囊網路、GAN、聯合學習、強化學習仍是重點。

至於AI技術的實際應用，人臉識別、機器翻譯、醫療影像、無人零售、對話機器人等過去的熱點，今年還將會進一步發展。

報告中還特別提到了中國的創業公司、資本力量在人臉識別、無人零售領域的巨大推動作用。

AI技術的25個趨勢

CB Insights提出了2019年AI的25個趨勢，可以分為基礎架構、體系結構和應用場景三個方面。應用場景又可以分為3類：智能預測、自然語言處理與合成、計算機視覺。

這25個趨勢是：

1、開源框架

開源框架讓AI進入門檻更低。

2、邊緣AI

對實時決策的需求推動AI進入「邊緣」。比如人臉識別、自動駕駛讓AI進入手機、汽車進行本地運算，蘋果和英偉達和許多創業公司都在開發人工智慧晶元。

3、人臉識別

從解鎖手機到登機航班，面部識別正在成為主流，已用在安全、零售和消費電子領域，面部識別正迅速成為生物認證的主要方式。

4、醫療影像診斷

AI軟體產品的快速監管審批為AI醫療公司開闢了新的商業途徑。在消費者方面，先進的圖像識別技術正在將手機變成功能強大的家用診斷工具。

5、預測性維護

AI加持的IoT可以為企業節省數百萬美元的意外故障費用。預測性維護是指用連續的數據收集來預測設備故障。由於降低了感測器成本，以及人工智慧、邊緣計算的推動，預測性維護已經變得更加廣泛。

6、電子商務搜索

對搜索術語的語境理解正在逐漸走出「實驗階段」。早期的SaaS初創公司正在興起，向第三方零售商銷售搜索技術。

7、膠囊網路

深度學習推動了如今大多數AI應用，但膠囊網路（CapsulesNet）很快就會取而代之。與當前的卷積神經網路（CNN）相比，膠囊網路具有許多優點。對膠囊網路的研究還處於起步階段，但可能會挑戰當前最先進的圖像識別方法。

8、下一代假肢

將生物學、物理學和機器學習結合起來。研究人員正在使用機器學習來解碼來自身體感測器的信號，並將其轉化為移動假肢裝置的命令。今年，該行業將尋求更多發展，包括面向消費者試驗產品。

9、臨床試驗登記

臨床試驗中面臨的困難是如何招募合適的患者。AI可以從醫療記錄中提取信息，與正在進行的研究進行比較，並向醫生和患者提出相關研究建議。

10、生成對抗網路（GAN）

GAN將改變新聞、媒體、藝術乃至網路安全的未來。2019年最重要的AI趨勢之一是GAN的進一步發展，和其他應用的溢出效應。

11、聯合學習

使用本地數據集訓練AI可以極大地提高其性能，但用戶數據是私密的。Google的聯合學習方可以在使用這些豐富的數據集的同時保護敏感數據。今年在藥物發現和其他案例中會有更多聯合學習的應用。

12、高級醫療保健生物識別技術

利用神經網路，研究人員開始研究和測量以前難以量化的非典型風險因素。從視網膜掃描到分析皮膚顏色變化，AI正在解鎖新的診斷方法，並識別以前未知的風險因素。

13、自動索賠處理

保險公司和創業公司正在使用人工智慧來計算車主的「風險評分」，分析事故圖像並監控駕駛員行為。人工智慧的進步正在改變這項曾經以人為主導的過程，允許更快的索賠結算。

14、反假貨

知名品牌和典當商開始嘗試使用AI。電商和實體店中，AI被用於識別仿冒產品和欺詐性商標侵權。

15、無人零售

到目前為止，亞馬遜Go是唯一一個成功的無人零售商。此外還有防盜、部署成本、庫存損耗等問題需要解決。

16、後台辦公自動化

AI正在加入自動化管理工作，但不同性質和格式的數據使其成為一項具有挑戰性的任務。不同的部門逐漸採用基於機器學習的工作流程解決方案。

17、語言翻譯

語言翻譯是一個尚未開發的市場機遇。像百度和谷歌這樣的大型科技公司開始在這個領域掀起波瀾。由於大量資源投入到改進翻譯框架，因此機器翻譯的效率和語言能力將得到提高，各行業的採用率也會提高。

18、綜合訓練數據

訪問大型標記數據集是培訓AI演算法的必要條件。但對於某些應用程序，訪問足夠的真實數據可能是不可行de 。現實的假數據或合成數據集可以解決這一瓶頸問題。現實世界的數據還可以通過混合AI生成的模擬數據來增強，以創建更大、更多樣化的數據集。

19、強化學習

研究人員正在通過強化學習推動AI的能力界限，但對大量數據集的需求限制了其實際應用。儘管存在挑戰者，但主要參與者正在對該技術進行更多投資，對強化應用的研究正在增加。

20、網路優化

電信運營商正在準備將基於AI的解決方案集成到5G無線技術中。2019年及以後的AI關鍵趨勢之一是將更多地融入全球電信網路。

21、自動駕駛汽車

儘管自動駕駛汽車具有巨大的市場機會，但完全實現的時間表仍不明確。例如物流運輸等領域可以看出無人駕駛的早期應用。即使時間表仍不明確，各行各業都在積極投資並採用自動駕駛技術。

22、農作物監測

初創公司和現有企業正在用農作物監測AI來管理殺蟲劑、發現問題，並預測天氣變化如何影響農業。

23、發現網路威脅

計算能力和演算法的進步正在將以前的理論攻擊變成真正的安全問題。對網路攻擊做出反應已經不夠，機器學習能主動搜尋網路安全中的潛在威脅。

24、會話AI

對於許多企業來說，聊天機器人成了人工智慧的代名詞，但承諾並沒有跟上現實。AI可以改善這些領域的聊天機器人功能，但它仍然是一項特別艱巨的任務。

25、藥物發現

隨著AI生物技術創業公司的興起，傳統製藥公司正在尋求人工智慧創業公司減少長期藥物發現周期。雖然這些創業公司中的許多仍處於早期階段，但他們已經擁有一批製藥客戶。

AI技術類別劃分

為了更好的理解AI行業趨勢，CB Insights將AI技術按照工業化程度（Industry Adoption）、市場化程度（Market Strength）兩個維度進行劃分。

工業化程度的衡量標準包括：創業公司的發展速度、媒體關注度、消費者接受度。

市場化程度的衡量標準包括：市場規模、投資者與投資機構的數量和質量、研發投入、收入報告、競爭激烈度、併購與戰略投資等。

按照這兩個維度指數的高低，可以將AI技術分成4類：

實驗性技術（工業化程度低、市場化程度低）、

短暫性技術（工業化程度低、市場化程度高）、

威脅性技術（工業化程度高、市場化程度低）、

成熟性技術（工業化程度高、市場化程度高）。

報告里的中國

CB Insights在報告中多次提到中國，近年來中國在AI的商業應用是全球的風向標。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！