在2018年期間，我們目睹了基於人工智慧的平臺、工具和應用程式的急劇增長。這些技術不僅影響了軟體和網際網路行業，還影響了其他垂直行業，如醫療保健、法律、製造業、汽車和農業。
　　在2019年以後，我們將繼續看到人工智慧相關技術的進步。亞馬遜、蘋果、Facebook、谷歌、IBM和微軟等公司都在大規模投資研發人工智慧，這有助於推動人工智慧及其生態的快速發展。以下是海天味業提醒人工智慧領域在2019年值得注意的五種趨勢：
　　1.人工智慧晶片的興起
　　與其他軟體不同，人工智慧嚴重依賴專用處理器來補充CPU。在推理時，模型需要額外的硬體來執行復雜的數學計算，以加速物件檢測和麵部識別等任務。2019年，英特爾、英偉達、AMD、ARM和高通等晶片製造商將推出專用晶片，這些晶片將針對與計算機視覺、自然語言處理和語音識別相關的特定用例和場景進行優化。來自醫療保健和汽車行業的下一代應用將依賴這些晶片為終端使用者提供智慧。
　　2019年也將是亞馬遜、微軟、谷歌和Facebook等超大規模基礎架構公司增加對基於現場可程式設計門陣列(FPGA)和專用積體電路(ASIC)的定製晶片投資的一年。這些晶片將針對人工智慧和高效能運算(HPC)的現代工作負載進行大量優化。其中一些晶片還將協助下一代資料庫加速查詢處理和預測分析。
　　2.邊緣人工智慧和物聯網的融合
　　在2019年，人工智慧將在邊緣計算層遇到物聯網。在公共雲中訓練的大多數模型都將部署在邊緣。基於深度神經網路的高階機器學習模型將進行優化以在邊緣執行。它們將能夠處理視訊幀、語音合成、時間序列資料和由攝像機、麥克風和其他感測器等裝置生成的非結構化資料。
　　3.神經網路之間的互操作性成為關鍵
　　開發神經網路模型的關鍵挑戰之一在於選擇正確的框架。一旦模型在特定框架中完成了訓練和評估，就很難將移植到另一個框架中。這種狀況阻礙了人工智慧的普及。為了應對這一挑戰，AWS、Facebook和微軟合作構建了開放式神經網路交換(ONNX)，這使得在多個框架中重用經過訓練的神經網路模型成為可能。可以預見在2019年，ONNX將成為該行業的重要技術。
　　4.自動化機器學習將獲得突出地位
　　從根本上改變機器學習解決方案的一個趨勢是AutoML。它將使業務分析師和開發人員能夠發展可以解決複雜場景的機器學習模型，而無需經過機器學習模型的典型培訓。業務分析師可以專注於業務問題，而不是迷失在工作流程中。
　　5.人工智慧將通過AIOps自動化DevOps
　　現代應用程式和基礎架構為索引、搜尋和分析生成日誌資料。從硬體、作業系統、伺服器軟體和應用軟體獲得的海量資料集可以進行聚合和關聯，以尋找問題的解決方案。機器學習模型利用這些資料集，IT就從被動轉變為預測。AIOps將在2019年成為主流。公共雲供應商和企業將從人工智慧和DevOps的融合中受益。
　　你是如何看待人工智慧的?你覺得人工智慧會對我們的生活產生什麼樣的影響呢?