2019年25大AI應用趨勢:假肢、農作物監測、面部識別、聊天機器人……
人工智慧的下一站是什麼?
CB Insight分析師審視各個行業,觀察到2019年最值得關注的25個人工智慧趨勢,包括下一代假肢、作物監測、邊緣AI、面部識別、無人收銀零售和AI聊天機器。
人工智慧現在在各個行業蔓延。每天都有新的發展,以下是今年25大最佳人工智慧趨勢:
1.開放源框架
由於業內採用了開源軟體,外界進入人工智慧領域的門檻比以往都要低。谷歌在2015年開放Tensor Flow機器學習庫,拉開了這個趨勢的帷幕,之後主要技術人員紛紛效仿。許多開源工具可供開發人員選擇,包括Keras、Microsoft Cognitive Toolkit和Apache MXNet。
2.邊緣AI
市場對實時決策的需求,正在推動AI更接近“邊緣”。這使裝置能夠在本地處理資訊,並更快地響應。NVIDIA、蘋果和許多新興創業公司致力於研發出專門負擔起人工智慧工作負載的晶片。2019年最值得關注的人工智慧趨勢之一將是在應用程式中所使用的邊緣AI的增多。
如上圖所示,邊緣AI用例包括:家庭智慧攝像頭,可以識別出入人員的身份,應用公司:nest和亞馬遜;裝置自帶面部識別、物體識別功能,使用者資料毋須離開裝置,應用公司:蘋果和華為;同時駕駛決定,應用公司:特斯拉;監控嬰兒、無人機、機器人和其他裝置,毋須聯網即可迴應當時發生的情況,應用公司:英特爾。
3.面部識別
從解鎖手機到登機航班,面部識別正在成為主流。早期的商業應用正在安全、零售和消費電子領域取得進展,面部識別正迅速成為生物認證的主要形式。
中國面部識別技術新聞提及次數趨勢
4.醫學成像與診斷
美國食品和藥物管理局(FDA)也在對AI-a-a-medical-device開綠燈。AI軟體產品的快速監管審批為AI成像和診斷公司開闢了新的商業途徑。在消費者方面,智慧手機的滲透和先進的影象識別技術也將手機變成功能強大的家用診斷工具。最具影響力的AI趨勢之一將是AI用醫療和診斷應用的批准和採用。
5.預測性維護
AI-IIoT可以為製造商、裝置保險公司等現有企業意外故障花費節省幾百萬美元。預測性維護演算法使用持續資料收集來預測裝置故障。由於降低了感測器成本,人工智慧的進步以及邊緣計算不斷推進,預測性維護已經變得更加廣泛。2019年及以後,這方面的投資也在不斷增加。
6.電子商務搜尋
基於上下文的搜尋技術正在逐漸走出“實驗階段”,但離廣泛採用仍有很長一段距離。儘管面臨技術挑戰,早期的SaaS初創公司正在興起,向第三方零售商銷售搜尋技術。2019年人工智慧的主要趨勢之一將是對該行業的更多投資,包括主要零售商。
亞馬遜搜尋助手A9提交專利數量
7.膠囊網路
深度學習推動了當今大多數人工智慧應用,但膠囊網路很快就會取而代之。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影象識別方法。
8.下一代假肢
假肢技術在非常早期的研究是將生物學、物理學和機器學習結合起來,解決最棘手的問題之一:靈巧性。研究人員正在使用機器學習來解碼人類身體感測器的訊號,並將其轉化為移動假肢裝置的命令。今年,假肢行業將會有更多發展,包括面向消費者的產品試驗。
9.臨床試驗
臨床試驗中最大的瓶頸之一就是招募合適的患者。理想情況下,AI可以從醫療記錄中提取資訊,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。
很少有創業公司直接在臨床試驗領域與客戶合作,但像蘋果這樣的科技巨頭正在這個領域大步前進。自2015年以來,蘋果推出了兩個開源框架,幫助臨床試驗招募患者並遠端監控他們的健康狀況。
10.生成式對抗網路(GANS)
GAN採用“AI vs AI”的概念,包括髮生器和鑑別器。生成器建立偽影象,而鑑別器將其與真實世界影象進行比較,並向生成器提供反饋。
最終結果是一個恆定的反饋迴路,產生越來越複雜的影象。隨著研究的擴大,它將改變新聞、媒體、藝術乃至網路安全的未來。2019年最重要的AI趨勢之一將是GAN技術的進一步發展和其他應用的溢位效應。
11.聯合學習(FEDERATED LEARNING)
使用獨特的本地資料集訓練AI可以極大地提高其效能,但使用者資料也是個人和保密的。谷歌的聯合學習方法旨在使用這些豐富的資料集,同時保護敏感資料。今年在藥物發現和其他用例中尋找更多聯合學習技術的應用。
12.高階醫療保健生物學
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面板顏色變化,AI正在從無數來源解鎖醫學見解。AI能夠找到模式將繼續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
保險公司和初創公司正在使用人工智慧來計算車主的“風險評分”,分析事故影象並監控駕駛員行為。人工智慧的進步正在改變以前緩慢、人為主導的過程,加快索賠結算。
14.防假貨
假貨越來越難被發現,網上購物都更容易買到假貨。為了反擊,各大品牌和廠商開始嘗試人工智慧的方法。線上和實體商務中,AI可以來識別仿冒產品和欺詐性商標侵權。
15.無人收銀零售
到目前為止,亞馬遜Go是唯一一個成功的無人收銀零售部署例子,但亞馬遜一直在不斷研發相關技術。在其他問題中,防盜取決於運營的規模,以及可用的產品型別。短期內,這項技術的採用將取決於部署成本,而潛在的技術故障導致的庫存損失成本也是廠商要考慮的點。
16.後臺辦公自動化
AI也在助力自動化管理工作,但資料的不同性質和格式也讓這項技術發展很有挑戰性。儘管每個行業和應用都有獨特的挑戰,但不同的行業正在逐步採用基於機器學習的工作流程解決方案。
在其他領域,數字化需要在可以有一層預測分析之前進行。2019年最重要的人工智慧趨勢之一將是增加機器人過程自動化的創新和探索。
機器人過程自動化新聞提及數量
17.語言翻譯
自然語言處理“語言翻譯”是一項挑戰,也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。由於資源致力於改進翻譯框架,因此效率和語言能力將有所提高,各行業的採用率將會提高。
18.綜合訓練資料
訪問大型標記資料集是培訓AI演算法的必要條件。但對於某些應用程式,訪問足夠的真實資料可能甚至不可行。現實的假資料或合成數據集可以解決瓶頸問題。現實世界資料還可以通過混合AI生成的模擬資料來強化,以建立更大、更多樣化的資料集。
19.強化學習
簡而言之,強化學習(RL)的觀點是:您需要採取什麼行動來實現目標並最大限度地提高獎勵?研究人員正在通過強化學習推動AI的能力界限,但對大量資料集的需求限制了實際應用。儘管有不少公司在研究這項技術,但主要參與者正在對該技術進行更多投資,對RL應用的研究正在增加。
美國強化學習專利申請數量
20.網路優化
AI正在改變電信行業,包括促進頻譜共享、監控資產,為天線提供最佳設計。對於通訊服務提供商而言,網路優化直接會帶來更好的客戶體驗。
電信運營商也在準備將基於AI的解決方案整合到5G無線技術中。2019年及以後的人工智慧關鍵趨勢之一將是更多融入全球電信網路。
21.自動駕駛車輛
儘管自動駕駛汽車具有巨大的市場,但完全自動駕駛的實際應用仍然未知。雖然現在已經出現了,部分早期完全自動駕駛的例子已經在物流和運輸中心出現。雖然完全應用的時間還不確定,但各行各業都在積極投資並採用自動駕駛技術。
“自動化”和“最後一公里”新聞提及數量
22.作物監測
三種農作物監測正在農業領域發展,包括地面、空中和地理空間。初創公司和現有企業正在接受作物監測AI來管理殺蟲劑應用、發現作物問題,並預測天氣變化如何影響農業。
23.應對網路威脅
對網路攻擊做出反應已經不夠了。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。作為迴應,使用機器學習主動“搜尋”威脅正在網路安全領域興起。2019年最重要的人工智慧趨勢之一將是市場新興起跨越不同業務型別的識別威脅技術。
24.AI聊天
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。儘管這項技術正在廣泛採用,但聊天機器人在健康和保險等複雜領域,一直在努力分析衡量情況的緊迫性。AI可以改善這些領域聊天機器人功能,但它仍然是演算法的一項特別艱鉅的任務。
25.藥物發現
隨著AI生物技術創業公司的興起,傳統制藥公司正在尋求人工智慧創業公司,減少長期藥物發現週期。雖然許多這型別的創業公司仍處於資助的早期階段,但他們已經擁有一批製藥客戶。2019年人工智慧的最大趨勢之一將是領先的製藥企業增加對該領域的投資。
2014至2018年AI醫藥領域交易數量和金額