人工智能(AI)如今已經成為科技產業中不可或缺的組成部分。它對應用程序、開發工具、計算平臺、數據庫管理系統、中間件、管理和監控工具都產生了重大影響。研究人員甚至采用人工智能技術對其自身進行改進。

 

在2020年，人工智能的核心用途、工具、技術、平臺和標準會發生什么變化?以下是人們將在2020年看到的一些發展趨勢。

 

1.GPU將繼續主導人工智能加速發展

 

人工智能硬件已成為高科技行業的主要競爭領域。即使競爭對手的硬件人工智能芯片組技術(例如CPU，FPGA和神經網絡處理單元)在邊緣計算市場中搶占市場份額，GPU也仍將在激烈競爭中生存和發展，這是由于它們在從云計算到邊緣應用(例如自動駕駛汽車)以及工業供應鏈中發揮關鍵作用。

 

Nvidia公司在市場領先的基于GPU的產品應用率似乎有望在2020年及以后進一步增長。在未來10年中，各種非GPU技術(包括CPU、ASIC、FPGA和神經網絡處理單元)也為各種邊緣計算應用提高在性能、成本、能效方面的優勢。隨著時間的推移，Nvidia公司將面臨更多競爭對手的競爭。

 

2.行業標準的人工智能基準將成為競爭激烈的領域

 

隨著人工智能市場日趨成熟，以及計算平臺在處理這些工作負載時面臨更快、更具可擴展性和更低成本的競爭，行業基準測試的重要性將日益提高。在過去的一年里，MLPerf基準測試具有更大的競爭意義，因為從Nvidia到谷歌公司，每個廠商都在夸耀自己在這些方面上的優異表現。到2020年，人工智能基準測試將成為這一細分市場中進入市場的至關重要的戰略，隨著時間的推移，這一細分市場將會變得更加商品化。在未來10年中，MLPerf基準測試結果將會納入解決方案提供商的定位策略，其中高性能人工智能驅動的功能至關重要。

 

3.人工智能建模框架將在競爭中逐漸融合

 

人工智能建模框架是數據科學家構建和訓練統計驅動的計算圖形的核心環境，在2020年，大多數數據科學家可能會在大多數項目中混合使用TensorFlow和Pythorch，這兩個框架將在大多數商業數據科學家工作臺上使用。

 

經過多年的發展，這些框架之間的差異將會逐漸縮小，因為數據科學家和其他用戶更看重功能均等而不是更大的功能差異。出于同樣的原因，更多的人工智能工具供應商將提供與框架無關的建模平臺，這可能為面臨消亡危險的舊框架提供新的生命力。加速開放式人工智能建模平臺的普及是業界對多個抽象層(例如Keras和ONNX)的采用，這將使在一個框架的前端構建的模型能夠在任何其他受支持的框架的后端中執行。

 

在10年之后，使用哪種前端建模工具來構建和訓練機器學習模型將變得無關緊要。無論企業在哪里構建人工智能，端到端的數據科學管道都將自動格式化、編譯、容器化，并以其他方式為其提供從云端到邊緣的最佳實踐。

 

4.基于SaaS的人工智能將減少企業對數據科學家的需求

 

在過去的幾年中，AWS、微軟、谷歌、IBM等公司的機器學習即服務產品逐漸成熟。隨著這一趨勢的加劇，更多的用戶將依賴這些云計算提供商的服務滿足人工智能需求，而無需其內部數據科學團隊進行處理。到2020年底，SaaS提供商將成為自然語言處理、預測分析和其他人工智能應用以及平臺服務和Devops工具的主要提供商。那些擁有內部人工智能計劃的企業將在更大程度上實現數據科學家工作的自動化，從而減少雇傭新的機器學習建模師、數據工程師和輔助職位的需求。在未來的10年，大多數數據科學家將會在SaaS和其他云計算提供商那里獲得職位。

 

5.企業采用人工智能將轉向現實世界的實驗

 

每個數字業務轉型計劃都取決于采用最適合的機器學習模型。這需要進行現實世界的實驗，其中基于人工智能的流程會測試替代的機器學習模型，并自動推廣可達到預期結果的模型。到2020年底，大多數企業將在每個面向客戶和后端業務流程中進行現實世界的實驗。隨著企業采用云計算提供商提供的人工智能工具，AWS公司最近推出的功能(模型迭代工作室、多模型實驗跟蹤工具和模型監視排行榜)將成為每個基于人工智能的全天候業務應用環境中的標準功能。在未來的10年中，基于人工智能的自動化和Devops功能將催生出普遍采用的基于人工智能的業務流程優化的最佳實踐。

 

6.人工智能將使人工智能開發人員的核心建模功能實現自動化

 

神經網絡是現代人工智能的核心。在2020年，一種稱為神經架構搜索的人工智能驅動方法將進入企業數據科學家的工作平臺，以自動實現針對其預期構建和優化神經網絡的實踐。隨著神經架構搜索得到采用和改進，它將通過指導數據科學家的決策來提高他們的生產力，這些算法基于已建立的機器學習算法(如線性回歸和隨機森林算法)，以及基于更新的、更先進的神經網絡算法。隨著多年的發展，這種方法和相關技術將通過端到端的管道自動化實現持續的人工智能開發。

 

7.人工智能驅動的對話式用戶界面將消除大多數應用程序的操作需求

 

基于人工智能的自然語言理解已經變得非常精確。人們使用的手機和其他設備已經迅速實現了語音操作。隨著會話用戶界面的普及，用戶將通過語音輸入生成更多文本。到2020年底，通過嵌入到各種設備中的人工智能驅動的語音助手、更多的用戶文本、推特文章和其他口頭輸入將被呈現出來。在未來的10年中，語音助理和會話用戶界面將成為全球經濟各個領域產品的標準功能，電腦鍵盤、手機鍵盤，甚至觸摸式界面的使用量都會減少。

 

8.首席法律官將要求端到端人工智能的透明性

 

人工智能正成為企業應用中一個更突出的風險因素。隨著企業由于社會偏見、侵犯隱私，以及人工智能驅動應用程序的其他不利影響可能面臨訴訟，首席法律官將要求提供完整的審計線索，以揭示企業應用程序中使用的機器學習模型的建立、培訓、管理的過程。

 

到2020年底，大多數企業的首席法律官將要求他們的數據科學團隊自動記錄機器學習管道中的每個步驟，同時還要生成每種語言如何驅動自動推理的簡單語言解釋。隨著未來的發展，缺乏內在透明度將成為阻礙人工智能項目融資的主要因素。

 

可以預計，在所有產品中(尤其是那些使用個人身份信息的產品)對基于人工智能的功能的監管需求將在未來幾年內增長。除了越來越強調人工智能開發的透明度之外，現在還無法斷言這些未來的任務將對基礎平臺、工具和技術的發展產生什么影響，這些監管舉措將會在未來幾年內加強。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。