中美AI将在2019年有关键一战

2019 年将是机器学习关键的一年。ML 已经成为全球数字转型的关键要素之一——到 2021 年底，累计投资预计将达到 580 亿美元。在企业应用领域，本世纪末，ML 工具和解决方案的使用率预计将达到 65%。AI-as-a-Service 已经到来!

“智能助手”的时代已经来临。机器学习 (ML) 已经成为全球数字转型的关键要素之一——到 2021 年底，累计投资(人工智能和 ML)预计将达到 580 亿美元。仅在美国，深度学习软件的市场规模就将从 2018 年的 1 亿美元跃升至 2025 年的 9.35 亿美元。全球机器学习行业的年平均增长率约为 42%，到 2022 年第三季度，其价值将只会略低于 90 亿美元。

在企业领域，机器学习用例的增长在过去的几年里也很显著。据国际数据公司 (IDC) 的一份报告显示，到本世纪末，整个企业场景对 ML 工具和解决方案的使用率预计将达到 65%，其费用支出将高达 460 亿美元。平均而言，55% 的公司首席信息官认为 ML 是加速业务发展的核心优先事项之一。在这里，我们将重点介绍机器学习在 2019 年将如何继续发展:

1.ML 的新用例即将出现

今年早些时候，有消息称，美国陆军将使用定制的机器学习软件工具 (由总部位于芝加哥的 Uptake Technologies 公司开发) 对作战车辆进行预测性维修。换句话说，ML 能够预测出车辆在什么时候可能需要修理服务以及服务的类型。这种“智能”功能将由嵌入到汽车引擎中的先进传感器提供支持。ML 的另一个有趣的用例是基于先期股票收益记录的股票市场波动预测。最近的一项研究表明，ML 的这种股票市场预测有 60% 以上的准确率——这已经足够令人叹为观止了。在医学科学和医疗保健领域，ML 模型被用来预测一个人的死亡概率 (在这种情况下，准确率远远超过 90%)。在零售、营销和销售以及工业、制造业领域，ML 的使用范围也正在一步步扩大。通过“阅读”和“解释”过去的数据来预测未来——这是机器学习的本质——技术无疑正在变得越来越精细。

注意：人工智能应用和 ML 工具的概念不再局限于外部机器人。现在它们已经成为业务工作流和日常应用程序的一部分了。

2.“ML 硬件优化”使用率将上升

3.ML 对云的使用率将提升

到 2020 年，全球云计算市场将以每年 25% 的速度增长，达到 4100 亿美元以上。企业中对 ML 的不断采用是这种激增背后的一个关键驱动因素。为了成功地实现“机器学习文化”，企业必须比以往任何时候都更加注重创新——特别强调改进云托管和基础设施参数。随着时间的推移，越来越多的“AI 专用工具和系统”(除了商业关键信息和大数据) 必须存储在云上，而后者需要有足够的安全性和可用性标准。一个健壮的、可扩展的云支持将帮助企业从机器学习无缝过渡到深度学习，为最终用户提供更大的价值，并提高他们的 ROI。

注：从 2019 年开始，普通用户将开始对人工智能和 ML 过程的工作原理有更清晰的了解——这要归功于详细的“人工智能审计跟踪”。鉴于人工智能领域(比如：医学科学)的关键性质，人们自然想知道这项技术是如何得出结论进行预测的。

4. 继续推进胶囊网络

5. 人工智能助手的兴起

Siri，谷歌 Assistant 和 Alexa 已经成为人们日常生活的一部分，再过五年左右，全球人工智能助手市场的价值将达到 180 亿美元。更重要的是，年复一年，每一位顶尖的“智能助手”都在变得越来越聪明(在 5000 个一般性问题的基础上，Siri 成功回答了 31% 左右的问题，其中近 80% 的回答是正确的：在同一项调查中，谷歌 Assistant 回答了 67% 以上的问题，准确率略低于 88%)。随着机器学习范围的扩大，人工智能助手已经不只是存在于智能家居和手机中了。从明年开始，现代和起亚将开始在新车型中提供内置的、人工智能驱动的虚拟助理系统。这些助理将能够执行无数的任务——从远程家庭控制和汽车控制功能(通过语音)，目的地路径规划(基于之前的偏好)和导航指南。在生活的各个方面，具有 ML 能力的“智能助手”将使生活比以往任何时候都更简单。

注意：智能聊天机器人(带有人工智能)正越来越多的被人被使用。然而，我们仍需保持警惕——因为训练数据集中的误差会对用户体验造成严重损害。微软的“Tay”聊天机器人就是这种失败的典型例子。

6. 机器学习将解决更多“真正的问题”

注意：最近的一项研究发现，89% 的首席信息官计划在其业务中使用 ML 工具及应用程序。

7. 机器人的世界?

注：机器学习在精密农业中也扮演着重要的角色。用于农业的智能杆子，带有深根传感器和专用的 ML 模块，可以帮助农民做出更多“知情”的决定。

8. 前沿语音技术

9. 中美人工智能市场会有一场大战

注意：开发人员不再依赖第三方 API，而是越来越多地转向为 ML 应用程序开发自己的 API。有许多对开发人员来讲友好的组装套件和移动 SDK 来帮助他们实现功能。

10. 更多更好的机器学习平台

11. 彻底改变人类与科技互动的方式

注：用于战争的“杀手机器人”的开发可能是令人担忧的。最近的一份报告预测，人工智能在军事应用方面的投资不断增加，很可能导致 2040-2050 年间爆发一场核战争。

12.NLP 变得更加精确