自動(dòng)化、硬件、模型開(kāi)發(fā)等方面的新發(fā)展將在2020年塑造人工智能。

O'Reilly公司副總裁Roger Magoulas介紹了自動(dòng)化、硬件、工具、模型開(kāi)發(fā)等方面的新發(fā)展，這些趨勢(shì)將在2020年塑造(或加速)人工智能的發(fā)展。

[[313544]]

1.有跡象表明人工智能的應(yīng)用正在加速

人們將會(huì)看到，人工智能領(lǐng)域正準(zhǔn)備加速采用，其驅(qū)動(dòng)因素包括更復(fù)雜的人工智能模型投入生產(chǎn)，增加人工智能能力的專(zhuān)業(yè)硬件，以便基于更大的數(shù)據(jù)集提供更快的結(jié)果，簡(jiǎn)化的工具可以使對(duì)整個(gè)人工智能堆棧的訪問(wèn)民主化，使人工智能能夠在幾乎任何設(shè)備上運(yùn)行的小型工具，以及云計(jì)算訪問(wèn)允許從任何地方訪問(wèn)人工智能資源的人工智能工具。

集成來(lái)自多個(gè)來(lái)源的數(shù)據(jù)、復(fù)雜的業(yè)務(wù)和邏輯挑戰(zhàn)，以及使數(shù)據(jù)更有用的競(jìng)爭(zhēng)激勵(lì)，所有這些都將人工智能和自動(dòng)化技術(shù)從可選項(xiàng)提升到必需。人工智能過(guò)程具有獨(dú)特的功能，能夠處理越來(lái)越多樣化的自動(dòng)化任務(wù)，這些任務(wù)與傳統(tǒng)的程序邏輯和編程所能處理的不同，例如圖像識(shí)別、總結(jié)、標(biāo)記、復(fù)雜的監(jiān)控和響應(yīng)。

實(shí)際上在2019年調(diào)查中，超過(guò)一半的受訪者表示，人工智能(特別是深度學(xué)習(xí))將成為其未來(lái)項(xiàng)目和產(chǎn)品的一部分，大多數(shù)公司已開(kāi)始采用機(jī)器學(xué)習(xí)。

2.數(shù)據(jù)和人工智能之間的界限越來(lái)越模糊

為了保持競(jìng)爭(zhēng)力，數(shù)據(jù)科學(xué)家至少需要掌握機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。同時(shí)，當(dāng)前的人工智能系統(tǒng)依賴(lài)于需要大量數(shù)據(jù)的模型，因此人工智能專(zhuān)家將需要高質(zhì)量的數(shù)據(jù)以及安全有效的數(shù)據(jù)管道。隨著這些學(xué)科的融合，數(shù)據(jù)專(zhuān)業(yè)人士將需要對(duì)人工智能有基本的了解，而人工智能專(zhuān)家將需要堅(jiān)實(shí)的數(shù)據(jù)實(shí)踐基礎(chǔ)，并且可能需要對(duì)數(shù)據(jù)治理做出更正式的承諾。

3.正在開(kāi)發(fā)新的和更簡(jiǎn)單的工具、基礎(chǔ)設(shè)施和硬件

人們處于機(jī)器學(xué)習(xí)的高度經(jīng)驗(yàn)時(shí)代。機(jī)器學(xué)習(xí)開(kāi)發(fā)工具需要考慮數(shù)據(jù)、實(shí)驗(yàn)、模型搜索、模型部署和監(jiān)視日益增長(zhǎng)的重要性。同時(shí)，隨著開(kāi)源框架和庫(kù)、云平臺(tái)、專(zhuān)有軟件工具和SaaS的不斷發(fā)展的生態(tài)系統(tǒng)，管理人工智能開(kāi)發(fā)的各個(gè)階段變得越來(lái)越容易。

4.新的模式和方法正在出現(xiàn)

雖然深度學(xué)習(xí)繼續(xù)推動(dòng)許多有趣的研究，但大多數(shù)端到端解決方案是混合系統(tǒng)。2020年，人們將更多地了解其他組件和方法的重要作用，包括貝葉斯和其他基于模型的方法、樹(shù)搜索、進(jìn)化、知識(shí)圖、仿真平臺(tái)等。人們還期望看到強(qiáng)化學(xué)習(xí)的新用例出現(xiàn)。人們可能會(huì)開(kāi)始看到機(jī)器學(xué)習(xí)方法的令人興奮的發(fā)展，而不是基于神經(jīng)網(wǎng)絡(luò)。

5.新的發(fā)展促成新的應(yīng)用

計(jì)算機(jī)視覺(jué)和語(yǔ)音/語(yǔ)音(“眼睛和耳朵”)技術(shù)的發(fā)展有助于推動(dòng)新產(chǎn)品和服務(wù)的創(chuàng)造，這些產(chǎn)品和服務(wù)可以制作個(gè)性化定制尺寸的服裝，驅(qū)動(dòng)自動(dòng)收獲機(jī)器人，或?yàn)槭炀毜牧奶鞕C(jī)器人提供邏輯。機(jī)器人(“手臂和腿”)和自動(dòng)駕駛汽車(chē)的研究引人注目，并且更接近市場(chǎng)。

新一輪的創(chuàng)業(yè)浪潮也瞄準(zhǔn)了“傳統(tǒng)數(shù)據(jù)”，采用新的人工智能和自動(dòng)化技術(shù)。這包括文本(新的然語(yǔ)言處理和自然語(yǔ)言理解解決方案;聊天機(jī)器人)、時(shí)間序列和時(shí)間數(shù)據(jù)、事務(wù)數(shù)據(jù)和日志。

傳統(tǒng)的企業(yè)軟件供應(yīng)商和初創(chuàng)企業(yè)都在爭(zhēng)先恐后地開(kāi)發(fā)針對(duì)特定行業(yè)或領(lǐng)域的人工智能應(yīng)用程序。這與麥肯錫公司最近的一項(xiàng)調(diào)查結(jié)果一致：企業(yè)在已經(jīng)投資于基本分析的領(lǐng)域使用人工智能。

6.在所有數(shù)據(jù)都有內(nèi)在偏差的前提下處理公平性

從軟件質(zhì)量保證世界的線(xiàn)索來(lái)看，那些在人工智能模型上工作的人需要假定他們的數(shù)據(jù)有內(nèi)置的或系統(tǒng)的偏見(jiàn)以及與公平性關(guān)的其他問(wèn)題，例如軟件中存在錯(cuò)誤的假設(shè)，需要正式的過(guò)程來(lái)檢測(cè)、糾正和解決這些問(wèn)題。

發(fā)現(xiàn)偏見(jiàn)和確保公平并非易事，而且在從不同角度進(jìn)行審查和確認(rèn)時(shí)最為有效。這就意味著，要建立有目的的多樣性，以發(fā)現(xiàn)不公平和偏見(jiàn)的過(guò)程，認(rèn)知多樣性、社會(huì)經(jīng)濟(jì)多樣性、文化多樣性、身體多樣性，幫助改進(jìn)過(guò)程，并減少錯(cuò)過(guò)重要內(nèi)容的風(fēng)險(xiǎn)。

7.機(jī)器欺騙仍然是一個(gè)嚴(yán)峻的挑戰(zhàn)

深度偽造(Deepfakes)表明，自動(dòng)檢測(cè)系統(tǒng)可以尋找：不自然的眨眼模式、不一致的照明光線(xiàn)、面部扭曲、嘴唇動(dòng)作和言語(yǔ)之間的不一致以及缺乏微小而獨(dú)特的面部運(yùn)動(dòng)(例如，美國(guó)總統(tǒng)特朗普在回答問(wèn)題前是如何抬起嘴唇的)。

但是，Deepfakes技術(shù)越來(lái)越好。隨著新形式的機(jī)器欺騙的出現(xiàn)，必須盡快開(kāi)發(fā)自動(dòng)檢測(cè)方法。但是自動(dòng)檢測(cè)可能還不夠。檢測(cè)模型本身可以用來(lái)保持檢測(cè)器的領(lǐng)先地位。例如，在發(fā)布一種發(fā)現(xiàn)不自然的閃爍模式的算法的幾個(gè)月內(nèi)，下一代的Deepfake生成器已將閃爍功能集成到其系統(tǒng)中。

一些程序可以在拍攝或更改圖像時(shí)自動(dòng)水印和識(shí)別圖像，或者使用區(qū)塊鏈技術(shù)驗(yàn)證來(lái)自可信來(lái)源的內(nèi)容，這可能是一個(gè)局部修復(fù)，但隨著Deepfakes的改進(jìn)，對(duì)數(shù)字內(nèi)容的信任度降低?？赡苤贫朔ㄒ?guī)，但是通往有效法規(guī)而不干擾創(chuàng)新的道路還很遙遠(yuǎn)。

8.為了充分利用人工智能技術(shù)，企業(yè)需要重新培訓(xùn)員工

隨著人工智能工具變得更容易使用，人工智能用例激增，人工智能項(xiàng)目被部署，跨職能團(tuán)隊(duì)被拉入人工智能項(xiàng)目。傳統(tǒng)數(shù)據(jù)團(tuán)隊(duì)以外的員工需要具備數(shù)據(jù)素養(yǎng)。事實(shí)上，調(diào)研機(jī)構(gòu)Gartner預(yù)計(jì)，到2020年，將有80%的組織開(kāi)始實(shí)施內(nèi)部數(shù)據(jù)素養(yǎng)計(jì)劃以提高其員工的技能。

但是培訓(xùn)是一項(xiàng)持續(xù)的工作，為了成功地實(shí)施人工智能和機(jī)器學(xué)習(xí)，企業(yè)需要采取一種更全面的方法來(lái)重新培訓(xùn)他們的員工。對(duì)于許多企業(yè)來(lái)說(shuō)，這可能是最困難但最有回報(bào)的過(guò)程。團(tuán)隊(duì)有機(jī)會(huì)定期加入一個(gè)更廣泛的社區(qū)，以看到成功的人工智能實(shí)現(xiàn)和解決方案的廣泛領(lǐng)域，這也是至關(guān)重要的。

再培訓(xùn)還意味著重新考慮多樣性。加強(qiáng)和擴(kuò)展多樣性對(duì)于檢測(cè)公平和偏見(jiàn)問(wèn)題的重要性，對(duì)于希望成功實(shí)施真正有用的人工智能模型和相關(guān)技術(shù)的組織而言，多樣性變得尤為重要。正如人們期望的那樣，大多數(shù)人工智能項(xiàng)目會(huì)增加人工任務(wù)，以一種廣泛包容的方式融入人工元素成為廣泛接受和成功的關(guān)鍵因素。