我们一直都想了解【创作分享】不后悔！2019年人工智能行业25大趋势和一些丰田nig的话题，接下来让小编带大家走进【创作分享】不后悔！2019年人工智能行业25大趋势的案。
编者按著名风险投资研究公司CBInsights研究了25个最大的人工智能趋势，以确定该技术在2019年的下一步发展，并根据行业采用率和市场优势对每个趋势进行了评估和分类。必要的、实验性的、威胁性的、暂时的。和小编一起来看看吧~
01胶囊网络挑战前沿图像识别算法
1开源框架
得益于开源软件，人工智能的进入门槛比以往任何时候都低。2015年，Google开放了机器学习库TensorFlow，越来越多的公司，包括可口可乐、eBay等，开始使用TensorFlow。
2017年，Facebook发布了caffe2和PyTorch，而Theano是由Mila的另一个开源库蒙特利尔学习算法研究所开发的，随着这些工具的使用越来越广泛，Mila公司主导Theano的开发就停止了。
2个胶囊网络
深度学习正在推动当今大多数人工智能应用，这已不是什么秘密，而胶囊网络的出现可能会改变这一现状。深度学习界的领军人物GeoffreyHinton在2011年发表的论文中提到了“胶囊”的概念，并在2017年至2018年的论文中提出了“胶囊网络”的概念。
对于当今深度学习中使用最广泛的神经网络架构之一的卷积神经网络CNN，Hinton指出它有很多缺点。CNN在面对精确的空间关系时将暴露其不足。
例如，即使人脸图像的嘴巴位于额头上方，CNN仍然会将其识别为人脸。CNN的另一个主要题是它无法理解新的观点。黑客可以通过做出微妙的改变来混淆CNN的判断。
经过测试，胶囊网络可以抵抗一些复杂的对抗性攻击，例如操纵图像来混淆算法，并且优于CNN。胶囊网络的研究仍处于起步阶段，但可能挑战当前最先进的图像识别方法。
3生成对抗网络
2014年，谷歌研究员IanGoodfellow提出了“生成对抗网络”的概念，并使用“AIVSAI”的概念提出了两个神经网络，一个生成器和一个判别器。GoogleDeepMind实习生AndrewBrock与其他研究人员合作，通过在大型数据集上训练Gans来创建“BigGAN”。
GAN面临的一个主要挑战是计算能力必须与AI硬件并行扩展。研究人员使用GAN进行“面对面翻译”，他们还使用GAN将视频转换为卡通或绘制图片。产品。
4联邦学习
当我们每天使用手机或平板电脑时，会产生大量的数据信息。使用本地数据集训练人工智能算法可以显着提高性能，但用户信息仍然高度私密和机密。
谷歌开发的联邦学习方法旨在使用丰富的数据集，同时保护敏感数据。谷歌正在一款名为Gboard的Android键盘上测试联邦学习。
联合学习方法与其他算法的区别在于它们考虑了两个特征非独立的身份分布和不平衡性。联邦学习已应用于搜索引擎Firefox和人工智能初创公司OWKIN。
5强化学习ReinforcementLearning
当谷歌DeepMind开发的AlphaGo在中国围棋比赛中击败世界冠军时，强化学习受到了广泛关注。DeepMind基于强化学习开发了AlphaGoZero。
加州大学伯克利分校的研究人员使用计算机视觉和强化学习在YouTube视频中教授算法杂技技能。
尽管取得了这些进步，强化学习仍然不如监督学习（当今最流行的人工智能范式）那么成功，但有越来越多的研究机构，包括微软、Adobe和FANUC，致力于强化学习应用。
02自动驾驶收入预计到2025年将达到800亿美元，物流行业将首先应用。
6人工智能终端化
人工智能技术正在快速迭代，从云端走向终端，人工智能终端化帮助我们更快更好地处理信息、解决题，我们正在放弃我们使用云端控制的方式，转而配备AI算法。在设备上，在终端中。
包括英伟达、高通、苹果在内的多家公司都参与了终端侧人工智能领域的创新和探索，并且在2017年和2018年，不少科技公司在人工智能终端化方面取得了快速进展，距今已有两年时间。我们到了这个时候。同时，我们也在加快人工智能和智能芯片的研发。
然而，人工智能仍然面临存储和开发困难，迫切需要更丰富的混合模型来连接终端设备和中央服务器。
7人脸识别
面部识别的应用范围正在不断扩大，从解锁手机到登机，而且随着各国对面部识别的需求逐渐增加，许多初创公司开始关注这一领域。可以从蒙面嫌疑人的全脸恢复和重建面部特征。
然而，面部识别仍然需要改进。这项技术仍然会误判人脸的真实性。人脸识别包含的数据比我们想象的要多得多，由此带来的安全题也将引起关注。
8语言处理
自然语言处理是人工智能的一个子领域，而对于翻译技术来说，NLP就像潘多拉魔盒，除了丰富的市场机会，也面临着巨大的挑战。机器翻译是各种应用中等待开发的宝藏之一，从后端自动化到客户支持再到新闻媒体。
人机共生是翻译领域未来的方向，很多初创公司也期待着自己的一杯羹，但要完成一个基于自然语言处理的翻译系统并不容易。仅汉语就能够在各种方言和书面语言之间进行转换，这让许多科技公司陷入了困境。相关数据显示，与汉语、阿拉伯语、欧洲语言等流行高资源语言相比，仍存在差距。资源匮乏、少数民族语言的开发与应用。
9驾驶自动驾驶汽车
尽管自动驾驶汽车的市场潜力巨大，但全自动汽车的未来仍不明朗。自动驾驶已经成为科技公司和初创公司竞争的新领域，不仅为其注入了新的活力，也吸引了大量的投资。
投资者对他们的决定非常乐观。多个自动驾驶汽车品牌的总投资已超过100亿美元，预计到2025年市场利润将达到800亿美元。物流等相关产业将是第一批。完全自动驾驶应用领域的行业预计成本将降低三分之一。
10个人工智能聊天机器人
尽管许多人认为聊天机器人是人工智能的代名词，但两者之间仍然存在差异。如今，人工智能聊天机器人已经发展得如此之好，以至于在与真人交谈时可以说“嗯”之类的话，甚至可以停顿，但人们开始担心人工智能聊天机器人的身份，表达了对机器人动作过于生动的担忧。对话期间需要聊天机器人确认。
国外科技巨头FAMGA和国内BAT都在关注这一领域。
03AI诊断前景十分光明，大型药企纷纷投入AI算法。
11医学成像和诊断
美国食品和药物管理局（FDA）正在加速“人工智能作为医疗设备”的趋势。2018年4月，FDA批准了IDx-DR，这是一款人工智能软件，无需专家干预即可筛查糖尿病视网膜病变患者，准确率超过874。
FDA还批准了VizLVO和OncologyAI产品线，监管机构的快速批准为80多家AI成像和诊断公司开辟了新的商业途径。2014年以来，这些公司累计完成149轮融资。
在消费者方面，智能手机的普及和图像识别技术的进步正在将手机变成强大的家庭诊断工具，通过一款名为DipIo的应用程序，该应用程序使用传统的尿液试纸来监测各种尿路感染。用户可以用智能手机拍摄测试条的照片，计算机视觉算法会根据不同的照明条件和相机质量修改结果。
此外，许多“机器学习即服务”已集成到FDA批准的家庭监控设备中，以便在检测到异常情况时向医生发出警报。
12下一代假肢
早期研究结合了生物学、物理学和机器学习来解决假肢面临的最困难的题之一灵活性。这是一个非常复杂的题例如，对于截肢者来说，要移动假手上的单个手指，其背后的大脑和肌肉信号必须被解码并转换为机器人控制命令，这需要多学科协作。
最近，研究人员开始使用机器学习来解码来自人体传感器的信号，并将其转化为移动假肢设备的命令。
其他论文探索了新的媒体解决方案，例如使用残肢附近肌肉电活动的肌电信号来激活摄像头并运行计算机视觉算法来定位和估计前方物体的大小。
年度机器学习会议NeurIPS'18推出了AI假肢挑战赛，以进一步凸显AI社区对该领域的兴趣。2018年的挑战是使用强化学习来预测假肢的性能，有442名参与者尝试这样做。为了教授AI如何跑步，赞助商包括AWS、NVIDIA、丰田等。
13临床试验患者招募
临床试验的最大瓶颈之一是招募合适的患者，而苹果或许能够解决这个题。尽管努力将病历数字化，但互操作性仍然是医疗保健领域最大的挑战之一。
理想的人工智能解决方案将从患者的病历中提取相关信息，并将其与正在进行的临床试验进行比较，为执行匹配研究的人工智能软件提供建议。
但像苹果这样的科技巨头已经成功为其医疗保健计划招募了合作伙伴，该公司正在改变医疗保健数据流动的方式，并为人工智能开辟新的可能性，特别是在招募临床研究人员和监控患者访方面。
自2015年以来，苹果发布了两个开源框架——ResearchKit和CareKit，通过招募患者参与临床试验并远程监控他们的健康状况来帮助消除地理障碍。Apple还与Cerner和Epic等流行的EHR供应商合作，以解决互操作性题。
14先进的医学生物识别技术
研究人员开始使用神经网络来研究和测量以前难以量化的非典型风险因素。使用神经网络分析视网膜图像和言语模式可能有助于识别心脏病风险。
例如，谷歌的研究人员利用视网膜图像训练的神经网络发现了心血管疾病的危险因素，包括年龄、性别和吸烟，而梅奥诊所分析了语音的声学特征以识别冠心病患者的不同声音。疾病.特征。
在不久的将来，医学生物识别技术将用于被动监测。谷歌的专利希望通过肤色或皮肤位移来分析心血管功能。这些传感器还可以放置在患者浴室的“传感环境”中，以识别手腕和肤色的变化。它用于确定心脏健康指标，例如动脉僵硬度和血压。
亚马逊还申请了一项结合面部识别和心率分析的被动监控专利。人工智能发现模式的能力将继续识别以前未知的风险因素，并为新的诊断方法铺平道路。
15药物发现
随着人工智能生物科技初创公司的兴起，传统制药公司正在寻求人工智能SaaS初创公司为漫长的药物开发周期提供创新的解决方案。辉瑞于2018年5月与XtalPi建立战略合作伙伴关系，预测小分子药物的特性并开发“基于计算的合理药物设计”。
包括诺华、赛诺菲、葛兰素史克、安进和默克在内的顶级制药公司近几个月都宣布与人工智能初创公司合作，在肿学和心脏病学等领域发现新药。
RecursionPharmaceuticals等生物技术人工智能公司
No Comment