9月2日消息 人工智能是發(fā)展最快，最難以預測的行業(yè)之一。試想一下幾年前難以想象的所有事情：深度學習，人工智能驅動的機器翻譯，可以掌握最復雜游戲的機器人等。
但是嘗試預測ai的未來會是怎樣結果。我們詢問了科學家和ai專家關于他們認為來年ai領域將會發(fā)生什么的事情。這是您需要知道的。
人工智能將使醫(yī)療保健更準確，成本更低
飛利浦首席創(chuàng)新與戰(zhàn)略官jeroen tas告訴媒體：“人工智能在2020年的主要影響將是改變醫(yī)療工作流程，使患者和醫(yī)療專業(yè)人員從中受益，同時降低成本。它具有從多種醫(yī)院信息流(電子健康記錄，急診室入院，設備利用率，人員配備等)實時獲取數(shù)據并以有意義的方式進行解釋和分析的能力，從而可以實現(xiàn)廣泛的效率和醫(yī)療保健能力。”
tas解釋說，這將以優(yōu)化的計劃，自動報告和設備設置的自動初始化的形式進行，這將“根據個別臨床醫(yī)生的工作方式和個別患者的狀況進行定制-改善患者和工作人員的體驗，結果更好，并有助于降低成本。”
在許多醫(yī)療系統(tǒng)中，與復雜的流程，缺乏預防保健以及過度和不足的診斷和治療有關，造成了巨大浪費。這些都是ai真正可以發(fā)揮作用的領域，此外，人工智能最有希望的應用之一將是在\\\’指揮中心\\\’領域，這將優(yōu)化患者流量和資源分配。
飛利浦是無縫集成到現(xiàn)有醫(yī)療保健工作流程中的必要ai支持應用程序開發(fā)的關鍵參與者。目前，飛利浦全球每2名研究人員中就有1名與數(shù)據科學和ai進行合作，開創(chuàng)了將該技術應用于醫(yī)療保健革命的新方法。
例如，塔斯(tas)解釋了如何將ai與專業(yè)的臨床和領域知識相結合，將如何加快常規(guī)和簡單的是/否診斷的速度-不替代臨床醫(yī)生，而是騰出更多的時間讓他們專注于圍繞臨床醫(yī)生的困難，通常是復雜的決策單個患者的護理，支持ai的系統(tǒng)將跟蹤，預測和支持患者的分配以及醫(yī)務人員，icu病床，手術室以及診斷和治療設備的可用性。
可解釋性和信任將受到更多關注
“ 2020年將是ai值得信賴的一年，” element ai的咨詢和ai支持部門負責人karthik ramakrishnan說道：“ 2019年見證了ai道德規(guī)范和風險管理的早期原則的出現(xiàn)，并且已經在工具包和其他研究方法中實施這些原則的早期嘗試?？山忉屝缘母拍?能夠解釋基于ai的決策背后的力量)也越來越廣為人知。”
當然，2019年人們對ai倫理的關注日益增強。今年早些時候，歐洲委員會發(fā)布了七套開發(fā)道德ai的指南。10月，由深度學習的先驅者之一yoshua bengio共同創(chuàng)立的element ai與mozilla基金會合作創(chuàng)建了數(shù)據信任關系，并推動了ai的道德使用。微軟(microsoft)和谷歌(google)等大型科技公司也已采取措施，使其ai開發(fā)符合道德規(guī)范。
ramakrishnan提醒我們，在信任和ai在市場上出現(xiàn)了一些明顯的失敗之后，人們對道德ai的興趣日益增長，例如apple pay推出或最近對cambridge analytica丑聞的興趣激增。
到2020年，無論是否準備好，企業(yè)都將更加關注ai信任。希望看到風投也關注，新的初創(chuàng)公司將為解決方案提供幫助。
人工智能將減少對數(shù)據的需求
affectiva首席執(zhí)行官兼聯(lián)合創(chuàng)始人rana el kaliouby說：“我們將看到用于應對ai中數(shù)據挑戰(zhàn)的數(shù)據合成方法的興起。”深度學習技術需要大量數(shù)據，這意味著基于深度學習構建的ai算法只有在對大量數(shù)據進行訓練和驗證后才能正確工作。但是開發(fā)ai的公司常常發(fā)現(xiàn)，獲取正確的數(shù)據類型和必要的數(shù)據量具有挑戰(zhàn)性。
人工智能領域的許多研究人員正在開始測試和使用新興的數(shù)據合成方法，以克服他們可獲得的現(xiàn)實世界數(shù)據的局限性。借助這些方法，公司可以獲取已經收集的數(shù)據并將其綜合以創(chuàng)建新數(shù)據。
以汽車行業(yè)為例。隨著行業(yè)致力于開發(fā)先進的駕駛員安全功能并個性化運輸體驗，人們對了解車內人員的狀況非常感興趣。但是，收集實際的驅動程序數(shù)據既困難，昂貴又耗時。數(shù)據綜合正在幫助解決這一問題。
得益于生成對抗網絡(gan)等領域的進步，許多ai研究領域現(xiàn)在可以合成自己的訓練數(shù)據。但是，數(shù)據綜合并不能消除收集現(xiàn)實世界數(shù)據的需求，el kaliouby提醒說：“ 真實數(shù)據對于開發(fā)精確的ai算法始終至關重要。但是，數(shù)據綜合]可以擴充這些數(shù)據集。”
提高神經網絡的準確性和效率
波士頓大學計算機科學系副教授kate saenko表示：“神經網絡體系結構將繼續(xù)擴大規(guī)模和深度，并產生更準確的結果，并且將更好地模仿人類在涉及數(shù)據分析的任務上的表現(xiàn)。”“與此同時，提高神經網絡效率的方法也將得到改善，我們將看到在小型設備上運行更多實時且節(jié)能的網絡。”
saenko預測，諸如deepfake之類的神經生成方法還將繼續(xù)改善并創(chuàng)建對人類無法檢測到的文本，照片，視頻，音頻和其他多媒體的更加實際的處理。deepfake的創(chuàng)建和檢測已經成為規(guī)則的追逐者。
隨著ai進入越來越多的領域，將會出現(xiàn)新的問題和擔憂。saenko說：“隨著這些ai方法越來越廣泛地應用于社會中，它們將受到更多的可靠性和偏見的審查，例如，越來越多的地方政府出于隱私和公平考慮而考慮禁止使用ai技術進行監(jiān)視。”
saenko也是bu的計算機視覺和學習小組的主管，在研究視覺ai算法方面擁有很多年經驗。在2018年，她幫助開發(fā)了rise，這是一種檢查計算機視覺算法做出的決策的方法。
自動化的ai開發(fā)
ibm research ai副總裁sriram raghavan表示：“到2020年，我們期望在ibm所謂的“ ai for ai”領域看到重大的創(chuàng)新：使用ai來幫助自動化創(chuàng)建，部署，管理和操作ai模型生命周期中涉及的步驟和流程。
在過去的幾年中，人工智能的自動化已成為研究和開發(fā)領域的一個增長領域。一個示例就是google的automl，該工具可簡化創(chuàng)建機器學習模型的過程，并使該技術可供更廣泛的受眾使用。今年早些時候，ibm推出了autoai平臺，該平臺可用于自動化數(shù)據準備，模型開發(fā)，功能工程和超參數(shù)優(yōu)化。
raghavan表示：“此外，我們將開始看到更多使用神經符號ai的示例，該方法將統(tǒng)計數(shù)據驅動的方法與強大的知識表示和推理技術相結合，從而產生可以從更少數(shù)據中學習的更具解釋性和魯棒性的ai。”
一個例子是neurosymbolic concept learner，這是由ibm和mit的研究人員開發(fā)的一種混合ai模型。nscl將經典的基于規(guī)則的ai和神經網絡相結合，在解決當前ai模型的某些地方性問題(包括大量數(shù)據需求和缺乏可解釋性)方面顯示出了希望。
制造業(yè)中的ai
neurala的首席執(zhí)行官兼聯(lián)合創(chuàng)始人massimiliano versace說：“ 2020年將是制造業(yè)擁抱人工智能以實現(xiàn)生產線現(xiàn)代化的一年。”對于制造業(yè)而言，最大的挑戰(zhàn)之一就是質量控制。產品經理正在努力檢查每個單獨的產品和組件，同時還要滿足大量訂單的截止日期。”
versace相信，通過將ai解決方案作為工作流的一部分進行集成，ai將能夠擴大并應對這一挑戰(zhàn)，就像電鉆改變了我們使用螺絲起子的方式一樣，ai將通過以下方式增強制造業(yè)中的現(xiàn)有流程：減輕了平凡和潛在危險任務的負擔，使員工有更多時間專注于創(chuàng)新產品開發(fā)，這將推動行業(yè)前進。
制造商將走向邊緣，隨著ai和數(shù)據的集中化，制造商被迫向頂級云提供商支付巨額費用，以訪問保持系統(tǒng)正常運行的數(shù)據?；谠频腶i的挑戰(zhàn)刺激了一系列創(chuàng)新，以創(chuàng)建可以運行ai算法而無需鏈接到云的邊緣ai，軟件和硬件。
可以在邊緣部署和完善的培訓ai的新途徑將變得更加普遍。隨著我們進入新的一年，越來越多的制造商將開始轉向邊緣以生成數(shù)據，最小化延遲問題并減少大量的云費用。通過在需要的地方(邊緣)運行ai，制造商可以保持其數(shù)據的所有權。
人工智能的地緣政治含義
symphony ayasdiai首席執(zhí)行官ishan manaktala說：“人工智能將在2020年及以后繼續(xù)成為國家軍事和經濟安全的頭等大事。”“政府已經在人工智能上進行了大量投資，作為可能的下一個競爭領域。中國已投資超過1400億美元，而英國，法國和歐洲其他地區(qū)已向ai計劃投入了超過250億美元。美國起步較晚，2019年在人工智能上的支出約為20億美元，到2020年將超過40億美元。
manaktala補充說：“但是專家敦促增加投資，警告美國仍然落后。最近的美國國家人工智能安全委員會指出，未來十年中國可能會超過美國的研發(fā)支出。nscai在其初步報告中概述了五點：投資于ai研發(fā)，將ai應用于國家安全任務，培訓和招募ai人才，保護技術優(yōu)勢以及統(tǒng)籌全球協(xié)調。”
藥物發(fā)現(xiàn)中的ai
chooch首席執(zhí)行官emrah gultekin表示：“我們預計，隨著人工視覺過程的自動化，藥物發(fā)現(xiàn)將在2020年得到極大改善，因為視覺ai將能夠大規(guī)模監(jiān)視和檢測細胞藥物相互作用。”“目前，在臨床試驗中浪費了很多年，因為藥物研究人員正在做筆記，然后在電子