9月2日消息 人工智能是發(fā)展最快，最難以預(yù)測(cè)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(xué)習(xí)，人工智能驅(qū)動(dòng)的機(jī)器翻譯，可以掌握最復(fù)雜游戲的機(jī)器人等。
但是嘗試預(yù)測(cè)ai的未來會(huì)是怎樣結(jié)果。我們?cè)儐柫丝茖W(xué)家和ai專家關(guān)于他們認(rèn)為來年ai領(lǐng)域?qū)?huì)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(zhǔn)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(shí)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(shè)備利用率，人員配備等)實(shí)時(shí)獲取數(shù)據(jù)并以有意義的方式進(jìn)行解釋和分析的能力，從而可以實(shí)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(jì)劃，自動(dòng)報(bào)告和設(shè)備設(shè)置的自動(dòng)初始化的形式進(jìn)行，這將“根據(jù)個(gè)別臨床醫(yī)生的工作方式和個(gè)別患者的狀況進(jìn)行定制-改善患者和工作人員的體驗(yàn)，結(jié)果更好，并有助于降低成本。”
在許多醫(yī)療系統(tǒng)中，與復(fù)雜的流程，缺乏預(yù)防保健以及過度和不足的診斷和治療有關(guān)，造成了巨大浪費(fèi)。這些都是ai真正可以發(fā)揮作用的領(lǐng)域，此外，人工智能最有希望的應(yīng)用之一將是在\\\’指揮中心\\\’領(lǐng)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(yīng)用程序開發(fā)的關(guān)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(jù)科學(xué)和ai進(jìn)行合作，開創(chuàng)了將該技術(shù)應(yīng)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(lǐng)域知識(shí)相結(jié)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(shí)間讓他們專注于圍繞臨床醫(yī)生的困難，通常是復(fù)雜的決策單個(gè)患者的護(hù)理，支持ai的系統(tǒng)將跟蹤，預(yù)測(cè)和支持患者的分配以及醫(yī)務(wù)人員，icu病床，手術(shù)室以及診斷和治療設(shè)備的可用性。
可解釋性和信任將受到更多關(guān)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(fù)責(zé)人karthik ramakrishnan說道：“ 2019年見證了ai道德規(guī)范和風(fēng)險(xiǎn)管理的早期原則的出現(xiàn)，并且已經(jīng)在工具包和其他研究方法中實(shí)施這些原則的早期嘗試。可解釋性的概念(能夠解釋基于ai的決策背后的力量)也越來越廣為人知。”
當(dāng)然，2019年人們對(duì)ai倫理的關(guān)注日益增強(qiáng)。今年早些時(shí)候，歐洲委員會(huì)發(fā)布了七套開發(fā)道德ai的指南。10月，由深度學(xué)習(xí)的先驅(qū)者之一yoshua bengio共同創(chuàng)立的element ai與mozilla基金會(huì)合作創(chuàng)建了數(shù)據(jù)信任關(guān)系，并推動(dòng)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(chǎng)上出現(xiàn)了一些明顯的失敗之后，人們對(duì)道德ai的興趣日益增長，例如apple pay推出或最近對(duì)cambridge analytica丑聞的興趣激增。
到2020年，無論是否準(zhǔn)備好，企業(yè)都將更加關(guān)注ai信任。希望看到風(fēng)投也關(guān)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(duì)數(shù)據(jù)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(yīng)對(duì)ai中數(shù)據(jù)挑戰(zhàn)的數(shù)據(jù)合成方法的興起。”深度學(xué)習(xí)技術(shù)需要大量數(shù)據(jù)，這意味著基于深度學(xué)習(xí)構(gòu)建的ai算法只有在對(duì)大量數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)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(jù)類型和必要的數(shù)據(jù)量具有挑戰(zhàn)性。
人工智能領(lǐng)域的許多研究人員正在開始測(cè)試和使用新興的數(shù)據(jù)合成方法，以克服他們可獲得的現(xiàn)實(shí)世界數(shù)據(jù)的局限性。借助這些方法，公司可以獲取已經(jīng)收集的數(shù)據(jù)并將其綜合以創(chuàng)建新數(shù)據(jù)。
以汽車行業(yè)為例。隨著行業(yè)致力于開發(fā)先進(jìn)的駕駛員安全功能并個(gè)性化運(yùn)輸體驗(yàn)，人們對(duì)了解車內(nèi)人員的狀況非常感興趣。但是，收集實(shí)際的驅(qū)動(dòng)程序數(shù)據(jù)既困難，昂貴又耗時(shí)。數(shù)據(jù)綜合正在幫助解決這一問題。
得益于生成對(duì)抗網(wǎng)絡(luò)(gan)等領(lǐng)域的進(jìn)步，許多ai研究領(lǐng)域現(xiàn)在可以合成自己的訓(xùn)練數(shù)據(jù)。但是，數(shù)據(jù)綜合并不能消除收集現(xiàn)實(shí)世界數(shù)據(jù)的需求，el kaliouby提醒說：“ 真實(shí)數(shù)據(jù)對(duì)于開發(fā)精確的ai算法始終至關(guān)重要。但是，數(shù)據(jù)綜合]可以擴(kuò)充這些數(shù)據(jù)集。”
提高神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性和效率
波士頓大學(xué)計(jì)算機(jī)科學(xué)系副教授kate saenko表示：“神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)將繼續(xù)擴(kuò)大規(guī)模和深度，并產(chǎn)生更準(zhǔn)確的結(jié)果，并且將更好地模仿人類在涉及數(shù)據(jù)分析的任務(wù)上的表現(xiàn)。”“與此同時(shí)，提高神經(jīng)網(wǎng)絡(luò)效率的方法也將得到改善，我們將看到在小型設(shè)備上運(yùn)行更多實(shí)時(shí)且節(jié)能的網(wǎng)絡(luò)。”
saenko預(yù)測(cè)，諸如deepfake之類的神經(jīng)生成方法還將繼續(xù)改善并創(chuàng)建對(duì)人類無法檢測(cè)到的文本，照片，視頻，音頻和其他多媒體的更加實(shí)際的處理。deepfake的創(chuàng)建和檢測(cè)已經(jīng)成為規(guī)則的追逐者。
隨著ai進(jìn)入越來越多的領(lǐng)域，將會(huì)出現(xiàn)新的問題和擔(dān)憂。saenko說：“隨著這些ai方法越來越廣泛地應(yīng)用于社會(huì)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(shù)進(jìn)行監(jiān)視。”
saenko也是bu的計(jì)算機(jī)視覺和學(xué)習(xí)小組的主管，在研究視覺ai算法方面擁有很多年經(jīng)驗(yàn)。在2018年，她幫助開發(fā)了rise，這是一種檢查計(jì)算機(jī)視覺算法做出的決策的方法。
自動(dòng)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(lǐng)域看到重大的創(chuàng)新：使用ai來幫助自動(dòng)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(dòng)化已成為研究和開發(fā)領(lǐng)域的一個(gè)增長領(lǐng)域。一個(gè)示例就是google的automl，該工具可簡化創(chuàng)建機(jī)器學(xué)習(xí)模型的過程，并使該技術(shù)可供更廣泛的受眾使用。今年早些時(shí)候，ibm推出了autoai平臺(tái)，該平臺(tái)可用于自動(dòng)化數(shù)據(jù)準(zhǔn)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(jīng)符號(hào)ai的示例，該方法將統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)的方法與強(qiáng)大的知識(shí)表示和推理技術(shù)相結(jié)合，從而產(chǎn)生可以從更少數(shù)據(jù)中學(xué)習(xí)的更具解釋性和魯棒性的ai。”
一個(gè)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(jīng)典的基于規(guī)則的ai和神經(jīng)網(wǎng)絡(luò)相結(jié)合，在解決當(dāng)前ai模型的某些地方性問題(包括大量數(shù)據(jù)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(shí)現(xiàn)生產(chǎn)線現(xiàn)代化的一年。”對(duì)于制造業(yè)而言，最大的挑戰(zhàn)之一就是質(zhì)量控制。產(chǎn)品經(jīng)理正在努力檢查每個(gè)單獨(dú)的產(chǎn)品和組件，同時(shí)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(jìn)行集成，ai將能夠擴(kuò)大并應(yīng)對(duì)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(qiáng)制造業(yè)中的現(xiàn)有流程：減輕了平凡和潛在危險(xiǎn)任務(wù)的負(fù)擔(dān)，使員工有更多時(shí)間專注于創(chuàng)新產(chǎn)品開發(fā)，這將推動(dòng)行業(yè)前進(jìn)。
制造商將走向邊緣，隨著ai和數(shù)據(jù)的集中化，制造商被迫向頂級(jí)云提供商支付巨額費(fèi)用，以訪問保持系統(tǒng)正常運(yùn)行的數(shù)據(jù)?；谠频腶i的挑戰(zhàn)刺激了一系列創(chuàng)新，以創(chuàng)建可以運(yùn)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(xùn)ai的新途徑將變得更加普遍。隨著我們進(jìn)入新的一年，越來越多的制造商將開始轉(zhuǎn)向邊緣以生成數(shù)據(jù)，最小化延遲問題并減少大量的云費(fèi)用。通過在需要的地方(邊緣)運(yùn)行ai，制造商可以保持其數(shù)據(jù)的所有權(quán)。
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(jīng)濟(jì)安全的頭等大事。”“政府已經(jīng)在人工智能上進(jìn)行了大量投資，作為可能的下一個(gè)競爭領(lǐng)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(jì)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(bǔ)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(huì)指出，未來十年中國可能會(huì)超過美國的研發(fā)支出。nscai在其初步報(bào)告中概述了五點(diǎn)：投資于ai研發(fā)，將ai應(yīng)用于國家安全任務(wù)，培訓(xùn)和招募ai人才，保護(hù)技術(shù)優(yōu)勢(shì)以及統(tǒng)籌全球協(xié)調(diào)。”
藥物發(fā)現(xiàn)中的ai
chooch首席執(zhí)行官emrah gultekin表示：“我們預(yù)計(jì)，隨著人工視覺過程的自動(dòng)化，藥物發(fā)現(xiàn)將在2020年得到極大改善，因?yàn)橐曈Xai將能夠大規(guī)模監(jiān)視和檢測(cè)細(xì)胞藥物相互作用。”“目前，在臨床試驗(yàn)中浪費(fèi)了很多年，因?yàn)樗幬镅芯咳藛T正在做筆記，然后在電子