在2018年期间，我们目睹了基于人工智能的平台、工具和应用程序的急剧增长。这些技术不仅影响了软件和互联网行业，还影响了其他垂直行业，如医疗保健、法律、制造业、汽车和农业。在2019年以后，我们将继续看到人工智能相关技术的进步。亚马逊、苹果、Facebook、谷歌、IBM和微软等公司都在大规模投资研发人工智能，这有助于推动人工智能及其生态的快速发展。

以下是人工智能领域在2019年值得注意的五种趋势：

人工智能芯片的兴起

与其他软件不同，人工智能严重依赖专用处理器来补充CPU。在推理时，模型需要额外的硬件来执行复杂的数学计算，以加速对象检测和面部识别等任务。2019年，英特尔、英伟达、AMD、ARM和高通等芯片制造商将推出专用芯片，这些芯片将针对与计算机视觉、自然语言处理和语音识别相关的特定用例和场景进行优化。来自医疗保健和汽车行业的下一代应用将依赖这些芯片为最终用户提供智能。

2019年也将是亚马逊、微软、谷歌和Facebook等超大规模基础架构公司，增加对基于现场可编程门阵列（FPGA）和专用集成电路（ASIC）的定制芯片投资的一年，这些芯片将针对人工智能和高性能计算（HPC）的现代工作负载进行大量优化，其中一些芯片还将协助下一代数据库加速查询处理和预测分析。

在2019年，人工智能将在边缘计算层遇到物联网。在公共云中训练的大多数模型都将部署在边缘，基于深度神经网络的高级机器学习模型将进行优化以在边缘运行。它们将能够处理视频帧、语音合成、时间序列数据和由摄像机、麦克风和其他传感器等设备生成的非结构化数据。

开发神经网络模型的关键挑战之一在于选择正确的框架。一旦模型在特定框架中完成了训练和评估，就很难将移植到另一个框架中。这种状况阻碍了人工智能的普及。

为了应对这一挑战，AWS、Facebook和微软合作构建了开放式神经网络交换（ONNX），这使得在多个框架中重用经过训练的神经网络模型成为可能。可以预见在2019年，ONNX将成为该行业的重要技术。

自动化机器学习已成为一个发展趋势，它将从根本上改变基于机器学习的解决方案，可使其不经过传统调试程序即可改进机器学习模型，进而处理复杂的场景。

从根本上改变机器学习解决方案的一个趋势是AutoML，它将使业务分析师和开发人员能够发展可以解决复杂场景的机器学习模型，而无需经过机器学习模型的典型培训，业务分析师可以专注于业务问题，而不是迷失在工作流程中。

DevOps是一套完整的IT运维工作流，以IT自动化和持续集成、持续部署为基础，来优化程序开发、测试、系统运维等所有环节。DevOps一词来自于Development和Operations，强调软件开发人员和运维人员的沟通合作，通过自动化流程来使软件的构建、测试、发布更加快捷、频繁和可靠。

AIOps即AI for IT Operations，指将人工智能应用于IT运维领域，基于已有的运维数据，通过机器学习来进一步解决自动化运维难以解决的问题。

现代化应用程序和基础设施可以生成用于索引、搜索和分析的日志数据。从硬件、操作系统、服务器软件和应用软件中获取的海量数据集可以聚合和关联，然后形成方案和模式。当机器学习模型应用于这些数据集时，IT运行即可从被动响应转变为主动预测。AI力量应用于运营将重新定义基础设施的管理方式。2019年，AIOps将成为主流，公共云供应商和企业将从AI和DevOps的融合中受益。

我国在人工智能、大数据、云计算、信息安全等领域已具有一定的技术实力，叠加多项政策出台推动人工智能产业在我国快速发展，人工智能场景正在逐步落地。在2019年，我国人工智能技术，在金融、交通、安防等领域的渗透率将快速提升。

（内容来源：网络）

往期精彩

● 我们升级改版啦！

● AI教材曝光！2019年将全部进入中小学

● 2018年大数据时代，你还在坐以待毙？

● 真正的Java学习从入门到精通，只需一个选择！