行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 机器学习 > 正文

2019年五大AI趋势出炉:定制AI芯片、与IoT融合和自

    2019年,预计AI技术仍会继续发展,AI五大发展趋势分别是定制AI芯片、物联网(IoT)与AI在边缘计算的融合、神经网络的互操作性、自动化机器学习和AIOps。亚马逊、苹果、Facebook、谷歌、IBM和微软等公司正在投资研发AI技术,这将会把AI更贴近消费者,促进整体生态系统的发展。

  回顾2018年,基于机器学习和AI的平台、工具和应用程序急剧增长。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。

  以下是2019年值得关注的五大AI趋势:

  定制AI芯片兴起

  与其他软件不同,AI严重依赖专用处理器来补充CPU的功能。即使是最快和最先进的CPU也可能无法提高AI模型的速度。AI模型在运行的时候,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、NVIDIA、AMD、ARM和高通等芯片制造商将推出专用芯片,加速AI应用的执行。

  这些芯片将针对计算机视觉、自然语言处理和语音识别的特定用例和场景,并进行优化。医疗保健和汽车行业的新一代应用将会依赖这类芯片,为最终用户提供智能服务。

  2019年,亚马逊、微软、谷歌和Facebook等超大规模基础设施公司将会增加投资基于现场可编程门阵列(FPGA)和专用集成电路(ASIC)的定制芯片。

  这些芯片将进行大量优化,针对AI和高性能计算(HPC)运行的计算工作。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。

  目前的用例有亚马逊的Nitro项目、谷歌的Cloud TPU、微软的Project Brainwave、英特尔的Myriad X VPU。

  物联网和AI在边缘计算融合

  在2019年,AI在边缘计算会跟物联网融合。在公共云中运行的大多数模型将部署在边缘计算层面。

  工业物联网是AI的最佳用例,可以执行异常检测、根本原因分析和设备的预测性维护。

  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。他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。

  物联网将成为企业中AI的最大驱动力。边缘设备将会配备基于FPGA和ASIC的特制AI芯片。

  早期用例包括AWS Greengrass支持边缘机器学习、Azure IoT Edge的AI工具包、谷歌的Cloud IoT Edge、FogHorn Lightning Edge Intelligence和蒂布可的Project Flogo。

  神经网络之间的互操作性成为关键

  开发神经网络模型的关键之一在于选择正确的框架。数据科学家和开发人员必须从众多选择中选择合适的工具,包括Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit和TensorFlow。

  一旦模型在特定框架中进行了调试和评估,就很难将调试好的模型移植到另一个框架中。

  神经网络工具包之间缺乏互操作性阻碍了AI的进一步采用。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可以再次使用经过调试的神经网络模型。

  在2019年,ONNX将成为该行业的重要技术,从研究人员到边缘设备制造商、生态系统的所有关键参与者都将依赖ONNX运行环境。

  早期用例包括Windows 10系统附带ONNX运行环境,而英特尔的OpenVINO工具包可支持ONNX。

  自动化机器学习将会更加突出

  从根本上改变基于机器学习的解决方案的趋势就是自动化机器学习(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,而不用经过机器学习模型传统的调试过程。

  使用自动化机器学习平台时,业务分析师可以专注于业务问题,而不是陷入程序和工作流程问题中。

  自动化机器学习完全适用认知API(应用编程接口)和自定义机器学习平台。它提供了合适的自定义功能,开发人员可以不用完成传统的工作流程。

  跟认知API不同的是,自动化机器学习具有相同程度的灵活性,但又结合了自定义数据与可转移性。

  早期用例包括DataRobot、谷歌的Cloud AutoML、微软的自定义认知API,Amazon Comprehend的自定义对象(Custom Entities)。

  AIOps兴起

  现代应用程序和基础架构正在生成为索引、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获得的海量数据集可以进行聚合和关联,然后形成方案和模式。当机器学习模型应用到这些数据集时,IT操作就可以从被动转变为预测层面。

  DevOps(Development和Operations的组合词)是一种重视“软件开发人员(Dev)”和“IT运维技术人员(Ops)”之间沟通合作的文化、运动或惯例。

  当AI的强大功能在运行的时候发挥作用时,AI将重新定义基础架构的管理方式。机器学习和AI在IT和DevOps中的应用将会带来更加智能的模式,帮助运营团队进行精准的根本原因分析。

  AIOps(AI和Operations的组合詞)将在2019年成为主流,这将会有助于公共云供应商和企业的发展。

  早期用例包括Moogsoft AIOps、亚马逊的EC2 Predictive Scaling、微软的Azure VM resiliency、亚马逊的S3 Intelligent Tiering。

  机器学习和人工智能将成为2019年的关键技术趋势。从业务应用到IT支持,AI将对行业产生重大影响。

微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2026 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

扫码入群
扫码关注

微信公众号

返回顶部