Gartner預測：2019年七大AI趨勢，百萬行業將顛覆！
盡管科幻小說可能將人工智慧機器人描繪成壞人，但一些科技巨頭現在也將其用于安全。 微軟和優步等公司使用Knightscope K5機器人巡邏停車場和大型戶外區域來預測和預防犯罪。 機器人可以讀取車牌，報告可疑活動并收集數據以向其所有者報告。
這些人工智慧驅動的機器人只是“自主事物”的一個例子，它是2019年Gartner 7大戰略技術之一，有可能在未來五年內帶來重大中斷并帶來機遇。
趨勢1：自主事物
無論是汽車，機器人還是農業，自主事物都使用AI來執行傳統上由人類完成的任務。 智能的復雜程度各不相同，但所有自主事物都使用人工智慧與他們的環境進行更自然的交互。
自主事物有五種類型：
機器人
車輛
無人機
家電
虛擬助理
這五種類型占據四種環境：海洋，陸地，空中和數字。 它們都具有不同程度的能力，協調和智能。 例如，它們可以跨越在空中操作的無人機，人工輔助在田地中完全自主地操作的農業機器人。 這描繪了潛在應用的廣泛圖景，幾乎每個應用程序，服務和物聯網對象都將采用某種形式的AI來自動化或增強流程或人為操作。 諸如無人機群之類的協作自主事物將越來越多地推動人工智慧系統的未來發展。
趨勢2：增強式分析（大數據）
數據科學家現在擁有越來越多的數據來準備，分析和分組 - 并從中得出結論。鑒于數據量，探索所有可能性變得不可能。這意味著企業可能會錯過數據科學家無法探索的假設的關鍵見解。
增強分析代表了數據和分析能力的第三大浪潮，因為數據科學家使用自動算法來探索更多假設。數據科學和機器學習平臺已經改變了企業如何產生分析洞察力。
“到2020年，超過40％的數據科學任務將實現自動化”。
增強分析可識別隱藏的模式，同時消除個人偏見。雖然企業存在無意中將偏差插入算法的風險，但增強分析和自動化洞察最終將嵌入到企業應用程序中。
到2020年，公民數據科學家的數量將比專業數據科學家快5倍。公民數據科學家使用人工智慧驅動的增強分析工具，自動化數據科學功能，自動識別數據集，開發假設和識別數據模式。企業將把公民數據科學家視為實現和擴展數據科學能力的一種方式。 Gartner預測，到2020年，超過40％的數據科學任務將實現自動化，從而提高公民數據科學家的生產力和廣泛使用。在公民數據科學家和增強分析之間，數據洞察將在整個企業中得到更廣泛的應用，包括分析師，決策者和運營工作者。
趨勢3：人工智慧驅動的開發
AI驅動的開發著眼于將AI嵌入到應用程序中并使用AI為開發過程創建AI驅動的工具的工具，技術和最佳實踐。這一趨勢正在沿著三個方面發展：
用于構建基于AI的解決方案的工具正在從針對數據科學家（AI基礎設施，AI框架和AI平臺）的工具擴展到針對專業開發人員社區（AI平臺，AI服務）的工具。借助這些工具，專業開發人員可以將AI驅動的功能和模型注入應用程序，而無需專業數據科學家的參與。
用于構建基于AI的解決方案的工具正在被賦予AI驅動的功能，這些功能可以幫助專業開發人員并自動執行與AI增強型解決方案開發相關的任務。增強分析，自動化測試，自動代碼生成和自動化解決方案開發將加速開發過程，并使更廣泛的用戶能夠開發應用程序。
支持AI的工具正在從協助和自動化與應用程序開發（AD）相關的功能演變為使用業務領域專業知識和自動化AD流程堆棧（從一般開發到業務解決方案設計）的更高活動。
市場將從專注于與開發人員合作的數據科學家轉移到使用作為服務提供的預定義模型獨立運營的開發人員。這使更多的開發人員能夠利用這些服務，并提高效率。這些趨勢也導致虛擬軟件開發人員和非專業“公民應用程序開發人員”的主流使用。
趨勢4：賦權邊緣
邊緣計算是一種拓撲，其中信息處理和內容收集和傳遞更靠近信息源，并且將流量保持在本地將減少延遲。目前，該技術的大部分重點是物聯網系統需要在嵌入式物聯網世界中提供斷開連接或分布式功能。這種類型的拓撲結構將解決高WAN成本和不可接受的延遲水平等挑戰。此外，它還將實現數字業務和IT解決方案的細節。
“技術和思維將轉變為經驗將人們與數百個邊緣設備聯系起來的地步”。
到2028年，Gartner預計在邊緣設備中嵌入傳感器，存儲，計算和高級AI功能將不斷增加。一般而言，智能將走向各種終端設備的邊緣，從工業設備到屏幕再到智能手機再到汽車發電機。
趨勢5：沉浸式技術
到2028年，改變用戶與世界互動方式的會話平臺，以及改變用戶感知世界的方式的增強現實（AR），混合現實（MR）和虛擬現實（VR）等技術將帶來新的身臨其境的體驗。 AR，MR和VR顯示出提高生產力的潛力，下一代VR能夠感知形狀并跟蹤用戶的位置和MR，使人們能夠查看和與他們的世界互動。
到2022年，70％的企業將嘗試使用沉浸式技術進行消費和企業使用，25％將部署到生產中。會話平臺的未來，從虛擬個人助理到聊天機器人，將結合擴展的感官渠道，使平臺能夠根據面部表情檢測情緒，并且他們將在交互中變得更加對話。
最終，技術和思維將轉移到這樣的程度，即人們將數百種邊緣設備（從計算機到汽車）連接起來。
趨勢6：智能空間
智能空間是物理或數字環境，人類和技術支持的系統在日益開放，連接，協調和智能的生態系統中相互作用。隨著技術成為日常生活中更加集成的一部分，智能空間將進入加速交付的時期。此外，隨著個人解決方案成為智能空間，其他趨勢，如AI驅動技術，邊緣計算，區塊鏈和數字雙胞胎正在朝著這一趨勢發展。
智能空間僅在五個關鍵方面發展：開放性，連通性，協調性，智能性和范圍。從本質上講，智能空間正在發展，因為單個技術從孤島中產生，共同協作以創建協作和交互環境。智能空間最廣泛的例子是智能城市，其中結合商業，住宅和工業社區的區域正在使用智能城市生態系統框架進行設計，所有部門都與社會和社區協作相關聯。
趨勢7：量子計算
量子計算是一種非經典計算，它基于亞原子粒子的量子態，它將信息表示為表示為量子位或“量子位”的元素。
量子計算機是指數級可擴展且高度并行的計算模型。 想象傳統計算機和量子計算機之間差異的一種方法是想象一個巨大的圖書館。
雖然經典計算機會以線性方式讀取庫中的每本書，但量子計算機會同時讀取所有書籍。 量子計算機理論上可以同時處理數百萬次計算。 以商業可用，價格合理且可靠的服務形式進行的量子計算將改變一些行業。
顛覆未來 - 智能AI芯片
從推動PCB的生產到在增強現實中發揮不可或缺的作用，下一代人工智慧有可能徹底改變我們所知道的生活。谷歌發布自己的TPU以及Egde TPU：TPU是針對TensorFlow上的機器學習工作負載量身定制的定制應用專用集成電路（ASIC）。 雖然第一代TPU僅用于推理，但Cloud TPU適用于推理和機器學習培訓。Cloud TPU采用四個定制ASIC構建，可提供強大的64 GB高帶寬內存和180 TFLOPS性能。
去年，谷歌宣稱它的TPU比現代GPU和推理CPU快15到30倍，并且TOPS / Watt測量值提高了30-80倍。
在舊金山Google Next會議的主題演講中，Google Cloud的物聯網副總裁Injong Rhee宣布推出兩款新的AIY項目主板 - AIY Projects Edge TPU Dev Board和Edge TPU Accelerator 圍繞谷歌新推出的專用邊緣TPU。
盡管科幻小說可能將人工智慧機器人描繪成壞人，但一些科技巨頭現在也將其用于安全。 微軟和優步等公司使用Knightscope K5機器人巡邏停車場和大型戶外區域來預測和預防犯罪。 機器人可以讀取車牌，報告可疑活動并收集數據以向其所有者報告。
這些人工智慧驅動的機器人只是“自主事物”的一個例子，它是2019年Gartner 7大戰略技術之一，有可能在未來五年內帶來重大中斷并帶來機遇。
趨勢1：自主事物
無論是汽車，機器人還是農業，自主事物都使用AI來執行傳統上由人類完成的任務。 智能的復雜程度各不相同，但所有自主事物都使用人工智慧與他們的環境進行更自然的交互。
自主事物有五種類型：
機器人
車輛
無人機
家電
虛擬助理
這五種類型占據四種環境：海洋，陸地，空中和數字。 它們都具有不同程度的能力，協調和智能。 例如，它們可以跨越在空中操作的無人機，人工輔助在田地中完全自主地操作的農業機器人。 這描繪了潛在應用的廣泛圖景，幾乎每個應用程序，服務和物聯網對象都將采用某種形式的AI來自動化或增強流程或人為操作。 諸如無人機群之類的協作自主事物將越來越多地推動人工智慧系統的未來發展。
趨勢2：增強式分析（大數據）
數據科學家現在擁有越來越多的數據來準備，分析和分組 - 并從中得出結論。鑒于數據量，探索所有可能性變得不可能。這意味著企業可能會錯過數據科學家無法探索的假設的關鍵見解。
增強分析代表了數據和分析能力的第三大浪潮，因為數據科學家使用自動算法來探索更多假設。數據科學和機器學習平臺已經改變了企業如何產生分析洞察力。
“到2020年，超過40％的數據科學任務將實現自動化”。
增強分析可識別隱藏的模式，同時消除個人偏見。雖然企業存在無意中將偏差插入算法的風險，但增強分析和自動化洞察最終將嵌入到企業應用程序中。
到2020年，公民數據科學家的數量將比專業數據科學家快5倍。公民數據科學家使用人工智慧驅動的增強分析工具，自動化數據科學功能，自動識別數據集，開發假設和識別數據模式。企業將把公民數據科學家視為實現和擴展數據科學能力的一種方式。 Gartner預測，到2020年，超過40％的數據科學任務將實現自動化，從而提高公民數據科學家的生產力和廣泛使用。在公民數據科學家和增強分析之間，數據洞察將在整個企業中得到更廣泛的應用，包括分析師，決策者和運營工作者。
趨勢3：人工智慧驅動的開發
AI驅動的開發著眼于將AI嵌入到應用程序中并使用AI為開發過程創建AI驅動的工具的工具，技術和最佳實踐。這一趨勢正在沿著三個方面發展：
用于構建基于AI的解決方案的工具正在從針對數據科學家（AI基礎設施，AI框架和AI平臺）的工具擴展到針對專業開發人員社區（AI平臺，AI服務）的工具。借助這些工具，專業開發人員可以將AI驅動的功能和模型注入應用程序，而無需專業數據科學家的參與。
用于構建基于AI的解決方案的工具正在被賦予AI驅動的功能，這些功能可以幫助專業開發人員并自動執行與AI增強型解決方案開發相關的任務。增強分析，自動化測試，自動代碼生成和自動化解決方案開發將加速開發過程，并使更廣泛的用戶能夠開發應用程序。
支持AI的工具正在從協助和自動化與應用程序開發（AD）相關的功能演變為使用業務領域專業知識和自動化AD流程堆棧（從一般開發到業務解決方案設計）的更高活動。
市場將從專注于與開發人員合作的數據科學家轉移到使用作為服務提供的預定義模型獨立運營的開發人員。這使更多的開發人員能夠利用這些服務，并提高效率。這些趨勢也導致虛擬軟件開發人員和非專業“公民應用程序開發人員”的主流使用。
趨勢4：賦權邊緣
邊緣計算是一種拓撲，其中信息處理和內容收集和傳遞更靠近信息源，并且將流量保持在本地將減少延遲。目前，該技術的大部分重點是物聯網系統需要在嵌入式物聯網世界中提供斷開連接或分布式功能。這種類型的拓撲結構將解決高WAN成本和不可接受的延遲水平等挑戰。此外，它還將實現數字業務和IT解決方案的細節。
“技術和思維將轉變為經驗將人們與數百個邊緣設備聯系起來的地步”。
到2028年，Gartner預計在邊緣設備中嵌入傳感器，存儲，計算和高級AI功能將不斷增加。一般而言，智能將走向各種終端設備的邊緣，從工業設備到屏幕再到智能手機再到汽車發電機。
趨勢5：沉浸式技術
到2028年，改變用戶與世界互動方式的會話平臺，以及改變用戶感知世界的方式的增強現實（AR），混合現實（MR）和虛擬現實（VR）等技術將帶來新的身臨其境的體驗。 AR，MR和VR顯示出提高生產力的潛力，下一代VR能夠感知形狀并跟蹤用戶的位置和MR，使人們能夠查看和與他們的世界互動。
到2022年，70％的企業將嘗試使用沉浸式技術進行消費和企業使用，25％將部署到生產中。會話平臺的未來，從虛擬個人助理到聊天機器人，將結合擴展的感官渠道，使平臺能夠根據面部表情檢測情緒，并且他們將在交互中變得更加對話。
最終，技術和思維將轉移到這樣的程度，即人們將數百種邊緣設備（從計算機到汽車）連接起來。
趨勢6：智能空間
智能空間是物理或數字環境，人類和技術支持的系統在日益開放，連接，協調和智能的生態系統中相互作用。隨著技術成為日常生活中更加集成的一部分，智能空間將進入加速交付的時期。此外，隨著個人解決方案成為智能空間，其他趨勢，如AI驅動技術，邊緣計算，區塊鏈和數字雙胞胎正在朝著這一趨勢發展。
智能空間僅在五個關鍵方面發展：開放性，連通性，協調性，智能性和范圍。從本質上講，智能空間正在發展，因為單個技術從孤島中產生，共同協作以創建協作和交互環境。智能空間最廣泛的例子是智能城市，其中結合商業，住宅和工業社區的區域正在使用智能城市生態系統框架進行設計，所有部門都與社會和社區協作相關聯。
趨勢7：量子計算
量子計算是一種非經典計算，它基于亞原子粒子的量子態，它將信息表示為表示為量子位或“量子位”的元素。
量子計算機是指數級可擴展且高度并行的計算模型。 想象傳統計算機和量子計算機之間差異的一種方法是想象一個巨大的圖書館。
雖然經典計算機會以線性方式讀取庫中的每本書，但量子計算機會同時讀取所有書籍。 量子計算機理論上可以同時處理數百萬次計算。 以商業可用，價格合理且可靠的服務形式進行的量子計算將改變一些行業。
顛覆未來 - 智能AI芯片
從推動PCB的生產到在增強現實中發揮不可或缺的作用，下一代人工智慧有可能徹底改變我們所知道的生活。谷歌發布自己的TPU以及Egde TPU：TPU是針對TensorFlow上的機器學習工作負載量身定制的定制應用專用集成電路（ASIC）。 雖然第一代TPU僅用于推理，但Cloud TPU適用于推理和機器學習培訓。Cloud TPU采用四個定制ASIC構建，可提供強大的64 GB高帶寬內存和180 TFLOPS性能。
去年，谷歌宣稱它的TPU比現代GPU和推理CPU快15到30倍，并且TOPS / Watt測量值提高了30-80倍。
在舊金山Google Next會議的主題演講中，Google Cloud的物聯網副總裁Injong Rhee宣布推出兩款新的AIY項目主板 - AIY Projects Edge TPU Dev Board和Edge TPU Accelerator 圍繞谷歌新推出的專用邊緣TPU。
請按此登錄後留言。未成為會員? 立即註冊