Gartner預測：2019年七大AI科技趨勢 百萬行業將顛覆
儘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於安全。 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，報告可疑活動並收集資料以向其所有者報告。
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並帶來機遇。
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。 智慧的複雜程度各不相同，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互動。
自主事物有五種型別：機器人、車輛、無人機、家電、虛擬助理。
這五種型別佔據四種環境：海洋，陸地，空中和數字。 它們都具有不同程度的能力，協調和智慧。 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，幾乎每個應用程式，服務和物聯網物件都將採用某種形式的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（大資料）
資料科學家現在擁有越來越多的資料來準備，分析和分組 - 並從中得出結論。鑑於資料量，探索所有可能性變得不可能。這意味著企業可能會錯過資料科學家無法探索的假設的關鍵見解。
增強分析代表了資料和分析能力的第三大浪潮，因為資料科學家使用自動演算法來探索更多假設。資料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%的資料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演算法的風險，但增強分析和自動化洞察最終將嵌入到企業應用程式中。
到2020年，公民資料科學家的數量將比專業資料科學家快5倍。公民資料科學家使用人工智慧驅動的增強分析工具，自動化資料科學功能，自動識別資料集，開發假設和識別資料模式。企業將把公民資料科學家視為實現和擴充套件資料科學能力的一種方式。 Gartner預測，到2020年，超過40%的資料科學任務將實現自動化，從而提高公民資料科學家的生產力和廣泛使用。在公民資料科學家和增強分析之間，資料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驅動的開發著眼於將AI嵌入到應用程式中並使用AI為開發過程建立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：
用於構建基於AI的解決方案的工具正在從針對資料科學家(AI基礎設施，AI框架和AI平臺)的工具擴充套件到針對專業開發人員社群(AI平臺，AI服務)的工具。藉助這些工具，專業開發人員可以將AI驅動的功能和模型注入應用程式，而無需專業資料科學家的參與。
用於構建基於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並自動執行與AI增強型解決方案開發相關的任務。增強分析，自動化測試，自動程式碼生成和自動化解決方案開發將加速開發過程，並使更廣泛的使用者能夠開發應用程式。
支援AI的工具正在從協助和自動化與應用程式開發(AD)相關的功能演變為使用業務領域專業知識和自動化AD流程堆疊(從一般開發到業務解決方案設計)的更高活動。
市場將從專注於與開發人員合作的資料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，並提高效率。這些趨勢也導致虛擬軟體開發人員和非專業“公民應用程式開發人員”的主流使用。
趨勢4：賦權邊緣
邊緣計算是一種拓撲，其中資訊處理和內容收集和傳遞更靠近資訊源，並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線或分散式功能。這種型別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裝置聯絡起來的地步”。
到2028年，Gartner預計在邊緣裝置中嵌入感測器，儲存，計算和高階AI功能將不斷增加。一般而言，智慧將走向各種終端裝置的邊緣，從工業裝置到螢幕再到智慧手機再到汽車發電機。
趨勢5：沉浸式技術
到2028年，改變使用者與世界互動方式的會話平臺，以及改變使用者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能夠感知形狀並跟蹤使用者的位置和MR，使人們能夠檢視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，將結合擴充套件的感官渠道，使平臺能夠根據面部表情檢測情緒，並且他們將在互動中變得更加對話。
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裝置(從計算機到汽車)連線起來。
趨勢6：智慧空間
智慧空間是物理或數字環境，人類和技術支援的系統在日益開放，連線，協調和智慧的生態系統中相互作用。隨著技術成為日常生活中更加整合的一部分，智慧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慧空間，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。
智慧空間僅在五個關鍵方面發展：開放性，連通性，協調性，智慧性和範圍。從本質上講，智慧空間正在發展，因為單個技術從孤島中產生，共同協作以建立協作和互動環境。智慧空間最廣泛的例子是智慧城市，其中結合商業，住宅和工業社群的區域正在使用智慧城市生態系統框架進行設計，所有部門都與社會和社群協作相關聯。
趨勢7：量子計算
量子計算是一種非經典計算，它基於亞原子粒子的量子態，它將資訊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充套件且高度並行的計算模型。 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 - 智慧AI晶片
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。谷歌釋出自己的TPU以及Egde TPU：TPU是針對TensorFlow上的機器學習工作負載量身定製的定製應用專用積體電路(ASIC)。 雖然第一代TPU僅用於推理，但Cloud TPU適用於推理和機器學習培訓。Cloud TPU採用四個定製ASIC構建，可提供強大的64 GB高頻寬記憶體和180 TFLOPS效能。
去年，谷歌宣稱它的TPU比現代GPU和推理CPU快15到30倍，並且TOPS / Watt測量值提高了30-80倍。