日韩一级一片

　　近年来，人工智能又再一次刷新我們的三观，ai的出现使得很多人的饭碗变得岌岌可危，在未来AI人工智能会进一步发展，将会极大的解放生产力，劳动力，先不说未来，我們先看在19年，人工智能都会有那些新趋势？

　　趨勢二：人工智能將會基于現有的分析應用而構建。

     在过去几年里，很多公司都在构建流程和基础架构来解锁异构的数据源，以便提升主要的关键分析任务的表现。这些任务包括了商业分析、推荐器和个性化服務、预测、异常检测和监控任务等。

　　趋势三：用户体验和用户界面的設計将会很重要。

      当前许多的人工智能解决方案需要和消费者、人类工人和专家携手工作。这些系统提升了用户的工作效率，在许多情况下使他们能够以难以置信的规模和准确度完成任务。恰当的用户体验和用户界面設計不仅能够简化这些任务，而且长期来看，这能让用户信任人工智能的解决方案，并使用它们。

　　趨勢四：有專門用于感知、模型訓練和模型推理的硬件。

       凭借创造了记录的语音和计算机视觉的模型，深度學習在2011年复兴。今天已经有足够大的规模来证明需要专用的硬件。Facebook在一天里就做出数万亿次预测。谷歌也有足够的规模来证明自己制造专用硬件的合理性--从去年开始，谷歌一直在其云环境中使用自己的张量处理单元（TPU）。2019年将出现更多的专用硬件。在中国和美国，许多公司和创业企业一直致力于制造面向模型构建和推理的硬件来用于数据中心和边缘设备。

　　趨勢五：人工智能解決方案將會繼續基于混合模型。

      虽然深度學習将继续引领许多有趣的研究，但大多数端到端的解决方案依然是混合系统。2019年，我們将开始更多地了解其他组件和方法的基本作用--包括基于模型的方法，如贝叶斯推理、树搜索、进化、知识图谱、仿真平台等。

　　趨勢六：人工智能的成功將會刺激對新工具和流程的投資。

我們处在一个高度经验主义的机器学习时代。机器学习开发的工具需要认识到数据、实验和模型搜索、模型部署和监控的重要性。只看这个过程中的一个步骤：模型构建，企业就已经开始研究用于数据血缘、元数据管理和分析、计算资源高效利用、高效模型搜索和超参数调优的工具。在2019年，我們预计将会出现许多新工具，它们能够让开发和实际部署人工智能和机器学习産品和服務更加容易。

　　趨勢九：大量訓練數據的民主化將帶來比較公平的競爭環境

     因为我們所依赖的许多模型（包括深度學習和强化学习）都需要大量的数据，所以人工智能開發领域可预见的赢家一直是能够获得大量数据的大公司或国家。但是，用于生成标注数据集的服務商（特别是那些依赖于人类标注的公司）正在开始使用机器学习工具来帮助他们的人类员工实现规模化和提高准确性。在某些领域，生成对抗网络（GAN）和仿真平台等新工具能够提供真实的合成数据用于训练机器学习模型。