AI行业25大趋势：中国人脸识别、无人商店发展迅速

新的一年，人工智能会朝着什么方向发展？CB Insights今天发布的报告，预测了2019年AI行业的25大趋势。

在基础研究领域，开源框架、边缘计算、合成训练数据是行业大势。理论算法方面，胶囊网络、GAN、联合学习、强化学习仍是重点。

至于AI技术的实际应用，人脸识别、机器翻译、医疗影像、无人零售、对话机器人等过去的热点，今年还将会进一步发展。

报告中还特别提到了中国的创业公司、资本力量在人脸识别、无人零售领域的巨大推动作用。

AI技术的25个趋势

CB Insights提出了2019年AI的25个趋势，可以分为基础架构、体系结构和应用场景三个方面。应用场景又可以分为3类：智能预测、自然语言处理与合成、计算机视觉。

这25个趋势是：

1、开源框架

开源框架让AI进入门槛更低。

2、边缘AI

对实时决策的需求推动AI进入“边缘”。比如人脸识别、自动驾驶让AI进入手机、汽车进行本地运算，苹果和英伟达和许多创业公司都在开发人工智能芯片。

3、人脸识别

从解锁手机到登机航班，面部识别正在成为主流，已用在安全、零售和消费电子领域，面部识别正迅速成为生物认证的主要方式。

4、医疗影像诊断

AI软件产品的快速监管审批为AI医疗公司开辟了新的商业途径。在消费者方面，先进的图像识别技术正在将手机变成功能强大的家用诊断工具。

5、预测性维护

AI加持的IoT可以为企业节省数百万美元的意外故障费用。预测性维护是指用连续的数据收集来预测设备故障。由于降低了传感器成本，以及人工智能、边缘计算的推动，预测性维护已经变得更加广泛。

6、电子商务搜索

对搜索术语的语境理解正在逐渐走出“实验阶段”。早期的SaaS初创公司正在兴起，向第三方零售商销售搜索技术。

7、胶囊网络

深度学习推动了如今大多数AI应用，但胶囊网络（CapsulesNet）很快就会取而代之。与当前的卷积神经网络（CNN）相比，胶囊网络具有许多优点。对胶囊网络的研究还处于起步阶段，但可能会挑战当前最先进的图像识别方法。

8、下一代假肢

将生物学、物理学和机器学习结合起来。研究人员正在使用机器学习来解码来自身体传感器的信号，并将其转化为移动假肢装置的命令。今年，该行业将寻求更多发展，包括面向消费者试验产品。

9、临床试验登记

临床试验中面临的困难是如何招募合适的患者。AI可以从医疗记录中提取信息，与正在进行的研究进行比较，并向医生和患者提出相关研究建议。

10、生成对抗网络（GAN）

GAN将改变新闻、媒体、艺术乃至网络安全的未来。2019年最重要的AI趋势之一是GAN的进一步发展，和其他应用的溢出效应。

11、联合学习

使用本地数据集训练AI可以极大地提高其性能，但用户数据是私密的。Google的联合学习方可以在使用这些丰富的数据集的同时保护敏感数据。今年在药物发现和其他案例中会有更多联合学习的应用。

12、高级医疗保健生物识别技术

利用神经网络，研究人员开始研究和测量以前难以量化的非典型风险因素。从视网膜扫描到分析皮肤颜色变化，AI正在解锁新的诊断方法，并识别以前未知的风险因素。

13、自动索赔处理

保险公司和创业公司正在使用人工智能来计算车主的“风险评分”，分析事故图像并监控驾驶员行为。人工智能的进步正在改变这项曾经以人为主导的过程，允许更快的索赔结算。

14、反假货

知名品牌和典当商开始尝试使用AI。电商和实体店中，AI被用于识别仿冒产品和欺诈性商标侵权。

15、无人零售

到目前为止，亚马逊Go是唯一一个成功的无人零售商。此外还有防盗、部署成本、库存损耗等问题需要解决。

16、后台办公自动化

AI正在加入自动化管理工作，但不同性质和格式的数据使其成为一项具有挑战性的任务。不同的部门逐渐采用基于机器学习的工作流程解决方案。

17、语言翻译

语言翻译是一个尚未开发的市场机遇。像百度和谷歌这样的大型科技公司开始在这个领域掀起波澜。由于大量资源投入到改进翻译框架，因此机器翻译的效率和语言能力将得到提高，各行业的采用率也会提高。

18、综合训练数据

访问大型标记数据集是培训AI算法的必要条件。但对于某些应用程序，访问足够的真实数据可能是不可行de 。现实的假数据或合成数据集可以解决这一瓶颈问题。现实世界的数据还可以通过混合AI生成的模拟数据来增强，以创建更大、更多样化的数据集。

19、强化学习

研究人员正在通过强化学习推动AI的能力界限，但对大量数据集的需求限制了其实际应用。尽管存在挑战者，但主要参与者正在对该技术进行更多投资，对强化应用的研究正在增加。

20、网络优化

电信运营商正在准备将基于AI的解决方案集成到5G无线技术中。2019年及以后的AI关键趋势之一是将更多地融入全球电信网络。

21、自动驾驶汽车

尽管自动驾驶汽车具有巨大的市场机会，但完全实现的时间表仍不明确。例如物流运输等领域可以看出无人驾驶的早期应用。即使时间表仍不明确，各行各业都在积极投资并采用自动驾驶技术。

22、农作物监测

初创公司和现有企业正在用农作物监测AI来管理杀虫剂、发现问题，并预测天气变化如何影响农业。

23、发现网络威胁

计算能力和算法的进步正在将以前的理论攻击变成真正的安全问题。对网络攻击做出反应已经不够，机器学习能主动搜寻网络安全中的潜在威胁。

24、会话AI

对于许多企业来说，聊天机器人成了人工智能的代名词，但承诺并没有跟上现实。AI可以改善这些领域的聊天机器人功能，但它仍然是一项特别艰巨的任务。

25、药物发现

随着AI生物技术创业公司的兴起，传统制药公司正在寻求人工智能创业公司减少长期药物发现周期。虽然这些创业公司中的许多仍处于早期阶段，但他们已经拥有一批制药客户。

AI技术类别划分

为了更好的理解AI行业趋势，CB Insights将AI技术按照工业化程度（Industry Adoption）、市场化程度（Market Strength）两个维度进行划分。

工业化程度的衡量标准包括：创业公司的发展速度、媒体关注度、消费者接受度。

市场化程度的衡量标准包括：市场规模、投资者与投资机构的数量和质量、研发投入、收入报告、竞争激烈度、并购与战略投资等。

按照这两个维度指数的高低，可以将AI技术分成4类：

实验性技术（工业化程度低、市场化程度低）、

短暂性技术（工业化程度低、市场化程度高）、

威胁性技术（工业化程度高、市场化程度低）、

成熟性技术（工业化程度高、市场化程度高）。

报告里的中国

CB Insights在报告中多次提到中国，近年来中国在AI的商业应用是全球的风向标。