2020年的人工智能预测

人工智能 （ AI ）已成为技术行业几乎每个领域不可或缺的一部分。 它对应用程序，开发工具，计算平台，数据库管理系统，中间件，管理和监视工具（几乎所有IT领域）都有影响。 人工智能甚至被用来改善人工智能。

来年，核心AI用途，工具，技术，平台和标准有哪些变化？ 这是我们在2020年可能看到的情况。

[ 也在InfoWorld上：人工智能，机器学习和深度学习：您需要知道的一切 ]

GPU将继续主导AI加速

AI硬件加速器已成为高科技领域的主要竞争战场。 即使竞争性的硬件AI芯片组技术（例如CPU，FPGA和神经网络处理单元）在边缘设备中抢占份额，GPU仍将在游戏中生存，这要归功于它们在自动驾驶汽车等云到边缘应用环境中的关键作用和工业供应链。

英伟达的市场领先的基于GPU的产品似乎准备在2020年及以后进一步增长和采用。 但是，在未来十年中，各种非GPU技术（包括CPU，ASIC，FPGA和神经网络处理单元）将为各种边缘应用提高其性能，成本和功率效率优势。 随着时间的流逝，Nvidia将吸引更多竞争。

[ 同样在InfoWorld上：什么是CUDA？ GPU的并行编程 ]

行业标准的AI基准测试将成为竞争战场

随着AI市场的成熟和计算平台争夺处理这些工作负载的最快，最大可扩展性和最低成本的区别，行业标准基准将变得越来越重要。 在过去的一年中， MLPerf基准具有更大的竞争意义，因为从Nvidia到Google的每个人都夸耀它们在这些方面的卓越性能。 到2020年，人工智能基准测试将成为这个细分市场中至关重要的进入市场战略，随着时间的推移，该细分市场只会变得越来越商品化。 十年来，MLPerf基准测试结果将纳入解决方案提供商的定位策略，而其中高性能AI驱动的功能至关重要。

AI建模框架将融合两匹马

AI建模框架是数据科学家在其中构建和训练统计驱动的计算图的核心环境。 2020年，大多数工作数据科学家可能会在大多数项目中使用TensorFlow和PyTorch的某种混合，这两个框架将在大多数商业数据科学家工作台中提供。

随着十年的发展，这些框架之间的差异将逐渐缩小，因为数据科学家和其他用户重视功能的均等性而非强大的功能差异。 同样，更多的AI工具供应商将提供与框架无关的建模平台，这可能会为濒临灭绝的旧框架提供新的生命。 加快开放AI建模平台的价差为行业广泛使用的若干抽象层，如Keras和ONNX -即将使建在一个框架中的前端有一个模型在任何其他支持框架的后端执行。

到本世纪末，它将不再与您用来构建和训练机器学习模型的前端建模工具无关。 无论您在哪里构建AI，端到端数据科学管道都将自动格式化，编译，容器化以及以其他方式提供服务，以实现从云到边缘的任何位置的最佳执行。

[ 同样在InfoWorld上：PyTorch与TensorFlow：如何选择 ]

基于SaaS的AI将减少企业对数据科学家的需求

在过去的一年中，AWS，Microsoft，Google，IBM等公司将机器学习即服务产品逐渐成熟。 随着这一趋势的加剧，更多的业务用户将依赖诸如此类的云提供商来提供更多的AI需求，而无需维护内部数据科学团队。 到2020年底，SaaS提供商将成为自然语言处理 ，预测分析和其他AI应用以及平台服务和devops工具的主要提供商。 那些拥有内部AI计划的企业将在更大程度上自动化数据科学家的工作，从而减少雇用新的机器学习建模器，数据工程师和附属职位的需要。 在过去的十年中，大多数数据科学家将主要在SaaS和其他云提供商那里找到有酬的工作。

企业AI将朝着持续的真实世界实验转变

每个数字业务转型计划都依赖于利用最适合的机器学习模型。 这需要进行真实世界的实验，其中基于AI的流程会测试替代的机器学习模型，并自动推广可达到预期结果的模型。 到2020年底，大多数企业将在每个面向客户和后端业务流程中实施实际实验。 随着业务用户涌向云提供商以使用AI工具， AWS最近推出的功能（模型迭代工作室，多模型实验跟踪工具和模型监视排行榜）将成为每个基于24x7 AI的业务应用环境中的标准功能。 。 在过去的十年中，基于AI的自动化和devops功能将催生出普遍采用的基于AI的业务流程优化的最佳实践。

[ 同样在InfoWorld上：AI可以真正为您的业务做（以及不能做的事情） ]

AI将使AI开发人员的核心建模功能自动化

神经网络是现代AI的心脏。 2020年，一种称为神经结构搜索的AI驱动方法将进入企业数据科学家的工作平台，以实现针对其预期目的构建和优化神经网络的自动化操作。 随着神经体系结构搜索的采用和改进，它将通过指导他们关于是否在既定的机器学习算法 （例如线性回归和随机森林算法）上或在任何更新的，更高级的算法上构建模型的决策来提高数据科学家的生产力。 神经网络算法 。 随着十年的发展，这种方法和相关方法将通过端到端管道自动化来实现连续的AI开发。

人工智能驱动的对话用户界面将消除大多数应用程序中的动手操作

基于AI的自然语言理解已变得惊人地准确。 人们正在Swift摆脱手机和其他设备的束缚。 随着会话用户界面的采用，用户将通过语音输入生成更多文本。 到2020年底，通过各种设备中嵌入的AI驱动的语音助手，将呈现更多的用户文本，推文和其他口头输入。 在过去的十年中，语音助手和对话式UI将成为全球经济各部分产品的标准功能，键盘，小键盘，甚至是屏幕上的触摸式界面的使用都将减少。

[ 通过InfoWorld的机器学习和分析报告时事通讯来了解机器学习，人工智能和大数据分析的最新进展 ]

首席法律官将要求端到端AI透明

人工智能正在成为企业应用程序中一个更加突出的风险因素。 随着企业在社会经济偏见，侵犯隐私以及AI驱动的应用程序带来的其他不幸影响方面面临诉讼激增之际，首席法律官将要求进行完整的审计跟踪，以揭示企业应用程序中使用的机器学习模型的构建，培训，和统治。

到2020年底，大多数企业的首席法律官将要求其数据科学团队自动记录机器学习流程中的每个步骤，同时还要生成每种语言如何驱动自动推理的简单语言说明。 随着十年的发展，缺乏内置的透明度将成为拒绝AI项目资金的主要因素。

最后，我们可以放心地认为，在未来几年中，要求对所有产品（尤其是那些使用个人身份信息的产品）中基于AI的功能进行监管的要求将会增加。 除了越来越强调AI开发透明性之外，现在还无法断言这些未来的授权将对基础平台，工具和技术的发展产生何种影响。

但是，不管谁在今年11月的美国总统大选中获胜，这些监管举措似乎只会在未来几年内加强。

From: https://www.infoworld.com/article/3509465/artificial-intelligence-predictions-for-2020.html