2018年人工智能和机器学习的顶级趋势
自从人工智能(AI)这个术语在1955年由美国达特茅斯学院的人工智能大师John McCarthy创造以来,已经得到了长足的进步。63年之后,人工智能正在改变和颠覆医疗保健、金融科技以及其他行业的业务发展。虽然对真正人性化人工智能仍在继续探索当中,但大数据和机器学习(ML)的进步将帮助人工智能成为技术主流。本文将介绍2018年的顶级人工智能和机器学习的发展趋势:
1. 医疗健康
咨询机构埃森哲公司表示,到2021年,美国人工智能医疗保健市场规模预计将达到66亿美元,其复合年增长率(CAGR)为40%。
医学成像和诊断公司正在推动人工智能在医疗健康技术方面的发展。例如,Arterys就是一种基于云计算放射科医师的人工智能助手,于2018年2月通过其Oncology AI套件获得美国食品和药物管理局(FDA)批准,用于分析肺和肝的肿瘤图像。
采用人工智能,个性化医疗保健和精准医疗也取得了长足的进步。今年8月,新加坡大学的研究人员使用人工智能来识别和优化骨髓瘤(一种血癌)的联合药物治疗。
2.金融科技
从资产管理、融资到贷款和移动支付,金融科技已经证明本身就是一种颠覆性技术。人工智能正在帮助金融科技将这些核心竞争力提升到新的水平。
人工智能可让用户通过首选的移动设备将资金存入银行。去年10月发布了第一个人工智能ETF(交易所交易基金),埃尔森公司正在帮助大型金融机构处理大数据。还有不断增长的量化交易者社区,他们希望测试和共享交易算法,其中一些算法由机器学习提供支持。
3.能源
从石油和天然气巨头到可再生能源的绿色技术,能源行业产生了大量数据。人工智能非常适合处理大型数据集,并提供可操作的见解,可以帮助能源生产商和消费者更好地利用电网。
例如,储能优化器Athena在800多个储能系统中每分钟处理400兆字节的能源数据,以简化能源使用的时间,帮助客户每年节省800万美元。
在家中,智能恒温器Nest通过适应家庭居住者的习惯来降低能耗。英国的国家电网将结合谷歌DeepMind技术,以简化英国的电网运营。
4.企业
根据Technavio公司最新的市场研究报告,预计全球企业人工智能市场将在2018年至2022年间实现45%的复合年增长率。Technavio公司将大部分增长归功于使用客户服务聊天机器人的业务增长。
用于处理大数据的机器学习解决方案是这种大幅增长的另一个原因。像谷歌、亚马逊、IBM、英特尔、微软这样的科技巨头正在引领技术潮流,提供和/或支持许多将机器学习带给大众的基础人工智能框架和工具。谷歌公司拥有DeepMind,IBM公司拥有Watson,AWS与Apache Spark结合使用,可帮助企业处理大量数据。
5.零售
零售行业仍然是人工智能领域创新的温床。如上所述,零售商正在通过聊天机器人减少客户服务开销,他们还使用预测分析来优化产品定价,并从数据库中构建客户角色。
当然,零售行业的人工智能已经变得如此平常,人们可能已经知道了这一切。近年来的新变化是,企业随着技术的成熟将如何变得更具创造性。
人们可能听说过聊天机器人,但实体零售店中的机器人如何将顾客人流量提高70%?或者采用人工智能使用面部识别功能的Kairos,一旦顾客走进门,就会告知商店员工这些顾客的偏好。
当跨国企业集团SoftBank正在与Zume公司(一家主要提供比萨饼机器人送货服务的厂商)正在进行高达7.5亿美元的谈判时,人们的感觉可能是已经生活在未来。
6.软件开发
编码器总是在寻找更高层次的抽象来提高程序人员的生产率。这就是最新软件开发工具、库和框架如何简化开发过程的原因。
可能有一天,最终的抽象层次是让程序自己编写。但在此之前,有许多基于人工智能的工具可以让开发人员的工作更轻松一些。
谷歌公司的bug预测工具长期以来一直使用机器学习算法和统计分析来识别有缺陷的代码。DeepCode则更加深入,为程序员提供Grammarly,可以识别他们的公共和私有GitHub存储库中的问题,并提供解决方案。
从数字助理到自动驾驶汽车
如今已是2018年,人工智能比以往任何时候都更接近科幻小说。令人兴奋的新闻和观察结果并未完全列入上述趋势列表,这其中包括:
- 数字助理,如Alexa、Cortana、Siri,可以在全球数百万个家庭中找到。
- Google Duplex在I/O 2018展会上的重大展示证明了NLP(自然语言处理)已经走了多远。其数字助理的声音听起来很人性化,甚至包括声音提示,如“mm-hmm”和“嗯”。
- 无人驾驶汽车不仅适用于Google和Waymo。通用汽车、戴姆勒、宝马和福特都是在积极开发该技术的汽车制造厂商。
- 制造行业自动化也受益于人工智能的进步。FANUC机器人学习振动控制(LVC)软件可用于加速装配线上机器人的深度学习,以执行特定任务。
时间:2018-09-20 00:19 来源:未知 转发量:次
声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。
相关文章:
- [机器学习]2021年进入AI和ML领域之前需要了解的10件事
- [机器学习]深度学习中的3个秘密:集成、知识蒸馏和蒸馏
- [机器学习]【模型压缩】深度卷积网络的剪枝和加速
- [机器学习]深度学习三大谜团:集成、知识蒸馏和自蒸馏
- [机器学习]人工智能十年回顾:CNN、AlphaGo、GAN……它们曾这
- [机器学习]机器学习基础图表:概念、原理、历史、趋势和算法
- [机器学习]物联网和机器学习促进企业业务发展的5种方式
- [机器学习]20年以后,半数工作将被人工智能取代?这些“高危行业”有哪些
- [机器学习]机器学习中分类任务的常用评估指标和Python代码实现
- [机器学习]机器学习和深度学习的区别是什么?
相关推荐:
网友评论: