2018年人工智能将赋能所有行业，未来市场将超过400亿美元

计算分析大数据绝不是一时性的。随着数据量的不断增长，分析大数据的方式也将改善。涉及到预测性分析的应用时，我们只看到冰山一角。它通过数据挖掘、机器学习、AI技术帮助组织机构分析现有数据，比如预测销售额、优化营销活动等，这些人工智能技术还有待改进。

以下是AI世界、大数据、预测分析、机器学习的关键数据：

• 2018年，75%的开发商都将在一个或者多个业务或服务中包含AI功能——IDC

• 2019年，AI 将辅助100%的物联网——IDC

• 2020年，30%的公司都将使用AI，至少增加一个主要销售环节——Gartner

• 2020年，算法将改变全球数十亿工人的行为——Gartner

• 2020年，人工智能市场将超过400亿美元——Constellation Research

• 2025年，AI将驱动95%的用户交互——Servion

趋势1：大公司将主导AI

2018年AI八大趋势

亚马逊、谷歌、Facebook、IBM将成为AI领头羊。大公司拥有大量资源来收集数据，因此会有更多数据为其所用。

以下是AI领域的顶尖公司：

亚马逊

• 投资人工智能已超过20年

• 抓取超过50亿网页的数据

• 亚马逊物流中心有超过50万张描述产品的JPEG图像和相应的JSON元数据文件

• 每日监测全球广播、印刷物、网络新闻的记录超过40亿份

• 近1亿图像和具有注释的视频

• 亚马逊的Echo领先语音助理市场

谷歌

• 是拥有最大存储库的数据集之一，数据达10-15Exabyte——Cirrus Insight

• 专注于应用和产品开发，而非长期AI研究

• 超过1300位研究人员的团队——谷歌大脑

• 占据声控助理市场23.8%的用户份额——Voicebot

• 任何人都能使用的机器学习开源平台TensorFlow

• 谷歌地球数据库大约是3017TB或者近3Petabytes——Google Earth Blog

• 谷歌街景有近20Petabytes的街道照片—— Peta Pixel

Facebook

• 每天处理25亿的内容和500多TB的数据——Tech Crunch

• Facebook有约80名人工智能研究员——FAIR

• 日均生成20亿“赞”和3亿照片——Tech Crunch

• 每30分钟扫描月105TB数据——Tech Crunch

• 建有一个62000平方英尺的数据中心，可以容纳500台机架

• 每天用超过40种语言翻译20亿用户帖，8亿用户可以看到翻译——Fortune

在部署机器学习和产品应用开发方面，谷歌很可能处在最前沿。谷歌的研究范围涵盖机器学习、自然语言处理、机器学习算法和技术、机器人技术等领域。

全球100家最有潜力AI公司▼

趋势2：算法和数据并行

投资人工智能的第二梯队，如英特尔、推特等，将追随拥有数据的大公司，并使用它们的数据算法。数据交易将发生在行业内部，算法和技术将得以巩固。

谷歌、FB等巨头收购小公司后，算法将被集成到其核心平台。谷歌收购了DeepMind以获取竞争优势。另一方面，FB收购了Wit.ai来提升语音识别和语音接口业务。它还收购了AI创业公司Ozlo，以改善其虚拟助理业务。

趋势3：众包数据需求巨大

所有的人工智能公司都将想方设法获得海量数据集，来实现其AI伟业。这些公司会开始收集众包数据。公司已经找到评估众包数据质量和真实性的不同方法。企业方会从这些数据中受益，消费者也得到了话语权。

谷歌通过众包获取了大量图片，来构建其成像算法。谷歌还通过众包改进翻译等服务。亚马逊通过众包AI来提高Alexa的技能。

趋势4：大鱼吃小鱼

CBInsights统计数据显示，收购AI公司的竞赛已经开始。2018年竞争会越发激烈。很多机器学习和AI的小公司都会被大企业收购，原因有二：

• 首先，AI无法在缺少数据集的情况下独立工作。大公司拥有大量数据，小公司会失去竞争力。

• 其次，没有数据的算法毫无用处。反之亦然。数据是算法的核心，因此获取大量数据将成为重中之重。

趋势5：工具开源

大公司将开源算法和工具集来获取市场份额。基于市场的数据访问和算法进入壁垒将会减少，新的AI应用将会增加。通过民主化，此前缺乏AI工具的小公司将更容易获得大量数据，来训练复杂的AI算法。

趋势6：人机交互增多

Siri和Alexa是两个最受欢迎的人机交互工具。将会有更多的类似产品出现。例如，机器能够根据用户讲话的语调识别情绪。2018年，农业和医药领域的人机交互也会增多。

趋势7：AI会影响所有行业

制造业、客服、金融、医疗、交通等行业已经受到人工智能的影响。明年人工智能将会影响更多的垂直行业，包括：保险、法律、传媒、教育、健康等。

趋势8：安全、隐私、伦理道德问题

人造智能的保护伞下，如机器学习和大数据，都容易受到新的安全和隐私问题影响。有时候重要的部分是关键的基础设施。

与隐私问题有关的安全需求，如将银行帐户和健康信息保密，将会对安全性研究产生更大的需求。2018年将是安全和隐私问题一定会得到解决的一年，也可能会有新的发展。

人工智能的伦理也将是2018年的一个主要关注点。需要解决的伦理和道德问题包括人类对人类的伤害或使人类受益。还有人担心机器人取代人类的可能性，特别是如果AI将被用于人类工作的领域，如护士、治疗师或警察。

将要面对的另一个问题是自主武器。鉴于自主功能水平，与人类控制的武器不同，AI需要超越某些功能。

来源：medium

★推荐阅读★

百度西雅图开设AI实验室

初学者必读的八个趣味机器学习项目

AMD深度学习开源战略

香港科技大学PyTorch四日速成教程

北京龙泉寺：清华北大学子排队出家

香港科技大学三天速成TensorFlow教程 

谷歌新品发布会：赋能AI 三大原则 软硬结合

深度学习软件安装指南

谷歌教你零编程基础玩转机器学习

中科院谭铁牛爱徒研发碟中谍中的步态识别技术

专访深度学习之父Geoffrey Hinton

长期招聘志愿者

加入「AI从业者社群」请备注个人信息

添加小鸡微信  liulailiuwang