《评人工智能如何走向新阶段》后记（再续13）
由AI科技大本营下载自视觉中国
161. 引自美国科技媒体TNW记者对美欧企业主管与AI专家的访谈录摘要，谈到2020年AI的八大趋势：
①人工智能将使医疗保健更准确、成本更低；
②可解释性和信托及AI伦理将受到更多关注；
③在人工智能领域推行合成数据的方法；
④提高了神经网络的准确性和效率；
⑤使用人工智能技术帮助其实现自身自动化；
⑥制造业中的人工智能；
⑦人工智能的地缘政治；
⑧药物发现中的人工智能。
TNW记者：人工智能发展很快，是最难预测的行业之一。试想一下几年前还是难以想像的事情：深度假货，人工智能驱动的机器翻译，可以掌握最复杂游戏的机器人等。但尝试预测人工智能的未来永远不会给你带来任何伤害。
162. 人工智能将使医疗保健更准确、成本更低（采访飞利浦公司）
在2020年人工智能将改变医疗工作流程，使患者和医护人员从中受益，并降低成本。它将从多种医院信息流（电子健康记录、急诊室入院、设备利用率、人员配备等）中实时获取数据，并采用AI进行解释和分析，从而实现提高效率和医疗保健能力。这些是AI能发挥作用的领域，AI最有希望应用在指挥中心，优化患者流量和进行资源分配。
飞利浦是将必要的AI支持的应用程序无缝集成到现有医院保健工作流程中，它是采用AI方法开发的应用程序和工作流程关键参与者。在2名研究人员中有1人与数据科学家及AI专家合作，以期将AI技术作为彻底改变医疗保健的新方法。
将AI与专业的临床和行业知识相结合，以加快常规及简单的是/否诊断的速度，但AI不能替代临床医生，而为临床医生排除困难。AI系统将跟踪、预测及分配医务人员，并为使用ICU病床、手术室及诊断和治疗设备提供咨询意见。
163. 可解释性和信任及AI伦理将受到更多关注（采访Element AI咨询和支持部门）
2019年见证了AI道德规范和风险管理的早期原则的实施，2020年将是AI值得信赖的一年。可解释性的概念也越来越广为人知。
当然2019年人们对AI伦理的关注日益增强（2019年初欧委会公布了开发AI道德指南），10月由深度学习先驱者之一Yoshua Bengio与MoZilla基金会合作共同建立的Element AI，创建了数据信任关系并推行AI道德规范，微软和谷歌等大型科技公司采取相应措施，使他们的AI开发符合道德规范。
人们对AI道德规范的兴趣日益增长。
到2020年，企业都将关注AI信任，希望看到风投也关注，新的初创企业将为解决方案提供帮助。
164. 在人工智能领域推行合成数据的方法（以减少对数据的要求）（采访Affective公司)
我们将看到用于应对AI中数据挑战的数据合成方法的兴起。深度学习技术需要大量数据，这意味着基于深度学习构建的AI算法具有在对大量数据进行训练和验证后才能正确工作，但开发AI的公司常常发现，获得正确的数据类型和必要的数据量富有挑战性。
人工智能领域的许多研究人员正在开始测试和使用新兴的数据合成方法，以克服他们可获得的现实世界数据的局限性。借助这些方法，公司可以获取已给收集的数据并将其综合以创建新数据。
以汽车为例，随着行业致力于开发先进的驾驶员安全功能并个性化运输体验，人们对了解车内人员的状况感兴趣。但是收集实际的驱动程序数据即困难、昂贵、又耗时，数据综合正在帮助解决这一问题。
得益于生成对抗网络（GAN）等领域的进步，许多AI研究领域现在可以合成自己的训练数据。但是数据综合并不能消除收集现实世界数据的需求，真实数据对于开发精确的AI算法始终至关重要。
165. 提高了神经网络的准确性和效率（采访波士顿大学计算机科学系统AI专家）
神经网络体系结构将继续扩大规模和深度，并产生更准确的结果，并将更好地模仿人类在涉及数据分析的任务上的表现。同时，提高神经网络效率的方法也将得到改善。
随着AI进入越来越多的领域，将受到更多的可靠性和偏见的审查，例如越来越多的地方政府出于隐私和公平考虑，禁止使用AI技术进行监视。
166. 使用AI技术帮助AI自身实现自动化（采访IBM研究部门）
到2020年，我们期望在IBM所谓的“Al for Al”领域看到重大的创新：使用AI技术帮助创建、部署、管理和操作的AI自身的自动化。
在过去几年，AI在自动化已成为研究和开发领域的一个增长领域。一个示例就是谷歌的AutoML，该工具可简化创建机器学习模型的过程，并使该技术可供更广泛的受众使用。今年早些时候，IBM推出了AutoAI平台，该平台可用于自动化数据准备，模型开发，功能工程和超参数优化。我们将开始看到更多使用神经符号AI的示例，该方法将统计数据驱动的方法与强大的知识表示和推理相结合，从而产生可以从更少数据中学习的更具解释性和鲁棒性的AI。
一个例子是Neuro Symbolic Concept Learner，这是由IBM和MIT的研究人员开发的一种混合AI模型。将经典的基于规则的AI和神经网络相结合，在解决当前AI模型的某些地方性问题（包括大量数据需求和缺失可解释性）方面显示出了希望。
167. 制造业中的AI（采访Neurala公司）
2020年将是制造业拥抱AI以实现生产线现代化的一年，对于制造业而言，最大的挑战之一是质量控制，同时还要满足大量订单的截止日期。
通过将AI解决方案作为工作流的一部分进行集成，AI将通过增强制造业中的现有流程：减轻了平凡和潜在危险任务的负担，使员工有更多时间专注于创新产品开发。
制造商将走向边缘。随着AI和数据的集中化，制造商被迫和向云提供商支付巨额费用，以访问保持系统正常运行的数据。可以在边缘部署和完善AI的新途径将变得更加普遍。随着我们进入新的一年，越来越多的制造商将开始转向边缘以生成数据，达到最小化延迟并减少大量云的费用。
168. 人工智能的地缘政治（采访Sgmphong Ayasdi公司）
人工智能作为下一个竞争领域将在2020年以后继续作为各国军事和经济安全的头等大事，各国政府已经在人工智能上进行了大量投资。中国已经投资超过1400亿美元，而英法和欧洲其他地区已向AI计划投入了超过250亿美元，美国起步较晚，2019年在AI上支出约20亿美元，到2020年将超过40亿美元，专家敦促增加投资，警告美国仍然落后。最近美国国家人工智能安全委员会指出，未来十年中国可能会超过美国的研发支出。NSCAI归纳五点：投资于AI研发，将AI应用于国家安全任务，培训和招募AI人才，保护美国的技术优势以及统筹全球协调。
169. 药物发现中的AI（采访Chooch公司）
我们预计，随着人工视觉过程的自动化，药物发现在2020年将得到极大改善，因为视觉AI将能够大规模监视和检测细胞药物相互作用，由AI驱动的高度准确的分析可以大大加快药物发现的速度。
药物开发是一个冗长的过程可能需要长达12年时间，涉及数千名研究人员的共同努力。开发新药成本很可能超10忆美元，但是人们希望AI算法能够加快药物发现中的实验和数据收集过程。些外，细胞计数是生物学研究中的一个大问题，不仅仅是药物发现。过去人们被弯腰观察显微镜或坐在屏幕前数细胞，使用昂贵的机器不精确地计数，但可视化AI平台可以在几秒钟内完成此任务，并且瞬间就能达到99%的准确度。
更多推荐
《评人工智能如何走向新阶段》后记
《评人工智能如何走向新阶段》后记（再续1）
《评人工智能如何走向新阶段》后记（再续2）
《评人工智能如何走向新阶段》后记（再续3）
《评人工智能如何走向新阶段》后记（再续4）
《评人工智能如何走向新阶段》后记（再续5）
《评人工智能如何走向新阶段》后记（再续6）
《评人工智能如何走向新阶段》后记（再续7）
《评人工智能如何走向新阶段》后记（再续8）
《评人工智能如何走向新阶段》后记（再续9）
《评人工智能如何走向新阶段》后记（再续10）
《评人工智能如何走向新阶段》后记（再续11）
《评人工智能如何走向新阶段》后记（再续12）