2018 是你玩 AI 還是 AI 玩你？看這 12 個趨勢便知

最近，CB Insights 發布 2018 年最新的AI報告，預測了 12 個 AI 相關的趨勢，優達菌覺得這份報告含金量很重，其中有很多和中國相關的章節（尤其是對中美 AI 領導權問題進行了深刻剖析），相信對大家會很有幫助和參考意義，所以就選取部分進行漢化，和大家分享。（文末有獲取完整漢化報告的方式）

1.新的藍領工種：給機器人當「保姆」

和通常認為的相反，如今在美國，隨著工業機器人數量的增長，製造業企業的僱員數量不減反增。為了節省人工成本，製造業相關工作曾經大量被外包給發展中國家。但採用工業機器人之後，人力成本得以減少，這類製造基地有可能回歸，向最終消費市場所在區域靠攏。

最近，為阿迪達斯代工衣物的蘇州天元紡織有限公司，在美國阿肯色州小石城開了一家新工廠，還僱傭了 400 名當地工人。該公司採用了來自喬治亞州的初創企業 SoftWear Automation 生產的自動縫紉機器人來完成許多給阿迪達斯的產品訂單。大量的重體力工作任務將由機器人自動完成，甚至包括以往只能由人類完成的品控、組裝和製造工作。人類僱員則負責更高端的工作任務，包括機器人的維護和操作等。SoftWear Automation 的野心是打造「沒有人力直接干預就能完成服裝製造的工廠」。

然而，在大規模自動化的迅猛浪潮中，總有一些東西是無法完全自動化的。根據消費者的偏好和機器人的特性，多多少少都需要人類的介入。即使是高度自動化的亞馬遜自動倉儲設施也不能例外。為了提升分揀裝貨倉儲等工作的效率，亞馬遜在不同的自動化倉儲設施中配置了10萬台以上的機器人，然而在最終的取貨、包裝等環節上，還是需要人工進行，更別提這麼多機器人的修理維護了。這也使亞馬遜的訂單中心創造了數千個面向人類的工作機會。

2.各種專業方向的AI將無處不在

為各種服務定製的專用AI將勢不可擋地深入生活的每一個角落，從控制啤酒發酵，到自動培育煙草，機器學習將接管一切可能的領域。機器學習技術基本上可以被應用於任何領域，只要有足夠的數據來訓練它，並且有明確的結果要求給計算機做目標。

從英國的 IntelligentX 發布全球第一批 AI 釀的啤酒，到俄國的DeepFish 用神經網路來識別魚類的雷達信號，瑞典的 Hoofstep 拿風投的錢讓深度學習程序分析馬匹的行為，紐約的 Prose 用 AI 來生產個人定製的護髮產品… 最後這家拿到了約757萬美金的風投。 2018年，這樣的事情肯定會有增無減。從單純的愛好到超級吸金的創意，機器學習已經證明了自己的能力。可以說，機器學習已經跳出了一項技術的桎梏，它將成為今後各種應用軟體和智能技術的基石。

3.中美之間的AI領導權爭奪戰已經爆發

回顧 2017 年，雖然國內的AI創業公司在全球 AI 市場中只有 9% 的市場份額，但從年度人工智慧初創企業的股權融資額來看，中國的 AI 創業公司拿到了全球總量的幾乎一半，首次在資金份額上超過了美國。

按照我國的人工智慧發展規劃，到 2020 年，中國人工智慧總體技術和應用將與世界先進水平同步；到 2025 年，人工智慧基礎理論實現重大突破；到2030年，人工智慧理論、技術與應用總體達到世界領先水平。

這其中的關鍵項目之一，就是 AI 晶元技術。據悉，該項目的目標是創造出比 Nvidia 生產的 GPU 的性能和能效都高20倍的新型處理器。國內 AI 晶元初創公司寒武紀科技的A輪融資總額達到1億美元，目標是為深度學習開發專用的晶元，預計在三年內生產出10億片。

同時，中國公司似乎在 AI 相關的專利申請上逐漸超越他們在美國的友商。通過對近年來的 AI 相關專利進行簡單檢索（查詢標題和摘要部分中包含的關鍵詞），可以看出，來自中國的 AI 相關專利正在迅猛增長中，遠遠超過了美國專利和商標局近年來公布的同一領域的專利數量。以深度學習為例，中國公布的相關專利數量達到了美國同期的 6 倍。

可以說，中美之間的AI領導權爭奪戰已經爆發，在2018年，我們將看到怎樣的精彩角逐呢？

4.未來國防科技將推進 AI 技術更新

國防科技自然也沒放過 AI 這一威力巨大的先進技術。不但許多初創公司拿著自己的技術向軍方兜售，軍方自然也不甘人後。目前的熱點集中在數據中心上。早至2014年起，亞馬遜就為 CIA 建設了一座定製的雲計算平台，全部設備都達到處理敏感信息所需的安全級別。亞馬遜還收購了兩家 AI 網路安全企業，進一步強化雲端數據安全。不論採用哪一家的技術，AI 都必將成為新一代政府主導的網路安全項目的核心。冷戰期間，美國佬擔心的是在核武器軍備競賽中落後，而現在，他們擔心的是網路軍備。而這將使網路安全和傳統的國土安全相輔相成，融為一體。

在2017年，我們見過了 WannaCry 系列勒索病毒的威力，也目睹了 Equifax 網路安全事故泄露出公民個人信息的事件，甚至傳說中俄國利用網路干預美國總統大選結果等一系列網路安全事件。日趨嚴峻的網路安全形勢反過來給安全相關 AI 演算法的研髮帶來了一個史無前例的重要機會。由於網路攻擊的方式不斷進化，防禦方將不得不面對層出不窮的新型病毒，而這給 AI 搭建了一個絕佳的舞台。憑藉大規模處理、分析的能力，AI 將擁有快速鑒定各類異常情況、風險動作和可能出現威脅的信號的本領。

目前，網路安全領域已有 134 家初創公司，近5年總融資額超過 36.5 億美元，其中 34 家是去年剛完成首輪風投融資。而這一行業的領航巨擎包括 Cybereason、CrowdStrike、Cylance 和 Tanium，它們每家的估值都超過9億美元。

5.Alexa，你聽得懂中文嗎？

從全球市場上來看，亞馬遜 Echo 和 Google Home 基本上壟斷了智能家居的語音交互領域。但這些服務對母語不是英語的用戶並不是太友好。

有需要的地方，就會有市場。在 CES2018 ，人工智慧驅動的自然語音識別已經成了新的熱點，基本上，所有的物聯網設備都集成了亞馬遜 Echo 或 Google Home 的語音技術。 LG 的物聯網產品中，約有 80 種帶有和 Google Home 聯動的能力，而三星則乾脆開發了自己的 AI 語音助手 Bixby，並希望在 2020 年完成智能家居設備的全覆蓋。

6.白領職業自動化速度加快

過去定義的白領職業——比如律師、諮詢顧問、金融顧問、新聞記者、證券從業者等——跟藍領工人一樣，也將面對 AI 的影響。由 AI 驅動的，針對專業人士的自動化及輔助增強軟體（EAAS）將開闢 AI 輔助或 AI 增強產品的新領域。

這一 AI 增強技術將極大地威脅白領階層中的文字工作者，從律師到記者，從理財經理到經濟諮詢顧問，都難以倖免。比如，在法律文書工作中，人工智慧在增加效率、減少錯誤方面具有巨大的潛力，自然語言識別（文字處理）工具能在轉瞬之間處理上千頁的法律文書。

程序員恐怕也不是金飯碗。已經有基於人工智慧的自動軟體測試工具正在研發之中，更別提用深度學習從手繪草稿中自動生成 HTML 代碼的 pix2code 、Sketch2code 等技術了。英國人去年就搞出了 DiffBlue，訓練 AI 幫你修 Bug，或者將代碼從一種語言遷移到另一種。是不是很可怕？

最難以撼動的職業領域估計還是健康護理和教育領域，因為這不僅需要準確頻繁的動態自然語言交互，還需要高度的共情能力。然而，以教育領域為例，AI 已經開始協助人類教師完成諸如試卷評分、語法糾正等方面的輔助性工作。

7.AI 轉入外圍設備

2017年，AI 的一大變化是從服務端逐漸轉入外圍設備，也就是直接整合在小型設備和感測器中。換句話說， AI 可能直接「住在」你的耳機里，自動過濾屏蔽周圍的噪音，或是整合在你的車載控制系統里，快速實時根據路況信息調整車輛情況。這就避免了過去需要和雲端AI本體或是手機智能app通訊然後才能產生響應的延遲。另一方面，外圍設備中的 AI 能 更好地作為離線私人數字助理，根據你的使用偏好完成個性化服務，例如識別口音或是面部表情等。

Apple 發布的 A11 晶元自帶一個「神經網路引擎」，據說能以最高每秒6000 億次的速度執行機器學習任務。新 iPhone 設備的 FaceID 等功能都仰賴於此。

而晶元巨頭英特爾也不甘示弱，通過大規模的併購將許多機器學習的專用晶元技術納入囊中。近期英特爾也發布了一款工作於外圍設備的 AI 晶元 Myriad X，期望能將深度學習技術跑在小到無人機或嬰兒監控狐狸設備上，而不再局限於智能手機平台。

當然，在外圍設備上運行的 AI 確實能極大地提高效率，減少響應時間，但存儲和處理能力的瓶頸依然存在。因此，2018 年，更多的外圍設備 AI 模型將趨向於使許多智能外圍設備的 AI 之間能進行數據交換，並和中央伺服器通訊，以期跨越這個瓶頸。

8.「膠囊網路」的出現

如今，深度學習已經被用於驅動大部分的 AI 應用，今後，在「膠囊網路」架構的推動下，它又將迎來新一輪的變革。以往的機器學習常用的一種神經網路架構叫卷積神經網路（Convolutional Neural Network, CNN），但現在，一種全新的架構正浮出水面，據稱能在多個方面超越 CNN 的性能，並彌補許多舊架構存在的安全問題。

來自 Google 的 Geoffrey Hinton 是深度學習技術的先行者之一，他在 2017 年公開的一個研究成果中介紹了一種被稱為「膠囊網路」的新架構。據介紹，這一架構將允許 AI 用更少的數據完成通常的模式識別任務，並更容易分辨出錯誤的結果。 過去的卷積神經網路需要用大量同類數據來提取特徵，並分辨細微的不同之處。而膠囊網路需要的訓練數據更少，能採用對象間的相互位置和角度等信息進行判斷，自動忽略無關緊要的細微區別。 Geoffrey Hinton 的文章還指出，膠囊網路在應對複雜的對抗攻擊（用故意處理過的圖片混淆識別演算法）時比卷積神經網路更健壯。

9.AI領域的人才爭奪將給相關人才帶來六位數的薪水

目前人工智慧領域的專業研究者數量根本無法滿足市場對 AI 領域相關人才的需求。頂尖的 AI 專家現在隨隨便便都能撈個幾百萬。

按照獵聘網上的信息， BMW 中國開給高級機器學習研究員的薪水達到了 56.7 - 62.4 萬美元，而其他一些公司的機器學習專家職位也在31.5 - 41 萬美金上下。騰訊的一份報告指出，該方向的研究人員總量大約只有30萬，這還包括相關領域的在讀學生；而市場對 AI 專業人員的總需求量大約在100萬。在美國，目前網路上約有 32000 個人工智慧相關職位虛位以待，平均薪資都達到 6 位數。大型科技企業基本上就是在拿錢袋子爭奪 AI 領域的技術人才。

Deepmind （2014 年被 Google 買下）最近的財報顯示，去年該公司在「人員及相關開支」方面的支出就達到了1億480萬美元之巨，而領英上搜索的結果是，在該公司工作的員工數量也不過就415名，請讀者自己算算他們平均年薪會有多少吧。

另外一方面，大型科技企業的 AI 專業人員還有不少離職自己創業的。吳恩達（Andrew Ng）就炒了百度的魷魚，自己拿著1.75億美元的風投開了家機器人公司；AI 晶元企業 Groq 的 CTO 原來當過 Google 為機器學習定製的張量處理器的晶元硬體工程師，還搞過 Google X 項目；Horizon Robotics 的聯合創始人兼CTO是前百度研究院副院長，百度深度學習實驗室主任。到2018年，隨著人才走向初創企業，這場人才爭奪戰將越來越白熱化。

10.機器學習將變得更加普及

回顧這幾年，先是大數據，然後雲計算，接著是機器學習，各種熱潮一浪接一浪。很快，機器學習也將成為新的業界常態，而不是什麼新奇的科技玩具。從數據上來看，機器學習的熱潮在2017年達到了巔峰，平均每家創業孵化器一年就新增 300 多個 AI 初創企業，是往年的3倍；投資者砸了150億美元在各領域的 AI 企業上，超過 1100 家新的 AI 企業拿到了首輪融資。但這些企業需要在熱點退去前拿出足夠健壯的商業模式，才能在這新的業界常態下倖存。

人工智慧領域在2017年拿到了 141% 的資金支持，這還不包括針對硬體的機器人初創企業，然而這種瘋狂的炒作很快就會消亡。機器學習技術的正規化將會使得投資者更謹慎地選擇投資的 AI 企業，因為在這樣的業態下，採用 AI 相關演算法來驅動產品已經是一種默認選項，一種行業標準，而不是什麼值得吹噓的成就了。

如今在工業物聯網領域，機器學習早已是不可分割的必要組件之一，只有 AI 才能實時讀取並處理從大量設備和感測器中發回的海量數據；對網路安全公司來說，採用機器學習演算法來分析並偵測可疑情況已經是標配；甚至頂級的投資者都已經在用 AI 來分析和挑選最有潛力的投資對象了。

11.AI 輔助醫療將獲得監管部門批准

很快，機器學習將作為醫學影像診斷的日常手段之一。美國的相關監管部門正在考慮批准使用 AI 進行輔助醫療。在醫學影像學中採用 AI 來提早發現疾病，並提升監測的準確率。機器學習演算法將能在幾秒鐘內完成專業醫生也需要幾個小時才能完成的影像分析，並能準確識別到人類可能會忽視的微小差別。

當然，現在也已經有了許多針對消費者的 AI 檢驗工具，比如 SkinVision —— 這一產品採用計算機視覺來檢查分析可疑的皮膚病變。但新一波的醫療保健 AI 將會使機器學習成為醫院和診所的必備工具。

本月，生物製藥公司阿斯利康與阿里巴巴旗下的阿里健康宣布合作，將基於阿里健康的人工智慧研發能力，建立許多疾病的臨床輔助篩查和診斷模型。通用電氣也和英偉達合作，將深度學習能力賦予通用電氣醫療集團的醫學影像設備上。

受到 Google DeepMind、IBM、通用電氣和阿里巴巴的青睞，醫療保健領域看起來是 AI 初創公司投資的最熱門領域之一，而該領域增長最大的就是醫療影像與診斷方面的企業。

初創公司 Arterys 是最初幾家獲得 FDA 認證的公司之一，它的心臟影像分析雲計算平台的測試準確性和分析速度都首屈一指，腫瘤學相關的 AI 也正在申請 FDA 認證。MedyMatch 則採用深度學習分析CT影響，偵測顱內出血的位置，並因此獲得了 FDA 的「突破性醫療設備認定」。

當然，目前此類 AI 都還只是進行輔助診斷，最後還是由放射科專家或內科醫生進行確診。

12.你也可以 DIY 一個自己的AI

想不想讓你手機上的語音助理用新垣結衣的聲音來跟你說貼心話？想不想親手打造一個 AI 相機？

要 DIY 一個自己的 AI ，並不需要什麼計算機博士或數學什麼玩意的學歷。你有一大堆開源軟體倉庫，數百種 API 和 SDK 可以用，甚至還有 Google 或 Amazon 提供的各種組裝工具包，可以說玩 AI 的門檻是前所未有的低啊。

Google 發布了一款「全年齡向」的 AI 開發項目，稱為 AIY （你自己的人工智慧）。這個項目的第一個教程就是叫你自己打造一個樹莓派語音識別裝置。不管是親手往電路板里塞進一個人工智慧，還是讓你的 AI 語音助理變身新垣結衣，你都將體會到前所未有的人工智慧創造體驗。

不僅如此，Google 還發布了一款基於神經網路的計算機視覺工具，用戶可以很方便地用它製造一個能分辨貓狗的演算法，或是某種通過表情識別出情緒的軟體。亞馬遜也推出了一款基於深度學習的無線攝影機： DeepLens，甚至還為這個設備舉辦了一次編程馬拉松，讓用戶利用這個設備打造機器學習項目，第一名的獎金將達到 7500 美元。

看到這裡，你是不是也心癢難耐，想要學著玩玩 AI 了呢？

最後安利下我們的深度學習 | Udacity 課程和 機器學習工程師 | Udacity，銷量繞地球三圈~快點戳進來看看，還有免費試聽的限時福利哦~

深度學習 | Udacity?

cn.udacity.com機器學習工程師 | Udacity?

cn.udacity.com

掃描以下二維碼，關注 Udacity 微信訂閱號，回復「003」，獲取完整版報告。

推薦閱讀：