2019年25大AI应用趋势：假肢、农作物监测、面部识别、聊天机器人……

人工智能的下一站是什么？

CB Insight分析师审视各个行业，观察到2019年最值得关注的25个人工智能趋势，包括下一代假肢、作物监测、边缘AI、面部识别、无人收银零售和AI聊天机器。

人工智能现在在各个行业蔓延。每天都有新的发展，以下是今年25大最佳人工智能趋势：

1.开放源框架

由于业内采用了开源软件，外界进入人工智能领域的门槛比以往都要低。谷歌在2015年开放Tensor Flow机器学习库，拉开了这个趋势的帷幕，之后主要技术人员纷纷效仿。许多开源工具可供开发人员选择，包括Keras、Microsoft Cognitive Toolkit和Apache MXNet。

2.边缘AI

市场对实时决策的需求，正在推动AI更接近“边缘”。这使设备能够在本地处理信息，并更快地响应。NVIDIA、苹果和许多新兴创业公司致力于研发出专门负担起人工智能工作负载的芯片。2019年最值得关注的人工智能趋势之一将是在应用程序中所使用的边缘AI的增多。

如上图所示，边缘AI用例包括：家庭智能摄像头，可以识别出入人员的身份，应用公司：nest和亚马逊；设备自带面部识别、物体识别功能，用户数据毋须离开设备，应用公司：苹果和华为；同时驾驶决定，应用公司：特斯拉；监控婴儿、无人机、机器人和其他设备，毋须联网即可回应当时发生的情况，应用公司：英特尔。

3.面部识别

从解锁手机到登机航班，面部识别正在成为主流。早期的商业应用正在安全、零售和消费电子领域取得进展，面部识别正迅速成为生物认证的主要形式。

中国面部识别技术新闻提及次数趋势

4.医学成像与诊断

美国食品和药物管理局（FDA）也在对AI-a-a-medical-device开绿灯。AI软件产品的快速监管审批为AI成像和诊断公司开辟了新的商业途径。在消费者方面，智能手机的渗透和先进的图像识别技术也将手机变成功能强大的家用诊断工具。最具影响力的AI趋势之一将是AI用医疗和诊断应用的批准和采用。

5.预测性维护

AI-IIoT可以为制造商、设备保险公司等现有企业意外故障花费节省几百万美元。预测性维护算法使用持续数据收集来预测设备故障。由于降低了传感器成本，人工智能的进步以及边缘计算不断推进，预测性维护已经变得更加广泛。2019年及以后，这方面的投资也在不断增加。

6.电子商务搜索

基于上下文的搜索技术正在逐渐走出“实验阶段”，但离广泛采用仍有很长一段距离。尽管面临技术挑战，早期的SaaS初创公司正在兴起，向第三方零售商销售搜索技术。2019年人工智能的主要趋势之一将是对该行业的更多投资，包括主要零售商。

亚马逊搜索助手A9提交专利数量

7.胶囊网络

深度学习推动了当今大多数人工智能应用，但胶囊网络很快就会取而代之。与当前的卷积神经网络（CNN）相比，胶囊网络具有许多优点。对胶囊网络的研究还处于起步阶段，但可能会挑战当前最先进的图像识别方法。

8.下一代假肢

假肢技术在非常早期的研究是将生物学、物理学和机器学习结合起来，解决最棘手的问题之一：灵巧性。研究人员正在使用机器学习来解码人类身体传感器的信号，并将其转化为移动假肢装置的命令。今年，假肢行业将会有更多发展，包括面向消费者的产品试验。

9.临床试验

临床试验中最大的瓶颈之一就是招募合适的患者。理想情况下，AI可以从医疗记录中提取信息，与正在进行的研究进行比较，并向医生和患者提出相关研究建议。

很少有创业公司直接在临床试验领域与客户合作，但像苹果这样的科技巨头正在这个领域大步前进。自2015年以来，苹果推出了两个开源框架，帮助临床试验招募患者并远程监控他们的健康状况。

10.生成式对抗网络（GANS）

GAN采用“AI vs AI”的概念，包括发生器和鉴别器。生成器创建伪图像，而鉴别器将其与真实世界图像进行比较，并向生成器提供反馈。

最终结果是一个恒定的反馈回路，产生越来越复杂的图像。随着研究的扩大，它将改变新闻、媒体、艺术乃至网络安全的未来。2019年最重要的AI趋势之一将是GAN技术的进一步发展和其他应用的溢出效应。

11.联合学习（FEDERATED LEARNING）

使用独特的本地数据集训练AI可以极大地提高其性能，但用户数据也是个人和保密的。谷歌的联合学习方法旨在使用这些丰富的数据集，同时保护敏感数据。今年在药物发现和其他用例中寻找更多联合学习技术的应用。

12.高级医疗保健生物学

利用神经网络，研究人员开始研究和测量以前难以量化的非典型风险因素。从视网膜扫描到分析皮肤颜色变化，AI正在从无数来源解锁医学见解。AI能够找到模式将继续解锁新的诊断方法并识别以前未知的风险因素。

13.自动索赔处理

保险公司和初创公司正在使用人工智能来计算车主的“风险评分”，分析事故图像并监控驾驶员行为。人工智能的进步正在改变以前缓慢、人为主导的过程，加快索赔结算。

14.防假货

假货越来越难被发现，网上购物都更容易买到假货。为了反击，各大品牌和厂商开始尝试人工智能的方法。在线和实体商务中，AI可以来识别仿冒产品和欺诈性商标侵权。

15.无人收银零售

到目前为止，亚马逊Go是唯一一个成功的无人收银零售部署例子，但亚马逊一直在不断研发相关技术。在其他问题中，防盗取决于运营的规模，以及可用的产品类型。短期内，这项技术的采用将取决于部署成本，而潜在的技术故障导致的库存损失成本也是厂商要考虑的点。

16.后台办公自动化

AI也在助力自动化管理工作，但数据的不同性质和格式也让这项技术发展很有挑战性。尽管每个行业和应用都有独特的挑战，但不同的行业正在逐步采用基于机器学习的工作流程解决方案。

在其他领域，数字化需要在可以有一层预测分析之前进行。2019年最重要的人工智能趋势之一将是增加机器人过程自动化的创新和探索。

机器人过程自动化新闻提及数量

17.语言翻译

自然语言处理“语言翻译”是一项挑战，也是一个尚未开发的市场机遇。像百度和谷歌这样的大型科技公司开始在这个领域掀起波澜。由于资源致力于改进翻译框架，因此效率和语言能力将有所提高，各行业的采用率将会提高。

18.综合训练数据

访问大型标记数据集是培训AI算法的必要条件。但对于某些应用程序，访问足够的真实数据可能甚至不可行。现实的假数据或合成数据集可以解决瓶颈问题。现实世界数据还可以通过混合AI生成的模拟数据来强化，以创建更大、更多样化的数据集。

19.强化学习

简而言之，强化学习（RL）的观点是：您需要采取什么行动来实现目标并最大限度地提高奖励？研究人员正在通过强化学习推动AI的能力界限，但对大量数据集的需求限制了实际应用。尽管有不少公司在研究这项技术，但主要参与者正在对该技术进行更多投资，对RL应用的研究正在增加。

美国强化学习专利申请数量

20.网络优化

AI正在改变电信行业，包括促进频谱共享、监控资产，为天线提供最佳设计。对于通信服务提供商而言，网络优化直接会带来更好的客户体验。

电信运营商也在准备将基于AI的解决方案集成到5G无线技术中。2019年及以后的人工智能关键趋势之一将是更多融入全球电信网络。

21.自动驾驶车辆

尽管自动驾驶汽车具有巨大的市场，但完全自动驾驶的实际应用仍然未知。虽然现在已经出现了，部分早期完全自动驾驶的例子已经在物流和运输中心出现。虽然完全应用的时间还不确定，但各行各业都在积极投资并采用自动驾驶技术。

“自动化”和“最后一公里”新闻提及数量

22.作物监测

三种农作物监测正在农业领域发展，包括地面、空中和地理空间。初创公司和现有企业正在接受作物监测AI来管理杀虫剂应用、发现作物问题，并预测天气变化如何影响农业。

23.应对网络威胁

对网络攻击做出反应已经不够了。计算能力和算法的进步正在将以前的理论攻击变成真正的安全问题。作为回应，使用机器学习主动“搜寻”威胁正在网络安全领域兴起。2019年最重要的人工智能趋势之一将是市场新兴起跨越不同业务类型的识别威胁技术。

24.AI聊天

对于许多企业来说，聊天机器人成了人工智能的代名词，但承诺并没有跟上现实。尽管这项技术正在广泛采用，但聊天机器人在健康和保险等复杂领域，一直在努力分析衡量情况的紧迫性。AI可以改善这些领域聊天机器人功能，但它仍然是算法的一项特别艰巨的任务。

25.药物发现

随着AI生物技术创业公司的兴起，传统制药公司正在寻求人工智能创业公司，减少长期药物发现周期。虽然许多这类型的创业公司仍处于资助的早期阶段，但他们已经拥有一批制药客户。2019年人工智能的最大趋势之一将是领先的制药企业增加对该领域的投资。

2014至2018年AI医药领域交易数量和金额