2021 年人工智慧 (AI) 趨勢
Artificial Intelligence (AI) Trends In 2021
來源：物聯網風向
儘管科幻小說，可能將人工智慧機器人描繪成壞人，但一些科技巨頭，現在也將其用於安全。微軟和優步等公司，使用 Knightscope K5 機器人，巡邏停車場和大型戶外區域，來預測和預防犯罪。機器人可以讀取車牌，報告可疑活動並收集數據，以向其所有者報告。
這些人工智慧驅動的機器人，只是「自主事物」的一個例子，它是 2019 年 Gartner 7 大策略技術之一，有可能在未來五年內，帶來重大中斷並帶來機會。
趨勢 1：自主事物
無論是汽車，機器人還是農業，自主事物都使用 AI 來執行，傳統上由人類完成的任務。智慧的複雜程度各不相同，但所有自主事物都使用人工智慧，與他們的環境進行更自然的交互。
自主事物有五種類型：
1．機器人
2．車輛
3．無人機
4．家電
5．虛擬助理
這五種類型佔據四種環境：海洋、陸地、空中和數位虛擬。它們都具有不同程度的能力、協調和智慧。例如，它們可以跨越在空中操作的無人機，人工輔助在田地中，完全自主地操作的農業機器人。 這描繪了潛在應用的廣泛圖景，幾乎每個應用、服務和物聯網對象，都將採用某種形式的 AI 來自動化或增強流程或人為操作。諸如無人機群之類的協作自主事物，將越來越多地推動人工智慧系統的未來發展。
趨勢 2：增強式分析（大數據）
數據科學家現在擁有越來越多的數據來準備，分析和分組 － 並從中得出結論。鑒於數據量，探索所有可能性變得不可能。這意味著企業可能會錯過，數據科學家無法探索，假設的關鍵見解。
增強分析代表了，數據和分析能力的第三大浪潮，因為數據科學家使用自動算法，來探索更多假設。數據科學和機器學習平台，已經改變了企業如何產生分析洞察力。
「到 2020 年，超過 40％ 的數據科學任務，將實現自動化」。
增強分析可辨識隱藏的模式，同時消除個人偏見。雖然企業存在無意中，將偏差插入算法的風險，但增強分析和自動化洞察，最終將嵌入到企業應用中。
到 2020 年，公民數據科學家的數量，將比專業數據科學家快 5 倍。公民數據科學家使用人工智慧，驅動的增強分析工具，自動化數據科學功能，自動辨識數據集，開發假設和辨識數據模式。企業將把公民數據科學家，視為實現和擴展數據科學能力的一種方式。
Gartner 預測，到 2020 年，超過 40％ 的數據科學任務將實現自動化，從而提高公民數據科學家的生產力和廣泛使用。在公民數據科學家和增強分析之間，數據洞察將在整個企業中，得到更廣泛的應用，包括分析師，決策者和營運工作者。
趨勢 3：人工智慧驅動的開發
AI 驅動的開發，著眼於將 AI 嵌入到應用中，並使用 AI 為開發過程，創建 AI 驅動的工具的工具、技術和最佳實踐。這一趨勢正在沿著三個方面發展：
用於建構 AI 解決方案的工具，正在從針對數據科學家（AI 基礎設施、AI 框架和 AI 平台）的工具，擴展到針對專業開發人員社區（AI 平台、AI 服務）的工具。借助這些工具，專業開發人員可以將 AI 驅動的功能和模型注入應用，而無需專業數據科學家的參與。
用於建構 AI 解決方案的工具，正在被賦予 AI 驅動的功能，這些功能可以幫助專業開發人員，並自動執行與 AI 增強型解決方案，開發相關的任務。增強分析、自動化測試、自動代碼生成和自動化解決方案開發，將加速開發過程，並使更廣泛的使用者能夠開發應用。
支持 AI 的工具，正在從協助和自動化，與應用開發（AD）相關的功能，演變為使用業務領域，專業知識和自動化 AD 流程堆棧（從一般開發到業務解決方案設計）的更高活動。
市場將從專注於與開發人員，合作的數據科學家，轉移到使用作為服務提供的預定義模式，獨立營運的開發人員。這使更多的開發人員能夠利用這些服務，並提高效率。這些趨勢也導致虛擬軟體開發人員和非專業「公民應用開發人員」的主流使用。
趨勢 4：賦權邊緣
邊緣計算是一種拓撲，其中資訊處理和內容收集，和傳遞更靠近資訊源，並且將流量保持在本地，將減少延遲。目前，該技術的大部分重點是物聯網系統，需要在嵌入式物聯網世界中，提供斷開連接或分布式功能。這種類型的拓撲結構，將解決高 WAN 成本，和不可接受的延遲水準等挑戰。此外，它還將實現數位業務和 IT 解決方案的細節。
「技術和思維將轉變為經驗，將人們與數百個邊緣設備聯繫起來的地步」。到 2028 年，Gartner 預計在邊緣設備中，嵌入感測器、儲存、計算和高級 AI 功能將不斷增加。一般而言，智慧將走向各種終端設備的邊緣，從工業設備到螢幕，再到智慧手機再到汽車發電機。
趨勢 5：沈浸式技術
到 2028 年，改變使用者與世界互動方式的會話平台，以及改變使用者感知世界方式的擴增強實境（AR）、混合實境（MR）和虛擬實境（VR）等技術，將帶來新的身臨其境的體驗。 AR、MR 和 VR 顯示出提高生產力的潛力，下一代 VR 能夠感知形狀，並跟蹤用戶的位置和 MR，使人們能夠查看和與他們的世界互動。
到 2022 年，70％ 的企業將嘗試使用沈浸式技術進行消費和企業使用，25％ 將部署到生產中。會話平台的未來，從虛擬個人助理到聊天機器人，將結合擴展的感官管道，使平台能夠根據臉部表情檢測情緒，並且他們將在交互中變得更加對話。
最終，技術和思維將轉移到這樣的程度，即人們將數百種邊緣設備（從電腦到汽車）連接起來。
趨勢 6：智慧空間
智慧空間是物理或數位環境，人類和技術支持的系統在日益開放、連接、協調和智慧的生態系統中相互作用。隨著技術成為日常生活中更加整合的一部分，智慧空間將進入加速交付的時期。此外，隨著個人解決方案成為智慧空間，其他趨勢，如 AI 驅動技術、邊緣計算、區塊鏈和數位雙胞胎，正在朝著這一趨勢發展。
智慧空間僅在五個關鍵方面發展：開放性、連通性、協調性、智慧性和範圍。從本質上講，智慧空間正在發展，因為單個技術從孤島中產生，共同協作以創建協作和交互環境。智慧空間最廣泛的例子是智慧城市，其中結合商業、住宅和工業社區的區域，正在使用智慧城市生態系統框架進行設計，所有部門都與社會和社區協作相關聯。
趨勢 7：量子計算
量子計算是一種非經典計算，它基於亞原子粒子的量子態，它將資訊表示為表示為量子位或「量子位」的元素。
量子電腦是指數級可擴展，且高度並行的計算模式。 想像傳統電腦和量子電腦之間，差異的一種方法，是想像一個巨大的圖書館。
雖然經典電腦會以線性方式，讀取庫中的每本書，但量子電腦會同時讀取所有書籍。 量子電腦理論上，可以同時處理數百萬次計算。 以商業可用、價格合理，且可靠的服務形式，進行的量子計算將改變一些行業。
顛覆未來：智慧 AI 晶片
從推動 PCB 的生產，到在增強實境中發揮不可或缺的作用，下一代人工智慧有可能徹底改變，我們所知道的生活。谷歌發佈自己的 TPU 以及 Egde TPU：TPU 是針對 TensorFlow 上的機器學習工作負載量身訂製的客製化應用專用整合電路（ASIC）。 雖然第一代 TPU 僅用於推理，但 Cloud TPU 適用於推理和機器學習培訓。Cloud TPU 採用四個客製化 ASIC 建構，可提供強大的 64 GB 高頻寬快閃記憶體和 180 TFLOPS 性能。
去年，谷歌宣稱它的 TPU 比現代 GPU 和推理 CPU 快 15 到 30 倍，並且 TOPS / Watt 測量值提高了 30－80 倍。
在舊金山 Google Next 會議的主題演講中，Google Cloud 的物聯網副總裁 Injong Rhee 宣佈推出兩款新的 AIY 項目主板 － AIY Projects Edge TPU Dev Board 和 Edge TPU Accelerator 圍繞谷歌新推出的專用邊緣 TPU。
沒有留言:
張貼留言