2019年人工智能领域会出现怎样的演变？

人工智能正主导着全球企业的创新，无论是大型企业集团还是年轻的初创企业都为之疯狂。

据市场研究报告《从技术和垂直行业看人工智能市场——全球机会分析和行业预测》称，2018年至2025年，全球人工智能市场规模预计将从2016年的40.65亿美元增长至1694.11亿美元，复合年增长率达到55.6%。该报告按技术、行业垂直和地区来划分人工智能市场。

人工智能技术被细分为机器学习、自然语言处理、图像处理和语音识别。2016年，在营收方面，机器学习领域主导了人工智能市场，得益于人工智能行业解决方案的需求增加，预计未来几年这一趋势将会延续下去。根据数据显示，最大的营收部分来自面向企业应用程序市场的人工智能。

对2019年人工智能领域的预测:

机器学习是人工智能的主要形式，已被成功应用到多个不同的领域，比如亚马逊智能助手Alexa上的语音识别，Facebook自动标记照片功能的人脸识别，无人驾驶汽车当中的行人检测，浏览淘宝商品后的猜你喜欢。

在机器的学习过程中，人类扮演者引导的角色，但是这个过程中人类把自己的想法同时传递给电脑，使其在学习过程中产生偏见，臭名昭著的微软Tay机器人便是前车之鉴。

2019年，我们将会看到拥有主流计算机视觉产品的大公司公开发布更具包容性的数据集。这些数据集将在地理、种族、性别、文化概念以及其他维度上变得更加均衡，它们的公开发布也将驱动研究者展开研究将人工智能的偏见最小化。

随着让人工智能的决策变得更容易解释的产品逐渐成为主流，医疗和金融服务领域将会更多地采用人工智能。在医学中，可依靠机器帮助做很多决策，我们也可在其中寻找规律。在金融领域，可更直观的做出判断，它更依赖于一种被称为“深度学习”的技术。

2019年，随着初创企业和大公司寻求推动金融和医疗等行业采用人工智能，将会有专门针对这些行业的商业支持系统，帮助我们反思深层神经网络，并让我们更好地解释人工智能的预测。

到目前为止，公众的关注主要集中在图像、视频和音频上面——泛泛地说，就是“假媒体”和“假新闻”泛滥成灾——但在2019年，我们将看到某种攻击示范：产生令人信服但虚假的结构化和非结构化文本数据，导致机器在一些问题的自动化决策上出错，比如信用评分和从文件中提取数据。

2019年，有两种方法将在企业内得到更多的采用。第一个有效的方法是迁移学习，从一个有大量数据的领域中学习的模型被用来重新训练机器在另一个数据少得多的领域中学习。第二种方法是合成数据生成和模拟，生成式对抗网络可让我们创造非常逼真的数据。

2019年，这一趋势将会加速发展，移动化、智能家居和物联网生态系统将会推动机器学习发生在边缘设备上。