在2018年期间，一个潘多拉魔盒被打开，我们目睹了基于机器学习和人工智能的平台，工具和应用程序的急剧增长。 这些技术不仅影响了软件和互联网行业，还影响了其他垂直行业，如医疗保健，法律，制造业，汽车和农业。我们将继续看到2019年及以后的ML和AI相关技术的进步。 亚马逊，苹果，Facebook，谷歌，IBM和微软等公司正在投资研发人工智能，这将有助于生态系统将人工智能拉近消费者。在未来10年里，人工智能将变得无处不在。
与此同时，对于人工智能带来的担忧、不安乃至惶恐的情绪开始在人群中蔓延，来自未知的力量让人坐立不安但又无所适从，人们不知道人工智能究竟是装满了灾难的潘多拉魔盒，还是一部通往更高级人类文明的电梯。唯一可确定的是，盒子已经打开，电梯的按钮已经按下，已经没有人可以让这一切停下来。它将永不停止。就像一架高速飞驰的列车，任何人没有中途下车的机会，也不知将被带往何处。
电影人工智能，机械姬
从目前的情况来看我们也不用为此担忧，从当下的人工智能相关的产品发展情况来看，我们还未真正达到真正的人工智能阶段，现在的智能相关产品仍然处于单品智能向互联智能过渡的阶段，离真正的互联互通也还有一段路要走。
但是随着技术不断升级和迭代，人工智能是迟早的事情。从2019年开始，人工智能的AI趋势会往各行各业开始深入并且影响行业。
1.硬件行业的AI芯片兴起
与其他软件不同，AI严重依赖专用处理器来补充CPU。 即使是最快和最先进的CPU也可能无法提高AI模型的训练速度。 在推理时，该模型需要额外的硬件来执行复杂的数学计算，以加速对象检测和识别等任务。
2019年，英特尔，NVIDIA，AMD，ARM和高通等芯片制造商将推出专用芯片，加速AI应用的执行。 这些芯片将针对与计算机视觉，自然语言处理和语音识别相关的特定用例和场景进行优化。 来自医疗保健和汽车行业的下一代应用将依赖这些芯片为最终用户提供智能。
AI芯片
2、相关的人工智能框架和边缘的物联网融合
为了更好的降低人工智能技术进入门槛，就要归功一些开源框架，在2015年谷歌就开发了其机器学习库TensorFlow，越来越多的有进入人工智能领域的公司也开始投入到TensorFlow中来。使得人工智能相关的算法越来完善，在大数据的驱动下，深入机器学习，使得技术快速迭代，推动了大多数人工智能应用。
2016年，谷歌推出了Tensor Processing Units，或称TPU，它们更为人所知的一点是 - 专为Google的TensorFlow框架设计的芯片。 今年，这家技术巨头现在推出了Edge TPU，这是一种小型人工智能加速器，可在物联网（IoT）设备中实现机器学习工作。
在2019年，AI在边缘计算层遇到物联网。 在公共云中训练的大多数模型将部署在边缘。
人工智能在边缘侧的不断扩展，是驾驭数据洪流的关键环节之一，也是物联网未来发展的重要趋势，随着人工智能如火如荼的发展，海量数据需要快速有效地分析和提取洞察，这也大大加强了对于边缘计算的需求。在2019年，人工智能、边缘计算和物联网将更多的融合发展，比如在公共云、安防监控等领域。
3、自动化机器学习将获得突出地位
自动化机器学习将变成重要的技术。在外人看来，它可能不如深度神经网络。但是自动化机器学习对于机器学习、人工智能以及数据科学都产生了深远的影响。在不久的将来，我认为自动化机器学习将会替代机器学习的建模过程：一旦数据集拥有相对清晰的格式，那么自动化机器学习将会比99%的人类更快地设计与优化机器学习管道。从根本上改变机器学习解决方案的一个趋势是AutoML。它将使业务分析师和开发人员能够发展可以解决复杂场景的机器学习模型，而无需经过机器学习模型的典型培训，业务分析师可以专注于业务问题，而不是迷失在工作流程中。
从根本上改变基于ML的解决方案的一个趋势是AutoML。 它将使业务分析师和开发人员能够发展可以解决复杂场景的机器学习模型，而无需经过ML模型的典型培训过程。
在处理AutoML平台时，业务分析师会专注于业务问题，而不是迷失在流程和工作流程中。
AutoML完全适用于认知API和自定义ML平台之间。 它提供了正确的自定义级别，而无需强迫开发人员完成精心设计的工作流程。 与通常被视为黑盒子的认知API不同，AutoML具有相同程度的灵活性，但自定义数据与可移植性相结合。
