成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
0
专家眼中2020年AI八大趋势
2019 年 12 月 21 日
专知
【导读】人工智能是发展最快,最难以预测的行业之一。几年前难以想象的所有事情:DeepFakes,人工智能驱动的机器翻译,围棋玩的比人还溜的机器人等不断地出现。但这不会妨碍我们对未来人工智能发展做出预测。人工智能专家给出了他们对2020年未来的发展趋势做出的预测。专家们总结了使医疗更精确成本更低、更关注可解释性/可信任性、不那么依赖海量数据、提高神经网络准确性/效率、自动化AI开发、制造业AI、AI的地缘政治意义、AI药物研发等八大研究趋势。
人工智能将使医疗更准确,成本更低
飞利浦首席创新与战略官Jeroen Tas:“人工智能在2020年的主要影响将是转变医疗工作流程,使患者和医疗专业人员从中受益,同时降低成本。它具有从多种医院信息流(电子健康记录,急诊室入院,设备利用率,人员配备等)实时获取数据并以有意义的方式进行解释和分析的能力,从而可以实现广泛的效率和医疗能力。”
Tas解释说,“在许多医疗系统中,复杂的行政流程,缺乏预防保健以及过度和不足的诊断和治疗造成了巨大浪费。这些都是AI真正可以发挥作用的领域。人工智能最有希望的应用之一将是在'指挥中心'领域,这将优化患者流量和资源分配。”
可解释性和可信任性将受到更多关注
“ 2020年将是AI值得信赖的一年,” Element AI的咨询和AI支持部门负责人Karthik Ramakrishnan说。“ 2019年见证了AI道德规范和风险管理的早期原则的出现,并且有一些早期尝试。可解释性的概念(能够解释基于AI的决策背后的力量)也越来越广为人知。”
人工智能将减少对数据的需求
Affectiva首席执行官兼联合创始人Rana el Kaliouby:“未来应对AI中数据挑战,数据合成方法的将会兴起。”深度学习技术需要大量数据,这意味着基于深度学习构建的AI算法只有在对大量数据进行训练和验证后才能正确运行。但是我们常常发现,获取正确的数据和必要的数据量具有挑战性。
“人工智能领域的许多研究人员正在开始测试和使用新兴的数据合成方法,以克服现实世界数据的局限性。借助这些方法,公司可以获取已经收集的数据,并将创建新数据。”
Kaliouby
说。
”
提高了神经网络的准确性和效率
波士顿大学计算机科学系副教授Kate Saenko说:“神经网络体系结构将继续扩大规模和深度,并产生更准确的结果,并且在模仿涉及数据分析任务的人类绩效方面将变得更好。” “与此同时,提高神经网络效率的方法也将得到改善,我们将看到在小型设备上运行更多实时且节能的网络。”
Saenko预测,诸如Deepfakes之类的神经生成方法还将继续改善,并生成更加真实的文本,照片,视频,音频和其他多媒体。
自动化的AI开发
“到2020年,我们期望在IBM所谓的“ AI for AI”领域看到重大的创新:使用AI来帮助自动化创建,部署,管理和操作AI模型生命周期中涉及的步骤和流程”。IBM Research AI副总裁Sriram Raghavan表示。
在过去的几年中,人工智能的自动化已成为研究和开发领域的一个增长领域。Google的AutoML可简化创建机器学习模型的过程,并使该技术可供更广泛的受众使用。今年早些时候,IBM推出了AutoAI,这是一个用于自动化数据准备,模型开发,功能工程和超参数优化的平台。
制造业中的AI
Neurala首席执行官兼联合创始人Massimiliano Versace表示:“ 2020年将是制造业拥抱人工智能以实现生产线现代化的一年。”对于制造业而言,最大的挑战之一就是质量控制。”
Versace
认为,通过将AI解决方案作为工作流的一部分进行集成,AI将能够扩大并应对这一挑战,“就像电钻改变了我们使用螺丝起子的方式一样,AI将通过以下方式增强制造业中的现有流程:减轻了平凡和潜在危险任务的负担,使员工有更多时间专注于创新产品开发,这将推动行业前进。”
人工智能
的地缘政治
意义
Symphony AyasdiAI首席执行官Ishan Manaktala说:“人工智能将在2020年及以后继续成为国家军事和经济安全的头等大事。” “政府已经在人工智能上进行了大量投资,作为可能的下一个竞争领域。中国已投资超过1400亿美元,而英国,法国和欧洲其他地区已向AI计划投入了超过250亿美元。美国起步较晚,2019年在人工智能方面的支出约为20亿美元,到2020年将超过40亿美元。
Manaktala补充说:“但专家敦促增加投资,警告美国仍在落后。最近的国家人工智能安全委员会指出,在未来十年中,中国可能会超过美国的研发支出。NSCAI在其初步报告中概述了五点:投资于AI研发,将AI应用于国家安全任务,培训和招募AI人才,保护美国技术优势以及统筹全球协调。”
AI药物研发
Chooch首席执行官Emrah Gultekin:“我们预计,随着视觉过程的自动化,药物发现将在2020年得到极大改善,因为视觉AI将能够大规模监视和检测细胞药物相互作用。由AI驱动的高度准确的分析可以大大加快药物发现的速度。”
药物开发是一个冗长的过程,可能需要长达12年的时间,涉及数千名研究人员的共同努力。开发新药的成本很高。但是,人们希望AI算法能够加快药物发现中的实验和数据收集过程。
原文链接:
https://thenextweb.com/artificial-intelligence/2019/12/17/8-biggest-ai-trends-of-2020-according-to-experts/
专 · 知
专知,专业可信的人工智能知识分发
,让认知协作更快更好!欢迎注册登录专知
www.zhuanzhi.ai
,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入
专知人工智能知识星球群
,获取
最新AI专业干货知识教程视频资料和与专家交流咨询
!
点击“
阅读原文
”,了解使用
专知
,查看5000+AI主题知识资料
登录查看更多
点赞并收藏
0
暂时没有读者
0
权益说明
本文档仅做收录索引使用,若发现您的权益受到侵害,请立即联系客服(微信: zhuanzhi02,邮箱:bd@zhuanzhi.ai),我们会尽快为您处理
相关内容
可解释性
关注
79
广义上的可解释性指在我们需要了解或解决一件事情的时候,我们可以获得我们所需要的足够的可以理解的信息,也就是说一个人能够持续预测模型结果的程度。按照可解释性方法进行的过程进行划分的话,大概可以划分为三个大类: 在建模之前的可解释性方法,建立本身具备可解释性的模型,在建模之后使用可解释性方法对模型作出解释。
【UTSA】最新《可解释人工智能XAI:机会与挑战》, 25页pdf119篇文献详述XAI技术进展
专知会员服务
158+阅读 · 2020年6月24日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
工程领域大数据和人工智能原则
专知会员服务
123+阅读 · 2020年3月26日
【2020Manning新书】人工智能成功之道,272页pdf,Succeeding with AI
专知会员服务
97+阅读 · 2020年3月8日
2019年人工智能发展白皮书,中国科学院大数据挖掘与知识管理重点实验室,附47页pdf
专知会员服务
160+阅读 · 2020年2月27日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
纽约大学AI Now研究所发布《AI Now 2019 年度人工智能报告》, 100页pdf
专知会员服务
34+阅读 · 2019年12月18日
《中国人工智能医疗白皮书》,207页PDF,上海交通大学人工智能研究院,上海交通大学医学院,上海市卫生和健康发展研究中心,上海感知城市数据科学研究院联合编
专知会员服务
100+阅读 · 2019年11月9日
《人工智能数据安全白皮书》(2019版)发布,51页PDF,中国信息通信研究院编
专知会员服务
144+阅读 · 2019年11月8日
【Nature Medicine】人工智能与医学结合的最新综述,附13页PDF
专知会员服务
104+阅读 · 2019年1月7日
百度研究院|2020年10大人工智能科技趋势
专知
7+阅读 · 2019年12月24日
AutoML:机器学习的下一波浪潮(附代码&链接)
THU数据派
4+阅读 · 2019年4月29日
AutoML:机器学习的下一波浪潮
AI前线
9+阅读 · 2019年4月27日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
国家主办AI大会李彦宏观点自相矛盾;谷歌升级TF;阿里发布新计算引擎
人工智能头条
3+阅读 · 2018年9月25日
Gartner:2018人工智能技术成熟度曲线
物联网智库
3+阅读 · 2018年8月17日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
2018年4个需要关注的人工智能趋势
大数据技术
7+阅读 · 2018年1月30日
趋势 | 学AI,先了解2018年人工智能的13大预测
AI100
6+阅读 · 2017年12月22日
AI世界:2018年八大趋势
CSDN云计算
6+阅读 · 2017年10月20日
Knowledge Graphs
Arxiv
101+阅读 · 2020年3月4日
Red blood cell image generation for data augmentation using Conditional Generative Adversarial Networks
Arxiv
4+阅读 · 2019年1月18日
Knowledge Graph Completion to Predict Polypharmacy Side Effects
Arxiv
3+阅读 · 2018年10月22日
Transfer Learning with Neural AutoML
Arxiv
5+阅读 · 2018年9月11日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Large Margin Few-Shot Learning
Arxiv
11+阅读 · 2018年7月8日
Multi-Source Neural Machine Translation with Missing Data
Arxiv
5+阅读 · 2018年6月7日
Learning Recommendations While Influencing Interests
Arxiv
9+阅读 · 2018年3月23日
Discriminability objective for training descriptive captions
Arxiv
9+阅读 · 2018年3月12日
Visual Interpretability for Deep Learning: a Survey
Arxiv
16+阅读 · 2018年2月7日
VIP会员
自助开通(推荐)
客服开通
详情
相关主题
可解释性
AI与制药
AI
人工智能
数据合成
自动化
相关VIP内容
【UTSA】最新《可解释人工智能XAI:机会与挑战》, 25页pdf119篇文献详述XAI技术进展
专知会员服务
158+阅读 · 2020年6月24日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
工程领域大数据和人工智能原则
专知会员服务
123+阅读 · 2020年3月26日
【2020Manning新书】人工智能成功之道,272页pdf,Succeeding with AI
专知会员服务
97+阅读 · 2020年3月8日
2019年人工智能发展白皮书,中国科学院大数据挖掘与知识管理重点实验室,附47页pdf
专知会员服务
160+阅读 · 2020年2月27日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
纽约大学AI Now研究所发布《AI Now 2019 年度人工智能报告》, 100页pdf
专知会员服务
34+阅读 · 2019年12月18日
《中国人工智能医疗白皮书》,207页PDF,上海交通大学人工智能研究院,上海交通大学医学院,上海市卫生和健康发展研究中心,上海感知城市数据科学研究院联合编
专知会员服务
100+阅读 · 2019年11月9日
《人工智能数据安全白皮书》(2019版)发布,51页PDF,中国信息通信研究院编
专知会员服务
144+阅读 · 2019年11月8日
【Nature Medicine】人工智能与医学结合的最新综述,附13页PDF
专知会员服务
104+阅读 · 2019年1月7日
热门VIP内容
开通专知VIP会员 享更多权益服务
自主系统与反自主系统:美国优势定位
《人类-人工智能编队的探索性模型: 利用人类数字孪生研究信任发展》最新32页
《利用近端策略优化估计最佳飞行轨迹》最新140页
《通过网络重构进行场景可靠军事路线规划》最新67页
相关资讯
百度研究院|2020年10大人工智能科技趋势
专知
7+阅读 · 2019年12月24日
AutoML:机器学习的下一波浪潮(附代码&链接)
THU数据派
4+阅读 · 2019年4月29日
AutoML:机器学习的下一波浪潮
AI前线
9+阅读 · 2019年4月27日
2019年机器学习:追踪人工智能发展之路
人工智能学家
4+阅读 · 2018年10月14日
国家主办AI大会李彦宏观点自相矛盾;谷歌升级TF;阿里发布新计算引擎
人工智能头条
3+阅读 · 2018年9月25日
Gartner:2018人工智能技术成熟度曲线
物联网智库
3+阅读 · 2018年8月17日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
2018年4个需要关注的人工智能趋势
大数据技术
7+阅读 · 2018年1月30日
趋势 | 学AI,先了解2018年人工智能的13大预测
AI100
6+阅读 · 2017年12月22日
AI世界:2018年八大趋势
CSDN云计算
6+阅读 · 2017年10月20日
相关论文
Knowledge Graphs
Arxiv
101+阅读 · 2020年3月4日
Red blood cell image generation for data augmentation using Conditional Generative Adversarial Networks
Arxiv
4+阅读 · 2019年1月18日
Knowledge Graph Completion to Predict Polypharmacy Side Effects
Arxiv
3+阅读 · 2018年10月22日
Transfer Learning with Neural AutoML
Arxiv
5+阅读 · 2018年9月11日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Large Margin Few-Shot Learning
Arxiv
11+阅读 · 2018年7月8日
Multi-Source Neural Machine Translation with Missing Data
Arxiv
5+阅读 · 2018年6月7日
Learning Recommendations While Influencing Interests
Arxiv
9+阅读 · 2018年3月23日
Discriminability objective for training descriptive captions
Arxiv
9+阅读 · 2018年3月12日
Visual Interpretability for Deep Learning: a Survey
Arxiv
16+阅读 · 2018年2月7日
大家都在搜
palantir
RE-NET
强化学习方法
自主系统
自主武器
大模型
壁画
笛卡尔
无人艇
EBSD晶体学织构基础及数据处理
Top
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top