2019 年將是機器學習關鍵的一年。ML 已經成為全球數字轉型的關鍵要素之一——到 2021 年底，累計投資預計將達到 580 億美元。在企業應用領域，本世紀末，ML 工具和解決方案的使用率預計將達到 65%。AI-as-a-Service 已經到來!

“智能助手”的時代已經來臨。機器學習 (ML) 已經成為全球數字轉型的關鍵要素之一——到 2021 年底，累計投資(人工智能和 ML)預計將達到 580 億美元。僅在美國，深度學習軟件的市場規模就將從 2018 年的 1 億美元躍升至 2025 年的 9.35 億美元。全球機器學習行業的年平均增長率約為 42%，到 2022 年第三季度，其價值將只會略低于 90 億美元。

在企業領域，機器學習用例的增長在過去的幾年里也很顯著。據國際數據公司 (IDC) 的一份報告顯示，到本世紀末，整個企業場景對 ML 工具和解決方案的使用率預計將達到 65%，其費用支出將高達 460 億美元。平均而言，55% 的公司首席信息官認為 ML 是加速業務發展的核心優先事項之一。在這里，我們將重點介紹機器學習在 2019 年將如何繼續發展:

1.ML 的新用例即將出現

今年早些時候，有消息稱，美國陸軍將使用定制的機器學習軟件工具 (由總部位于芝加哥的 Uptake Technologies 公司開發) 對作戰車輛進行預測性維修。換句話說，ML 能夠預測出車輛在什么時候可能需要修理服務以及服務的類型。這種“智能”功能將由嵌入到汽車引擎中的先進傳感器提供支持。ML 的另一個有趣的用例是基于先期股票收益記錄的股票市場波動預測。最近的一項研究表明，ML 的這種股票市場預測有 60% 以上的準確率——這已經足夠令人嘆為觀止了。在醫學科學和醫療保健領域，ML 模型被用來預測一個人的死亡概率 (在這種情況下，準確率遠遠超過 90%)。在零售、營銷和銷售以及工業、制造業領域，ML 的使用范圍也正在一步步擴大。通過“閱讀”和“解釋”過去的數據來預測未來——這是機器學習的本質——技術無疑正在變得越來越精細。

注意：人工智能應用和 ML 工具的概念不再局限于外部機器人?，F在它們已經成為業務工作流和日常應用程序的一部分了。

2.“ML 硬件優化”使用率將上升

3.ML 對云的使用率將提升

到 2020 年，全球云計算市場將以每年 25% 的速度增長，達到 4100 億美元以上。企業中對 ML 的不斷采用是這種激增背后的一個關鍵驅動因素。為了成功地實現“機器學習文化”，企業必須比以往任何時候都更加注重創新——特別強調改進云托管和基礎設施參數。隨著時間的推移，越來越多的“AI 專用工具和系統”(除了商業關鍵信息和大數據) 必須存儲在云上，而后者需要有足夠的安全性和可用性標準。一個健壯的、可擴展的云支持將幫助企業從機器學習無縫過渡到深度學習，為最終用戶提供更大的價值，并提高他們的 ROI。

注：從 2019 年開始，普通用戶將開始對人工智能和 ML 過程的工作原理有更清晰的了解——這要歸功于詳細的“人工智能審計跟蹤”。鑒于人工智能領域(比如：醫學科學)的關鍵性質，人們自然想知道這項技術是如何得出結論進行預測的。

4. 繼續推進膠囊網絡

5. 人工智能助手的興起

Siri，谷歌 Assistant 和 Alexa 已經成為人們日常生活的一部分，再過五年左右，全球人工智能助手市場的價值將達到 180 億美元。更重要的是，年復一年，每一位頂尖的“智能助手”都在變得越來越聰明(在 5000 個一般性問題的基礎上，Siri 成功回答了 31% 左右的問題，其中近 80% 的回答是正確的：在同一項調查中，谷歌 Assistant 回答了 67% 以上的問題，準確率略低于 88%)。隨著機器學習范圍的擴大，人工智能助手已經不只是存在于智能家居和手機中了。從明年開始，現代和起亞將開始在新車型中提供內置的、人工智能驅動的虛擬助理系統。這些助理將能夠執行無數的任務——從遠程家庭控制和汽車控制功能(通過語音)，目的地路徑規劃(基于之前的偏好)和導航指南。在生活的各個方面，具有 ML 能力的“智能助手”將使生活比以往任何時候都更簡單。

注意：智能聊天機器人(帶有人工智能)正越來越多的被人被使用。然而，我們仍需保持警惕——因為訓練數據集中的誤差會對用戶體驗造成嚴重損害。微軟的“Tay”聊天機器人就是這種失敗的典型例子。

6. 機器學習將解決更多“真正的問題”

注意：最近的一項研究發現，89% 的首席信息官計劃在其業務中使用 ML 工具及應用程序。

7. 機器人的世界?

注：機器學習在精密農業中也扮演著重要的角色。用于農業的智能桿子，帶有深根傳感器和專用的 ML 模塊，可以幫助農民做出更多“知情”的決定。

8. 前沿語音技術

9. 中美人工智能市場會有一場大戰

注意：開發人員不再依賴第三方 API，而是越來越多地轉向為 ML 應用程序開發自己的 API。有許多對開發人員來講友好的組裝套件和移動 SDK 來幫助他們實現功能。

10. 更多更好的機器學習平臺

11. 徹底改變人類與科技互動的方式

注：用于戰爭的“殺手機器人”的開發可能是令人擔憂的。最近的一份報告預測，人工智能在軍事應用方面的投資不斷增加，很可能導致 2040-2050 年間爆發一場核戰爭。

12.NLP 變得更加精確