人工智能年度回顾及2020十大预测

随着越来越多的自动化机器学习（AutoML）实施，企业云市场升温，这使客户可以将AI应用于营销，客户服务和风险管理等用例。国外的Google，Microsoft和Amazon以及国内的百度，华为，腾讯和阿里，它们是云计算领域的最大参与者。

据IDC数据显示，截止今年11月，百度智能云凭借着在AI技术、市场和商业上的优异表现，在能力和战略两个维度都处于领先地位，位居领导者象限最上方，在中国排名第一名，在其后有阿里云、AWS、腾讯云和华为云等云厂商。

这其中有部分企业在年度技术展示中重点介绍了AI工具和自动化。譬如，微软在Ignite 2019上总结了其Azure认知搜索的口号：“使用AI解决业务问题。”

在4月的Google Cloud Next会议上，Google宣布了新的AutoML类，预制的零售和联络中心AI服务，以及协作式模型制作工具AI Platform。而亚马逊在re：Invent 2019大会上发布了五项新的基于机器学习的人工智能 (AI)服务。

Google Cloud Next更引人入胜的工具之一是AutoML Natural Language（自动语言），该语言于12月广泛发布，它可以分析多种文档和格式类型的文本，以提供情感分析，法律文档解析和出版物管理。

亚马逊在四月份推出了类似的AWS工具Textract。同时，Microsoft在其以业务为中心的Power Platform上提供了主题虚拟代理，情感分析和业务流程自动化。

华为9月重磅发布了全球最快AI训练集群Atlas 900，加速科学研究与商业创新的智能化进程。并还发布了新一轮沃土计划，宣布将投入15亿美元资金扶持开发者，扩大开发者社区至500万开发者规模。

而针对边缘端的AI，它与在云中处理的AI相比，具有更大的控制力和更好的隐私保护。今年六月，苹果公司推出酷睿ML 3，允许iOS设备来首次进行机器学习。谷歌于2017年将联邦学习纳入其TensorFlow开发环境中，并且取得了丰硕的成果：10月，谷歌在Pixel 4智能手机上推广了许多AI触摸功能，从语音识别到大大改善的摄像头功能。

硬件也变得更加高效，移动芯片支持“真正的AI”。英特尔推动Keem Bay，一个视觉处理单元带来推理任务边缘设备。谷歌提供的Coral AI，一系列板和套件神经网络的机器学习的边缘工作。NVIDIA发布了Xavier NX人工智能无人驾驶飞机，汽车和其他移动边缘设备。

此外，对功率效率的新关注可以帮助减少运行所有这些AI系统的环境影响。Google创建了一个控制器，该控制器可以在仅使用2毫瓦功率的情况下，使其实验量子处理器保持足够冷的状态，以正常运行。

在消费者方面，Facebook宣布了DeepFovea，这是一种AI技术，可改善VR头显的功耗。甚至在离家更近的地方，Sense还发布了一系列AI设备来监视和减少家庭能源使用，而Evolve Energy的AI帮助太阳能和风能客户找到最佳价格并节省能源。

2019年在自动驾驶汽车和物联网（IoT）等领域也取得了巨大进步。来自Uber，Lyft，Alphabet的Waymo，Tesla和Argo之类的自动驾驶汽车是AI驾驶控制的漂亮面孔。

人工智能2020年十大预测

沿着这些2019年已经深埋在科技土壤中的种子，我们可以提前展望一下2020。今天，百度研究院发布2020十大科技趋势预测。

未来之路上，科技正香醇。

AI技术本身以及各类商业解决方案已日渐成熟，正在快速进入“工业化”阶段。

伴随着国内外科技巨头对AI技术的持续投入，2020年在全球范围内将出现多家AI模型工厂、AI数据工厂，将AI技术和商业解决方案大规模生产出来，运用在各行各业帮助产业升级。

例如，客服行业的AI解决方案将可以大规模复制运用到金融、电商、教育等行业。

最近几年，AI芯片已经逐步达到了可用的状态，2020年将会是AI芯片大规模落地的关键年。

端侧AI芯片将更加低成本、专业化、解决方案集成化，同时，NPU（神经网络处理单元）将成为下一代端侧通用CPU芯片的基本模块。

未来，越来越多的端侧CPU芯片都会以深度学习为核心进行全新的芯片规划。

芯片之外，AI还将重新定义计算机体系架构，支持AI的训练和预测计算成为新的异构设计架构思路。

深度学习是当前人工智能领域最重要，也是被产业界证明最有效的技术。

以深度学习框架为核心的开源深度学习平台，大大降低了人工智能技术的开发门槛，有效提高了人工智能应用的质量和效率。

2020年，各行各业将会大规模应用深度学习技术实施创新，加快转型和升级。

AutoML将能够把传统机器学习中的迭代过程综合在一起，构建一个自动化的过程。

研究人员仅需输入元知识（如卷积的运算过程、问题的描述等），该算法就可以自动选择合适的数据，自动调优模型结构和配置，自动地训练模型，并将其适配部署到不同的设备上。

AutoML的快速发展将大大降低机器学习的门槛，扩大AI应用普及率。

多模态深度语义理解以声音、图像、文本等不同模态的信息为输入，综合感知和认知等AI技术，实现对信息的多维度深层次理解。

随着视觉、语音、自然语言理解和知识图谱等技术的快速发展和大规模应用，多模态深度语义理解进一步成熟，应用场景更加广阔。

结合AI芯片等，它将广泛应用于互联网、智能家居、金融、安防、教育、医疗等行业。

随着大规模语言模型预训练技术的出现和发展，通用自然语言理解能力有了大幅度提升。

基于海量文本数据的语义表示预训练技术将与领域知识进行深度融合，持续提升自动问答、情感分析、阅读理解、语言推断、信息抽取等自然语言处理任务的效果。

集合超大规模算力、丰富领域数据、预训练模型和完善研发工具的通用自然语言理解计算平台将逐渐成熟，并在互联网、医疗、法律、金融等领域得到广泛应用。

随着5G和边缘计算的发展，算力将突破云计算中心的边界，向万物蔓延，将会产生一个泛分布式计算平台。

同时，时间和空间是这个物理世界最重要的两个维度，对时间和空间的洞察将成为新一代物联网平台的基础能力。

这也将促进物联网与能源、电力、工业、物流、医疗、智能城市等更多场景发生融合，创造出更大的价值。

自动驾驶的发展正在趋于理性，市场将对智能驾驶未来数年的发展更加充满信心。

2020年，更多自动驾驶汽车被应用于物流快递、公共交通、封闭道路等不同场景。

同时，V2X（vehicle to everything）技术启动规模化部署和应用，使得车车、车路形成广泛连接，进一步推动智能车路协同技术的实现，智能交通加速在园区、城市、高速等多样化场景中落地。

随着区块链技术与AI、大数据、IOT和边缘计算的深度结合，数据和资产线下线上的映射问题逐一解决。

围绕区块链构建的数据确权、数据使用，数据流通和交换等解决方案，将在各行各业发挥巨大的作用。

例如，在电商领域，可保证商品的全流程数据真实性；供应链领域，可保证全流程数据的公开和透明，以及企业之间的安全交换；在政务领域，能实现政府数据的打通，实现证件的电子化等等。

随着“量子霸权”的成功展示，量子计算将在2020年迎来新一轮的爆发。

量子硬件方面，可编程的中等规模有噪量子设备的性能会得到进一步提升并初步具备纠错能力，最终将可在上面运行具有一定实用价值的量子算法，量子人工智能应用也将得到很大的发展。

量子软件方面，高质量的量子计算平台和软件将会涌现并与AI和云计算技术实现深度融合。

此外，伴随着量子计算生态产业链的初步形成，量子计算必将在更多应用领域获得重视，越来越多的行业巨头陆续投入研发资源进行战略布局，有机会为未来AI和云计算领域带来全新面貌。

在2019年短短一年时间里，百度AI的核心技术取得诸多突破，开放生态愈加繁荣。

新的一年，百度将继续强化技术的积累与探索，积极推进各行各业的产业智能化进程，让AI渗透到社会生活的方方面面和千行万业！