2019年人工智能最有可能的25个趋势

　　4.医疗成像与诊断

　　美国食品和药物管理局(FDA)对AI医疗设备开了绿灯。 AI软件产品的快速监管审批为AI成像和诊断公司开辟了新的商业途径。在消费者方面，智能手机的渗透和先进的图像识别技术正在将手机变成功能强大的家用诊断工具。最具影响力的AI趋势之一将是AI用于医疗和诊断应用的批准和采用。数据显示，诊断应用是健康类AI应用投资交易的主要驱动。

▲诊断类AI投资交易

　　谷歌DeepMind的算法已经可以判断出乳房活检照片中肿瘤存在的可能性。

▲DeepMind的肿瘤识别算法

　　5.预测性维护

　　从制造商到设备保险公司，AI物联网可以为现有企业节省数百万美元的意外故障。预测性维护算法使用持续数据收集来预测设备故障。由于降低了传感器成本，人工智能的进步以及对边缘计算的推动，预测性维护已经变得更加广泛。我们将见证2019年及以后该行业的投资的增加。

　　6.电子商务搜索

　　对搜索术语的语境理解正在逐渐走出“实验阶段”，但广泛采用仍有很长的路要走。尽管面临技术挑战，早期的SaaS初创公司正在兴起，向第三方零售商销售搜索技术。 2019年人工智能的主要趋势之一将是对该行业的更多投资，包括主要零售商。

　　7.胶囊网络

　　深度学习推动了当今大多数人工智能应用，但胶囊网络很快就会取而代之。与当前的卷积神经网络(CNN)相比，胶囊网络具有许多优点。对胶囊网络的研究还处于起步阶段，但可能会挑战当前最先进的图像识别方法。

　　8.新一代假肢

　　非常早期的研究是将生物学，物理学和机器学习结合起来解决假肢中最棘手的问题之一：灵巧性。研究人员正在使用机器学习来解码来自身体感官的信号，并将其转化为移动假肢装置的命令。今年，该行业将寻求更多发展，包括面向消费者产品的试验。

　　9.AI临床试验

　　临床试验中最大的瓶颈之一就是招募合适的患者。理想情况下，AI可以从医疗记录中提取信息，与正在进行的研究进行比较，并向医生和患者提出相关研究建议。

　　很少有创业公司直接在临床试验领域与客户合作，但像苹果这样的科技巨头正在大踏步前进。自2015年以来，Apple推出了两个开源框架，以帮助临床试验招募患者并远程监控他们的健康状况。

▲AI临床试验

　　10.生成式对抗网络GANs

　　GAN采用“AI对抗AI”的概念，包括生成器和鉴别器。生成器创建伪图像，而鉴别器将其与真实世界图像进行比较，并向生成器提供反馈。 最终结果是一个恒定的反馈回路，产生越来越复杂的图像。随着研究的扩大，它将改变新闻，媒体，艺术乃至网络安全的未来。 2019年最重要的AI趋势之一将是GAN的进一步发展和其他应用的溢出效应。

　　11.联合学习

　　使用独特的本地数据集训练AI可以极大地提高其性能，但用户数据也是隐私的。 Google的联合学习方法旨在使用这些丰富的数据集，同时保护敏感数据。今年将见证在药物发现和其他用例中寻找更多联合学习的应用。

　　12.高级医疗保健生物学

　　利用神经网络，研究人员开始研究和测量以前难以量化的非典型风险因素。从视网膜扫描到分析皮肤颜色变化，AI正在从无数来源解锁新的医学见解。 AI将继续解锁新的诊断方法并识别以前未知的风险因素。

　　13.自动索赔处理

　　保险公司和初创公司正在使用人工智能来计算车主的“风险评分”，分析事故图像并监控驾驶员行为。人工智能的进步正在改变以前缓慢的，人为主导的过程，并允许更快的索赔结算。

　　14.假货识别

　　假货越来越难以发现，网上购物比以往任何时候都更容易购买假货。为了反击，品牌和典当商开始尝试人工智能技术。在线和实体商务中，AI被用于识别仿冒产品和欺诈性商标侵权。