2019年十大人工智能趋势

2019年十大人工智能趋势
人工智能利用数据科学和算法来自动化, 优化并发现人眼无法看到的隐藏价值. 根据估计, 仅在2019年，人工智能将在全球创造近2万亿美元的商业价值. 因此, 这是获取人工智能红利的绝佳动力. 此外, 幸运青睐那些早期开始的人. 因此, 落后者可能不会那么幸运.
近年来，人们对人工智能及其应用越来越关注 (人工智能) 以及机器学习 (ML-机器学习). 此外, DevOps与任务自动化相关. 它专注于软件交付过程步骤的自动化和监控, 确保工作快速完成. 人工智能和机器学习非常适合DevOps文化. 此外, 它们可以处理大量信息并帮助完成重要任务. 它们可以学习模式, 预见问题并提出解决方案. 如果DevOps的目标是统一开发和运维, 人工智能和机器学习可以缓解过去分隔这两个领域的一些紧张关系.
此外, DevOps的一个关键原则是在过程的每个阶段使用持续反馈循环. Esto incluye el uso de herramientas de monitoreo para proporcionar comentarios sobre el rendimiento operativo de las aplicaciones en ejecución. 此外, esta es un área de hoy en la que el ML ya está afectando a DevOps. 此外, al utilizar la tecnología de automatización, los chatbots y otros sistemas de Inteligencia Artificial, estos canales de comunicación pueden volverse más eficientes y proactivos. 此外, 在未来, podemos ver la aplicación de IA / ML en otras etapas del ciclo de vida del desarrollo de software. Esto proporcionará mejoras a la metodología enfoque de DevOps.
AIOps se refiere a las plataformas de tecnología de múltiples capas que automatizan y mejoran las operaciones de TI al 1) usar analíticas y el Aprendizaje Automático para analizar grandes volúmenes de datos de varias herramientas y dispositivos de operaciones de TI, con el fin de 2) detectar y reaccionar automáticamente a los problemas en tiempo real.
2. La aparición de más plataformas de Aprendizaje Automático.
La gente aún no ha terminado de entender el Aprendizaje Automático, y ahora está surgiendo un nuevo término avanzado en el mercado para el Aprendizaje Automático, y es decir, el ‘Aprendizaje Automático Automatizado‘. El Aprendizaje Automático Automatizado (AutoML) es un concepto más directo, y hace las cosas más fáciles. Más fácil para desarrolladores y profesionales. 此外, el AutoML es un cambio de la programación tradicional basada en reglas a un formulario de automatización donde las máquinas pueden aprender las reglas. 此外, en el Aprendizaje Automático de máquinas, ofrecemos un conjunto relevante y diverso de datos confiables para, al principio, ayudar a automatizar el proceso de toma de decisiones. Los ingenieros ya no tendrán que dedicar tiempo a tareas repetitivas, gracias al AutoML. El crecimiento en la demanda de profesionales de Aprendizaje Automático obtendrá un impulso masivo con el aumento del AutoML.
Estamos en una época dorada en la que todos los mega-proveedores de plataformas que proporcionan infraestructura móvil 技术信仰 están implementando herramientas accesibles para dispositivos móviles para desarrolladores móviles. 例如:
Imagine un mundo en el que pueda sentarse al lado de sus clientes y tener una conversación particular person acerca de sus expectativas de su marca con cada interacción y cumplir con sus expectativas cada vez. A medida que avanzamos en la period digital, esta podría ser la realidad de las marcas, donde las empresas tienen la oportunidad de ganarse el corazón de sus clientes con cada interacción. La Inteligencia Artificial y la Realidad Aumentada (AR) son dos de estas tecnologías, que mostrarán el mayor potencial para conectarse con los consumidores en 2019 y controlarán el panorama tecnológico. La razón clave detrás de esta tendencia es que, en comparación con la Realidad Digital, que necesita un dispositivo de hardware como Oculus Rift , es bastante simple de implementar la Realidad Aumentada (Augmented Actuality). Sólo necesita un teléfono inteligente y una aplicación.
El Modelado Basado en Agentes (ABM) es una poderosa técnica de modelado de simulación que ha visto varias aplicaciones en los últimos años, incluidas las aplicaciones para los problemas empresariales del mundo actual. 此外, en el Modelo Basado en Agentes (ABM), un sistema se modela como una colección de entidades autónomas de toma de decisiones llamadas agentes. Cada agente evalúa individualmente su situación y toma decisiones sobre la base de un conjunto de reglas. Los agentes pueden ejecutar diversos comportamientos apropiados para el sistema que representan, 例如, producir, consumir vender.
Los beneficios de ABM sobre otras técnicas de modelado se pueden capturar en tres declaraciones: (我) ABM captura fenómenos emergentes; (ii) ABM proporciona una descripción natural de un sistema; 并 (iii) ABM es versatile. 然而, está claro que la capacidad de ABM para lidiar con los fenómenos emergentes es lo que impulsa los otros beneficios.
El Internet de las Cosas está cambiando la vida tal como la conocemos desde el hogar hasta la oficina y más allá. Los productos de IoT nos otorgan un control extendido sobre los electrodomésticos, las luces y las cerraduras de las puertas. También ayudan a agilizar los procesos de negocio; y nos conecta más a fondo con las personas, los sistemas y los entornos que dan forma a nuestras vidas. El IoT y los datos permanecen intrínsecamente vinculados entre sí. Los datos consumidos y producidos siguen creciendo a un ritmo cada vez mayor. Esta afluencia de datos está impulsando la adopción generalizada del IoT, ya que habrá cerca de 30,seventy three mil millones de dispositivos conectados al IoT para 2020
El análisis de datos tiene un papel importante que desempeñar en el crecimiento y el éxito de las aplicaciones e inversiones del IoT. Las herramientas de análisis permitirán a las unidades de negocios hacer un uso efectivo de sus conjuntos de datos como se explica en los puntos que se enumeran a continuación.
Volumen: Hay enormes grupos de conjuntos de datos que utilizan las aplicaciones de IoT. Las organizaciones empresariales necesitan gestionar estos grandes volúmenes de datos y deben analizar los mismos para extraer patrones relevantes. Estos conjuntos de datos junto con los datos en tiempo real se pueden analizar de manera fácil y eficiente con el software de análisis de datos.
结构: Las aplicaciones del IoT implican conjuntos de datos que pueden tener una estructura variada como conjuntos de datos no estructurados, semiestructurados y estructurados. También puede haber una diferencia significativa en los formatos y tipos de datos. El análisis de datos permitirá que el ejecutivo de negocios analice todos estos conjuntos de datos variables mediante herramientas y software automatizados.
La demanda de la Inteligencia Artificial aumentará enormemente en los próximos dos años, y no es de extrañar teniendo en cuenta el hecho de que está afectando básicamente a todas las principales industrias. 然而, a medida que estos sistemas realizan tareas cada vez más complejas, exigen más poder de computación del hardware. Los algoritmos del Aprendizaje Automático también están presentes localmente en una variedad de dispositivos de borde para reducir la latencia, lo cual es crítico para drones y vehículos autónomos. La implementación native también reduce el intercambio de información con la nube, lo que scale back en gran medida los costos de purple para dispositivos del IoT.
然而, el hardware actual es grande y consume mucha energía, lo que limita los tipos de dispositivos que pueden ejecutar estos algoritmos localmente. Pero al ser los seres humanos inteligentes que somos, están trabajando en muchas otras arquitecturas de chips optimizadas para el Aprendizaje Automático que son más potentes, eficientes en el consumo de energía y más pequeñas.
Hay un montón de empresas que trabajan en hardware específico de la IA
Las Unidades de Procesamiento de Tensor de Google (TPU), que ofrecen en la nube y cuestan solo una cuarta parte en comparación con la capacitación de un modelo similar en AWS.
El Aprendizaje Automático ha permitido hacer avances importantes en diferentes problemas empresariales y de investigación: desde reforzar la seguridad de la red hasta mejorar la precisión del diagnóstico médico. Dado que preparar y ejecutar modelos de aprendizaje profundo puede llegar a exigir muchos recursos informáticos, Google ha creado las Unidades de Procesamiento de Tensor (TPU). Se trata de circuitos ASIC diseñados desde cero para el Aprendizaje Automático que utilizan varios de sus productos más destacados, como el Traductor , Fotos , la Búsqueda , el Asistente y Gmail La tecnología de aceleración de las TPU de Cloud permite que empresas de todo el mundo agilicen sus cargas de trabajo de Aprendizaje Automático en Google Cloud.
Microsoft está invirtiendo en matrices de puertas reprogramables (FGPA) de Intel para la capacitación e inferencia de modelos de IA. FPGA高度可配置, 因此可以轻松配置和优化以适应新的AI算法.
FPGA是一种设备，允许我们使用特定语言描述数字电路 (最常见的两种语言是VHDL和Verilog) 在将其加载到集成电路后, 它会在芯片上被实际创建. 它的名称是一个英文缩写，意思是可重编程门阵列（Subject Programmable Gate Array）.
英特尔拥有大量用于AI特定算法的硬件，例如CNN. 他们还收购了Nervana, 这是一家开发AI芯片的新公司, 并提供适合开发者的完整软件套件.
Las Plataformas de Transmisión de Datos se combinan no solo para el análisis de información de baja latencia. 但是, el aspecto importante radica en la capacidad de integrar datos entre diferentes fuentes. 此外, hay un aumento en la importancia de las organizaciones basadas en datos y el enfoque en la toma de decisiones de baja latencia. 因此, la velocidad de los análisis aumentó casi tan rápidamente como la capacidad de recopilar información. Aquí es donde el mundo de las Plataformas de Transmisión de Datos entra en juego. Estas plataformas modernas de administración de datos brindan la capacidad de integrar información de sistemas operativos en tiempo actual casi en tiempo real.
A través del Streaming Analytics, la información en tiempo real se puede recopilar y analizar desde y en la nube. La información es capturada por dispositivos y sensores que están conectados a Web. Algunos ejemplos de estas plataformas de transmisión: pueden ser
Los fabricantes de automóviles esperan que la tecnología de conducción autónoma impulse una revolución entre los consumidores, que encienda las ventas y vuelva a posicionar a los EE. UU. como el líder en la industria automotriz. Compañías como Common Motors y Ford están alejando los recursos de las líneas de productos tradicionales y, junto con las compañías de tecnología como Waymo de Google, están invirtiendo miles de millones en el desarrollo de automóviles de conducción automática. Mientras tanto, 该行业正在向国会施压，以推动一套监管框架，使汽车制造商有信心制造此类车辆，而不必担心需要遵守尚未明确的法规，这些法规可能会阻碍他们进入国家道路.
这被称为商业智能, 商业智能 BI (来自英语 business intelligence), 一套策略, 应用程序, 数据, 产品, 技术和体系结构方法, 这些都专注于管理和创造关于环境的知识, 通过分析组织企业中现有的数据.
摘要
Muchos expertos en tecnología postulan que el futuro de la IA y el Aprendizaje Automático es seguro. Es hacia donde se dirige el mundo. En 2019 y más allá, estas tecnologías van a apuntalar el soporte a medida que más empresas se den cuenta de los beneficios. 然而, las preocupaciones que rodean la confiabilidad y la ciberseguridad continuarán siendo muy debatidas. Las tendencias de la Inteligencia Artificial y las tendencias del Aprendizaje Automático para 2019 y más allá tienen la promesa de amplificar el crecimiento del negocio y reducir drásticamente los riesgos. Entonces, ¿está listo para llevar su negocio al siguiente nivel con las tendencias de la Inteligencia Artificial?
Artículos relacionados:
Relacionado
在此输入您的评论…
输入您的数据点击图标登录:
电子邮件 (必填) (地址不会公开)
布雷 (必填)
通过电子邮件接收新条目.
电子邮件订阅
请输入您的电子邮件地址以订阅此博客, 并通过电子邮件接收新帖通知.
加入另外 10,485 名关注者
报名!
最新文章
• Kindle Unlimited: 截至 12 月 8 日, 使用 Kindle Limitless，客户将能够找到他们的下一本阅读书籍… /i/web/standing/1… 4 天前在推特上发布
Twitter 推出在全球隐藏推文回复的新功能: 使用方法 /p/303485?utm_s… 通过 @genbeta 5 天前发布
WP Engine 收购 Flywheel /2019/06/wp-eng… 5 天前在推特上发布
为 WordPress 提供托管服务: Flywheel 的基本概述和评测 /2019/04/hostin… 5 天前在推特上发布
如何选择最佳的网络托管供应商? /2XDtFm6 5天前发推文
最受关注的帖子
你的名字
条目未发送. 请检查你的电子邮件地址!
电子邮件验证错误. 请, 重试
对不起, 你的博客无法通过电子邮件分享条目.
隐私 & Cookies: 本网站使用Cookies. 继续使用本网站, 即表示你同意其使用. 了解更多, 包括如何控制Cookies, 点击这里: Cookie 政策.
%d个博主喜欢这个: