机器智能为企业带来了人工智能和物联网的有力结合。该领域包括工业自动化、深度学习在传感器遥测中的应用、边缘计算、智能视频分析和认知计算。

 

以下是2019年影响机器智能领域的5大趋势:

 

1. AIoT是工业4.0的未来

 

2019年，工业物联网(IIoT)和人工智能融合。第一代物联网平台和解决方案依赖于一个基本的规则引擎来协调连接的传感器和执行器之间的工作流。这些规则引擎与IFTTT提供的功能相当。

 

使用AIoT，复杂的事件处理引擎和流分析与AI集成在一起。基于aiot的引擎不再依赖于静态规则，天辰娱乐登陆平台而是从历史数据中学习，为每个连接的设备派生基线指标。这种集成有助于将各种传感器接收到的入站遥测信息联系起来，以发现隐藏的模式。AIoT可以提高异常检测的准确性和精度，这直接转化为工业设备的增强预测维护。

 

主要的物联网和边缘计算平台提供商，包括亚马逊、微软、IBM、谷歌和FogHorn，支持ML模型与复杂事件处理和流分析服务的本地集成。

 

2. 汽车的兴起

 

AutoML正在改变构建和使用深度学习模型的方式。随着深度学习的发展和转移学习的应用，ML平台能够减少训练和优化模型所需的步骤。

 

虽然AutoML最初的目标是图像分类和对象检测的用例，但现在它扩展到支持语言理解，甚至支持表格形式的时间序列数据。企业可以将数据集输入到AutoML平台，然后使用完全训练过的模型离开。在后台，AutoML engine将执行必要的步骤，如数据准备、特征提取、规范化、模型选择、超参数优化甚至部署。

 

2019年，视觉、语言和时间序列数据方面的AutoML兴起。Amazon SageMaker Autopilot、Azure ML Services、Amazon Custom Label、谷歌Cloud AutoML、DataRobot都是支持AutoML的平台。

 

3.人工智能加速芯片的快速发展

 

2019年，天辰登录注册加速人工智能训练和推理的专用处理器和芯片快速增长。

 

人工智能加速器通过接手训练和推断ML模型所涉及的密集数学计算来补充CPU。当gpu支持深度学习模型的加速训练时，自定义人工智能加速器正在增强ML模型的推论能力。

 

2019年,我们已经看到英特尔推出下一个迭代的Movidius和无数视觉处理单元(VPU) V2, NVIDIA推出杰森Nano,和预先公布杰森Xavier NG,从高通Snapdragon 855手机平台的入口,谷歌航运边缘TPU和华为宣布提升芯片的家庭。

 

4. 人工智能推断移动到边缘

 

边缘计算已经成为人工智能和ML模型的逻辑目标。如果公共云是训练深度学习模型的首选环境，那么edge将成为运行ML模型进行推理的目标。

 

与特制的人工智能加速器相结合，专门的软件被用来优化模型，天辰测速官网使其在边缘运行。Intel的OpenVINO工具包、NVIDIA的TensorRT、谷歌的TensorFlow Lite、Qualcomm的神经处理SDK和ONNX运行时简化并加速了边缘推理。

 

5. 增加了对AI平台和开发工具的关注

 

在2019年，机器学习平台即服务(ML PaaS)产品的重点是提高开发人员的生产力。通过将特定于平台的sdk与Jupyter笔记本相结合，并为主流ide构建插件，ML PaaS供应商试图为数据科学家和开发人员简化ML模型的开发。

 

谷歌宣布了一个全面的人工智能平台，包括人工智能中心，ML引擎，和其他针对数据科学家的组件。它还启动了TensorFlow Enterprise，将培训和部署工作流与GCP集成在一起。微软对Azure ML平台进行了改版，以提供视觉设计师和精简的开发人员体验。最近，Amazon发布了SageMaker Studio，天辰平台登录这是一个端到端的工具，用于培训、调试、优化、部署和监视ML模型。Paperspace等初创企业已经构建了混合的ML PaaS产品，既可以在公共云中运行，也可以在企业数据中心中运行。