过去的一年，人工智能热度有所回落，喧嚣褪去，落地成为主旋律;并在沉淀中走向成熟，影响着人们日常生活的方方面面。
2020年已经到来，人工智能的热度依旧。业内专家预言：2020年，人工智能将继续把想象中的技术进步领域变为现实并普及，绝对超乎人们想象。
那么，2020年，人工智能的发展将出现怎样的大趋势呢?下面就根据已知数据和科学家、企业家们的预言来提前知晓：
自动驾驶：安全监管才是难题
自动驾驶是人工智能行业最受关注的应用场景之一。在不久前结束的2020美国消费电子展(ces 2020)上，汽车制造商和科技公司纷纷亮出了自动驾驶最新成果。
例如，本田、宝马、爱信等带来了各自的自动驾驶概念车;高通、百度、地平线等展示了各自的自动驾驶方案;大疆内部孵化的子公司livox(览沃科技)推出了两款用于l3或l4级别自动驾驶的激光雷达产品。据business insider旗下研究机构bi intelligence预测，到2020年，全球具有自动驾驶功能的汽车保有量将达到约1000万辆。
对于什么时候能实现真正的自动驾驶看法不一，比如，cerence公司的创始人之一stefan ortmanns认为目前自动驾驶需要攻克的远不止技术，必须考虑安全保障，考虑费用。要想实现以上的愿景可能要等到2030-2040年。auto x 创始人兼ceo肖建雄却表示这种愿景可能会在2023年实现。在他看来，技术已经不再是难题，重点是政府何时开放无人驾驶的车辆全面上路。
关于自动驾驶伦理方面，或许有些新的争论，nauto首席执行官stefan heck认为，自动驾驶汽车应该被设计为可以打破法律限制，它必须学会超速行驶，并与其他驾驶员的速度相匹配，以便确保其他驾驶员的安全。比如遇到车祸时，超速如果能拯救更多的生命，ai就必须学会违反法律/驾驶规则。2020年，我们将看到更多关于设计非法行为算法的争论。
零售领域：ai越来越多用做营销推荐
零售的本质是把“人”(消费者)和“货”(商品)连接在一起的“场”。新零售就是在“人、货、场”三个关键要素上的更高效率的创新尝试。新零售的实现离不开人工智能技术。
以无人零售著称的amazon go高歌猛进，2019年在美国开出10家门店，并且有望在2021年前在美国开设3000+家实体店。据加拿大皇家银行(rbc)最新估计，amazon go的收入比普通便利店增加约50%，平均年收入估计为150万美元，并预测到2021年amazon go将达到45亿美元的规模。
amazon go基于计算机视觉算法，应用新技术“just walk out”，与自动驾驶汽车的工作方式类似，亚马逊称其为“世界上最先进的购物技术”，它最大的便利性就在于：即拿即走。
但是，mood media全球首席产品官trey courtney说道，我们在零售业使用人工智能方面还很早。到目前为止，大多数的使用都是在供应链中进行的，例如自动化库存数据管理和客户服务(通过聊天机器人来回答问题)。我相信，我们将看到更多的零售商部署人工智能技术，例如测量商店流量和调整数字屏幕内容的摄像头，以及部署语音助手，客户在商店购物时可以使用这些技术。
activeviam董事总经理georgebory则预言，零售商将越来越多地将ai⽤作营销推荐，许多零售商会努⼒将这些源⾃ai的决策转化为可定价，供应链和商品销售的业务规则。但并不是所有公司都意识到使⽤ai技术进⾏数据分析只是迈向真正转型过程的第⼀步。
数字经济公司：帮助小企业简化流程
阿里云研究中心2019年9月发布了《中国企业2020：人工智能应用实践与趋势》白皮书。白皮书指出，技术是阿里巴巴、腾讯等数字经济公司崛起的第一推动力，数字化创新将成为“中国企业2020”的主旋律。
摩根斯丹利(morgan stanley)为其16000名财务顾问配备了机器学习算法，将财务顾问从重复性的任务中解放出来，使其能更专注于客户服务。2020年会有越来越多的企业利用人工智能改变其业务模式、业务流程、业务结构，以及产品的应用。
雅虎小企业商务工程师philgrier称，到2020年，人工智能将有助于缩小许多资源有限的小企业面临的商业能力差距。有了人工智能，小企业可以通过自动化工作流程(如员工管理、it服务管理或合规性管理)实现更好的库存和交付管理，无缝高效地管理其门店。基于人工智能的聊天机器人和虚拟助理进一步简化业务交易，提高运营效率，同时也提供了最佳的客户体验。
ai芯片：市场竞争日益激烈
对于ai芯片行业来说，2020年将是迄今为止最重要的一年。
百度研究院发布2020十大科技趋势预测称，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。
因此，竞争也会尤为激烈，nvidia能否成功守垒、英特尔能否真正协同好各计算架构，高通能拿到多少数据中心市场蛋糕，华为的ai大网如何与其云计算齐头并进，2020年谁能在ai芯片市场上占据主导地位还是个未知数。
此外，ai芯片收购潮也会顿然掀起。2019年12月，英特尔收购了以色列人工智能芯片制造商habana labs，此举就看出些许端倪。市场上充满了大量的芯片初创公司，其中有不少公司已发展成熟，并开始产出可度量的成果。随着老牌的半导体企业意识到ai芯片的重要性，再加上人工智能会迅速占领垂直市场，这些初创企业或将寻求通过收购来实施自己的战略。
2020年，应该会成为ai芯片落地正面较量的关键之年。
医疗领域：人工智能成为主流的一年
在健康医疗方向，ai技术开启智慧医疗新时代。目前，ai技术可以针对收集的健康数据进行分析，使医疗过程中更加高效，例如通过可穿戴设备收集人体数据，通过ai技术，这些设备有望成为人们私人健康助手。甚至辅助医生为病人提供更加精准服务，例如通过ai看片可以释放医生时间，ai技术将会是医生的好帮手，提高工作效率的同时也能提高诊疗水平。此外，随着5g网络部署，远程医疗也成为可能。
capacity首席数据官davecostenaro表示，到2020年，预计在医疗保健领域，人工智能将取得重大进展。从生物学到后台到临床，医学中充斥着复杂的、多变量的问题，是机器学习算法的理想平台。但ai还有很多问题需要解决，比如病人隐私，训练数据的偏见，以及平衡人类和算法之间的协作，但这些都不是不可克服的，都可以通过深思熟虑、有纪律的方法来克服。潜在的收益是如此之大，我相信人工智能将在这一领域取得重大进展。
aidoc联合创始⼈兼⾸席执⾏官elad walach预估，2020年将是人工智能成为医疗领域主流的一年。2019年是早期采用人工智能的一年，之后，随着人工智能的口碑在社会上的传播，更多的医疗中心将开始意识到人工智能的好处。相反，这会导致人工智能医疗公司整体数量减少，因为会有赢家和输家。
教育领域：提供更个性化的路径
ai在教育方面的应用也炽手可热。比如，全球的教育程序已经转变为集成ai的不同应用程序，在线学院正在全球兴起，各种学习机器人的应用等等。
在新的一年，我们将会一起见证教育信息化从“互联网+教育”到“智能+教育”的转变。日前，新东方发布2020年教育科技十大趋势。其显示，2020年ai技术将在课前、课中、课后等教学全链路上发挥越来越重要的作用。在一些学科将出现ai教师，不需要真人教师参与即可完成教学工作。
另外，在大数据方面，个性化教育将被赋能。教育机构将建设更成熟的、体系化的教学/知识标签系统，从而完成教学信息的体系化。教育领域将出现短视频碎片化、个性化教育产品。教师端培训也会广泛采用个性化方式。
bned数字学生解决方案总裁kanuj malhotra认为，2020年，高等教育将继续看到人工智能的价值。我们将看到人工智能在学习工具中的应用越来越广泛，这些工具可以预测各种学科的使用情况，特别是在stem中，它能为学生提供更个性化路径。此外，人工智能在写作定性分析方面(包括论据结构、相关性和风格)，将使高等教育更多地使用基于人工智能的写作解决方案。
就业：人工智能将创造出新的职业
尽管有许多人对人工智能会造成大规模的失业而感到担忧，但该技术同样也会创造出新的工作岗位。根据调研机构gartner公司的预测，2020年将是人工智能相关业务发展的关键一年，将有180万个工作职位被人工智能取代，但同时也将创造出230万个新的就业机会。
2019年11月，人社部下属的中国就业培训技术指导中心公示了一批拟发布的新职业，其中有多个职业与智能产业相关，如人工智能训练师、无人机装调工、智能制造工程技术人员等。以人工智能训练师为例，在训练人工智能模型时需要大量的数据，而训练数据的质量直接关系到产品最终的整体性能，这就需要人工智能训练师对数据进行清洗、标注和分类。
人工智能技术人才将迎来黄金发展机遇的同时，其他行业人才也面临ai面试官的考核。
modern hire创新招聘执行副总裁eric sydel表示，到2020年，我们预计人才招聘团队将继续使用人工智能来推动公平，更好地预测招聘，简化流程和改善候选人体验。人才招聘团队还将使用人工智能来更好地预测候选人在工作中成功的可能性，实施偏差控制，并为候选人提供实时反馈。由于人工智能在招聘中继续发挥着重要作用，各组织必须确保其招聘技术有利于单个应聘者，并采用透明、可验证、可复制和可发布的开放标准。
数据化挑战：将有新的解决途径
人工智能的四大基础是：知识、数据、算法和算力，回顾历史，这四个因素都在不断地发挥作用。
第一代人工智能也叫符号人工智能，强调知识对智能的作用，因为那时算法和算力都还没有跟上。进入新世纪后，深度学习把大家的目标凝聚到了数据上，但是按照大数据建起来人工智能系统似乎不可信、不可靠、不安全、不易推广，这都是目前用深度学习进行人工智能研究带来的问题，也可以说是大数据遇到的挑战。
怎么来解决这个挑战呢?清华大学人工智能研究院院长、中国科学院张钹院士表示，唯一的办法，就是重新引入知识，把数据驱动和知识驱动结合起来，达成可信、安全的第三代人工智能。
affectiva联合创始人兼首席执行官ranael kaliouby提出，我们将看到数据合成方法的兴起，以应对人工智能中的数据挑战。基于深度学习的人工智能算法只有在经过训练并在大量数据上得到验证后才能正确工作，但人工智能公司常常面临着获取准确数据的挑战。为了解决这一问题，公司可以对已收集的数据进行综合，以创建新的数据。数据合成并不能消除收集真实世界数据的需求，但它可以扩大数据集，这对于开发更精确的人工智能算法至关重要。
cloudian cmo jontoor则关注到数据存储问题。他表示，随着数据量持续爆炸式增长，关键挑战之一是如何获得这些数据的全部战略价值。object存储将有助于在2020年处理人工智能和多语言工作负载，因为这种新的存储体系结构以传统文件存储不具备的方式利用元数据。
虽然在深入产业落地的过程中，人工智能仍然面临着众多挑战。但不可置疑的是，人工智能将对全球创新版图、经济结构以及人类生活方式带来革命性重构，未来十年内都将是人工智能技术加速普及的爆发期，在2020年，不论是国家、企业，还是个人，都应勇敢迎面这场人工智能大考，抓住机遇、稳求发展。
（转载）
以上是网络信息转载，信息真实性自行斟酌。
