知名創(chuàng)投研究機構(gòu)CB Insights調(diào)研了25種最大的AI趨勢，以確定2019年該技術(shù)的下一步趨勢，他們根據(jù)行業(yè)采用率和市場優(yōu)勢評估了每種趨勢，并將其歸類為必要、實驗性、威脅性、暫時的。

開源框架。人工智能的進入門檻比以往任何時候都低，這要歸功于開源軟件。

膠囊網(wǎng)絡(luò)。深入學(xué)習(xí)推動了今天的大多數(shù)人工智能應(yīng)用，而膠囊網(wǎng)絡(luò)的出現(xiàn)可能會使其改頭換面。

生成式對抗網(wǎng)絡(luò)（GANs）。研究人員用GANs進行“面對面翻譯”，還有利用GANs將視頻變成漫畫形式，或者直接進行繪畫創(chuàng)作等。

聯(lián)合學(xué)習(xí)。旨在使用越來越豐富的數(shù)據(jù)集，但同時保護敏感數(shù)據(jù)。

強化學(xué)習(xí)。強化學(xué)習(xí)與當今最流行的人工智能范式監(jiān)督學(xué)習(xí)相比，還算不上成功，不過關(guān)于申請強化學(xué)習(xí)的研究越來越多，包括Microsoft、Adobe、FANUC等。

人工智能終端化。人工智能技術(shù)快速迭代，正經(jīng)歷從云端到終端的過程，人工智能終端化能夠更好更快地幫助我們處理信息，解決問題。

人臉識別。人臉識別的應(yīng)用范圍愈發(fā)廣泛，各國對于人臉識別的需求逐漸升高。人臉識別中所包含的數(shù)據(jù)遠比我們想象要多，其中的安全問題也應(yīng)引起我們關(guān)注。

語言處理。自然語言處理是人工智能的一個子領(lǐng)域，擁有豐富的市場機會，還有巨大的挑戰(zhàn)。機器翻譯就是其中一個等待開發(fā)的寶庫，從后臺自動化，客戶支持，到新聞媒體，其應(yīng)用廣泛。

車輛自動化駕駛。自動化駕駛成為了科技公司和初創(chuàng)公司互相競爭的新領(lǐng)域，他們?yōu)榇俗⑷氲牟粌H有新的活力，還有大量的投資。預(yù)計2025年其市場利潤能達800億美元，物流等相關(guān)行業(yè)會成為首批應(yīng)用全自動駕駛的行業(yè)。

AI聊天機器人。盡管許多人把聊天機器人看成是AI的代名詞，但兩者依然存在差別。如今的AI聊天機器人已經(jīng)進化得十分完善。但人們擔憂這些機器人的行為過于逼真，開始考慮在對話時對其聊天機器人的身份進行確認說明的需要。

醫(yī)學(xué)成像與診斷。美國食品與藥物管理局（FDA）正加速推進“AI即醫(yī)療設(shè)備”趨勢。在消費者方面，智能手機的普及和圖像識別技術(shù)的進步正在把手機變成強大的家庭診斷工具。

下一代假肢。最近，研究人員開始使用機器學(xué)習(xí)來解碼來自人體傳感器的信號，并將其轉(zhuǎn)換成移動假肢設(shè)備指令。

臨床試驗患者招募。臨床試驗的最大瓶頸之一是招募合適的患者。蘋果等科技巨頭已經(jīng)成功地為他們的醫(yī)療保健計劃引入了合作伙伴，改變醫(yī)療數(shù)據(jù)的流動方式，并為AI開辟了新的可能性。

先進醫(yī)療生物識別技術(shù)。利用神經(jīng)網(wǎng)絡(luò)，研究人員開始研究和測量以前難以量化的非典型危險因素，使用神經(jīng)網(wǎng)絡(luò)分析視網(wǎng)膜圖像和語音模式可能有助于識別心臟病的風(fēng)險。

藥物發(fā)現(xiàn)。隨著AI生物技術(shù)初創(chuàng)企業(yè)的興起，傳統(tǒng)制藥公司正尋求AI SaaS初創(chuàng)企業(yè)為漫長的藥物研發(fā)周期提供創(chuàng)新解決方案。

預(yù)測性維護。實時數(shù)據(jù)的數(shù)量和變化形式使機器學(xué)習(xí)成為IIoT不可分割的組成部分。算法可以在故障發(fā)生之前預(yù)測可能出現(xiàn)的隱患。隨著工業(yè)傳感器成本的降低、機器學(xué)習(xí)算法的進步，以及對邊緣計算的推動，預(yù)測性維護會更加廣泛。

后臺自動化。人工智能正在推動管理工作走向自動化，但數(shù)據(jù)的不同性質(zhì)和格式使其成為一項具有挑戰(zhàn)性的任務(wù)。根據(jù)行業(yè)和應(yīng)用程序的不同，自動化“后臺任務(wù)”的挑戰(zhàn)可能是獨一無二的。

綜合訓(xùn)練數(shù)據(jù)。對于訓(xùn)練人工智能算法來說，訪問大型的、標記的數(shù)據(jù)集是必要的，合成數(shù)據(jù)集可能會成為解決瓶頸問題的關(guān)鍵。

網(wǎng)絡(luò)優(yōu)化。人工智能正在開始改變電信，對于通信服務(wù)提供商來說，AI優(yōu)化可以直接轉(zhuǎn)化為更好的客戶體驗。

網(wǎng)絡(luò)威脅狩獵。對網(wǎng)絡(luò)攻擊做出反應(yīng)已經(jīng)不夠了，使用機器學(xué)習(xí)主動“搜尋”威脅正在網(wǎng)絡(luò)安全中獲得動力。顧名思義，威脅搜尋是主動尋找惡意活動的做法，而不僅僅是在發(fā)生警報或違規(guī)后做出反應(yīng)。

電子商務(wù)搜索。對搜索詞的上下文理解正在走出“實驗階段”，但要廣泛采用搜索詞還有很長的路要走。許多用戶用自然語言搜索產(chǎn)品，或者不知道如何描述他們在尋找的商品，這使得電子商務(wù)搜索的自然語言成為一個挑戰(zhàn)。

汽車索賠處理。保險公司和初創(chuàng)公司開始使用人工智能來計算車主的“風(fēng)險得分”，分析事故現(xiàn)場的圖像，并監(jiān)控駕駛員的行為，進而對駕駛員進行風(fēng)險分析，從而影響汽車保險的實際定價模型。

防偽。假貨越來越難被發(fā)現(xiàn)，網(wǎng)購使得購買假貨比以往任何時候都容易。現(xiàn)在，建立一個假冒偽劣商品的數(shù)據(jù)庫，提取其特征，并訓(xùn)練人工智能算法來分辨真?zhèn)?，雖是一個繁瑣的過程，但對于奢侈品牌和其他高風(fēng)險零售商來說非常有必要，下一步的解決方案還可能是在實體商品上識別或添加獨特的 “指紋”，并通過供應(yīng)鏈對其進行跟蹤。

零售。人工智能可以杜絕盜竊行為，并讓免結(jié)賬手續(xù)零售變得更加普遍。需要考慮如何利用建筑空間，特別是在擁擠的超市，確保攝像機能布置在最佳的位置。在短期內(nèi)，問題將歸結(jié)為部署成本和由潛在技術(shù)故障造成的庫存損失成本，以及零售商能夠承擔這些成本和風(fēng)險的程度。

農(nóng)作物監(jiān)測。無人機可以為農(nóng)民繪制農(nóng)田地圖，利用熱成像技術(shù)監(jiān)測濕度，識別蟲害作物并噴灑殺蟲劑。初創(chuàng)公司正專注于為第三方無人機捕獲的數(shù)據(jù)添加分析。