AI影响IT所有内容，2020年技术、平台以及标准等如何变化？

在人工智能（AI）几乎已成为科技行业的所有部分的一个组成部分。它们的采用已影响到应用程序、开发工具、计算平台、数据库管理系统、管理和监视工具等几乎涵盖了IT中的所有内容。

关键的AI用途、工具、技术、平台和标准到2020年会有哪些变化？下面我们来看一下。

GPU将继续主导AI加速

AI硬件加速器已成为高科技领域的领先竞争领域。虽然CPU、FGA和神经网络处理单元之类的竞争技术在边缘设备中已经获得了份额，但由于GPU在独立于车辆和网络链等云到边缘应用环境中的核心作用，它们仍将继续存在。

Nvidia行业领先的基于GPU的产品似乎有望在2020年实现增长和采用。但是，在接下来的十年中，包括CPU、ASIC、FPGA和神经网络处理单元在内的许多非GPU技术将会增加其在各种高端应用中的性能、成本和能效优势。

随着时间的流逝，Nvidia吸引了更多的竞争。行业标准的AI基准将成为竞争激烈的战场。随着AI市场的成熟和计算平台对快速，可扩展性和成本最低的工作负载处理这一区别的争议，行业标准基准将变得越来越重要。

去年，随着从Nvidia到Google的所有人都夸赞其卓越的性能，MLPerf基准测试变得更具竞争力。到2020年，人工智能基准测试将成为该细分市场中的关键市场进入策略，随着时间的推移，该细分市场只会变得越来越商品化。

在过去的十年中，只要高性能AI驱动的功能至关重要，MLPerf基准测试的结果就会体现在解决方案供应商的定位策略中。

两种架构

AI建模框架是数据科学家构建和训练统计驱动的计算机图形的主要环境。到2020年，大多数专家可能会在大多数项目中混合使用TensorFlow和PyTorch，并且这两种结构将在大多数商业工作台上可用。

随着十年的发展，这些资源之间的差异将随着对功能均等的强大资源对等的重视而逐渐缩小。同样，更多的AI工具供应商将提供与结构无关的建模平台，这可以为面临灭绝风险的旧结构带来新的活力。

业界广泛采用多层抽象（例如Keras和ONNX）来加快开放式AI建模平台的传播，这将允许在框架前端构建的模型在支持的框架的任何后端上运行。

到本世纪末，使用哪种前端建模工具来构建和训练机器学习模型将无关紧要。无论在何处构建AI，端到端数据科学管道都将自动格式化，编译，包含容器，并为您提供从云到边缘的最佳执行效果。

基于SaaS的AI将减少对数据科学家的需求

去年，我们看到了AWS，Microsoft，Google，IBM等公司将机器学习产品服务已经成熟。随着这种趋势的加剧，越来越多的企业用户依靠像这样的云提供商来提供更多的AI功能，而无需维护内部数据科学团队。到2020年底，SaaS供应商将在自然语言处理，预测分析和其他AI应用以及服务工具和平台开发中变得普遍。

维持内部AI计划的公司将进一步自动化数据科学工作，从而减少雇用新专家的需求。

企业AI将转向实际

每个数字化转型计划都依赖于利用最合适的机器学习模型。这需要进行真实世界的实验，其中基于AI的流程会测试替代的机器学习模型，并自动推广可达到预期结果的模型。到2020年底，大多数公司将在所有面向客户和后端业务流程上进行实际测试。

随着企业用户转向AI工具云提供商，诸如AWS近期推出的功能-模型迭代工作室，多模型实验跟踪工具和模型跟踪排行榜-将成为标准配置在所有基于24x7 AI的业务应用程序环境中。十年来，基于AI的自动化和devops功能将为流程优化提供通用的最佳实践。

AI将自动执行中央建模功能

神经网络是现代AI的心脏。到2020年，将传播一种AI驱动的方法，以自动实现针对其预期目的创建和优化神经网络的实践。随着神经体系结构研究的广泛采用，它将通过指导他们根据已建立的机器学习算法（例如线性回归）构建模型的决策来提高数据科学家的生产率。随着十年的发展，这种方法和其他方法将通过端到端自动化实现持续的AI开发。

AI驱动的对话界面消除了大多数应用程序中实际应用的需要。

了解基于AI的自然语言已经变得非常准确。人们正在手机和其他设备上快速使用“免提”功能。随着对话界面获得空间，用户可以通过语音输入创建更多文本。到2020年底，嵌入各种类型设备的面向AI的语音助手将提供更多文本，推文和其他口头信息。

在过去的十年中，语音助手和聊天界面将成为全球经济所有领域产品的标准功能。

端到端AI透明

人工智能正在成为企业应用程序中一个更加突出的风险因素。随着公司面对社会经济偏见，隐私侵害和其他AI驱动的应用程序影响的诉讼日益增多，法律顾问将需要全面的审计追踪，以揭示企业应用程序中使用的机器学习模型是如何建立，培训和管理。

到2020年底，大多数公司的首席法律官将要求其数据科学团队自动记录机器学习流程的每个步骤，并对每种模型如何生成自动推理提供清晰的语言解释。在过去的十年中，缺乏集成透明度将成为拒绝AI项目资金的主要因素。

最后，我们可以放心地假设，在未来几年中，所有产品（尤其是那些使用个人身份信息的产品）对基于AI的资源监管的需求将会增长。除了越来越强调AI设备的透明度外，现在还不能说这些未来的授权将对基础平台，工具和技术的发展产生什么影响，因为还为时过早。