但是不管舆论怎样推波，我们都要面对一个事现实“AI真的让我们生活的好！”，并且它还会持续的“好”。未来的一年，AI还会继续发力。

　　以下是2019年AI的发展趋势，你准备好迎接了吗？

　　2019年，自动化将分阶段进行。虽然距离自动化还需一段路程，但许多工作流程和任务都实现了部分自动化。据麦肯锡（McKinsey）统计，基于现有技术， 5%的职业有希望实现自动化，60%的职业可以实现30%自动化。

　　我们已经看到了很多依赖计算机视觉和语音技术的产品和服务，2019年我们会看到多。语言模型和机器人技术的持续发展，将实现较全的文本和物理解决方案。竞争将推动企业实施部分自动处理方案，而自动化项目的成功会推动自动化的发展。

　　过去几年，公司致力于构建流程和基础架构来解锁不同的数据源，以便改进关键型任务的分析，包括业务分析、个性化、预测、异常检测和监控等。

　　除了使用视觉和语音技术，我们期望深化深度学习，深到公司已有的数据和机器学习领域。例如，通过深度学习为时间和地理空间数据注入系统，从而产生可可扩展且准确的混合系统（即，将深度学习与其他机器学习方法相结合的系统）

　　当前的AI解决方案是消费者、工作者和领域内工作者携手合作的。这些系统拉高了用户的生产力，使他们能够以出乎意料的规模和准确度执行任务。丰富的用户体验或用户界面设计不但能简化任务操作，而且能直接拉升用户对一项产品的忠实度。

　　深度学习于2011年开始流行，在语音和计算机视觉方面塑造了庞大的模式。如今，已经有的论证证明硬件的合理性——Facebook每天的预测就达到万亿次。谷歌也有富裕的规模证明自己生产的硬件的合理性。自去年开始，谷歌一直使用的是张量处理单元（TPU）。因此，2019年，多的专有硬件将开始出现。中国和美国将有多的公司基于数据中心和边缘设备开发针对模型构建和推理的硬件。

　　虽然深度学习一直在持续发力，但大多数实现端到端解决方案的都是混合系统。2019年，其他组件和方法将会不断浮出水面，包括基于模型的方法，例如贝叶斯推理，树搜索、进化、知识图谱、模拟平台等等。我们可能会看到多不基于神经网络的机器学习。

　　我们处于一个经验主义的机器学习时代。ML开发工具需要考虑数据、实验和模型搜索以及模型部署和监视的重要性。要完成一个步骤：模型创建，公司就可以开始研发数据沿袭、元数据管理和分析、计算资源高效利用、高效模型搜索和参数调优工具。2019年，我们期待有新的工具来简化AI和ML在产品和服务上的开发和实际部署。

　　目前，我们还处于机器生成内容（图像、视频、音频和文本等）的早期阶段，一些关于“机器欺骗”的新闻层出不穷。就目前而言，检测和取证技术已经能够检索到虚假的视频和图像。但用于生成虚假内容的工具仍在快的改进，因此我们要使得检测技术能够跟上步伐。

　　机器欺骗不单单是欺骗人类的机器，还包括机器欺骗机器（机器人）和人类欺骗机器。信息传播会继续作用在欺骗内容和销售平台的排名系统上，我们要在新形式的机器欺骗研发出来之前尽快解决这一问题。

　　令人振奋的是，研究人员和从业人员都对隐私、公平和道德问题产生了浓厚的兴趣。随着AI开始逐渐加深到关键型应用中，自动化的效率变高要安全性和可靠性的保证。在线平台的机器欺骗行为的增加，以及涉及的自动驾驶汽车的事故，处理了这个问题。2019年，我们期待加深的讨论安全问题。

　　由于我们很多的依靠模型（包括深度学习和强化学习）都缺乏数据，因此容易在人AI领域取胜的是那些有大量数据的大公司和国家。但是 ，由于生成标记数据集的服务都开始使用机器学习，在一些领域，生成对抗网络(GAN)和平台等新工具能够提供真实的综合数据，用于训练机器学习模型。借助新的安全隐私保护技术，企业可以利用他们自己创建的数据。因此较小的公司可以利用机器学习和AI取得竞争力。