原文下載連結：
https://www.cbinsights.com/research/report/ai-trends-2019/
一、底層技術更新
關鍵詞：開源框架、膠囊網路、生成式對抗網路、聯合學習、強化學習
報告論述：越來越多的公司將使用包括caffe2、 Py Torch以及TensorFlow在內的開源框架降低人工智慧行業進入門檻，而膠囊網路（capsule networks）會對卷積神經網路(CNN)發起挑戰。“生成式對抗網路”（GAN）將更加流行，用於內容製作。聯合學習（Federated Learning）方法將用於更多人工智慧裝置上，旨在使用這個豐富的資料集的同時保護敏感資料。關於強化學習（Reinforcement Learning）的研究申請會越來越多。
解讀：在可見的未來，人工智慧的普及化程度會越來越高。儘管之前有很人相關人士曾預言AI寒冬的到來，但是從層出不窮的開源框架可以看出，各大公司對於人工智慧的進一步普及和簡化應用，仍抱有極大的信心。而新的膠囊網路和日漸流行的強化學習方法，讓影像和物體的識別變得更加精確，擁有更多的視角的同時，突破資料限制。
簡而言之，在未來的一年，人工智慧的進入門檻會越來越低，而且人工智慧的識別效能也會更強、更精確，他們的自我學習能力會顯著提高。智慧裝置生產的資料利用度也會大大提升，人工智慧在今年會朝著更聰明更有效率的方向發展，同時隱私及敏感資料會被更好的保護。
二、技術應用
關鍵詞：人工智慧終端化、人臉識別、語言處理、車輛自動化駕駛、AI聊天機器人
報告論述：通過將AI演算法載入於終端裝置上，會使人工智慧終端化變得普及，但依然面臨著儲存和開發上的困境。人臉識別的應用範圍會愈發廣泛，但有引發安全問題風險，仍有待改進。基於自然語言處理（NLP）工作的翻譯系統擁有極大的市場需求，但低資源語言和少數民族語言的開發和應用依然存在缺口。自動化駕駛的汽車市場潛力巨大，預計2025年其市場利潤能達800億美元，物流等相關行業會成為首批應用全自動駕駛的行業，但實現全自動的未來依然不明朗。AI聊天機器人吸引了包括國外的FAMGA（Facebook，Apple，Microsoft，Google與Amazon）以及國內的BAT等科技巨頭的關注。
解讀：5G的快速發展，以及智慧裝置的快速普及，使得各大公司更傾向於在智慧手機、汽車甚至可穿戴裝置等邊緣裝置上執行AI演算法。其實，在之前AI已經通過語音和手勢識別技術滲透汽車、家居領域。例如，巨頭谷歌和亞馬遜在汽車中分別引入了它們知名的語音識別解決方案“ok，google！”和“alexa”。這些技術形成了一整套的技術融合，加速了人工智慧的技術應用。在2019年，5G在全球範圍類的廣泛試用，將會進一步推動車輛自動化甚至是無人駕駛的商用加速。語言處理技術的發展，讓對話式AI的發展會更加順暢，未來的你不管是說著哪一種方言，位於電話那一頭的AI接線員都能準確無誤地識別出來，並且通過富有感情的聲音給你一個答案。
三、醫藥行業AI應用
關鍵詞：醫藥成像與診斷、下一代假肢、臨床試驗患者招募、先進醫療生物識別技術、藥物發現
報告論述：“AI即醫療裝置”趨勢正加速推進，更多的AI成像和診斷公司正在進行商業化探索，智慧手機的普及和影像識別技術的進步正在把手機變成強大的家庭診斷工具。使用機器學習解碼來自人體感測器的訊號，以及更多的新媒介解決方案，將助力下一代假肢領域發展。蘋果推出的兩個開源框架——ResearchKit和CareKit，將有助於解決臨床試驗患者招募中的互操作性問題。醫療生物識別技術將被用於被動監控，為新的診斷方法和識別以前未知的危險因素鋪平道路。製藥公司正在投資AI和藥物研發，以發現新的治療方案，並改變曠日持久的藥物研發過程。
解讀：醫療物聯網（IoMT）、AI全科醫生機器人、遠端醫療、醫療中的可穿戴裝置、雲端計算，隨著人工智慧在醫療行業的長足發展，它們可能正在成為成為現實。現在，即使是簡單的智慧手機具有醫療應用程式也可以執行血液檢查，心電圖監測等。醫療中的這種自動化也使得可以向患者傳送關於正常檢查的預期時間的自動提示。VR以及5G技術的發展，使得之前較為昂貴稀奇的遠端醫療變得觸手可及。從患者招募到藥物開發，AI如今都在全程參與，新型藥物的研發應用時間將會比之前更短，而且價格也會更低。對於殘障人士而言，下一代假肢技術也在進步，這將有助於他們更加容易地恢復到常人生活狀態。
四、裝置維護與網路優化
關鍵詞：預測性維護、後臺自動化、綜合訓練資料、網路優化、網路威脅狩獵
報告論述：隨著工業感測器成本的降低、機器學習演算法的進步，以及對邊緣計算的推動，AI-IIoT用於裝置或單個部件的預測性維護會更加廣泛。人工智慧正在推動管理工作走向自動化，但面臨資料的不同性質和格式的挑戰。AI可以通過混合現實世界和模擬資料進行訓練建立的合成資料集，來訓練人工智慧演算法。通過將基於AI的解決方案整合到5G網路中，可以進一步優化電信網路。使用機器學習主動“搜尋”威脅正在網路安全中獲得動力，但仍面臨動態環境變化以及誤報的挑戰。
解讀：人工智慧隨著物聯網的發展，在工業領域的應用已經較為明晰，更智慧的機器學習演算法和實時聯網的工業感測器，進一步提高了裝置本身的智慧化，在不久的將來，裝置的故障可以通過演算法來提前預測，會節省大量的意外成本和裝置停轉損失。由於人工智慧的介入，機器運轉的後臺維護工作，將會變得更加有效率，會節省更多的人力成本。而且人