頭條楓林網導 讀
人工智能向終端產品遷移、“膠囊網絡”興起、中美爭奪人工智能領導地位、六位數薪水（美元）的人才大戰、更多白領和藍領工作將被機器人取代……
AI的應用如今還是專注於非常細分的領域，但這些AI驅動的細分領域正在重塑企業、市場和行業。 AI已經不屑於爭“風口”。
風險投資數據公司CB Insights日前發布了2018年人工智能領域值得關注的趨勢報告，主要從13個趨勢來展望未來AI技術對生活、工作的影響。
機器人將逐漸替代一些藍領工作
在美國，工業機器人在製造業企業中的應用比重日趨上升，近期中國T卹製造商天源服裝公司與美國阿肯色州政府簽署了諒解備忘錄（MoU），將在阿肯色設立新的服裝廠。 新建立的工廠將會使用由人工智能初創公司SoftWear Automation 的縫紉機器人，許多看起來十分繁重的工作將由機器人完成，而人類工人則接管包括機器人維護和運行之類的高端工作。
但消費者不斷變化的喜好和因此導致的生產線大幅變動仍然是全面自動化發展過程中遇到的障礙，即使在亞馬遜高度自動化的倉庫中，這一點也反應的很明顯。 亞馬遜的協作倉庫機器人承擔了大多數繁重的工作，人類工人則專注於細緻的工作，比如從貨架上挑選貨物再插入到單獨的訂單中。 不過，機器人在非結構化環境中的抓取、挑选和處理物品方面仍然差強人意。 亞馬遜已經在各種倉庫中使用了超過10萬台機器人，但是同時在新的配送中心也為人類創造了數以千計的新崗位。
人工智能的應用滲透各行各業
人工智能的發展趨勢不可阻擋，從釀造啤酒到大麻產業，人工智能似乎無所不能，說的更具體些，是機器學習無處不在。 隨著時間推移，人工智能算法的表現會更加出色。
英國IntelligentX公司想要推出世界上第一款人工智能釀造的啤酒。 俄羅斯的DeepFish則使用神經網絡識別各種魚類，將雷達技術與人工智能相結合以區分雷達圖像中的魚群和噪聲。 瑞典的Hoofstep則籌集了風投資金，實現了基於深度學習的馬匹行為分析。 紐約專業級護髮產品定製品牌Prose也利用AI技術為不同類型的髮質提供不同配方的護髮產品，Prose已經獲得了757萬美元的融資，投資方包括Forerunner Ventures、LererHippeau Ventures 和Maveron等。 此外，人工智能還被用於大麻種植技術中。 DeepGreen使用計算機視覺能夠辨別大麻類植物的性屬和健康狀況。
2018 年，我們期望看到更多可以直接使用的人工智能技術。 這種趨勢表明人工智能不是一項稀有技術，相反，它是現代軟件和應用的基石之一。
中美爭奪全球人工智能領導者地位
2017 年，全球投融資事件中有9%是人工智能領域的，而中國的人工智能初創公司融資金額則佔了全球該領域總融資金額的近50%，首次超越美國。 中國政府也在推動未來的人工智能計劃，計劃涵蓋智能農業、智能物流到軍事應用、人工智能帶來的就業機會等方方面面。
此外，中國企業的AI專利申請也反映了強大的研發能力，大有赶超美國之勢。 基於標題和摘要的關鍵詞搜索，中國與人工智能相關的專利公佈遠遠超過美國專利商標局公佈的專利數量。 以深度學習為例，中國在這方面公佈的專利數量是美國的 6 倍。
面部識別和人工智能芯片是助推中國人工智能發展的兩大技術。 前者迎合了政府實施的安全監控政策，後者對美國製造的芯片產生了直接的挑戰。 中國的獨角獸公司曠視科技（Face++）、商湯科技以及初創公司雲從科技是這一領域的三個主要玩家（後者獲得了廣州市政府 3.01 億美元的資助）。
美國和中國也在爭奪人工智能芯片技術的主導地位。 2017年6月，中國政府表示，計劃到2020年人工智能技術水平將趕上美國，到2030年，將超過美國成為人工智能的世界領導者。
中國的科技巨頭如百度、京東也在對海外的人工智能公司進行投資，包括美國。 百度和京東投資了美國金融科技公司ZestFinance，騰訊投資了位於紐約的人工智能公司ObEN。 明碼生物科技和Pony.ai等初創公司在中美兩國都開展了業務，進一步拉近了兩國之間的競爭差距。
未來的網絡安全需要AI技術來提升
使用人工智能技術的網絡安全市場越來越火爆，數據中心正成為新的戰場。 2014 年，亞馬遜為CIA搭建了一個私有云服務，滿足了敏感數據嚴格的合規和監管要求。 在2017年第四季度，AWS將這些工具開放給了情報安全領域外的政府客戶。 此外，亞馬遜也收購了兩家人工智能網絡安全公司——Harvest.ai 和Sqrrl, 保證雲端敏感數據的安全。
網絡安全為人工智能算法提供了一個真實的應用機會，因為網絡攻擊會不斷演化，網絡防護軟件也在不斷面臨各種前所未聞的惡性軟件的威脅。 人工智能可以對數百萬事件進行篩選後識別異常、危險以及可能產生威脅的信號。 目前，該市場擁有大量新興的網絡安全公司，都在試圖將機器學習推到下一個高度。
過去5年，網絡安全領域有134家初創公司共獲得 36.5 億美元的融資。 2017年，約有34家公司首次獲得融資。 目前Cybereason、CrowdStrike、Cylance 以及 Tanium 等公司已經佔據了很大的市場份額，並且每個公司的市值都超過了 9 億美元。
你好嗎，Alexa？
亞馬遜Echo和谷歌Home主宰了智能家居音箱市場，但巨頭對非英語市場的服務卻並未趕上。 亞馬遜雖然在初期是語音計算的領導者，但目前在語言支持上卻落後一步。 上個季度，亞馬遜宣布它將在大約80個國家發售基於Alexa平台的音箱。 但不利的方面是，它希望全球的用戶能通過英語、德語或者日語與音箱進行互動。 蘋果的HomePod目前僅支持英語，但它計劃不久將可以支持德語和法語。
在這方面，谷歌比亞馬遜擁有更大的優勢。 安卓手機上的谷歌助手支持英語、法語、德語、意大利語、韓語、西班牙語以及葡萄牙語。 它的語音識別能力——用於進行語音-文本轉換以及語音搜索——可以支持119種語言。 目前，西班牙語智能家居市場並沒有被科技巨頭們給予足夠的關注，儘管它實際上是僅次於漢語的應用範圍最廣的語言之一。 在中國，阿里巴巴稱天貓精靈自2017年6月發售以來賣出了超過100萬台。
在2018年，我們將繼續看到語音助手領域在非英語市場的激烈競爭。
白領市場自動化進程在加速
白領通常包括律師、諮詢顧問、金融分析師、記者、交易員等，人工智能對這些人帶來的衝擊和給藍領帶來的衝擊一樣大。 越來越多由人工智能加持的專家級自動化及增強軟件（Expert Automation & Augmentation Software, EAAS）正將人類帶入人工智能輔助生產或人工智能優化生產的新紀元。 這些能夠優化生產的人工智能工具正在威脅白領工作中的案頭部分。
下圖展示了專家級自動化及增強軟件（EAAS）市場的情況。 從圖中你能夠看到，AI EAAS 初創公司的足跡遍布各行各業。 具體說來，不論是律師、記者、財富管理人員、交易員還是諮詢行業從業者，都有相應的 AI EAAS 軟件可以使用。
由於人工智能平台正變得越來越高效和商業化，曾經按小時收費的第三方律所的收費模式也將受到衝擊。 程序員也不能倖免，很多早期的人工智能項目正著眼於基於 AI 的軟件測試、Debug、以及基礎的前端開發等工作。 位於英國的DiffBlue去年得到了大額融資，這家公司的業務就是將AI技術用於日常編碼工作中的錯誤修復、客戶端代碼編寫、將某一編程語言編寫的代碼翻譯至另一種語言等 任務。
人工智能向終端產品的遷移
2017 這一年，人工智能行業表現出了很明顯的向終端遷移的趨勢。 例如將人工智能嵌入更小的設備以及傳感器中，並在計算網絡的邊緣運行。 換句話說，人工智能將離開雲端，甚至離開手機，轉而存在於你的耳機中。
而且人工智能的應用越來越去中心化。 設備智能，例如智能手機、汽車、甚至無線設備上的智能，由於無需與雲端或服務器通信，因此能夠實現更迅速、本地化、場景化的信息處理。
蘋果發布了搭載神經引擎的A11芯片，這款芯片將被用在iPhone 8和iPhone X上，能夠以最多每秒600B次計算的速度運行機器學習任務。 主流處理器製造商英特爾也不得不通過收購的方式追趕終端智能的潮流。 近期英特爾也發布了設備中視覺處理芯片——Myriad X（由英特爾2016年收購的Movidius開發）。
“膠囊網絡”的興起
深度學習是當前大多數人工智能應用程序使用的技術，由於膠囊網絡的出現，現在深度學習得以改頭換面了。 不同的神經網絡具有不同的結構，當今深度學習領域最著名的網絡結構為卷積神經網絡（CNN）。 現在，一個新的網絡結構——膠囊網絡——流行起來，並且在多方面擁有赶超CNN的能力。
儘管CNN在近年來取得了成功，我們仍舊不能忽視它存在的短板，在很多時候，CNN表現不佳並且可能存在安全漏洞。 一直以來，研究人員都在努力提升人工智能算法，試圖克服這些問題。 我們舉一個最常見的例子，在人臉識別的過程中，CNN通過學習了解到人臉上的各個要素（眼睛、鼻子、嘴巴），但卻記不住每一個要素的具體位置，導致以下兩 張圖都能夠被認作一張人臉。
深度學習領域的領先研究者之一Geoffrey Hinton在2017年發表了一篇研究論文，介紹了膠囊網絡，也就是CapsNet的概念。 簡而言之，膠囊網絡從更高維度的特徵來識別事物，所需訓練數據更少，且錯誤率更小。 比如上面的例子中，嘴巴長在眉毛上面的臉將被輕鬆鑑別出來，而CNN卻沒有辦法做到這一點。
CNN的另一個問題在於，它不能處理輸入數據的多種變換形式。 比如，你需要用同一個物體不同角度的很多張照片作為輸入數據，才能訓練一個卷積神經網絡識別該物體。 因此，要識別很多種物體，就需要龐大的訓練數據。
在這一點上，膠囊網絡被認為比CNN表現更佳。 膠囊網絡需要更少的訓練數據，並且能夠通過一個物體的幾種狀態推斷出另外的狀態，在訓練中不需要輸入每一種狀態的數據。
六位數薪水（美元）的人工智能人才大戰
人工智能人才供不應求，領域內的頂尖研究員的薪水可以達到數百萬美元。 從獵聘列出的職位來看，寶馬中國給出的高級機器學習研究員的薪水大約為 56.7 到 62.4 萬美元，其他不同公司也對機器學習專家一職給出了 31.5 到 41 萬美元。
根據騰訊最近的報告顯示，目前在人工智能領域具備相應資質的研究人員預估有 30 萬人，其中包括相關研究領域的學生。 與此同時，人工智能領域的公司總共可能需要100萬或更多的人工智能專家來滿足他們的需求。 在美國，如果在職場社區 Glassdoor上搜索人工智能則會顯示出超過3.2萬個就業機會，其中不少職位的工資達到六位數。
被谷歌收購的DeepMind公司2016年全年的財務報表中顯示，“人員成本和其他相關成本”這一項達到了1.05億英鎊。 從LinkedIn搜索的DeepMind當時的員工數量為415人，這就意味著平均每個員工的薪資是25.2萬英鎊（合約35萬美元）。
無疑，隨著優秀人才不斷流向初創公司，人才爭奪戰將變得更加激烈。
機器學習的炒作將平息
機器學習將很快走下神壇。 2017年，僅是孵化器就孵化了超過300家人工智能初創公司，是2016年的三倍。 這一年，投資者在人工智能領域共計投資超過152億美元資金，是2016年籌集資金的141%。 自2016以來，有超過1100家的新興人工智能公司完成了首輪融資。
不過，這波炒作很快就會平息。 機器學習的常規化會使投資者對他們投資的人工智能公司變得更嚴苛。 A16Z的FrankChen表示：“在未來幾年，沒有投資者會去尋找AI初創公司，初創公司會被“認定”正在使用必要的人工智能算法來為他們的產品提供驅動力”。
亞馬遜、谷歌、微軟主導了企業 AI應用
近5年內，投資者在專注於企業AI服務的創業公司上累積投入18億美元，現在，亞馬遜、谷歌、微軟可能會讓小公司面臨淘汰。
谷歌推出Cloud AutoML，用戶可以用他們自己的數據來訓練算法進而滿足特定的需求。 亞馬遜則在AWS旗下打出Amazon AI口號，開始銷售AI-as-a-service。 Amazon AI 的目標是為那些需要人工智能技術的大型或小型開發者提供服務，無需自己研發也無需預付費。 亞馬遜推出的產品類似API接口，允許開發者訪問Amazon Lex（Alexa的 NLP功能）、Amazon Polly（語音合成）以及 Amazon Rekognition（圖像分析）。 此外，微軟與亞馬遜的競爭也十分激烈，Salesforces和Oracle等公司也緊跟其後。
人工智能診斷得到監管機構的首肯
機器學習將很快成為醫療影像和診斷領域中的一個常規操作。 美國的監管機構正在考慮批准讓人工智能技術應用於臨床。 人工智能在診斷中的價值主要體現在及早發現病情以及提高準確性方面。
機器學習算法可以通過對數百萬其他患者的醫療圖像進行比較，從而獲取人類肉眼可能忽略的細微差別。 算法完成這件事情只需幾秒鐘，但人類卻可能需要花上幾個小時的時間。
針對消費者的人工智能監測工具也不在少數，例如使用計算機視覺技術監測可疑皮膚病的SkinVision。 而新一波人工智能醫療應用也將入駐醫院和診所。
近日，全球生物製藥企業AstraZeneca就宣布與阿里巴巴旗下阿里健康展開合作，在中國攜手開發人工智能輔助診斷及篩查等應用程序。
醫療依舊是人工智能創投最熱門的領域之一，許多專注於醫療影像及診斷公司的不斷成長促成了這一結果。
在醫療這類高風險產業中，存在最大爭議的地方在於，誰來承擔人工智能係統誤診的責任。 目前的應用程序都是在輔助放射科醫生和內科醫生，而不會成為診斷的最終裁決者。
人工智能走向按需定制
無需擁有計算機科學或是數學專業的博士學位，你就可以自己打造出一套人工智能係統。 目前市面上存在的大量開源軟件、海量API和SDK以及極易上手使用的亞馬遜或谷歌套件，都大幅度降低了人們進入人工智能領域的門檻。
谷歌曾推出 AIY（artificial intelligence yourself）計劃，旨在讓每一個年齡層的用戶都可以DIY自己的人工智能產品。 基於AIY項目誕生的首個產品名為AIY Voice Kit，是一款結合樹莓派的語音識別工具包。 從製作80年代中期的有內置智能助理功能的對講機，到創造語音助理使其聽起來像《神秘博士》重的角色一樣，用戶正基於AI創造出新的發明。
亞馬遜也推出了DeepLens，售價249美元的基於深度學習的攝像機。 亞馬遜也正在舉辦第一個“DeepLens黑客馬拉松”，主要是機器學習的項目，而且亞馬遜為第一名開出了7500美元的獎金。