人工智能（AI ）已成為技術行業幾乎每個領域不可或缺的一部分。它對應用程序，開發工具，計算平臺，數據庫管理系統，中間件，管理和監視工具（幾乎所有IT領域）都有影響。人工智能甚至被用來改善人工智能。
來年，核心AI用途，工具，技術，平臺和標準有哪些變化？這是我們在2020年可能看到的情況。
GPU將繼續主導AI加速
AI硬件加速器已成為高科技領域的主要競爭戰場。即使競爭性的硬件AI芯片組技術（例如CPU，FPGA和神經網絡處理單元）在邊緣設備中搶佔份額，GPU仍將在遊戲中生存，這要歸功於它們在自動駕駛汽車等雲到邊緣應用環境中的關鍵作用和工業供應鏈。
英偉達的市場領先的基於GPU的產品似乎準備在2020年及以後進一步增長和採用。但是，在未來十年中，各種非GPU技術（包括CPU，ASIC，FPGA和神經網絡處理單元）將為各種邊緣應用提高其性能，成本和功率效率優勢。隨著時間的流逝，Nvidia將吸引更多競爭。
行業標準的AI基準測試將成為競爭戰場
隨著AI市場的成熟和計算平臺爭奪處理這些工作負載的最快，最大可擴展性和最低成本的區別，行業標準基準將變得越來越重要。在過去的一年中，MLPerf基準具有更大的競爭意義，因為從Nvidia到Google的每個人都誇耀它們在這些方面的卓越性能。到2020年，人工智能基準測試將成為這個細分市場中至關重要的進入市場戰略，隨著時間的推移，該細分市場只會變得越來越商品化。十年來，MLPerf基準測試結果將納入解決方案提供商的定位策略，而其中高性能AI驅動的功能至關重要。
AI建模框架將融合兩匹黑馬
AI建模框架是數據科學家在其中構建和訓練統計驅動的計算圖的核心環境。2020年，大多數工作數據科學家可能會在大多數項目中使用TensorFlow和PyTorch的某種混合，這兩個框架將在大多數商業數據科學家工作臺中提供。
隨著十年的發展，這些框架之間的差異將逐漸縮小，因為數據科學家和其他用戶重視功能的均等性而非強大的功能差異。同樣，更多的AI工具供應商將提供與框架無關的建模平臺，這可能會為瀕臨滅絕的舊框架提供新的生命。加快開放AI建模平臺的價差為行業廣泛使用的若干抽象層，如Keras和ONNX -即將使建在一個框架中的前端有一個模型在任何其他支持框架的後端執行。
到本世紀末，它將不再與您用來構建和訓練機器學習模型的前端建模工具無關。無論您在哪裡構建AI，端到端數據科學管道都將自動格式化，編譯，容器化以及以其他方式提供服務，以實現從雲到邊緣的任何位置的最佳執行。
基於SaaS的AI將減少企業對數據科學家的需求
在過去的一年中，AWS，Microsoft，Google，IBM等公司將機器學習即服務產品逐漸成熟。隨著這一趨勢的加劇，更多的業務用戶將依賴諸如此類的雲提供商來提供更多的AI需求，而無需維護內部數據科學團隊。到2020年底，SaaS提供商將成為自然語言處理的主要提供商，預測分析和其他AI應用程序，以及平臺服務和devops工具。那些擁有內部AI計劃的企業將在更大程度上自動化數據科學家的工作，從而減少僱用新的機器學習建模器，數據工程師和附屬職位的需要。在過去的十年中，大多數數據科學家將主要在SaaS和其他雲提供商那裡找到有酬的工作。
企業AI將朝著持續的真實世界實驗轉變
每個數字業務轉型計劃都依賴於利用最適合的機器學習模型。這需要進行真實世界的實驗，其中基於AI的流程會測試替代的機器學習模型，並自動推廣可達到預期結果的模型。到2020年底，大多數企業將在每個面向客戶和後端業務流程中實施實際實驗。隨著業務用戶湧向雲提供商以使用AI工具，諸如AWS最近推出的功能模型迭代工作室，多模型實驗跟蹤工具和模型監視排行榜將成為每個基於24x7 AI的商業應用環境的標準配置。在過去的十年中，基於AI的自動化和devops功能將催生出普遍採用的基於AI的業務流程優化的最佳實踐。
AI將使AI開發人員的核心建模功能自動化
神經網絡是現代AI的心臟。2020年，一種稱為神經結構搜索的AI驅動方法將進入企業數據科學家的工作平臺，以實現針對其預期目的構建和優化神經網絡的自動化操作。隨著神經體系結構搜索的採用和改進，它將通過指導他們關於是否在既定的機器學習算法（例如線性迴歸和隨機森林算法）上或在任何更新的，更高級的 算法上構建模型的決策來提高數據科學家的生產力。神經網絡算法。隨著十年的發展，這種方法和相關方法將通過端到端管道自動化來實現連續的AI開發。
人工智能驅動的對話用戶界面將消除大多數應用程序中的動手操作
基於AI的自然語言理解已變得驚人地準確。人們正在迅速擺脫手機和其他設備的束縛。隨著會話用戶界面的採用，用戶將通過語音輸入生成更多文本。到2020年底，通過各種設備中嵌入的AI驅動的
語音助手，將呈現更多的用戶文本，推文和其他口頭輸入 。在過去的十年中，語音助手和對話式UI將成為全球經濟各部分產品的標準功能，鍵盤，小鍵盤，甚至是屏幕上的觸摸式界面的使用都將減少。首席法律官將要求端到端AI透明
人工智能正在成為企業應用程序中一個更加突出的風險因素。隨著企業在社會經濟偏見，侵犯隱私以及AI驅動的應用程序的其他不幸影響方面面臨訴訟激增之際，首席法律官將要求進行完整的審計跟蹤，以揭示企業應用程序中使用的機器學習模型的構建，培訓，和統治。
到2020年底，大多數企業的首席法律官將要求其數據科學團隊自動記錄機器學習流程中的每個步驟，同時還要生成每種語言如何驅動自動推理的簡單語言說明。隨著十年的發展，缺乏內置的透明度將成為拒絕AI項目資金的主要因素。
最後，我們可以放心地認為，在未來幾年中，要求對所有產品（尤其是那些使用個人身份信息的產品）中基於AI的功能進行監管的要求將會增加。除了越來越強調AI開發透明性之外，現在還無法斷言這些未來的授權將對基礎平臺，工具和技術的發展產生何種影響。
最後，開發這麼多年我也總結了一套學習Java的資料與面試題，如果你在技術上面想提升自己的話，可以關注我，私信發送領取資料或者在評論區留下自己的聯繫方式，有時間記得幫我點下轉發讓跟多的人看到哦。
閱讀更多 軟帝學院一JAVA教學 的文章
