2018年是屬于人工智能的一年，這一年充滿了機會，技術(shù)公司都在2018年繼續(xù)以驚人的節(jié)奏大步前進。隨著高速互聯(lián)網(wǎng)和人工智能的發(fā)展，亞馬遜、Facebook、谷歌、曠視科技Face++、商湯科技、極鏈科技Video++這樣的公司會抓住機會，在人工智能和互聯(lián)網(wǎng)等方面持續(xù)加速，快速占領(lǐng)了行業(yè)賽道。

2018年即將結(jié)束，那么2019年會有哪些讓人驚喜的新技術(shù)繼續(xù)改變我們的生活？

一.深度學習加速器（GPU、FPGA和TPU）

近年來異構(gòu)加速器憑借其優(yōu)秀的性能功耗比成為了目前體系結(jié)構(gòu)研究的主流方向。同時隨著深度學習的興起，深度學習神經(jīng)網(wǎng)絡(luò)的研究也重新回到了機器學習領(lǐng)域的潮頭。因此，如何在加速器上高效地實現(xiàn)神經(jīng)網(wǎng)絡(luò)處理系統(tǒng)受到了學術(shù)界和工業(yè)界廣泛的關(guān)注。越來越多的企業(yè)宣布計劃設(shè)計自己的深度學習加速器，這些加速器通常用于數(shù)據(jù)中心，并且有可能部署在邊緣。

深度學習領(lǐng)域最常見的卷積神經(jīng)網(wǎng)絡(luò)出發(fā)，抽象出三種典型的神經(jīng)網(wǎng)絡(luò)層次，結(jié)合算法特點，在目前最常用的基準平臺與加速器平臺上實現(xiàn)了這些網(wǎng)絡(luò)層次。主要的貢獻包括以下三個方面:

1.以卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)為出發(fā)點，抽象并剝離出三種最常見的神經(jīng)網(wǎng)絡(luò)層次。并結(jié)合不同平臺的架構(gòu)特點，包括SIMD體系架構(gòu)的Intel SSE指令集，GPU加速器的CUDA編程環(huán)境以及我們自己實現(xiàn)的專用神經(jīng)網(wǎng)絡(luò)加速器，對這三種神經(jīng)網(wǎng)絡(luò)層算法進行分塊化、發(fā)掘數(shù)據(jù)復(fù)用性等優(yōu)化，對算法進行重定制和實現(xiàn)。

2.在10個測試程序上對三種平臺進行了神經(jīng)網(wǎng)絡(luò)處理的實驗。結(jié)果表明，專用神經(jīng)網(wǎng)絡(luò)加速器在性能上相比于SIMD基準平臺有平均117.87倍的提升，在功耗利用率上有平均21.08倍的提升，而面積則僅相當于Ivy Bridge架構(gòu)的1.87％。相比于GPU，專用神經(jīng)網(wǎng)絡(luò)加速器在性能上有平均0.22倍的提升，而面積上則僅有GPUC2070片上面積的0.56％。

3.通過對實驗分析發(fā)現(xiàn)，對于神經(jīng)網(wǎng)絡(luò)算法，GPU架構(gòu)的主要性能瓶頸在于PCIe帶寬對于數(shù)據(jù)傳輸?shù)南拗?SIMD架構(gòu)的主要性能瓶頸在于并行化程度不夠高。專用神經(jīng)網(wǎng)絡(luò)加速器則設(shè)計DMA利用數(shù)據(jù)復(fù)用性優(yōu)化數(shù)據(jù)存取流程，設(shè)計不完全流水利用計算獨立性實現(xiàn)高并發(fā)處理，這兩點都從體系架構(gòu)上越過了上述性能瓶頸。

二.自動駕駛

我們距離完全自主駕駛的自動駕駛汽車還有幾年的時間，但個人和市政車輛都越來越多地集成了自動化輔助系統(tǒng)。這些技術(shù)的廣泛應(yīng)用將為完全無人駕駛汽車鋪平道路。

無人駕駛的未來將使人們不再親自駕駛自己的汽車，貨物運輸將是由擁有自主駕駛汽車車隊的公司提供的服務(wù)。停車場和車庫等設(shè)施將退到一個廢棄的位置，未來交通也將發(fā)生巨大變化。

基于無人駕駛汽車的技術(shù)和設(shè)計，將有一個驚人的財富轉(zhuǎn)移給少數(shù)擁有專利權(quán)的人。這是指自動駕駛汽車軟件的所有者，這些人需要對自己生產(chǎn)出的自動駕駛車輛負責任。

最初，車輛只是我們的代步工具，但如今自動駕駛車輛發(fā)生了很大變化，我們可以坐在上面打電話、吃東西、看書或報紙等。由于自動駕駛車輛是電動的，不需要司機的控制，因此這些汽車將會用更少的零件構(gòu)成，因此車輛將生產(chǎn)的更快，所需生產(chǎn)勞動力變得更少。另外，車輛的設(shè)計也會發(fā)生變化。由于事故的幾率將會大大減小，用于車輛構(gòu)造的材料，如碳纖維將將允許多樣性的設(shè)計，自動駕駛車輛將以不同的大小和形狀出現(xiàn)。

三.IoB

消費者繼續(xù)采用物聯(lián)網(wǎng)（IoT）和自我監(jiān)控設(shè)備，這些設(shè)備越來越靠近人體，甚至包括健身追蹤器和智能眼鏡。數(shù)字藥片正在進入主流醫(yī)學領(lǐng)域，身體附著，植入式和嵌入式IoB設(shè)備也開始與環(huán)境中的傳感器互相作用，這些設(shè)備可以提供更豐富的數(shù)據(jù)，使更多有趣和有用的應(yīng)用程序，但也引起了對安全性、隱私、物理傷害和濫用的擔憂。

四.社會信用算法

社會信用算法使用面部識別和其他生物識別來識別人，并從社交媒體和其他在線簡檔中檢索關(guān)于他們的數(shù)據(jù)，以便批準對產(chǎn)品或社會服務(wù)的訪問。報告指出，中國等一些國家已經(jīng)在使用這些系統(tǒng)來評估對國家的忠誠度。

在我們的網(wǎng)絡(luò)世界中，生物識別技術(shù)和混合社交數(shù)據(jù)流的結(jié)合，可以將一個簡短的觀察結(jié)果轉(zhuǎn)化為對一個人的判斷。據(jù)報道，一些國家已經(jīng)在使用社會信用算法來評估對國家的忠誠度。

五.智能材料和設(shè)備

先進的材料和設(shè)備，如可調(diào)光玻璃和可攝取傳感器，將在醫(yī)療保健、包裝、電器和其他領(lǐng)域創(chuàng)造新的應(yīng)用。報告稱，使用這些技術(shù)將對我們感知物聯(lián)網(wǎng)設(shè)備的方式產(chǎn)生重大影響，并導致新的產(chǎn)品誕生。

六.虛擬現(xiàn)實（VR）與增強現(xiàn)實（AR）

當前，VR和AR技術(shù)主要用于員工培訓、教育、工程及其他領(lǐng)域。然而，報告指出VR和AR的成本一直居高不下。但隨著VR主機變得越來越主流，可能會在2019年達到臨界點。

從軟件角度來說，現(xiàn)階段視覺上的難點比較多：

VR的核心技術(shù)是tracking（追蹤）和CG（計算機圖形）。三自由度的方向追蹤，六自由度的位置追蹤前的虛擬現(xiàn)實技術(shù)的呈現(xiàn)，主要是體驗者依靠全封閉的頭戴型顯示器觀看電腦模擬產(chǎn)生的虛構(gòu)世界的影像，并配有耳機、運動傳感器或其他設(shè)備等，為其提供視覺、聽覺、觸覺等方面的感官體驗，虛擬現(xiàn)實系統(tǒng)的整套設(shè)備可以根據(jù)體驗者的反應(yīng)做出反饋，使體驗者達到身臨其境的感覺。

虛擬現(xiàn)實是一個造夢的行業(yè)，立體化的拓展了我們的感知空間，也許現(xiàn)在虛擬現(xiàn)實技術(shù)的未來還不能夠清晰的被勾勒出來，相關(guān)產(chǎn)品的普及也還需要很長一段時間?，F(xiàn)在，虛擬現(xiàn)實頭戴顯示的畫面還不夠清晰，仍然可以看到像素顆粒，你也無法去觸摸你看到的東西，但隨著時間的推移，這一切都會有所改觀。雖然目前虛擬現(xiàn)實技術(shù)的發(fā)展還不夠成熟，存在著許多爭議，但不可否認的是，虛擬現(xiàn)實技術(shù)將會成為一種重要的新媒介、新的平臺，無論是對于游戲還是社交，亦或是其他更多領(lǐng)域。

七.安全保護

隨著黑客變得越來越復(fù)雜，有關(guān)網(wǎng)絡(luò)攻擊和數(shù)據(jù)泄露的頭條新聞也是日益頻繁。攻擊者可謂無處不在：企業(yè)外部充斥著黑客、有組織的犯罪團體以及民族國家網(wǎng)絡(luò)間諜，他們的能力和蠻橫程度正日漸增長；企業(yè)內(nèi)部是員工和承包商，無論有意與否，他們都可能是造成惡意或意外事件的罪魁禍首。

物理和網(wǎng)絡(luò)攻擊將同時部署，造成前所未有的破壞。許多民族國家行為者和恐怖組織（或兩者共同努力）將有能力匯集其全部武裝力量（包括傳統(tǒng)的和數(shù)字的），來實施“混合”攻擊。如果攻擊成功，勢必將造成大規(guī)模的損害。

其中，首當其沖的將是電信服務(wù)和互聯(lián)網(wǎng)連接，從而導致個人和組織與外界隔絕。由于基本的物理和數(shù)字基礎(chǔ)設(shè)施將會崩潰，所以應(yīng)急服務(wù)以及地方和中央政府的援助將會變得異常緩慢或者根本就不存在。

這些攻擊的目的是制造最大范圍的混亂、恐懼和擔憂。受災(zāi)的城市將陷入癱瘓，危及生命及企業(yè)運營安全。在家的人不能也不愿意去上班，或是沒有電力和通信支持其在家工作。那些已經(jīng)在辦公室里的人也會被困在這個無處可逃的地方，因為攻擊會從各個角度襲擊他們?，F(xiàn)存的業(yè)務(wù)連續(xù)性計劃將毫無用處；當每個系統(tǒng)都處于故障狀態(tài)，而個人生命也處于危險之中，他們將沒有能力也沒有精力準備應(yīng)對可能發(fā)生的事件。人們會恐慌，工作議程也將取消。

新一代安全方法使用比過去更積極的方法，利用機器學習和其他方法來識別攻擊成為19年技術(shù)變革的關(guān)鍵。

八.智能AI機器人

報告稱，人工智能（AI）聊天機器人經(jīng)常被用作基本客戶服務(wù)和操作系統(tǒng)中的虛擬助手，近年來它們的易用性和實用性在不斷增長。該技術(shù)也將在2019年繼續(xù)擴展到其他行業(yè)以獲得更多用例。

目前，機器人已經(jīng)開始在工業(yè)領(lǐng)域大批量使用，并能夠完成人做不了的事情，不過機器人超越人類只是表現(xiàn)在較少的領(lǐng)域，例如制造業(yè)、服務(wù)業(yè)等，如果通用型機器人能夠全面超越人類，那么將是一個很大的震驚。

九.預(yù)防垃圾郵件

垃圾郵件電話是一直存在的問題，特別是偽造受害者家人或同事的來電號碼來詐騙。這導致人們經(jīng)常無視電話，造成真正的緊急呼叫無法回答等風險。然而，新興技術(shù)現(xiàn)在可以阻止欺騙性的來電顯示和攔截可疑的呼叫，因此計算機可以詢問呼叫者的問題，以評估他或她是否合法。

十.機器學習

技術(shù)很快將能夠幫助解決社會問題。機器學習雖然取得了長足的進步，也解決了很多實際問題，但是客觀地講，機器學習領(lǐng)域仍然存在著巨大的挑戰(zhàn)。

首先，主流的機器學習技術(shù)是黑箱技術(shù)，這讓我們無法預(yù)知暗藏的危機，為解決這個問題，我們需要讓機器學習具有可解釋性、可干預(yù)性。其次，目前主流的機器學習的計算成本很高，亟待發(fā)明輕量級的機器學習算法。另外，在物理、化學、生物、社會科學中，人們常常用一些簡單而美的方程（比如像薛定諤方程這樣的二階偏微分方程）來描述表象背后的深刻規(guī)律。那么在機器學習領(lǐng)域，我們是否也能追求到簡單而美的規(guī)律呢？如此的挑戰(zhàn)還有很多，不過我們對于這個領(lǐng)域未來的發(fā)展仍然充滿信心。

未來，預(yù)計大規(guī)模使用機器學習，機器人和無人機將有助于改善農(nóng)業(yè)，減輕干旱，確保食物供應(yīng)，并改善偏遠地區(qū)的健康狀況。其中一些活動已經(jīng)開始，可以預(yù)測到明年的采用率和成功案例報道會有所增加。