2019年人工智能发展趋势报告全解析系列之二

小编有话说：行业分析机构CBInsights发布了《Artificial Intelligence Trends in 2019》，报告展望了25种AI的发展趋势，运用CBInsights的NExTT分析框架，从行业采用度和市场优势两个维度对其进行归类，供大家参考学习。小编为所有关心人工智能发展趋势的人翻译了这份报告，这是第二篇，因水平有限，若有错误，欢迎指正。
 

脸部识别：
 

从解锁手机到登机，人脸识别成为主流。
 

在面部识别方面，中国不遗余力的推动监控的发展，加上对人工智能的大力投入，媒体热度持续增长。
 

随着政府将监控和人工智能结合在一起，初创企业在为政府提供基础技术方面发挥了关键作用。在CB Insights中国人脸识别初创企业交易平台上快速搜索一下，就能反映出对这项技术的需求。
 

像SenseTime、Face++以及最近的CloudWalk这样的独角兽公司已经在中国出现。
 

但根据CB Insights的专利分析工具，即使在美国，对这项技术的兴趣也在激增。
 

Apple在iOS 10中引入了基于面部识别的登录功能，为日常消费者推广了这项技术。
 

亚马逊正在向执法机构出售其技术。
 

像卡内基梅隆大学这样的学术机构也致力于技术，以帮助加强视频监控。
 

该大学获得了一项关于“幻觉面部特征”的专利——这种方法可以帮助执法机构通过在仅捕获面部眼周区域时重建整个面部来识别蒙面嫌疑人。 然后可以使用面部识别来将“幻觉面部”与实际面部的图像进行比较，以找到具有强相关性的面部识别。
 

但这项技术并非没有瑕疵。据报道，亚马逊因为将一些国会议员误认为罪犯而上了新闻。
 

西雅图一所学校外的智能摄像头很容易被《华尔街日报》(WSJ)的一名记者欺骗。当时摄像头的“微笑解锁”功能暂时被禁用，这位记者用一张校长的照片成功进入了学校。
 

“微笑解锁”和其他类似的“活性检测”方法为这种面部识别准入机制提供了一个额外的认证层。
 

例如，亚马逊获得了一项专利就是通过额外的动作来确保面部识别的安全保证，包括要求用户执行某些操作，例如“微笑，眨眼或倾斜他或她的头部”。
 

然后可以将这些动作与“红外图像信息，热成像数据或其他此类信息”组合以进行更稳健的认证。
 

面部识别在安全、零售和消费电子领域的早期商业应用取得进展，正迅速成为生物认证的主要形式。
 

医疗影像与诊断：
 

美国食品药品监督管理局(FDA)正在为AI医疗设备开绿灯。
 

2018年4月，美国食品和药物管理局批准了一款人工智能软件，该软件无需专家的第二意见即可筛查糖尿病视网膜病变患者。
 

它被授予“突破性设备”的称号，以加快将该产品推向市场的进程。
 

IDx-DR识别出“轻度以上糖尿病性视网膜病变”患者的正确率为87.4%，识别出没有这种病变的患者的正确率为89.5%。
 

IDx是最近几个月FDA批准用于临床商业的众多人工智能软件产品之一。
 

美国食品和药物管理局批准了来自初创公司Viz.ai的产品Viz LVO，它是用于分析CT扫描并通知医疗保健提供者患者的潜在中风。在FDA批准后，Viz.ai获得了来自谷歌风险投资公司和Kleiner Perkins Caufield＆Byers公司的2100万美元A轮融资。
 

美国食品和药物管理局还批准了由通用电气(GE)风投支持的初创公司Arterys为其肿瘤人工智能套件开发的许可。Arterys最初专注于发现肺部和肝脏病变。
 

自2014年以来，已有80多家人工智能成像与诊断公司通过了股权融资，为它们开辟了新的商业途径。
 

在消费者方面，智能手机的普及和图像识别技术的进步正在把手机变成强大的家庭诊断工具。
 

Startup Healthy.io的第一款产品Dip使用传统的尿液分析试纸来监测一系列的尿路感染。用户用他们的智能手机拍下使用后的产品的照片，计算机视觉算法根据不同的光照条件和相机质量对结果进行校正，然后检测是否感染和妊娠相关并发症。
 

Dip.io已经在欧洲和以色列上市，并获得了FDA的批准。
 

除此之外，许多ML-as-a-service平台正在与FDA批准的家庭监控设备集成，它们在监测出现异常时会向医生发出警报。
 

预测性维护：
 

从制造商到设备保险公司，AI-IIoT可以在意料之外的失败中为现有企业节省数百万美元。
 

现场和工厂设备产生大量的数据，但意外的设备故障是导致生产停机的主要原因之一。
 

通用电气最近对450家现场服务和IT决策者进行的一项调查发现，70%的公司不知道设备何时需要升级或维护，而计划外的停机时间可能会让公司每小时损失25万美元。
 

预测设备或单个部件何时会出现故障，不仅有利于制造商，也有利于资产保险公司。
 

在预测性维修中，传感器和智能相机从机器上收集连续的数据流，比如温度和压力。实时数据生成的数量和格式具有多样性，使得机器学习成为IIoT不可分割的组成部分。随着时间的推移，这些算法可以在故障发生之前预测它。
 

工业传感器成本的下降，机器学习算法的进步，以及对边缘计算的推动，使得预测性维护更加广泛可用。
 

之所以对该领域感兴趣是因为这里的大型科技公司和创业公司数量众多。
 

专注于工业和能源领域的AI公司的交易正在增加，其中包括用于IIoT的ML-as-a-service平台。初创公司正在与C3 IoT和Uptake Technologies等独角兽公司竞争。
 

2016年，GE Ventures是一个较为活跃的投资者，投资了包括Foghorn Systems，Sight Machine，Maana和Bit Stew Systems（后来被GE风投收购）等公司。拥有Predix分析平台的通用电气是IIoT的主要参与者。
 

它的竞争对手比如西门子和SAP等，已经为IIoT推出了自己的产品(Mindsphere和Hana)。

印度塔塔咨询公司宣布，它将为能源公用事业公司推出基于人工智能的预测维护解决方案。塔塔声称，其“数字孪生”技术的早期版本——以数字形式复制地面运营或实物资产，用于监控它们——帮助一家发电厂每年每千兆瓦节省约150万美元。
 

甚至像微软这样的大型科技公司也在扩展他们的云计算和边缘计算解决方案，包括预测性维护。
 

电子商务搜索：
 

对搜索词的上下文理解正在走出“实验阶段”，但要被广泛采用还有很长的路要走。
 

自2002年以来，亚马逊已申请了超过35项与“搜索结果”相关的美国专利。
 

它拥有一家独家子公司A9，专注于亚马逊的产品和视觉搜索。 A9在美国有近400项专利申请（并非所有申请都与搜索优化有关）。
 

 一些与搜索相关的专利包括使用卷积神经网络“确定一组图像与查询图像显示视觉相似性的项……”，以及使用机器学习分析图像的视觉特征，并基于这些特征构建搜索查询。
 

亚马逊在其搜索部门专门招聘了150多个职位，包括自然语言理解、混沌工程和机器学习等。
 

但亚马逊在电子商务搜索领域的运营和研发规模在零售商中是个例外。
 

很少有零售商在财报电话会议上讨论过与人工智能相关的策略，许多零售商也没有扩大或优化其电子商务业务。
 

但最早这样做的品牌之一是eBay。
 

该公司第一次提到“机器学习”是在其15年Q3的财报电话会议中。当时，eBay刚刚开始强制要求卖家写产品描述，并使用机器学习来处理这些数据，以便在目录中找到类似的产品。
 

使用适当的元数据描述站点上的产品是使用电子商务搜索显示相关搜索结果的起点。
 

但是仅仅描述和索引是不够的。许多用户用自然语言搜索产品(比如“一件没有纽扣的洋红色衬衫”)，或者不知道如何描述他们正在寻找的东西。
 

这使得电子商务搜索的自然语言成为一个挑战。
 

早期SaaS初创公司正在兴起，它们向第三方零售商销售搜索技术。
 

图像搜索初创企业ViSenze的客户包括Uniqlo、Myntra、乐天等。它可以让进店客户拍摄喜欢的东西的照片，然后上传，在网上找到同样的产品。
 

该公司在加州和新加坡设有办事处，并在2016年从包括乐天(Rakuten)风险部门在内的投资者那里筹集了1050万澳元的B轮融资。该公司于2017年进入联合利华的铸造厂，该铸造厂允许东南亚的初创企业用自己的品牌进行试点项目。
 

另一家开发在线搜索推荐的初创公司是阿里巴巴投资的以色列公司Twiggle。
 

这家公司正在开发一种基于现有电子商务搜索引擎的语义API，以响应买家非常具体的搜索。Twiggle在2017年获得了1500万美元的B轮融资，并于去年进入即插即用加速器领域。