5 xu hướng trí tuệ nhân tạo đặc biệt chú ý trong năm 2019

31-01-2019 15:46 PM
Machine learning (ML - Máy học) và Artificial intelligence (AI - Trí tuệ nhân tạo) sẽ trở thành xu hướng công nghệ chủ chốt của năm 2019. Từ các ứng dụng kinh doanh đến hỗ trợ CNTT, AI sẽ tác động đáng kể đến ngành. Các công ty như Amazon, Apple, Facebook, Google, IBM và Microsoft đang đầu tư vào nghiên cứu và phát triển AI, điều này sẽ có lợi cho hệ sinh thái trong việc đưa AI đến gần hơn với người tiêu dùng. Dưới đây là 5 xu hướng AI cần được chú ý trong năm 2019.

1) Sự gia tăng của chip hỗ trợ AI

Không giống như các phần mềm khác, AI chủ yếu dựa vào các bộ xử lý chuyên dụng bổ sung cho CPU. Ngay cả CPU nhanh nhất và tiên tiến nhất cũng có thể không cải thiện tốc độ đào tạo mô hình AI. Trong khi suy luận, mô hình cần phần cứng bổ sung để thực hiện các tính toán toán học phức tạp để tăng tốc các tác vụ như phát hiện đối tượng và nhận dạng khuôn mặt.

Năm 2019, các nhà sản xuất chip như Intel, NVIDIA, AMD, ARM và Qualcomm sẽ xuất xưởng các chip chuyên dụng giúp tăng tốc độ thực thi các ứng dụng hỗ trợ AI. Các chip này sẽ được tối ưu hóa cho các trường hợp sử dụng cụ thể và các tình huống liên quan đến thị giác máy tính, xử lý ngôn ngữ tự nhiên và nhận dạng giọng nói. Các ứng dụng thế hệ tiếp theo từ ngành công nghiệp chăm sóc sức khỏe và ô tô sẽ dựa vào các chip này để cung cấp thông tin tình báo cho người dùng cuối.
 
Năm 2019 cũng sẽ là năm mà các công ty cơ sở hạ tầng siêu cường như Amazon, Microsoft, Google và Facebook sẽ tăng đầu tư vào chip tùy chỉnh dựa trên mảng cổng lập trình trường (FPGA) và mạch tích hợp dành riêng cho ứng dụng (ASIC). Những con chip này sẽ được tối ưu hóa mạnh mẽ để chạy khối lượng công việc hiện đại dựa trên AI và điện toán hiệu năng cao (HPC). Một số chip này cũng sẽ hỗ trợ cơ sở dữ liệu thế hệ tiếp theo để tăng tốc xử lý truy vấn và phân tích dự đoán.

Các chỉ số ban đầu - Project Nitro từ Amazon, Cloud TPUs từ Google, Project Brainwave từ Microsoft, Intel Myriad X VPU
 

2) Sự hội tụ của IoT và AI ở rìa

Năm 2019, AI gặp IoT ở lớp tính toán cạnh. Hầu hết các mô hình được đào tạo trong đám mây công cộng sẽ được triển khai ở rìa.

IoT công nghiệp là trường hợp sử dụng hàng đầu cho trí tuệ nhân tạo có thể thực hiện phát hiện ngoại lệ, phân tích nguyên nhân gốc rễ và bảo trì dự đoán của thiết bị.
Các mô hình ML nâng cao dựa trên các mạng thần kinh sâu sẽ được tối ưu hóa để chạy ở rìa. Chúng sẽ có khả năng xử lý các khung hình video, tổng hợp giọng nói, dữ liệu chuỗi thời gian và dữ liệu phi cấu trúc được tạo bởi các thiết bị như máy ảnh, micrô và các cảm biến khác.

IoT đã sẵn sàng trở thành động lực lớn nhất của trí tuệ nhân tạo trong doanh nghiệp. Các thiết bị Edge sẽ được trang bị chip AI đặc biệt dựa trên các GPU và ASIC.

Các chỉ báo ban đầu - Hỗ trợ suy luận ML ở rìa của AWS Greengrass, Bộ công cụ AI cho Azure IoT Edge, Google Cloud IoT Edge, FogHorn Lightning Edge Intelligence và Project Flogo của TIBCO.

3) Khả năng tương tác giữa các mạng thần kinh trở thành chìa khóa


Một trong những thách thức quan trọng trong việc phát triển các mô hình mạng thần kinh nằm ở việc chọn đúng khung. Các nhà khoa học và nhà phát triển dữ liệu phải chọn công cụ phù hợp từ rất nhiều lựa chọn bao gồm Caffe2, PyTorch, Apache MXNet, Bộ công cụ nhận thức của Microsoft và TensorFlow. Khi một mô hình được đào tạo và đánh giá trong một khung cụ thể, thật khó để chuyển mô hình được đào tạo sang một khung khác.

Việc thiếu khả năng tương tác giữa các bộ công cụ mạng thần kinh đang cản trở việc áp dụng AI. Để giải quyết thách thức này, AWS, Facebook và Microsoft đã hợp tác để xây dựng Trao đổi mạng thần kinh mở (ONNX), cho phép sử dụng lại các mô hình mạng thần kinh được đào tạo trên nhiều khung.

Năm 2019, ONNX sẽ trở thành một công nghệ thiết yếu cho ngành công nghiệp. Từ các nhà nghiên cứu đến các nhà sản xuất thiết bị cạnh, tất cả những người chơi chính của hệ sinh thái sẽ dựa vào ONNX như thời gian chạy tiêu chuẩn cho suy luận.

Các chỉ báo ban đầu - Windows 10 xuất xưởng với thời gian chạy ONNX; Bộ công cụ OpenVINO của Intel hỗ trợ ONNX.
 

4) Máy học tự động sẽ đạt được sự nổi bật

Một xu hướng sẽ thay đổi bộ mặt của các giải pháp dựa trên ML về cơ bản là AutoML. Nó sẽ trao quyền cho các nhà phân tích và nhà phát triển kinh doanh để phát triển các mô hình học máy có thể giải quyết các tình huống phức tạp mà không cần trải qua quá trình đào tạo mô hình ML điển hình.

Khi giao dịch với nền tảng AutoML, các nhà phân tích kinh doanh tập trung vào vấn đề kinh doanh thay vì bị lạc trong quy trình và quy trình làm việc. 
AutoML hoàn toàn phù hợp giữa API nhận thức và nền tảng ML tùy chỉnh. Nó cung cấp mức độ tùy biến phù hợp mà không buộc các nhà phát triển phải trải qua quy trình làm việc phức tạp. Không giống như các API nhận thức thường được coi là hộp đen, AutoML thể hiện mức độ linh hoạt tương tự nhưng với dữ liệu tùy chỉnh kết hợp với tính di động.

Các chỉ số ban đầu - DataRobot, Google Cloud AutoML , API nhận thức tùy chỉnh của Microsoft, Thực thể tùy chỉnh cho Amazon hiểu.

5) AI sẽ tự động hóa DevOps thông qua AIOps

Các ứng dụng và cơ sở hạ tầng hiện đại đang tạo ra dữ liệu nhật ký được ghi lại để lập chỉ mục, tìm kiếm và phân tích. Các bộ dữ liệu khổng lồ thu được từ phần cứng, hệ điều hành, phần mềm máy chủ và phần mềm ứng dụng có thể được tổng hợp và tương quan để tìm hiểu sâu sắc và các mẫu. Khi các mô hình học máy được áp dụng cho các bộ dữ liệu này, các hoạt động CNTT chuyển từ trạng thái phản ứng sang dự đoán.

Khi sức mạnh của AI được áp dụng vào các hoạt động, nó sẽ xác định lại cách thức quản lý cơ sở hạ tầng. Việc áp dụng ML và AI trong hoạt động CNTT và DevOps sẽ cung cấp thông tin tình báo cho các tổ chức. Nó sẽ giúp các nhóm ops thực hiện phân tích nguyên nhân gốc chính xác và chính xác.

AIOps sẽ trở thành xu hướng trong năm 2019. Các nhà cung cấp và doanh nghiệp đám mây công cộng sẽ được hưởng lợi từ sự hội tụ của AI và DevOps. Các chỉ số ban đầu - Moogsoft AIOps, Amazon EC2 Dự đoán tỷ lệ, khả năng phục hồi Azure VM, Tiering thông minh Amazon S3.

Nguồn: newsrnd.com