4.醫(yī)療成像與診斷

　　美國食品和藥物管理局(FDA)對AI醫(yī)療設備開了綠燈。 AI軟件產品的快速監(jiān)管審批為AI成像和診斷公司開辟了新的商業(yè)途徑。在消費者方面，智能手機的滲透和先進的圖像識別技術正在將手機變成功能強大的家用診斷工具。最具影響力的AI趨勢之一將是AI用于醫(yī)療和診斷應用的批準和采用。數(shù)據(jù)顯示，診斷應用是健康類AI應用投資交易的主要驅動。

▲診斷類AI投資交易

　　谷歌DeepMind的算法已經可以判斷出乳房活檢照片中腫瘤存在的可能性。

▲DeepMind的腫瘤識別算法

　　5.預測性維護

　　從制造商到設備保險公司，AI物聯(lián)網(wǎng)可以為現(xiàn)有企業(yè)節(jié)省數(shù)百萬美元的意外故障。預測性維護算法使用持續(xù)數(shù)據(jù)收集來預測設備故障。由于降低了傳感器成本，人工智能的進步以及對邊緣計算的推動，預測性維護已經變得更加廣泛。我們將見證2019年及以后該行業(yè)的投資的增加。

　　6.電子商務搜索

　　對搜索術語的語境理解正在逐漸走出“實驗階段”，但廣泛采用仍有很長的路要走。盡管面臨技術挑戰(zhàn)，早期的SaaS初創(chuàng)公司正在興起，向第三方零售商銷售搜索技術。 2019年人工智能的主要趨勢之一將是對該行業(yè)的更多投資，包括主要零售商。

　　7.膠囊網(wǎng)絡

　　深度學習推動了當今大多數(shù)人工智能應用，但膠囊網(wǎng)絡很快就會取而代之。與當前的卷積神經網(wǎng)絡(CNN)相比，膠囊網(wǎng)絡具有許多優(yōu)點。對膠囊網(wǎng)絡的研究還處于起步階段，但可能會挑戰(zhàn)當前最先進的圖像識別方法。

　　8.新一代假肢

　　非常早期的研究是將生物學，物理學和機器學習結合起來解決假肢中最棘手的問題之一：靈巧性。研究人員正在使用機器學習來解碼來自身體感官的信號，并將其轉化為移動假肢裝置的命令。今年，該行業(yè)將尋求更多發(fā)展，包括面向消費者產品的試驗。

　　9.AI臨床試驗

　　臨床試驗中最大的瓶頸之一就是招募合適的患者。理想情況下，AI可以從醫(yī)療記錄中提取信息，與正在進行的研究進行比較，并向醫(yī)生和患者提出相關研究建議。

　　很少有創(chuàng)業(yè)公司直接在臨床試驗領域與客戶合作，但像蘋果這樣的科技巨頭正在大踏步前進。自2015年以來，Apple推出了兩個開源框架，以幫助臨床試驗招募患者并遠程監(jiān)控他們的健康狀況。

▲AI臨床試驗

　　10.生成式對抗網(wǎng)絡GANs

　　GAN采用“AI對抗AI”的概念，包括生成器和鑒別器。生成器創(chuàng)建偽圖像，而鑒別器將其與真實世界圖像進行比較，并向生成器提供反饋。 最終結果是一個恒定的反饋回路，產生越來越復雜的圖像。隨著研究的擴大，它將改變新聞，媒體，藝術乃至網(wǎng)絡安全的未來。 2019年最重要的AI趨勢之一將是GAN的進一步發(fā)展和其他應用的溢出效應。

　　11.聯(lián)合學習

　　使用獨特的本地數(shù)據(jù)集訓練AI可以極大地提高其性能，但用戶數(shù)據(jù)也是隱私的。 Google的聯(lián)合學習方法旨在使用這些豐富的數(shù)據(jù)集，同時保護敏感數(shù)據(jù)。今年將見證在藥物發(fā)現(xiàn)和其他用例中尋找更多聯(lián)合學習的應用。

　　12.高級醫(yī)療保健生物學

　　利用神經網(wǎng)絡，研究人員開始研究和測量以前難以量化的非典型風險因素。從視網(wǎng)膜掃描到分析皮膚顏色變化，AI正在從無數(shù)來源解鎖新的醫(yī)學見解。 AI將繼續(xù)解鎖新的診斷方法并識別以前未知的風險因素。

　　13.自動索賠處理

　　保險公司和初創(chuàng)公司正在使用人工智能來計算車主的“風險評分”，分析事故圖像并監(jiān)控駕駛員行為。人工智能的進步正在改變以前緩慢的，人為主導的過程，并允許更快的索賠結算。

　　14.假貨識別

　　假貨越來越難以發(fā)現(xiàn)，網(wǎng)上購物比以往任何時候都更容易購買假貨。為了反擊，品牌和典當商開始嘗試人工智能技術。在線和實體商務中，AI被用于識別仿冒產品和欺詐性商標侵權。