【2020年AI趋势摘要：可嵌入、可迁移、可评价】《A Distilled List of AI Trends For 2020 - Towards Data Science》by Roberto Sannazzaro

回顾2019：

作者在这篇文章中探讨了AI的技术与非技术方面以及相对较新的趋势。在过去的2019年，英特尔，高通或NVIDIA等大型芯片制造商发布了专门设计用于仅执行基于AI的应用程序的芯片，主要用于计算机视觉领域，自然语言处理和语音识别。谷歌发布了TensorFlow 2.0，扩展了对Node.js上TensorFlow的支持，并与iOS集成，最后，正式将其高级API更改为Keras，使其首先成为移动和PWA。此外，BERT模型演变为DistilBERT或FastBert，计算机视觉算法以非常好的准确性执行大多数人的任务。DeepMind或OpenAI进一步推强化学习，Keras的创建者FrançoisChollet发表了一篇论文，提出了一种基准化AI模型的新方法。

2020的期待：

• AutoML

具有执行ETL任务，进行数据预处理和转换的能力，AutoML很有可能在2020年变得更加流行。AutoML技术可以照顾整个机器学习过程，诸如auto-sklearn之类的程序包可以自动进行模型选择，超参数优化和评分，而其他云提供商已经提供了服务的“自动驾驶”替代方案：Amazon Forecast自动确定哪种算法Google最适合数据，Google也提供类似的服务Cloud AutoML。

• 联邦机器学习

早在2017年，Google引入了分布式学习的概念，该方法使用分散的数据对模型进行部分或全部训练。 如前所述，TensorFlow 2.0支持其他平台，例如iOS，Node.js等，从而为公司提供了一个用于构建，运输，培训和优化的多平台工具。此外，像Docker和Kubernetes这样的平台提供了扩展和协调相对复杂环境的部署的可能性，从而使联邦机器学习成为可能。

-云垄断的终结

云计算在2019年变得越来越流行，许多人转向“我们永远不会与他们共享我们的数据”改为“很好，也许我们可以尝试一下”。云提供商的规模，数量，客户和产品的增加，使市场开始从寡头垄断转向完全竞争的市场，这意味着云提供商正在逐渐失去做价者的能力。已经可以在不同的云提供商之间分配资源。

• AI的可解释性

在2019年，我们对XAI或Explainable AI进行了艰苦的尝试，这是一系列鼓励算法的可解释性和可再现性的实践。这种趋势与机器学习和深度学习在许多不同领域和不同公司中的应用方式不同。 模型不再是（也不应该是）黑匣子，其结果的每个决定都必须可以解释。