語言的使用變得越來越馬虎了。用人工智能(AI)作為深度學習的速記法當然很方便，而且也更易于出現在媒體頭條。然而，最近的普適AI (general AI)——機器能夠自行學習，就像好奇的人們逛書店一樣——仍然更像是科幻小說，算不上是科學。
近來像野火般迅速延燒于因特網的是深度神經網絡(DNN)。DNN是AI的一個特例，它通常根據人們啟動的過程。深度學習技術支持辨識影像、語音與其他領域模型的能力，通常比人類更快，從而開啟了全新的運算方向。至于其長遠的未來將走向何方，誰也說不準。
很明顯的是，過去這一、兩年來，大家都紛紛搶搭AI列車，而無論它將駛向何方。至于它能帶來什么價值，我們也不難猜到AI列車在接下來的幾個停靠站。
1. 加速芯片將展現更多動能
如同我們在9月的報導，至少有4款用于訓練深度學習神經網絡的全新加速器正在出樣中。有好長一段時間，業界多家網絡巨擘一直在期待這些芯片的出現。正如百度(Baidu)硅谷人工智能實驗室(Silicon Valley AI Lab)資深研究員Greg Diamos在2016年底所說的，訓練機器學習模型的任務「受到運算能力的限制，如果有更快的處理器，就能執行更大的模型。」
因此，2019年預計會看到一些前幾大的數據中心營運商開始大量購買這些芯片。不過，如果因此而預期一窩蜂成立的AI新創公司將會被淘汰出局，這也太不切實際了。我想我們應該會看到一些早期的市場贏家取得市占率以及實際的收益。
2. 嚴格檢視AI帶來的價值
在深度學習加速器領域取得市場動能的一些新創公司，KUKA機器人示教器維修，預計也將獲得大筆的資金挹注。隨著投資公司對于究竟能取得多少投資報酬率(ROI)開始斤斤計較，預計今秋開始的這一波投資熱潮將在2019年逐漸降溫。
這一波深度學習熱潮至今吸引了對于大約50家新創公司以及逾千萬美元的投資。過去幾周以來，還爆發另一波新的投資熱潮。
以色列新創公司Habana Labs于11月完成7,500萬美元的B輪募資，使其募資總額增加到1.2億美元。Wave Computing在本月募資8,600萬美元，迄今總共累資約2億美元，一部份的資金用于收購MIPS，并于日前宣布其開源核心計劃。
英國新創公司Graphcore日前宣布完成2億美元的D輪募資，KUKA機器人維修，至今總共募資3.12億美元。Graphcore芯片最近還用于戴爾(Dell)最新設計的系統中。預計在深度學習領域還將爆發一窩蜂的投資，但隨著企業經理開始計算其實際收益后，肯定將會出現許多「硬著陸」(hard landing)和「軟著陸」(soft landing)的投資策略。
3. 推論性能以跑分作基準
提到數字，除了用于訓練深度學習網絡的MLPerf測試基準，預計2019年還將會其他跑分基準出現，其目在于發布一套基于云端和嵌入式系統的推論任務基準。
我不太確定這算不算是一項預測。但據MLPerf組織表示，這是他們在2019的計劃。因此，在2019年，我預期對于訓練的所有熱情將會轉移到更廣大的推論芯片市場。
4. 芯片商擁抱基準檢驗
這也不算是真正的預測，更像是一種“命令”?芯片供貨商必須接受新興的深度學習基準。迫不及待的客戶以及慷慨的投資者應該都會要求基準檢驗，以便這一新興市場能夠取得一些急需的關鍵分析和指方針——畢竟，我們不能永遠靠市場炒作!
截至目前為止，只有Google、英特爾(Intel)和輝達(Nvidia)使用早期的MLPerf 0.5版訓練基準，并針對少數幾套系統本發布結果。許多公司需要針對各種配置和工作負載發布更多基準檢驗結果，讓相關領域看到其所處的位置，以及針對需要的部份進行校準。
5. AI軟件平臺將迅速普及
這可能已經發生過了。近幾周來，KUKA機器人示教器維修，我幾乎每天都會收到各種不同的AI軟件平臺發布信息。由于應用開發簡化以及AI平臺的市場壓力，我高度懷疑這些產品究竟帶來什么價值。
在接下來幾年，這片AI軟件平臺叢林將會變得越來越茂密，并衍生出越來越多種類。終端用戶和投資人將會開始審慎評估。
6. 深度學習將遭遇瓶頸
按理說這也已經在發生中，只是還沒有人把一切串連起來。例如，假期間我曾經仔細地瀏覽Pandora電臺上的所有播放列表后，點選了這個Bach App上可能添加的曲目建議按鍵。結果，推薦引擎卻又把我帶回到一開始瀏覽全部曲目的畫面。
Pandora并不是唯一一個功能不足的網絡App。我預計2019年將發生幾起消費者反彈的風暴。希望程序設計人員和營銷人員夠好好的自我克制，千萬不要被什么「人工愚蠢」(artificial stupidity)之類的頭條新聞逼瘋了。就算有了很棒的核心技術，也需要有人類的良好意識配合。
7. 普適AI興趣崛起
業界對于深度學習的熱情和資金挹注，也激起了研究普適AI的興趣。我自己并不是這個領域的專家，但注意到由Palm Pilot設計師Jeff Hawkins創立的Numenta，據稱今年在開發新皮質如何運作的通用理論上取得了進展。
沒有人真正知道人類大腦如何實現一些令人難以置信的事。也沒人能解釋深度學習為什么能有效匹配結果與模式，即使是非常窄且人為控制的AI預兆。
在2019年，我預期更聰明的人們將會開始懷疑一些更大的問題。我希望這將會引發一些有趣的討論，甚至可能是一些沒人預測到的重要進展。