新西兰央行数据系统遭黑客攻击

2015 年，TensorFlow 开源。一年后，Facebook AI 又开源了基于 Python 的深度学习框架 PyTorch。今天，TensorFlow 和 PyTorch 已经成为使用最广泛的框架。通过不断的版本更新，谷歌和 Facebook 为机器学习社区带来了极大便利。自定义库、软件包、框架和工具的爆发式增长，使得更多人进入了 AI 领域，也为 AI 研究带来了更多人才。

开源是近几年的一个主要特性。开源工具和越来越多的可用资源（如 arxiv 或 Coursera）促进了 AI 变革。另一个催化剂是流行的竞赛平台——Kaggle。Kaggle 和 GitHub 滋养了一批高质量 AI 开发者。

更多学习，更少规则

Schmidhuber 教授上世纪 90 年代初提出的元学习概念，最近才逐渐得到关注。元学习指在有限训练示例的基础上，使机器学习模型学习新技能并适应不断变化的环境。通过操纵超参数对特定任务优化机器学习模型需要大量用户输入的话，过程会较为繁琐，而使用元学习后，这一负担将得到极大缓解，因为元学习将优化部分自动化了。自动优化带来了一个新的行业 MLaaS（机器学习即服务）。

未来方向
 

苹果等公司已经开发了定制化机器学习芯片（如 A14 Bionic）来提供智能服务。即使是依赖英伟达和英特尔的 AWS，也正在慢慢进入芯片行业。随着芯片变得越来越小，这一趋势只会更加明显：例如使用英伟达 Jetson AGX Xavier 开发者套件，你可以轻松创建和部署端到端 AI 机器人应用，用于制造、零售、智能城市等等。谷歌的 Coral 工具包可将机器学习带到边缘设备上。安全、实时输出是目前的主题。

开源文化逐渐成熟
 

. 预测性维护

工业物联网网关能够帮助进行预测性维护。也就是说，设备和传感器收集的数据可用于通过使用预测模型在故障或失效发生之前执行维护来预测某些组件或设备通常何时失效。生产线通常一周7天，每天24小时运转，因此机器出现故障或故障会导致生产停止，造成利润损失。

通过使用数据模型的预测性维护，工厂可以在机器出现故障或故障之前修复机器，从而消除任何停机时间，如果没有物联网网关提供的洞察力，工厂通常会经历停机时间。这大大减少或消除了与有害和意外停机相关的成本。

4. 实时数据处理与决策

工业物联网网关可以在数据生成源本地实时处理和分析数据，无需将数据传输数千英里到数据中心进行处理和分析。这使得实时数据分析和决策成为可能，这对于处理关键本地工作负载的应用程序是必要的。

目前，这类应用程序无法在云上运行，因为发送、处理数据以及将数据发送回工业环境都存在延迟。由于物联网网关和工业计算机位于本地，因此这种部署几乎没有延迟，只需一毫秒即可实现实时数据分析和决策。

（编辑：南昌站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!