语言的使用变得越来越马虎了。用人工智能(AI)作为深度学习的速记法当然很方便，而且也更易于出现在媒体头条。然而，最近的普适AI (general AI)——机器能够自行学习，就像好奇的人们逛书店一样——仍然更像是科幻小说，算不上是科学。
近来像野火般迅速延烧于因特网的是深度神经网络(DNN)。DNN是AI的一个特例，它通常根据人们启动的过程。深度学习技术支持辨识影像、语音与其他领域模型的能力，通常比人类更快，从而开启了全新的运算方向。至于其长远的未来将走向何方，谁也说不准。
很明显的是，过去这一、两年来，大家都纷纷抢搭AI列车，而无论它将驶向何方。至于它能带来什么价值，我们也不难猜到AI列车在接下来的几个停靠站。
1. 加速芯片将展现更多动能
如同我们在9月的报导，至少有4款用于训练深度学习神经网络的全新加速器正在出样中。有好长一段时间，业界多家网络巨擘一直在期待这些芯片的出现。正如百度(Baidu)硅谷人工智能实验室(Silicon Valley AI Lab)资深研究员Greg Diamos在2016年底所说的，训练机器学习模型的任务「受到运算能力的限制，如果有更快的处理器，就能执行更大的模型。」
因此，2019年预计会看到一些前几大的数据中心营运商开始大量购买这些芯片。不过，如果因此而预期一窝蜂成立的AI新创公司将会被淘汰出局，这也太不切实际了。我想我们应该会看到一些早期的市场赢家取得市占率以及实际的收益。
2. 严格检视AI带来的价值
在深度学习加速器领域取得市场动能的一些新创公司，预计也将获得大笔的资金挹注。随着投资公司对于究竟能取得多少投资报酬率(ROI)开始斤斤计较，预计今秋开始的这一波投资热潮将在2019年逐渐降温。
这一波深度学习热潮至今吸引了对于大约50家新创公司以及逾千万美元的投资。过去几周以来，还爆发另一波新的投资热潮。
以色列新创公司Habana Labs于11月完成7,500万美元的B轮募资，使其募资总额增加到1.2亿美元。Wave Computing在本月募资8,600万美元，迄今总共累资约2亿美元，一部份的资金用于收购MIPS，并于日前宣布其开源核心计划。
英国新创公司Graphcore日前宣布完成2亿美元的D轮募资，至今总共募资3.12亿美元。Graphcore芯片最近还用于戴尔(Dell)最新设计的系统中。预计在深度学习领域还将爆发一窝蜂的投资，但随着企业经理开始计算其实际收益后，肯定将会出现许多「硬着陆」(hard landing)和「软着陆」(soft landing)的投资策略。
3. 推论性能以跑分作基准
提到数字，除了用于训练深度学习网络的MLPerf测试基准，预计2019年还将会其他跑分基准出现，其目在于发布一套基于云端和嵌入式系统的推论任务基准。
我不太确定这算不算是一项预测。但据MLPerf组织表示，这是他们在2019的计划。因此，在2019年，我预期对于训练的所有热情将会转移到更广大的推论芯片市场。
4. 芯片商拥抱基准检验
这也不算是真正的预测，更像是一种“命令”?芯片供货商必须接受新兴的深度学习基准。迫不及待的客户以及慷慨的投资者应该都会要求基准检验，以便这一新兴市场能够取得一些急需的关键分析和指方针——毕竟，我们不能永远靠市场炒作!
截至目前为止，只有Google、英特尔(Intel)和辉达(Nvidia)使用早期的MLPerf 0.5版训练基准，并针对少数几套系统本发布结果。许多公司需要针对各种配置和工作负载发布更多基准检验结果，让相关领域看到其所处的位置，以及针对需要的部份进行校准。
5. AI软件平台将迅速普及
这可能已经发生过了。近几周来，我几乎每天都会收到各种不同的AI软件平台发布信息。由于
应用开发简化以及AI平台的市场压力，我高度怀疑这些产品究竟带来什么价值。
在接下来几年，这片AI软件平台丛林将会变得越来越茂密，并衍生出越来越多种类。终端用户和投资人将会开始审慎评估。
6. 深度学习将遭遇瓶颈
按理说这也已经在发生中，只是还没有人把一切串连起来。例如，假期间我曾经仔细地浏览Pandora电台上的所有播放列表后，点选了这个Bach App上可能添加的曲目建议按键。结果，推荐引擎却又把我带回到一开始浏览全部曲目的画面。
Pandora并不是唯一一个功能不足的网络App。我预计2019年将发生几起消费者反弹的风暴。希望程序设计人员和营销人员够好好的自我克制，千万不要被什么「人工愚蠢」(artificial stupidity)之类的头条新闻逼疯了。就算有了很棒的核心技术，也需要有人类的良好意识配合。
7. 普适AI兴趣崛起
业界对于深度学习的热情和资金挹注，也激起了研究普适AI的兴趣。我自己并不是这个领域的专家，但注意到由Palm Pilot设计师Jeff Hawkins创立的Numenta，据称今年在开发新皮质如何运作的通用理论上取得了进展。
没有人真正知道人类大脑如何实现一些令人难以置信的事。也没人能解释深度学习为什么能有效匹配结果与模式，即使是非常窄且人为控制的AI预兆。
在2019年，我预期更聪明的人们将会开始怀疑一些更大的问题。我希望这将会引发一些有趣的讨论，甚至可能是一些没人预测到的重要进展。
