雲栖号資訊：【 點選檢視更多行業資訊】
在這裡您可以找到不同行業的第一手的上雲資訊，還在等什麼，快來！
人工智能和機器學習是世界上最繁榮和最革命性的兩項技術。 這些技術正在進入世界上幾乎所有的領域，并将以有趣的方式影響這些領域。
有成噸的理由說明人工智能 ( AI ) 和機器學習 ( ML ) 已成為世界上最受歡迎的技術之一。
這些技術擁有着改變地球運作方式的力量，且毫無疑問在人工智能和機器學習領域中，一些東西正在不斷發生。在本文中，我們将讨論幾個頂級的人工智能和機器學習趨勢，将塑造新年：2020。 我們還将介紹面部識别技術及其在2020年的應用。
人工智能和機器學習将有新的突破
首先，我們要強調的是：與人工智能相關産業規模将在 2023 年達到 979 億美元。 這意味着人工智能似乎有很大的潛力。 同時機器學習的領域也發生了很多事情。 而且機器學習解決方案和系統的需求也會相當高。 因為，到目前為止，世界上已經有大量的基于人工智能和機器學習的應用誕生。
2020年人工智能和機器學習趨勢搜集
基于人工智能的廣告和媒體
雖然，大部分 AI 和 ML 已經與企業聯系在一起。人工智能目前主要應用于 ERP，一種基于 Dynamics 365 AI 解決方案，但是人工智能對創意産業和創意任務的積極影響是毋庸置疑的，并且人工智能在廣告和媒體領域似乎也有很大的潛力。AI 和 ML 已經在創意廣告和故事的制作中發揮了重要作用。
此外，許多機構也開始使用人工智能和機器學習來編寫腳本。到 2020 年，我們将看到創意機構和媒體公司更多地使用這些技術。事實上，甚至還有一些創意的革新者也會盡力利用這些新技術。
客戶的互動和忠誠度提升管理
實時營銷工作将需要基于AI的解決方案。 因為營銷團隊将對制定有效的實時政策感興趣，是以 AI 和 ML 的作用将非常明顯。 AI 和 ML 為客戶支援，營銷團隊和銷售團隊提供了全方位的優勢。 許多新工具還具有基于 AI 的功能，旨在提高客戶互動和營銷活動的品質。
此外，據信基于 AI 的業務決策可以帶來更好的客戶擷取和保留。 是以，人工智能和機器學習似乎對客戶生命周期産生積極影響。 借助由 AI 支援的最新公司解決方案，公司可以更好地了解客戶，進而可以進行個性化的活動和計劃。 是以，保留的機會自動增加。
人工智能與模型設計之間的聯系
人工智能已經在風力渦輪機，飛機發動機，無人駕駛汽車以及各種工廠中發揮着重要作用。 這項新技術的整體影響是值得注意的，尤其是在複雜的多域系統中。 新時代的設計師對基于模型的設計工具很感興趣。
是以，它們可以幫助設計人員連續地仿真，內建和測試 AI 系統。 同樣，借助激勵技術，設計人員和工程師能夠确定AI 如何影響系統。 是以，毫無疑問，基于模型的設計在社會中具有非常積極的作用。
對區塊鍊行業的影響
區塊鍊規模可能很快就會達到 15 億美元大關。 因為，全球各地的企業都将有興趣對其進行投資，是以，區塊鍊在2020 年及之後的幾年裡似乎擁有巨大的發言權。 這項技術已經引起了很大的轟動，并且與此相關聯的還有一定的動力。 現在，随着與 AI 和 ML 的融合，該技術有望變得更加強大。
是以，在 2020 年，您可以期待由AI提供支援的更新的區塊鍊工具和技術，而這種融合的一些優勢将包括：交易大大改善，資料品質大大提高以及許多其他事情。
工作場所的自動化
在 2020 年，人工智能和機器學習将在辦公室中更加活躍。 盡管已經有很多讨論與 AI 和 ML 可能完全改變辦公室的事實有關。 但是，2020 年，我們将看到更多使用 AI 和 ML 的方法。
我們可能還會觀察到，AI 和 ML 可能會使工作場所的操作自動化。 不過，這并不意味着将完全取代人力資源。 但是，某些手動工作肯定會自動化。 是以，我們預計 2020 年會有更高的生産率和效率。
上面列出的是 2020 年 AI 和 ML 的頂級趨勢中的一些，除了這些趨勢之外，還有一些事情将激發世界。比如更多使用面部識别技術， 它由 AI 和 ML 所驅動，這種超精确的生物特征認證将在 2020 年得到改進。此外，面部識别的使用率将比以前更高。
該技術更具吸引力和吸引力，并具有許多用例，包括技術，市場，供應商等。面部識别是使用人的臉部進行驗證或識别的過程。 該技術基于人的面部細節分析，捕獲和比較圖案。
智能化面部識别技術是怎麼工作的？
面部識别技術遵循三個步驟：
1、 人臉檢測
2、人臉特征捕捉
3、人臉比對
人臉檢測是檢測和定位圖像和視訊中人臉的過程的第一步; 人臉特征捕捉是第二步，該過程将基于特征将面部細節轉換為一組數字資訊; 人臉比對是驗證人臉并與人比對的最後一個步驟。
切勿将“身份”與“身份驗證”混在一起。 這兩個術語是不同的，并且具有不同的含義。 在生物識别技術中，該技術用于借助可識别且有保證的資料來識别和鑒定人。 身份僅是“誰是那個人”，身份驗證是“如果他/她真的是那個人的驗證”。
接下來，我們在報告中讨論一下面部識别技術應用中排名前三的三個類别。
1.安全–執法
安全市場正在為打擊和打擊犯罪與恐怖主義提供新的解決方案。 在這個市場上，面部識别系統有益于檢測或預防犯罪。以下是安全市場使用該技術的方式：
- 簽發身份證件時使用該技術，并且大多數時候與其他生物識别技術（例如指紋）結合使用。
- 在邊境檢查時會進行面部比對，以了解護照的數字化生物識别特征是否與護照持有人的面部相比對。
- 面部比對也可用于對駕駛執照和證件圖檔資料庫進行搜尋。
- 無人機安裝了航拍錄影機，可在發生大規模事件的大區域提供面部識别。
2.健康
如今，通過深度學習和面部分析，醫療保健行業可以在多個方面使用面部識别和生物識别技術。醫療保健組織能夠：
- 更精确地跟蹤患者之間的用藥情況
- 檢出遺傳病的成功率為 96.6％
- 支援疼痛管理流程
- 營銷與零售
可能我們很想知道為什麼營銷和零售需要面部識别技術？
雖然我們知道營銷和零售行業曾經使用過這種技術，并且沒有顯著提升，那麼現在又應該如何應用？在 2020 年， KYC（了解您的客戶）肯定會成為有争議的話題。這一即将到來的趨勢已與客戶體驗中的進階營銷政策一起使用。
将相機放置在零售店後，商店所有者和經理可以分析購物者的行為并改善購買過程，以提供最佳的購物體驗。
2020 年東京奧運會（日本）将使用面部識别技術
2020 年東京奧運會，官方将采用面部識别技術識别和授權運動員及個人，并允許他們通行。悉尼正在機場進行人臉識别試驗，以幫助人們以更安全，更快捷的方式通過安檢。
在印度，Aadhaar 的項目是全球最大的生物識别資料庫。 Aadhaar 卡為印度居民提供了獨特的數字 ID 号碼，超過12 億。 根據消息來源，印度可能會在 2020 年釋出新的最大的人臉識别系統。
如果面部識别出錯了怎麼辦？
目前已經有許多執行個體說明如何輕松欺騙該技術。讓我們讨論一些例子：
- 在俄羅斯，格裡高裡·巴庫諾夫（Grigory Bakunov）建立了一種解決方案來混淆人臉檢測裝置。 他開發了一種算法，其中涉及使用特殊構成來欺騙軟體。 但是，他決定不将這種産品推向市場，因為犯罪分子很容易以此來愚弄面部識别解決方案。
- 2017 年底，一家越南公司使用口罩對安裝在 Apple iPhone X 中的 Face ID 人臉識别功能進行了黑客入侵。但是這種黑客入侵對于黑客來說更難以大規模利用。
換句話說，使用者甚至可以在發送圖像之前借助過濾器來修改圖像中的特定像素。 這些變化是微小的，人眼無法觸及，同時，它們也使人臉識别解決方案感到困惑。
人工智能和機器學習是最強大和最具影響力的兩項技術。 這些技術具有進入不同領域并産生影響的潛力。 我們無法聲稱可以預測未來幾年将出現的所有關鍵主題。 但是這些技術正在慢慢進入不同的市場和領域。 市場專業人員已經在多次實驗中使用了AI和ML技術，并且你正在手機中使用此技術來進行解鎖。 是以，毫無疑問，我們将在未來幾年中見證很多事實。
【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/zhibo立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK
原文釋出時間：2020-03-27
本文作者：設計稿智能生成代碼
本文來自：“掘金”，了解相關資訊可以關注“
掘金”