Google Brain設立者やFacebook AI Research（FAIR）設立者ほか、著名4人が予想する2019年のAI業界
https://thebridge.jp/2019/01/ai-predictions-for-2019-from-yann-lecun-hilary-mason-andrew-ng-and-rumman-chowdhury
Andrew Ng 

実践的な応用のために本当に重要だと私が考えるいくつかの分野を、あえて挙げてみようと思います。
AIを実践的に応用するには複数の障壁があると思いますが、それらの問題のうちいくつかには希望を持てるような前進があると思います。

この先の1年、AI と 機械学習の研究における特定の2つの分野で、研究全体を前進させるような進歩が見られると Ng 氏はワクワクしている。
1つは、より少ないデータで正確な結論にたどり着くことができる AI であり、業界内ではこれを「few shot learning」と呼ぶ者もいる。

思うに、ディープラーニング発展の最初の波は主として、非常に大きなニューラルネットワークを大量のデータで訓練する大企業によるものだったでしょう？なので音声認識システムを作ろうとすれば、10万時間分のデータで訓練しなければなりません。
機械翻訳システムを作りたいなら、無数の平行コーパスのセンテンスペアで訓練しなければ画期的な結果は得られません。
しかし、1,000枚の画像しかないのに結果を求めたいというような場合でも、徐々に少ないデータから結果が出せるようになってきています。