關於人工智慧的發展趨勢預測 各個都值得期待

本文由騰訊數碼獨家發布

人工智慧(AI)現在已經無處不在，該領域已經有大量的投資者、大量初創企業、所有成熟的技術供應商以及大大小小的企業推動，這些企業都在試驗它能為提高自己的利潤而努力。之前我們對2019年人工智慧的120個預測並沒有完全耗盡掉這個主題，所以這裡還有20個專業機構和人士的預測。

「一些人工智慧應用不會辜負如此熱烈的炒作，這沒關係。」人們計劃擁有自動駕駛汽車已經有一段時間了。一些人仍然擔心人工智慧可能在20年後接管，但事實是，我們距離真正的自動駕駛汽車還有很長的路要走。至於人工智慧的收購，在可預見的未來，這隻會出現在科幻電影中。我的預測是，我們對人工智慧的期望和它的能力的現實將在中間的某個地方達到。未來5年看起來和現在很像，但我們的日常生活將變得越來越有效率，在微妙的，但重要的，方式。人工智慧機器人將變得更擅長回答問題和審查客戶服務案例，智能助理將擁有更多完成任務的設備，自動駕駛汽車的功能將繼續改進，但它們不會取代道路。」

「到2019年，人工智慧產品的應用將繼續擴展到從製造業到教育、零售等各個垂直領域。」例如，在醫療行業，人工智慧增強的應用程序能夠通過使用人工智慧來檢測和診斷腫瘤，減少急診候診室的時間，甚至解放醫生的時間。隨著新的進展和應用程序進入各個垂直領域，隨著技術成本的降低和組織和業務結果的改善，預計將會看到加速採用。在聯想，我們已經在供應鏈和零部件規划過程中使用了人工智慧，這樣我們就可以更好地為那些同樣渴望用人工智慧改造業務的客戶提供一流的體驗。

「患者會發現，除了現有的聊天機器人(目前可在移動應用程序和其他醫療IT平台上使用)之外，他們還可以通過各種全通道ui進行交談。」像Alexa和谷歌Home這樣的會話體驗的消費者框架可能會添加HIPAA隱私支持，這將為機器人打開大門，以便在患者訪問之間的大間隙中保持對話。在護理環境中，醫院病床旁的護士呼叫按鈕、收集病歷的表格以及klunky日程安排應用程序將演變為以客戶為中心的機器人醫療助理。」

「2019年將出現鐘擺式的轉變，重點放在執行分析方面。」與將數據移回核心、存儲和應用傳統分析相比，組織將通過在邊緣處理和分析數據來節省時間和金錢。用例包括異常檢測(欺詐)、模式識別(故障預測/維護)和持久流。自動駕駛汽車、油氣平台、醫療設備都是這一趨勢的早期例子，我們將在2019年看到這一趨勢的擴展。這一趨勢的成本驅動因素是帶寬(半連接環境以及昂貴的蜂窩網路)和存儲(減少發送到雲的數據量)。」

公眾對負責任的人工智慧的需求將會增加，2018年是覺醒之年。2019年將是行動之年。不僅僅是數據倫理學家和人權倡導者要求公平、問責和透明。消費者已經在改變他們使用Facebook或完全刪除自己賬戶的方式，這種趨勢可能會蔓延到其他利用個人數據的社交媒體和其他服務。更多關於負責任地創造和使用人工智慧的承諾和聲明將被寫下來，企業將被迫採用它們。公眾將對政府在影響人權的決策中使用有偏見的人工智慧進行反擊。更多的員工將要求對他們所創造的東西施加影響，並拒絕為有害的自動化做出貢獻。為了避免成為下一個關於人工智慧出錯的頭條新聞，公司將不得不有意識地領導——無論是購買人工智慧解決方案還是構建它們——並尋求確保這些系統是公平的。」Salesforce道德人工智慧實踐架構師凱西·巴克斯特(kathy Baxter)表示。

「先進的分析和人工智慧將繼續變得更加專註，並針對特定的需求量身打造，這些能力將越來越多地嵌入管理工具中。」這個備受期待的功能將簡化IT操作，改進基礎設施和應用程序健壯性，並降低總體成本。隨著這一趨勢的發展，人工智慧和分析技術將被嵌入到高可用性和災難恢復解決方案中，以及雲服務提供商提供的提高服務水平的產品中。由於能夠快速、自動、準確地理解問題並跨複雜配置診斷問題，從雲交付的關鍵服務的可靠性和可用性將大大提高。」

「隨著聊天機器人和人工智慧的不斷發展，它們能夠執行的功能的深度和廣度將會增加。」這對勞動力意味著什麼，積極的還是消極的?一方面，機器學習將幫助人們篩選大量的數據，更有效地完成他們的工作。另一方面，隨著人們對機器人交互越來越熟悉，客戶服務和支持角色將逐步消失。隨著越來越多的企業採用人工智慧和聊天機器人來提高現有員工的生產率，或者逐步淘汰可以藉助這些技術獲得的職位，這種情況將在2019年開始以更大的規模出現。

「關於工業強度人工智慧的一個骯髒的小秘密是，這些系統中的許多都是根據由數千(或更多)人類評分者創建和標記的數據集進行培訓和評估的。」隨著我們解決更複雜的人工智慧問題，對大量高質量人類判斷的需求將會增加，但在利用機器學習技術使收集這些判斷更省時、更划算方面，將會出現突破。與此同時，使用最少甚至不使用標記數據的方法(又稱無監督技術)將減少我們對大量標記數據的依賴，使深度學習模型在新的和不同類型的問題上更加實用。」

「知識圖表是新的黑色。」所需的技術，包括NLP、圖形資料庫、內容分析，現在已經對齊，使知識圖能夠方便地編纂領域知識。從可用的聊天機器人，引導過程到自動化顧問，我們將看到在許多行業和領域的使用增加，包括醫療保健、金融服務和供應鏈，」Jean-Luc Chatelain，埃森哲應用情報董事總經理兼首席技術官表示。

隨著自動駕駛汽車、智能揚聲器和面部識別技術的創新，人工智慧已進入主流。人工智慧在物流、製造、醫療保健和網路安全方面的應用不那麼引人注目，但同樣具有影響力。網路安全的獨特之處在於它是所有其他技術的重要組成部分。無論我們選擇生活在一個「智能」還是「人工智慧」的世界，有一件事是肯定的:如果人工智慧和深度學習不能增強你的網路安全戰略，你就更有可能被黑客攻擊。人工智慧讓網路犯罪分子更難獲得聲名狼藉的收入。有了人工智慧的防禦，攻擊者只能尋找更軟的目標(那些認為自己不需要人工智慧的目標)，或者被迫開發更複雜、成本更高的攻擊方法。因此，網路軍備競賽仍在繼續。

人工智慧正在進入商品時代。你不需要知道微波技術如何工作才能使用它，它只是一個工具。隨著大量無代碼、點擊式工具的湧入，我們正進入與人工智慧相同的階段，在這個階段，無論技術背景如何，它都將成為一種廣泛使用的實用工具。因此，未來幾年的大多數人工智慧應用程序將由很少或沒有人工智慧培訓的人來開發。

「機器人過程自動化(RPA)由於其簡單、易於理解的價值支柱——過程自動化、效率，在過去兩年中一直是技術領域最熱門的領域之一;將資源釋放出來，專註於更有價值的活動，等等。但它有基本的局限性——它只對死記硬背、重複的流程有效，不會影響包含非結構化內容的工作流，而非結構化內容在大多數企業中佔80%以上。與此同時，人工智慧和機器學習被視為過於深奧;需要太多的數據科學專業知識、太多的牽絆、太多的關於ROI的不確定性和風險。許多公司將尋求在2019年彌合這一鴻溝——通過許多專家所謂的「智能過程自動化」，在RPA的動力和人工智慧/機器學習的智能之間架起一座橋樑。

人工智慧和機器學習(ML)在許多現實生活中的應用都被誇大了，包括呼叫中心行業。例如，與其試圖識別圖像或數據中的特定模式(AI/ML的最佳點)，不如通過智能應用自動化來解決常見問題並通過定義的業務流程提供指導用戶流程，從而增加滿足自助服務支持會話的數量。通過將人類智能主要用於無法有效自動化的支持場景，呼叫中心的運營將得到進一步優化。

「2019年，將會出現從人工智慧工具包到人工智慧的轉變，以解決特定的企業挑戰，如IT和人力資源員工的經驗。」到目前為止，模型是企業可以應用難以獲得的技能來利用AI工具包來構建自定義應用程序。這正轉向使用人工智慧來解決常見的企業問題。

「到2019年，企業中的人工智慧早期採集器將尋求從人工智慧投資中獲得更多價值，因為他們希望雲應用程序中內置的人工智慧解決方案在功能、用戶體驗和可訪問性(多設備、聊天機器人、數字助理等)方面更加豐富和豐富。」我們將看到公司投資於第三方數據源和智能數據(動態信號和定期刷新的靈活分類)以優化輸出。隨著企業與機器學習偏差作鬥爭，信任、透明度和可解釋的人工智慧將成為更大的問題。客戶將會意識到機器學習需要人類的監督，以及像監督控制這樣的功能，再加上數據洞察，以幫助早期採用者調整機器學習輸出，並從人工智慧投資中產生更多價值。

長期以來，市場營銷人員一直在談論，當涉及到基於人們在購買周期中所處位置的營銷計劃時，應該採取僅次於最佳的理想行動。然而，如果沒有人工智慧實時合成的海量數據，這是不可能實現的。人工智慧的出現將取代涉及大量數據集的手工任務，這意味著在2019年，由購買周期中的特定活動觸發的自動次優行動將成為現實。

「到2019年，整合人工智慧將成為營銷戰略的重要組成部分。」圍繞預測分析、情緒分析、程序化廣告等方面的訓練有素的模型，將徹底改變營銷人員如何使營銷管道的更多方面自動化，並開發出具有高度針對性的基於客戶的營銷(ABM)策略。這將需要對新技術的投資，但也將通過提高營銷成本來降低定製收購成本。

「人工智慧和機器學習將成為新解決方案的需求簡化操作:?IT技能差距需要進步企業實現新的,創新的解決方案,自動執行複雜的操作。機器學習和人工智慧將成為新的IT解決方案的關鍵需求，以幫助企業通過更智能的操作和現代IT解決方案縮小技能差距。企業軟體公司將迫使他們的戰略供應商將AI和ML集成到他們現有的產品中，以提供更有效的操作模型和更高層次的成功，以滿足他們期望的結果。

「幾乎每個IT部門都將採用人工智慧來自動化企業監控，減少IT人員的手工工作，並實現應用程序自我修復的願景」戴夫·安德森，數字專家。

機器人行業將會看到許多初創公司試圖找到一個利基市場，並儘可能多地搶佔市場份額。然而，為了取得成功，機器人初創企業必須從設計的一開始就考慮監管規定，以滿足適用的安全法規，否則在進入市場時就會失敗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！