您当前的位置:首页 >> 语言
关于人工智能的发展趋势预测 各个都值得期待
发布时间:2019-03-28
 

摘要:“到2019年,人工智能产品的应用将继续扩展到从制造业到教育、零售等各个垂直领域。”


人工智能(AI)现在已经无处不在,该领域已经有大量的投资者、大量初创企业、所有成熟的技术供应商以及大大小小的企业推动,这些企业都在试验它能为提高自己的利润而努力。之前我们对2019年人工智能的120个预测并没有完全耗尽掉这个主题,所以这里还有20个专业机构和人士的预测。


“一些人工智能应用不会辜负如此热烈的炒作,这没关系。”人们计划拥有自动驾驶汽车已经有一段时间了。一些人仍然担心人工智能可能在20年后接管,但事实是,我们距离真正的自动驾驶汽车还有很长的路要走。至于人工智能的收购,在可预见的未来,这只会出现在科幻电影中。我的预测是,我们对人工智能的期望和它的能力的现实将在中间的某个地方达到。未来5年看起来和现在很像,但我们的日常生活将变得越来越有效率,在微妙的,但重要的,方式。人工智能机器人将变得更擅长回答问题和审查客户服务案例,智能助理将拥有更多完成任务的设备,自动驾驶汽车的功能将继续改进,但它们不会取代道路。”


“到2019年,人工智能产品的应用将继续扩展到从制造业到教育、零售等各个垂直领域。”例如,在医疗行业,人工智能增强的应用程序能够通过使用人工智能来检测和诊断肿瘤,减少急诊候诊室的时间,甚至解放医生的时间。随着新的进展和应用程序进入各个垂直领域,随着技术成本的降低和组织和业务结果的改善,预计将会看到加速采用。在联想,我们已经在供应链和零部件规划过程中使用了人工智能,这样我们就可以更好地为那些同样渴望用人工智能改造业务的客户提供一流的体验。


“患者会发现,除了现有的聊天机器人(目前可在移动应用程序和其他医疗IT平台上使用)之外,他们还可以通过各种全通道ui进行交谈。”像Alexa和谷歌Home这样的会话体验的消费者框架可能会添加HIPAA隐私支持,这将为机器人打开大门,以便在患者访问之间的大间隙中保持对话。在护理环境中,医院病床旁的护士呼叫按钮、收集病历的表格以及klunky日程安排应用程序将演变为以客户为中心的机器人医疗助理。”


“2019年将出现钟摆式的转变,重点放在执行分析方面。”与将数据移回核心、存储和应用传统分析相比,组织将通过在边缘处理和分析数据来节省时间和金钱。用例包括异常检测(欺诈)、模式识别(故障预测/维护)和持久流。自动驾驶汽车、油气平台、医疗设备都是这一趋势的早期例子,我们将在2019年看到这一趋势的扩展。这一趋势的成本驱动因素是带宽(半连接环境以及昂贵的蜂窝网络)和存储(减少发送到云的数据量)。”


公众对负责任的人工智能的需求将会增加,2018年是觉醒之年。2019年将是行动之年。不仅仅是数据伦理学家和人权倡导者要求公平、问责和透明。消费者已经在改变他们使用Facebook或完全删除自己账户的方式,这种趋势可能会蔓延到其他利用个人数据的社交媒体和其他服务。更多关于负责任地创造和使用人工智能的承诺和声明将被写下来,企业将被迫采用它们。公众将对政府在影响人权的决策中使用有偏见的人工智能进行反击。更多的员工将要求对他们所创造的东西施加影响,并拒绝为有害的自动化做出贡献。为了避免成为下一个关于人工智能出错的头条新闻,公司将不得不有意识地领导——无论是购买人工智能解决方案还是构建它们——并寻求确保这些系统是公平的。”Salesforce道德人工智能实践架构师凯西·巴克斯特(kathy Baxter)表示。


“先进的分析和人工智能将继续变得更加专注,并针对特定的需求量身打造,这些能力将越来越多地嵌入管理工具中。”这个备受期待的功能将简化IT操作,改进基础设施和应用程序健壮性,并降低总体成本。随着这一趋势的发展,人工智能和分析技术将被嵌入到高可用性和灾难恢复解决方案中,以及云服务提供商提供的提高服务水平的产品中。由于能够快速、自动、准确地理解问题并跨复杂配置诊断问题,从云交付的关键服务的可靠性和可用性将大大提高。”


“随着聊天机器人和人工智能的不断发展,它们能够执行的功能的深度和广度将会增加。”这对劳动力意味着什么,积极的还是消极的?一方面,机器学习将帮助人们筛选大量的数据,更有效地完成他们的工作。另一方面,随着人们对机器人交互越来越熟悉,客户服务和支持角色将逐步消失。随着越来越多的企业采用人工智能和聊天机器人来提高现有员工的生产率,或者逐步淘汰可以借助这些技术获得的职位,这种情况将在2019年开始以更大的规模出现。


“关于工业强度人工智能的一个肮脏的小秘密是,这些系统中的许多都是根据由数千(或更多)人类评分者创建和标记的数据集进行培训和评估的。”随着我们解决更复杂的人工智能问题,对大量高质量人类判断的需求将会增加,但在利用机器学习技术使收集这些判断更省时、更划算方面,将会出现突破。与此同时,使用最少甚至不使用标记数据的方法(又称无监督技术)将减少我们对大量标记数据的依赖,使深度学习模型在新的和不同类型的问题上更加实用。”


“知识图表是新的黑色。”所需的技术,包括NLP、图形数据库、内容分析,现在已经对齐,使知识图能够方便地编纂领域知识。从可用的聊天机器人,引导过程到自动化顾问,我们将看到在许多行业和领域的使用增加,包括医疗保健、金融服务和供应链,”Jean-Luc Chatelain,埃森哲应用情报董事总经理兼首席技术官表示。


随着自动驾驶汽车、智能扬声器和面部识别技术的创新,人工智能已进入主流。人工智能在物流、制造、医疗保健和网络安全方面的应用不那么引人注目,但同样具有影响力。网络安全的独特之处在于它是所有其他技术的重要组成部分。无论我们选择生活在一个“智能”还是“人工智能”的世界,有一件事是肯定的:如果人工智能和深度学习不能增强你的网络安全战略,你就更有可能被黑客攻击。人工智能让网络犯罪分子更难获得声名狼藉的收入。有了人工智能的防御,攻击者只能寻找更软的目标(那些认为自己不需要人工智能的目标),或者被迫开发更复杂、成本更高的攻击方法。因此,网络军备竞赛仍在继续。


人工智能正在进入商品时代。你不需要知道微波技术如何工作才能使用它,它只是一个工具。随着大量无代码、点击式工具的涌入,我们正进入与人工智能相同的阶段,在这个阶段,无论技术背景如何,它都将成为一种广泛使用的实用工具。因此,未来几年的大多数人工智能应用程序将由很少或没有人工智能培训的人来开发。


“机器人过程自动化(RPA)由于其简单、易于理解的价值支柱——过程自动化、效率,在过去两年中一直是技术领域最热门的领域之一;将资源释放出来,专注于更有价值的活动,等等。但它有基本的局限性——它只对死记硬背、重复的流程有效,不会影响包含非结构化内容的工作流,而非结构化内容在大多数企业中占80%以上。与此同时,人工智能和机器学习被视为过于深奥;需要太多的数据科学专业知识、太多的牵绊、太多的关于ROI的不确定性和风险。许多公司将寻求在2019年弥合这一鸿沟——通过许多专家所谓的“智能过程自动化”,在RPA的动力和人工智能/机器学习的智能之间架起一座桥梁。


人工智能和机器学习(ML)在许多现实生活中的应用都被夸大了,包括呼叫中心行业。例如,与其试图识别图像或数据中的特定模式(AI/ML的最佳点),不如通过智能应用自动化来解决常见问题并通过定义的业务流程提供指导用户流程,从而增加满足自助服务支持会话的数量。通过将人类智能主要用于无法有效自动化的支持场景,呼叫中心的运营将得到进一步优化。


“2019年,将会出现从人工智能工具包到人工智能的转变,以解决特定的企业挑战,如IT和人力资源员工的经验。”到目前为止,模型是企业可以应用难以获得的技能来利用AI工具包来构建自定义应用程序。这正转向使用人工智能来解决常见的企业问题。


“到2019年,企业中的人工智能早期采集器将寻求从人工智能投资中获得更多价值,因为他们希望云应用程序中内置的人工智能解决方案在功能、用户体验和可访问性(多设备、聊天机器人、数字助理等)方面更加丰富和丰富。”我们将看到公司投资于第三方数据源和智能数据(动态信号和定期刷新的灵活分类)以优化输出。随着企业与机器学习偏差作斗争,信任、透明度和可解释的人工智能将成为更大的问题。客户将会意识到机器学习需要人类的监督,以及像监督控制这样的功能,再加上数据洞察,以帮助早期采用者调整机器学习输出,并从人工智能投资中产生更多价值。


长期以来,市场营销人员一直在谈论,当涉及到基于人们在购买周期中所处位置的营销计划时,应该采取仅次于最佳的理想行动。然而,如果没有人工智能实时合成的海量数据,这是不可能实现的。人工智能的出现将取代涉及大量数据集的手工任务,这意味着在2019年,由购买周期中的特定活动触发的自动次优行动将成为现实。


“到2019年,整合人工智能将成为营销战略的重要组成部分。”围绕预测分析、情绪分析、程序化广告等方面的训练有素的模型,将彻底改变营销人员如何使营销管道的更多方面自动化,并开发出具有高度针对性的基于客户的营销(ABM)策略。这将需要对新技术的投资,但也将通过提高营销成本来降低定制收购成本。


“人工智能和机器学习将成为新解决方案的需求简化操作:?IT技能差距需要进步企业实现新的,创新的解决方案,自动执行复杂的操作。机器学习和人工智能将成为新的IT解决方案的关键需求,以帮助企业通过更智能的操作和现代IT解决方案缩小技能差距。企业软件公司将迫使他们的战略供应商将AI和ML集成到他们现有的产品中,以提供更有效的操作模型和更高层次的成功,以满足他们期望的结果。


“几乎每个IT部门都将采用人工智能来自动化企业监控,减少IT人员的手工工作,并实现应用程序自我修复的愿景”戴夫·安德森,数字专家。


机器人行业将会看到许多初创公司试图找到一个利基市场,并尽可能多地抢占市场份额。然而,为了取得成功,机器人初创企业必须从设计的一开始就考虑监管规定,以满足适用的安全法规,否则在进入市场时就会失败。

相关阅读