2020年值得关注的10个人工智能趋势

作者: Stephanie Overby 2020-02-11 13:09:49

 人工智能技术将在未来一年如何发展?组织需要在主要的人工智能发展趋势中寻找边缘建模、对数据治理的新关注,以及不断发展的人才竞争。

然而,很少有人做得好。麻省理工学院(MIT)2019年发布的《SMR-BCG人工智能全球执行研究报告》表明,90%的组织对人工智能进行了一些投资,但70%的组织表示,他们迄今为止看到的人工智能的影响微乎其微或根本没有影响。

TetraVX公司产品管理总监Kara Longo Korte表示,展望2020年,企业首席信息官将需要更好地评估采用人工智能的价值,并证明人工智能业务的投资回报率。这也是Forrester公司分析师对人工智能进行的预测:“我们相信2020年将是企业开始专注人工智能价值,跳出实验模式,并立足于现实以加速采用的一年。”

2020年人工智能(AI)发展趋势

在人工智能领域,未来一年将是活跃的一年,IT领导人应该了解遵循以下几个相关趋势:

1. IT领导者将真正了解如何衡量人工智能影响

这里有一个令人震惊的统计数据:根据麻省理工学院(MIT)对人工智能应用的调查,在过去三年中,不到五分之二的公司报告了人工智能带来的业务收益。鉴于重要的投资组织正在继续在人工智能功能方面进行投资,因此在新的一年中这将需要改变。

实现这一目标的一种方法是改变人们衡量结果的方式。考虑针对易用性、改进的流程和客户满意度等方面的报告。软件供应商Element AI公司首席执行官兼联合创始人Jean-François Gagné表示:“企业的首席信息官还需要继续投入更多预算,以了解人工智能如何使他们的组织受益,并实施能够提供真正投资回报率(ROI)的解决方案,以免落后于竞争对手。”

2.人工智能应用仍面临挑战

人工智能具有成为企业新的操作系统的潜力。Gagné说,“在过去的十年中,很多组织一直在学习人工智能技术并开始使用,但是成功地将其模型投入生产仍然是一个挑战,今年将是支持有效部署所需的基础设施的转折点,提供支持人工智能自适应决策的集成学习环境和数据生态系统。”

3.数据治理将变得更具吸引力

SPR公司企业架构执行副总裁Pat Ryan表示,2020年将把人工智能投入生产。但这将需要IT人员与首席数据官开展合作。Forrester公司在其2020年人工智能预测报告中表示,问题在于如何从复杂的应用程序组合中获取数据,并说服各种数据守门员参与进来。

Ryan说,“随着越来越多的组织意识到人工智能不是魔术而是数学,人工智能和机器学习的光环将会消失。组织现在也知道需要高质量的数据作为人工智能和机器学习的基础,因此,我们将看到对数据治理、数据分析员、数据工程师和机器学习工程师的高度赞赏和需求。”

他表示,组织的目标是,创建能够持续管理的数据管道,以驱动更多成功的人工智能项目。这就是为什么拥有首席数据官(CDO)的组织使用人工智能、机器学习、深度学习进行见解计划的可能性已经比没有首席数据官(CDO)的组织高出大约1.5倍的原因。

4.人工智能专业人才将供不应求

在人才招聘机构LinkedIn公司发布的2020年美国15大新兴职位中,人工智能专家位居榜首。LinkedIn公司的调查表明,在过去四年中,人工智能专业人才(包括人工智能和机器学习工程师)的招聘每年增长74%。LinkedIn公司表示:“人工智能和机器学习都已成为创新的代名词,我们的调查表明,这不仅仅是一个热门话题。”

5.数据建模将转向边缘计算

预计越来越多的组织将在2020年将从纯云策略转变为云计算和边缘计算的混合策略,以更好地采用机器学习(ML)。FogHorn公司软件工程副总裁Senthil Kumar说:“由于传输和生态系统的考虑,能够在云中分析高保真、高分辨率的原始机器数据通常很昂贵,并且无法实时进行。”迄今为止,许多组织已经为他们的努力选择了规模较小的样本量或时间延迟的数据,这可能会提供不完整或不准确的情况。

Forrester公司预测,边缘云计算服务市场(分布式边缘计算基础设施上的基础设施即服务和高级云原生编程服务)将在2020年至少增长50%。Kumar说,“通过实施边缘优先解决方案,组织可以在本地合成数据,识别核心原始数据集上的机器学习推论,并提供增强的预测能力。通过实时运行机器学习模型的边缘化版本,组织可以对实时事件做出更快的响应,并能够对源头上感兴趣的事件做出反应和采取行动。”

6.人工智能将用于B2B领域

B2B销售和服务的复杂性从人工智能中受益的要比从消费者推论中获得的更多。

Globality公司首席收入官Keith Hausmann表示:“机器和深度学习使复杂B2B服务的用户能够通过直观的需求识别过程,以及对潜在贸易伙伴优势和能力的广泛了解,定义复杂需求,并将其与理想贸易伙伴相匹配。随着人工智能在每次交互中更好地了解个人偏好和组织要求,特别是组织文化和价值观等无形领域,用户体验将会不断改善。”

7.人员与机器在联络中心融合

TetraVX公司的Korte说:“消费者寻求通过越来越多的数字渠道获得更快服务的努力,已经使联络中心团队面临挑战,导致团队领导者不得不等待较长的时间,笨拙的客户旅程以及不堪重负的代理商。人工智能可以补充代理,使他们能够更好地跨渠道提供及时或明智的响应。”

他表示,与任何新技术的实施一样,联络中心的人工智能也面临着自己的挑战。重要的是,组织必须保持人性化的客户服务体验,以确保从外部看,客户的旅程不会显得“过于自动化”,但要注意:独立的对话式人工智能将在2020年可能会受到影响。

Forrester公司指出,很多企业已采用聊天机器人来降低客户服务成本,但过于雄心勃勃的项目无法解决客户的问题或回答他们的问题。尽管工具集日趋成熟(包括扩展了预先构建的和特定于垂直方向的意图库以及功能强大的自然语言理解引擎),但到2020年底,对话式人工智能仍将不到成功客户服务交互的20%。

8.自动化可能会加速

在2020年的术语表中可能会添加一个新术语:超自动化(Hyperautomation),这意味着应用人工智能和机器学习等先进技术来自动化流程,并通过一系列工具和更高水平的人员来增强人员能力。Gartner公司将超自动化列为2020年十大战略技术趋势之一。

Gartner公司表示,其目标是更多由人工智能驱动的决策,许多组织创建了自己的数字孪生方案,这使他们能够可视化功能、流程和关键绩效指标如何相互作用以驱动价值。

9.异构架构将会出现

如今,支持人工智能的应用程序和网络依赖于不同的处理架构。根据ABI Research公司发布的《54项技术趋势》调查报告,这一情况可能会在2020年发生改变。ABI Research公司分析师预测:“下一代以及人工智能和机器学习框架本质上将是多模式的,可能需要异构计算资源来进行运营。”他指出,领先的芯片制造商将放弃专有软件堆栈,并开始采用开放式软件开发工具包(SDK)和应用程序编程接口(API)方法开发他们的工具。

10. 人工智能犯错

正如Forrester公司指出的那样,人工智能并不是完美的。它可以使歧视和偏见长期存在。该公司预计,一些备受瞩目的公关灾难可能会因此对一些组织的运营造成伤害,但最终不会破坏人们对人工智能的信任。

Forrester分析师指出,人工智能可以使歧视永久化,深度伪造的传播、面部识别的滥用以及过度使用个性化可以伤害和影响客户和员工。最后,避免人工智能的伤害需要强调负责任的人工智能开发和部署的重要性。

人工智能 机器学习 技术
上一篇:代码开源!超好用的《机器学习实用指南》第二版终于来了 下一篇:2020年图机器学习的新趋势
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载