展会信息港展会大全

划重点!权威报告透露世界人工智能技术趋势
来源:互联网   发布日期:2019-08-30 14:04:13   浏览:6629次  

导读:未来主义者对于人工智能将比人类聪明感到兴奋,而激进主义者则因担心人工智能会破坏社会而感到焦虑。事实上,目前关于如何使用人工智能的有效商业理念仍然相当缺乏。 在于8月29日开幕的2019世界人工智能大会上,2019世界人工智能技术趋势分析报告正式发布。...

未来主义者对于人工智能将比人类聪明感到兴奋,而激进主义者则因担心人工智能会破坏社会而感到焦虑。事实上,目前关于如何使用人工智能的有效商业理念仍然相当缺乏。

在于8月29日开幕的2019世界人工智能大会上,2019世界人工智能技术趋势分析报告正式发布。

如果想对人工智能有一个理性的了解和期望,这份报告的几个结论你需要知道。

结论一:部署AI企业的比例翻了近四倍

根据Gartner的年度CIO(首席信息官)调查,部署了人工智能的企业比例已从2018年的4%增长到了2019年的14%,几乎翻了四倍。

虽然一年间的增幅高达10个百分点,但仍然低于2018年的预期在2018年的调查中,21%的受访者表示他们将在短期内部署人工智能。这表明,人工智能的部署仍然存在诸多障碍。

结论二:稳步爬升和实质生产的技术较少

根据成熟度的不同,该报告把人工智能技术的发展分为“技术萌芽期”、“预期膨胀的顶峰期”、“泡沫花的底谷期”、“稳步爬升的光明期”以及“实质生产的高峰期”。

其中,今年的“技术萌芽期”进入曲线更长,反映出人工智能领域新的和多样化的想法层出不穷;在“期望膨胀期的顶峰期”则有点像遭遇了“交通拥堵”,相比之下,“稳步爬升的光明期”曲线却是空的,在“实质生产的高峰期”出现的技术同样寥寥无几。

这并不意味着人工智能是不实用的,而是表示这类技术是会发生变化的。因此,该报告建议企业分阶段地实现自己的目标,同时在确定如何使用实现工具以及这样做的价值之前,不要选择这些工具,以免选择过时的方法和解决方案。

结论三:这些AI技术处于“拥挤期”

报告指出,“2019年数据科学和机器学习技术成熟度曲线”已进入“顶峰期拥挤”,与当前的技术成熟度曲线重叠,因为机器学习是人工智能的核心。

因此,建议企业学习机器学习技术,以便在不出现期望膨胀的情况下采用人工智能。

另外,“2019年数据管理技术成熟度曲线”正在变成“平稳期拥挤”,因为人工智能和机器学习使用的数据已就绪。但是,该曲线萌芽期出现的技术很少,意味着数据管理领域将迎来新一轮的颠覆浪潮。而人工智能和机器学习将推动这一新浪潮,其中颠覆力量将支持各种人工智能工作负载,并聚合结构化和非结构化的数据。

结论四:几个主要趋势建议关注

为了取得短期成功并明确对人工智能的长期预期,该报告建议企业重点关注几个主要趋势。

首先,与几年前相比,人工智能正在以多种不同的方式进入企业,其中自动化机器学习和智能应用的发展势头最强劲,其他方法也颇受欢迎,包括人工智能平台即服务(PaaS)、人工智能云服务、人工智能市场和许多利基解决方案。人工智能相关的咨询和系统集成(C&SI)服务的经验正在增加,但参考客户仍然稀少。

其次,采用负责任的人工智能实践是消除采用障碍的方法,所以人工智能的伦理和治理工作蓄势待发。但目前还没有最佳实践,软件供应商、行业组织和政府正在制定一些指导方针。

报告指出,对于人工智能解决方案的信任是用户接受的关键。增强智能在建立信任方面比自动化更有效。通过为用户说明预测和建议,可解释人工智能也能提供帮助。

另外,对话式人工智能已上升到许多公司的首要议程。在开发聊天机器人和语音支持的策略时,实施者应注意对话式用户界面、虚拟助理、自然语言处理(NLP)和语音识别等技术达到平稳期所需的实践。

同时,计算基础设施推动着人工智能的发展,它针对人工智能的定制特点将实现进一步的发展。除了GPU加速器、现场可编程门阵列(FPGA)加速器、深度神经网络应用专用集成电路(ASIC)、量子计算和神经形态硬件,还有更多的方法在开发中。报告建议,在设计计算基础设施策略时平衡使用案例驱动型功能的成本和性能。

最后,大量应用程序开发人员和软件工程师正在投身人工智能领域,他们中的大多数甚至自信地认为自己将在2~5年里成为主要的人工智能实施者。虽然现在还很早,但应该鼓励开发人员尝试使用人工智能开发人员工具包、人工智能云服务、人工智能PaaS和吸引人的全新强化学习产品。开发人员的技能提升需要作出规划,以便为他们在人工智能策略中的新角色做好准备。

结论五:几个新技术关注度增强

随着新技术激发想像力,并为棘手的问题提供新的解决方案,人工智能正在迅速变化。

报告称,自2018年以来,以下技术在人工智能领域的受关注程度明显提高:人工智能云服务出现得相对较晚,但将产生重大影响;自动化机器学习是热炒最多得人工智能方法之一,它用于人工智能得大众化,并将机器学习交付给数据科学家和商业专家;作为通过人工智能胜出的设计方法,增强智能技术则使人工智能自动化黯然失色。它采用人工智能来弥补人类的局限性,并利用人来扩大人工智能的可能性。

除此之外,可解释人工智能也颇受关注。许多领导者担心“暗箱”人工智能,因此对于人工智能的信任以及由此进行的采用取决于该技术的可解释性;边缘人工智能则可克服与延迟隐私和安全相关的挑战,并改善客户体验;作为赢得日益复杂的游戏的一种手段,强化学习技术也取得了重大进展,当前不少主要的人工智能提供商都推出了这项技术。

赞助本站

人工智能实验室
AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港