2019年，全球53%的決策者宣布已經(jīng)建立了AI數(shù)據(jù)分析系統(tǒng)，將在他們的公司內(nèi)部全面發(fā)展人工智能。以下是對2020年人工智能的預測。

這些結(jié)果是對《財富》500強公司的調(diào)查統(tǒng)計得出的。財富500強公司被公認為是美國最賺錢的公司。研究發(fā)現(xiàn)，29%的開發(fā)者近年來從事過人工智能和機器學習方面的工作。這些發(fā)現(xiàn)來自Forrester的一項研究。

有關(guān)公司所在IT部門中的54%的決策都是由人工智能處理的，并且產(chǎn)生了預期的良好效果。

實現(xiàn)特定過程的智能自動化。

根據(jù)Forrester的數(shù)據(jù)，25%的500強公司計劃實施數(shù)百種智能過程自動化（IPA）。換句話說，就是通過人工智能來實現(xiàn)特定任務的自動化。

因此，作為人工智能實現(xiàn)的一部分，包括特定的自動化機器人任務。公司將特別使用文本分析和機器學習來處理輸入的電子郵件和文檔。實現(xiàn)自動響應或聊天機器人，模仿人類的行為與互聯(lián)網(wǎng)用戶或客戶交談，也稱為會話代理。

會話代理

會話代理程序可以很好的節(jié)省時間，特別是對于HR員工和IT團隊。大數(shù)據(jù)的處理需要一定的機器學習監(jiān)控工具。所以需要創(chuàng)建對數(shù)據(jù)進行分類的算法程序。

分類算法

算法對數(shù)據(jù)的分類能力越強，人工智能就越能準確的識別出正常的數(shù)據(jù)，以及異常行為的數(shù)據(jù)，從而更快地發(fā)現(xiàn)問題，及時采取必要的糾正措施。

對自動化過程的投資

Forrester公司認為，這種自動化過程投資的增加，部分原因是由于中國經(jīng)濟的衰退。

中國的經(jīng)濟衰退可能會導致利率上升，這不僅會抑制消費和投資，還會降低企業(yè)的市場價值。在科技公司中，市值縮水尤為明顯?？萍计髽I(yè)的估值高度依賴于長期利潤的增長。

定位自動化

企業(yè)希望發(fā)展這些自動化行業(yè)，以確保其服務的效率。報告還指出，這些自動化市場轉(zhuǎn)型起來也更快，而且比需要長期投資的人工智能創(chuàng)新項目轉(zhuǎn)型成本更低。

人工智能基準，競爭力的新武器。

隨著人工智能市場的不斷增長，很難有公認的哪個計算平臺作為處理人工智能工作負載的最快、最具可伸縮性、最便宜的平臺。因此，行業(yè)基準應該發(fā)揮越來越重要的作用。

測量基準。

去年，MLPerf基準在競爭力方面脫穎而出。從英偉達（Nvidia）到谷歌，所有的玩家都在這些測試中表現(xiàn)優(yōu)異。

到2020年，人工智能基準將成為營銷戰(zhàn)略的一個關(guān)鍵元素，隨著時間的推移，這一領(lǐng)域?qū)⒆兊迷絹碓狡毡椤?/p>

在一定程度的質(zhì)疑面前，發(fā)展遠遠沒有減弱。

弗雷斯特指出了與人工智能使用相關(guān)的一些危險。例如：社交網(wǎng)絡(luò)上某些算法所產(chǎn)生的虛假信息、面部識別技術(shù)帶來的大規(guī)模技術(shù)監(jiān)控、人臉智能識別算法導致的“深度偽造”視頻的泛濫。

Forrester稱，所有這些都不會減少2020年企業(yè)對人工智能的投資。該報告將證明人工智能的重要性和必要性，并使人工智能的使用變得“透明”。

考慮數(shù)據(jù)源需求。

根據(jù)Forrester的研究，人工智能在公司的植入必然會鼓勵管理者采取必要的措施，來促進開發(fā)人員在機器學習方面的工作。在大多數(shù)情況下，公司花費超過70%的時間來維護程序正常運行所必需的所有數(shù)據(jù)。

SaaS模式的人工智能降低了對數(shù)據(jù)科學家的需求。

自去年以來，來自AWS、微軟、谷歌、IBM等供應商提供的機器學習服務勢頭強勁。

隨著人工智能趨勢的升溫，越來越多的商業(yè)用戶將依賴這些云提供商來滿足他們更多的人工智能需求。云提供商將會降低企業(yè)內(nèi)部聘用數(shù)據(jù)科學家的需求。

SaaS提供商和人工智能。

到2020年底，SaaS提供商將成為自然語言處理、預測分析和其他人工智能應用的主要提供商。這些人工智能應用程序?qū)ㄆ脚_服務和DevOps工具等。

那些將繼續(xù)實施人工智能計劃的公司將進一步自動化數(shù)據(jù)科學家的角色，因此他們將不需要雇傭新的機器學習建模師、數(shù)據(jù)工程師和技術(shù)支持人員。在未來十年內(nèi)，大多數(shù)數(shù)據(jù)科學家將主要由SaaS和其他云提供商進行招聘。

持續(xù)的學習和實驗。

每個企業(yè)的數(shù)字化轉(zhuǎn)型都想找到最合適的學習模型。然而，學習模型需要在真實的環(huán)境中進行實驗。其中 ML model模型工具將幫助企業(yè)自動選擇那些能夠?qū)崿F(xiàn)所需結(jié)果的測試和模型。

業(yè)務流程中的實踐。

到2020年底，大多數(shù)公司將在所有業(yè)務流程中實現(xiàn)人工智能，包括與客戶的接觸和后端操作。

隨著更多的企業(yè)向云提供商尋求人工智能工具，AWS最近將建立新的業(yè)務迭代模型和跟蹤模型。這些新功能都將成為專業(yè)應用程序環(huán)境中24/7-AI模型的規(guī)范。

AI的優(yōu)秀實踐。

在未來十年中，基于AI的自動化和DevOps功能將成為AI業(yè)務流程的優(yōu)秀實踐。

開發(fā)人員的工作被AI自動化。

神經(jīng)網(wǎng)絡(luò)是現(xiàn)代人工智能的核心。到2020年，企業(yè)數(shù)據(jù)科學家的工作計劃將開始納入一種基于人工智能的新方法，稱為“神經(jīng)架構(gòu)研究”，其目的是根據(jù)目標自動構(gòu)建和優(yōu)化神經(jīng)網(wǎng)絡(luò)。

隨著神經(jīng)結(jié)構(gòu)的采用和改進，對神經(jīng)結(jié)構(gòu)的研究將提高數(shù)據(jù)科學家的生產(chǎn)率，幫助他們在已有的機器學習算法（如線性回歸和隨機決策樹算法）或任何最新和最先進的神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上建立模型。

建立人工智能端到端的透明度。

人工智能正在成為企業(yè)應用中一個越來越重要的風險因素。隨著企業(yè)因社會經(jīng)濟偏見、侵犯隱私和人工智能應用程序的其他不良影響而面臨的訴訟激增，法律官員將要求對機器學習模型進行全面跟蹤，以查明它們是如何建立、訓練和管理的，以及它們在企業(yè)應用程序中是如何使用的。

到2020年底，大多數(shù)公司的法務經(jīng)理將要求他們的數(shù)據(jù)科學家團隊自動記錄機器學習過程的每一步，并用通俗易懂的語言解釋每個模型所產(chǎn)生的自動推理。未來10年，人工智能項目的透明度將是獲得資金的決定性因素。

在未來幾年，幾乎所有產(chǎn)品都需要基于人工智能及其端到端的監(jiān)管。尤其是那些使用個人身份信息的產(chǎn)品將會增加。

除了人工智能發(fā)展中對透明度的日益重視之外，現(xiàn)在就斷言這些未來法規(guī)將對基礎(chǔ)平臺、工具和技術(shù)的發(fā)展產(chǎn)生何種影響還為時過早。但無論局勢如何發(fā)展，這些監(jiān)管舉措似乎只會在未來不斷加強。

責任編輯：Ct