写点什么

Gartner 报告:人工智能的现状与未来

2019 年 11 月 26 日

Gartner报告:人工智能的现状与未来


Gartner 副总裁 Svetlana Sicular 上周在企业 IT 年度研讨会上表示,人工智能技术使用了大量数据和复杂的概率算法来“为大都市生活创造小城镇一般的亲密联系”。


但她说到:今年 AI 应用程序的部署增长率实际上低于去年;同时,企业的首席信息官表示他们已经部署了 AI 的比例从去年的 14%增长到了 19%。这是一个不错的增长,但远低于之前统计的"希望在 2019 年开始部署 AI"的 23%的数据。她说:"AI 的普及被什么东西拖累了。” (在另一场采访中,她说 AI 技术面临的最大问题是缺少想法。)



她指出:当企业被问及在采用 AI 时面临哪些挑战,回答中最主要的担忧包括企业员工缺乏相应的技能、企业可获得数据的质量以及对 AI 真实优势和用途的了解。她说,企业往往想要找到一位神话般的数据科学专家,但"AI 实际上是一项团队运动”,需要业务分析师、开发人员、市场营销人员等员工通力合作。


关于技能的话题,她建议企业提升自身现有的开发人员和分析师的技能,不要急着寻找专家;这也意味着对你自身的业务理解往往是关键所在。你手头上现有的数据通常就足够了,但是需要用一种可以被机器学习利用的方式结构化这些数据。


Sicular 说:今天,使用人工智能技术的最大动力是自动化各种工作,以及改善客户体验。企业往往更关心任务的自动化,但欠缺对整体体验的思考。另外消费者并不想要人工智能打理一切,他们只是希望人工智能为自己提供帮助。


她打了一个比方,说 AI 技术好像让我们生活在小城镇中一样,驾车路线就是一个例子。你可能很了解你居住的城镇,但 AI 会告诉你哪些路段正在堵车,从而为你提供帮助。因此,人工智能为你提供了前所未有的环境信息,以便你做出更好的决策。在你的城镇之外的地区,导航设备可能会告诉你从一个地方到另一个地方需要多长时间,这就是预测性分析。但实际上,为你指路是规范性分析的范畴,这种帮助更有意义。


她指出,在她所在的区域,自动化行车指路技术引发了意想不到的后果,许多城市和城镇都做出了调整以避免这些应用程序造成的问题(例如许多小路上出现了堵车)。她说,你必须向 AI 学习,设定正确的期望,并通过概念证明来验证这些期望。


聊天机器人是最受欢迎的 AI 应用程序之一。Gartner 预测,到 2023 年员工与应用程序间的交互有 25%将通过语音进行,相比 2019 年的将近 3%大幅增长。



她说 IT 部门已经知道该如何衡量大型企业计划的成功与否,而引入 AI 技术后这种评价工作也是很重要的,企业需要观察人工智能技术能在多大程度上支持这些企业计划。


她建议组织创建一个 AI 卓越中心,这种中心要了解在哪里查找数据以及该如何使用这些数据。中心可以围绕 AI 提供信息、说服力、执行标准和创新内容,但首先必须要有明确的目标。


Sicular 还建议许多组织应该从“增强智能”的理念开始,这种理念本质上是由机器学习技术辅助的传统商业智能。组织应该从小处入手,获得收益,然后逐步前进。



她分享了 Gartner 总结的一个框架,内容是组织在短期、中期和长期内考虑 AI 项目的应有方式。她说企业应该按扩大规模、质量和创新的顺序做好规划。最好有为"更多出色的工作"而订立的长期愿景,这种愿景应该基于更多的自定义、个性化和便利性水平。这种愿景应该超越人们的想象,打动人们的生活并影响大家的行为习惯。


但是从短期来看,Sicular 说人们应该实施易于采用和度量的方法。这样做的目的是让人们做自己擅长的工作,而不是去做你想要让他们做的事情;我们应该帮助大家,把他们手头的工作做得更快更好。在中期,企业应该专注于提高质量,但初期阶段这不是一个很好的起点,因为企业不知道自己该衡量哪些指标。


谈到未来发展,她说一个趋势是机器学习模型变得更可解释,从而提升 AI 的普及率、公平性、可靠性和可信赖水平;她还指出在某些情况下,AI 技术的应用障碍正是源自客户或员工对这种技术的不信任。一些模型在这种可解释性上做得越来越好,但是机器学习(ML)和 AI 问责制所需的内容将因特定的用例而异。她指出,技术上的可解释性与人类眼中的可解释性是不一样的,后者意味着要用日常语言解释它并符合常识。


她还分享了 Gartner 的预测:到 2025 年,将有 40%的企业从为人类设计产品,转变成使用人类增强技术和方法为人类自身设计架构。


总而言之,Sicular 表示组织应该将流程分解为许多较小的任务,也就是"传递接力棒";有些任务是由人类完成的,还有些是由机器完成的。她谈到了一个案例,其中 AI 为医生做笔记,并通过医学图像中给出第二种意见。然后她说,需要“走完最后一英里”才能完整地了解客户。最后,他们应该借助机器和 AI 帮助人们更好地完成工作,从而“带我踏上一个全新的高度”。



在另一场会议中,她分享了 Gartner 针对特定 AI 技术的宣传周期报告。


数据和分析领域的趋势


其他许多会议也涉及到了 AI。Gartner 研究员 Rita Sallam 分享了数据和分析领域的前沿技术趋势,其中包括许多 AI 功能,例如可解释的 AI、增强型分析和持续智能等。


其中 Gartner 预测,到 2020 年“增强分析”这一涵盖由 AI 增强的传统分析方法的术语,将成为分析和商业智能(BI)、数据科学和机器学习平台,以及嵌入式分析领域新业务需求的一大驱动力。例如,增强分析可以找到一个以前未知的策略,根据一个人的生日日期改变人寿保险的加价率;还可以自动为每种产品生成折扣建议来提高零售利润。


另一个预测是:到 2022 年,新的利用 AI 和 ML 技术的终端用户解决方案中有 75%将使用商业平台而非开源平台构建。Sallam 表示,人工智能和机器学习的普及和渗透率将会提高,供应商巨头(亚马逊、谷歌和微软)提供的基于云的机器学习服务将在数据科学平台市场中占据 20%的份额。


Salam 预测:到 2023 年,超过 75%的大型组织将聘请 AI 行为取证、隐私和客户信任专家以降低品牌和声誉风险。


有趣的是,Gartner 预测到 2021 年,大多数私有和许可的区块链用途将被分类账 DBMS 产品取代。这对我来说很有意义,虽然我不知道它是怎样和 Gartner 的大趋势报告相对应的——后者指出到了 2023 年,基于区块链的技术每年将支持并追踪价值 2 万亿美元的商品和服务的流动。


她补充说:到 2022 年,超过一半的新增主流业务系统将包含“持续智能”,这种技术使用实时上下文数据来改善决策。


道德话题


在另一场会议上,Gartner 研究员 Frank Buytendijk 谈到了 AI 和道德规范;他说在创建以人为本和对社会有益的 AI 时,最常见的五大原则包括:公平;可解释且透明;安全可靠;并且负责。他解释说每个主题都有自己的问题,并讨论了建立两级道德体系的话题:企业正在努力制定自己的道德规范,但是“道德即服务”可能会在未来某一天成为主流。


原文链接


https://www.pcmag.com/article/371612/gartner-the-present-and-future-of-artificial-intelligence


2019 年 11 月 26 日 10:342120
用户头像
陈思 InfoQ编辑

发布了 572 篇内容, 共 196.9 次阅读, 收获喜欢 1151 次。

关注

评论

发布
暂无评论
发现更多内容

安卓开发软件有哪些?分析Android未来几年的发展前景,吐血整理

欢喜学安卓

android 程序员 面试 移动开发

产品经理训练营第0期-第三次作业

孙行者

第0期 产品经理训练营 问题

日记 2021年2月2日(周二)

Changing Lin

个人感悟 2月春节不断更

创业失败启示录|样茶里的商机

青城

28天写作 创业失败启示录 青城 2月春节不断更

第五周作业

oooh-la

OpenAI将k8s扩展至7500个节点以支持机器学习;Graph Diffusion Network提升交通流量预测精度

京东科技开发者

区块链 开源

python爬虫入门-通过茅台脚本讲些爬虫知识,应用和价值

大佬sam

Python python 爬虫 2月春节不断更

ModelArts AI Gallery与HiLens Kit联合开发丨行人社交距离风险提示Demo

华为云开发者社区

华为云 modelarts hilens 行人 社交距离

第十周 学习总结

简简单单

持续进步的不二法宝-PDCA

Ian哥

28天写作

Python 中 sorted 如何自定义比较逻辑

zikcheng

Python sorted cmp

传统线程同步通信技术

武哥聊编程

Java 多线程 28天写作

大背景 (28天写作 Day25/28)

mtfelix

28天写作 新能源汽车 新能源革命 碳中和

云原生动态周报 | Google推出VM Manager

华为云原生团队

Docker 开源 云原生 开源项目 华为云

Elasticsearch 写一致性原理

escray

日更挑战 28天写作 死磕Elasticsearch 60天通过Elastic认证考试 2月春节不断更

图解计算机结构与体系分类!!

冰河

编程 程序员 高并发 计算机结构 操作系统原理

持续交付

lidaobing

持续交付 28天写作

【并发编程的艺术】详解单例模式的实现方式(Java)

程序员架构进阶

设计模式 Java内存模型 日更挑战 28天写作 2月春节不断更

话题讨论|过年回家你带电脑吗?

熊斌

话题讨论 28天写作

【WOW.js】Animate.css的黄金搭档

学习委员

CSS 动画 js 28天写作 2月春节不断更

史上最清晰的Tarjan算法详解

华为云开发者社区

算法 静态分析 语法树 Tarjan 数据流

产品经理训练营作业 02

KingSwim

第十周 模块分解作业

简简单单

开发质量提升系列:标准模板(中)

罗小龙

最佳实践 方法论 28天写作

不要在nodejs中阻塞event loop

程序那些事

node.js Event 事件循环 程序那些事 nodejs event

就算知道了答案,真的会改变吗?「幻想短篇 25/28」

道伟

28天写作

时间约束帮助我写作

Justin

方法论 创意 习惯养成 28天写作

高性能缓存 Caffeine 原理及实战

vivo互联网技术

Java Caffeine 本地缓存

安卓开发交流!一线互联网移动架构师筑基必备技能之Java篇,Android岗

欢喜学安卓

android 程序员 面试 移动开发

机器学习·笔记之:Matrices and Vectors

Nydia

产品训练营第二章作业(二)

Arnold

微服务架构下如何保证事务的一致性

微服务架构下如何保证事务的一致性

Gartner报告:人工智能的现状与未来-InfoQ