Gartner 副總裁 Svetlana Sicular 上周在企業(yè) IT 年度研討會上表示，人工智能技術(shù)使用了大量數(shù)據(jù)和復(fù)雜的概率算法來“為大都市生活創(chuàng)造小城鎮(zhèn)一般的親密聯(lián)系”。

但她說到：今年 AI 應(yīng)用程序的部署增長率實際上低于去年;同時，企業(yè)的首席信息官表示他們已經(jīng)部署了 AI 的比例從去年的 14%增長到了 19%。這是一個不錯的增長，但遠低于之前統(tǒng)計的 " 希望在 2019 年開始部署 AI" 的 23% 的數(shù)據(jù)。她說："AI 的普及被什么東西拖累了。” (在另一場采訪中，她說 AI 技術(shù)面臨的最大問題是缺少想法。)

 

 

她指出：當企業(yè)被問及在采用 AI 時面臨哪些挑戰(zhàn)，回答中最主要的擔憂包括企業(yè)員工缺乏相應(yīng)的技能、企業(yè)可獲得數(shù)據(jù)的質(zhì)量以及對 AI 真實優(yōu)勢和用途的了解。她說，企業(yè)往往想要找到一位神話般的數(shù)據(jù)科學專家，但 "AI 實際上是一項團隊運動”，需要業(yè)務(wù)分析師、開發(fā)人員、市場營銷人員等員工通力合作。

關(guān)于技能的話題，她建議企業(yè)提升自身現(xiàn)有的開發(fā)人員和分析師的技能，不要急著尋找專家;這也意味著對你自身的業(yè)務(wù)理解往往是關(guān)鍵所在。你手頭上現(xiàn)有的數(shù)據(jù)通常就足夠了，但是需要用一種可以被機器學習利用的方式結(jié)構(gòu)化這些數(shù)據(jù)。

Sicular 說：今天，使用人工智能技術(shù)的最大動力是自動化各種工作，以及改善客戶體驗。企業(yè)往往更關(guān)心任務(wù)的自動化，但欠缺對整體體驗的思考。另外消費者并不想要人工智能打理一切，他們只是希望人工智能為自己提供幫助。

她打了一個比方，說 AI 技術(shù)好像讓我們生活在小城鎮(zhèn)中一樣，駕車路線就是一個例子。你可能很了解你居住的城鎮(zhèn)，但 AI 會告訴你哪些路段正在堵車，從而為你提供幫助。因此，人工智能為你提供了前所未有的環(huán)境信息，以便你做出更好的決策。在你的城鎮(zhèn)之外的地區(qū)，導(dǎo)航設(shè)備可能會告訴你從一個地方到另一個地方需要多長時間，這就是預(yù)測性分析。但實際上，為你指路是規(guī)范性分析的范疇，這種幫助更有意義。

她指出，在她所在的區(qū)域，自動化行車指路技術(shù)引發(fā)了意想不到的后果，許多城市和城鎮(zhèn)都做出了調(diào)整以避免這些應(yīng)用程序造成的問題(例如許多小路上出現(xiàn)了堵車)。她說，你必須向 AI 學習，設(shè)定正確的期望，并通過概念證明來驗證這些期望。

聊天機器人是最受歡迎的 AI 應(yīng)用程序之一。Gartner 預(yù)測，到 2023 年員工與應(yīng)用程序間的交互有 25%將通過語音進行，相比 2019 年的將近 3%大幅增長。

 

 

她說 IT 部門已經(jīng)知道該如何衡量大型企業(yè)計劃的成功與否，而引入 AI 技術(shù)后這種評價工作也是很重要的，企業(yè)需要觀察人工智能技術(shù)能在多大程度上支持這些企業(yè)計劃。

她建議組織創(chuàng)建一個 AI 卓越中心，這種中心要了解在哪里查找數(shù)據(jù)以及該如何使用這些數(shù)據(jù)。中心可以圍繞 AI 提供信息、說服力、執(zhí)行標準和創(chuàng)新內(nèi)容，但首先必須要有明確的目標。

Sicular 還建議許多組織應(yīng)該從“增強智能”的理念開始，這種理念本質(zhì)上是由機器學習技術(shù)輔助的傳統(tǒng)商業(yè)智能。組織應(yīng)該從小處入手，獲得收益，然后逐步前進。

 

 

她分享了 Gartner 總結(jié)的一個框架，內(nèi)容是組織在短期、中期和長期內(nèi)考慮 AI 項目的應(yīng)有方式。她說企業(yè)應(yīng)該按擴大規(guī)模、質(zhì)量和創(chuàng)新的順序做好規(guī)劃。最好有為 " 更多出色的工作 " 而訂立的長期愿景，這種愿景應(yīng)該基于更多的自定義、個性化和便利性水平。這種愿景應(yīng)該超越人們的想象，打動人們的生活并影響大家的行為習慣。

但是從短期來看，Sicular 說人們應(yīng)該實施易于采用和度量的方法。這樣做的目的是讓人們做自己擅長的工作，而不是去做你想要讓他們做的事情;我們應(yīng)該幫助大家，把他們手頭的工作做得更快更好。在中期，企業(yè)應(yīng)該專注于提高質(zhì)量，但初期階段這不是一個很好的起點，因為企業(yè)不知道自己該衡量哪些指標。

談到未來發(fā)展，她說一個趨勢是機器學習模型變得更可解釋，從而提升 AI 的普及率、公平性、可靠性和可信賴水平;她還指出在某些情況下，AI 技術(shù)的應(yīng)用障礙正是源自客戶或員工對這種技術(shù)的不信任。一些模型在這種可解釋性上做得越來越好，但是機器學習(ML)和 AI 問責制所需的內(nèi)容將因特定的用例而異。她指出，技術(shù)上的可解釋性與人類眼中的可解釋性是不一樣的，后者意味著要用日常語言解釋它并符合常識。

她還分享了 Gartner 的預(yù)測：到 2025 年，將有 40%的企業(yè)從為人類設(shè)計產(chǎn)品，轉(zhuǎn)變成使用人類增強技術(shù)和方法為人類自身設(shè)計架構(gòu)。

總而言之，Sicular 表示組織應(yīng)該將流程分解為許多較小的任務(wù)，也就是 " 傳遞接力棒 ";有些任務(wù)是由人類完成的，還有些是由機器完成的。她談到了一個案例，其中 AI 為醫(yī)生做筆記，并通過醫(yī)學圖像中給出第二種意見。然后她說，需要“走完最后一英里”才能完整地了解客戶。最后，他們應(yīng)該借助機器和 AI 幫助人們更好地完成工作，從而“帶我踏上一個全新的高度”。

 

 

在另一場會議中，她分享了 Gartner 針對特定 AI 技術(shù)的宣傳周期報告。

數(shù)據(jù)和分析領(lǐng)域的趨勢

 

 

其他許多會議也涉及到了 AI。Gartner 研究員 Rita Sallam 分享了數(shù)據(jù)和分析領(lǐng)域的前沿技術(shù)趨勢，其中包括許多 AI 功能，例如可解釋的 AI、增強型分析和持續(xù)智能等。

其中 Gartner 預(yù)測，到 2020 年“增強分析”這一涵蓋由 AI 增強的傳統(tǒng)分析方法的術(shù)語，將成為分析和商業(yè)智能(BI)、數(shù)據(jù)科學和機器學習平臺，以及嵌入式分析領(lǐng)域新業(yè)務(wù)需求的一大驅(qū)動力。例如，增強分析可以找到一個以前未知的策略，根據(jù)一個人的生日日期改變?nèi)藟郾ｋU的加價率;還可以自動為每種產(chǎn)品生成折扣建議來提高零售利潤。

另一個預(yù)測是：到 2022 年，新的利用 AI 和 ML 技術(shù)的終端用戶解決方案中有 75% 將使用商業(yè)平臺而非開源平臺構(gòu)建。Sallam 表示，人工智能和機器學習的普及和滲透率將會提高，供應(yīng)商巨頭(亞馬遜、谷歌和微軟)提供的基于云的機器學習服務(wù)將在數(shù)據(jù)科學平臺市場中占據(jù) 20%的份額。

Salam 預(yù)測：到 2023 年，超過 75%的大型組織將聘請 AI 行為取證、隱私和客戶信任專家以降低品牌和聲譽風險。

有趣的是，Gartner 預(yù)測到 2021 年，大多數(shù)私有和許可的區(qū)塊鏈用途將被分類賬 DBMS 產(chǎn)品取代。這對我來說很有意義，雖然我不知道它是怎樣和 Gartner 的大趨勢報告相對應(yīng)的——后者指出到了 2023 年，基于區(qū)塊鏈的技術(shù)每年將支持并追蹤價值 2 萬億美元的商品和服務(wù)的流動。

她補充說：到 2022 年，超過一半的新增主流業(yè)務(wù)系統(tǒng)將包含“持續(xù)智能”，這種技術(shù)使用實時上下文數(shù)據(jù)來改善決策。

道德話題

 

 

在另一場會議上，Gartner 研究員 Frank Buytendijk 談到了 AI 和道德規(guī)范;他說在創(chuàng)建以人為本和對社會有益的 AI 時，最常見的五大原則包括：公平;可解釋且透明;安全可靠;并且負責。他解釋說每個主題都有自己的問題，并討論了建立兩級道德體系的話題：企業(yè)正在努力制定自己的道德規(guī)范，但是“道德即服務(wù)”可能會在未來某一天成為主流。

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

標簽： 人工智能

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。