谷歌或成巨無霸，創業公司集體面臨收購？——2018人工智慧八大趨勢展望

編者按：日前Medium.com發布了對於2018AI世界的八大趨勢預測， 雷鋒網為您做了如下編譯。

大數據分析並不是一個業已退潮的趨勢。隨著數據量的持續增長，大數據分析也在不斷改善。說到預測分析的應用，我們只看到了冰山一角。通過使用數據挖掘、機器學習和人工智慧技術來分析當前數據，已經成功幫助了活動組織(即預測銷售，優化營銷等)。所有這些不同類型的人工智慧聯繫在一起，深刻的改變著我們的日常工作方式，而更多的改變尚未到來。

這裡是來自AI世界的一些關於大數據，預測性分析以及機器學習的關鍵數據：

• 到2018年，75%的開發商都會在商業應用和服務中引入至少一種AI功能（來自IDC）

• 到2019年，100%的物聯網活動將會被AI功能支持（來自IDC）

• 到2020年，30%的公司將會使用AI來提高至少一種關鍵程序（來自Gartner）。

• 到2020年，演算法將會在全球範圍內積極影響數以億計的行為（來自Gartner）

• 到2020年，人工智慧市場將會超過400億美元（來自 Constellation Research）

• 到2025年，AI將驅動95%的用戶交互。（來自Servion）

趨勢1-大公司先發優勢，勢在必贏

亞馬遜、谷歌、Facebook和IBM將引領人工智慧的發展。作為大公司，他們有合適的資源來收集數據，因此有更多的數據可用。

以下是頂級玩家在人工智慧方面的發展情況：

亞馬遜:

• 投資人工智慧超過20年

• Web抓取來自超過50億網頁的數據

• 物流中心擁有超過500000 JPEG圖像和相應的JSON元數據文件

• 每日監測全球廣播、印刷物、網路新聞的記錄超過2.5億

• 將近1億張附帶視頻、音頻和註解的圖片和視頻

• 亞馬遜的Echo以超過70%的優勢領先於聲控助理市場

谷歌:

• 坐擁最大的數據集庫之一，有10 - 15個Exabyte的數據——Cirrus Insight

• 專註於應用和產品開發，而非長期人工智慧研究

• 一個由1300名研究人員組成的團隊——谷歌大腦

• 23.8%的語音助理市場- Voicebot用戶份額

• 使用機器學習的開放-源平台,TensorFlow,給所有人訪問機器學習平台的許可權

• 谷歌地球資料庫的大小估計為3,017 TB或大約3 pb -谷歌地球博客

• 谷歌街景有大約20 pb的街道照片——Peta像素

Facebook

• 每天處理25億的內容和500多TB的數據——Tech Crunch

• Facebook人工智慧研究中心有約80名研究員和工程師——FAIR

• 日均生成20億「贊」和3億照片——Tech Crunch

• 每30分鐘掃描月105TB數據——Tech Crunch

• 建有一個62000平方英尺的數據中心，可以容納500台機架

• 每天用超過40種語言翻譯20億用戶帖，8億用戶可以看到翻譯——Fortune

IBM:

計劃用時10年、注資2.4億美元投資創建麻省理工學院——IBM 「沃森」人工智慧實驗室 ——IBM

沃森客戶業務橫跨6個大陸，超過25個國家——IBM

IBM在沃森集團(Watson Group)投資了10億美元，其中包括1億美元的風險投資，以支持IBM的初創企業和建立與沃森(Watson - IBM)的認知應用程序的企業——IBM

通過沃森生態系統，已經建立了7000多個應用程序——Fortune

谷歌最可能在將機器學習部署於產品和服務的應用方面處於最前沿。他們不僅是第一家開始人工智慧研究的公司，而且谷歌是一家相當大的公司，有超過7萬名員工。此外，谷歌大腦是一個深度學習人工智慧研究項目，谷歌擁有一個完整的團隊，它的研究議程包括機器學習、自然語言理解、機器學習演算法和技術，以及機器人技術。

所有在人工智慧領域投資的第二梯隊公司，如英特爾、Salesforce和Twitter，都將追隨那些已經擁有數據的大公司，並開始使用他們的數據、演算法和人工智慧。行業的參與者之間將發生數據交易，演算法和技術將得到鞏固。數據的交易以及演算法和技術的整合將使人工智慧更加有效。

隨著谷歌和Facebook這樣的巨頭公司收購規模較小的玩家，演算法將被整合到他們的核心平台/解決方案中。總部位於倫敦的人工智慧公司DeepMind建立了通用學習演算法，谷歌收購了該公司，以獲得與其他科技公司競爭的商業優勢。另一方面，Facebook收購了Wit.AI，助力語音識別和語音介面。它還收購了人工智慧初創公司Ozlo，以提升其虛擬助手。

所有人工智慧公司都將追求巨大的數據集，以尋找方法和手段來實現他們對人工智慧的雄心。這些公司將開始對大量數據進行眾包。他們已經找到了不同的方法來評估眾包數據的質量和真實性，這不僅給企業提供了從這些數據中獲益的能力，而且也給了消費者一個發聲的機會。

OpenDataNow.com的創始人兼編輯Joel Gurin說:「我們生活在一個眾包文化中，越來越多的人願意並有興趣通過社交媒體分享他們所知道的東西。」

谷歌通過眾包獲得很多圖像來構建他們的成像演算法。此外，該公司還利用眾包技術，通過其眾源應用，幫助改善翻譯、抄寫、手寫識別和地圖等服務。亞馬遜還利用眾包人工智慧來提高Alexa目前逾1.5萬項技能。

CBInsights的數據顯示，收購人工智慧公司的競賽將在2018年開始，屆時，隨著企業爭奪知識資本和人才，我們將會看到越來越多的併購。機器學習/人工智慧領域的所有小公司都將被大公司收購。主要有以下兩個原因:

1. 沒有數據集，人工智慧就不能獨立工作。由於大公司擁有大量的數據集，它們對小公司來說優勢巨大。

2. 沒有數據的演算法毫無用處。反之亦然。數據是演算法的核心，獲取大量的數據至關重要。

作為機器人工程師和哥倫比亞大學創意機器實驗室的主任，Hod Lipson說:「數據是燃料，演算法是引擎。」

大公司將開始開源他們的演算法和其他工具集以獲得市場份額。市場訪問數據和演算法的壁壘將減少，人工智慧的新應用將會增加。通過民主化，那些沒有途徑應用人工智慧工具的小公司，將有大量的數據用於培訓和啟動複雜的人工智慧演算法。

正如谷歌的首席執行官桑達爾·皮查伊(Sundar Pichai)所說的，關於民主化人工智慧的說法，「我們所能做的最令人興奮的事情之一，就是對機器學習和人工智慧的祛魅。」這對所有人來說都是很重要的。

此外，框架、SDKs和api將成為所有主要玩家開放用戶使用的標準。SaaS和PaaS的基礎模型將是所有這些公司追求的商業模式。

Siri和Alexa是最流行的兩種人機交互工具。與此類似的 更多的基於機器人的解決方案，將是AI公司的第一個入口。例如，雖然機器已經被編程用於語音分析和面部識別，但它還將能夠基於你的聲音音調識別你的情緒，也就是情感分析。

製造業自動化和非消費者方面的解決方案將首先得到改善。製造自動化將主要是使用先進的技術，包括自動化、機器人技術和先進的製造技術來節省人工成本。在農業和醫藥領域，諸如人機交互等非消費者解決方案的改進也將在2018年普及。

趨勢7 -人工智將影響更多垂直領域

製造業、客戶服務、金融、醫療和交通等領域已經受到人工智慧的影響。自動駕駛汽車預計將在2018年上市。明年，人工智慧將會影響更多的垂直領域。以下是工業界的簡要示例以及人工智慧將如何影響它們:

• 保險-人工智慧將通過自動化改進索賠過程

• L法務 - NLP可以在幾分鐘內總結數千頁的法律文件，從而縮短時間，提高效率

• 公關&媒體 - AI將幫助快速處理數據

• 教育——虛擬導師的發展人工智慧輔助額論文評分;自適應學習程序、遊戲和軟體;而由人工智慧提供的個性化教育項目將改變學生和教師的互動方式

• 健康——機器學習可以用於製造更複雜、準確的方法來預測病人出現癥狀前的疾病

就像100年前的工業革命幾乎改變了一切一樣，人工智慧將在未來幾年改變世界。

人工智慧保護傘下的一切，如機器學習和大數據，都很容易遭遇新興的安全和隱私問題。關鍵的基礎設施在其中扮演了重要角色。與隱私問題相關的安全需求，比如將銀行賬戶和健康信息保密，增加了安全研究的必要性。2018年將是關注安全和隱私問題的一年，並可能會有新的進展。

人工智慧的倫理也將是2018年的一個主要問題。倫理和道德問題需要解決，包括人工智慧如何傷害或造福人類。也有人擔心機器人取代人類的可能性，特別是如果人工智慧將在人類移情作用的領域中使用，比如護士、治療師或警察。另一個將被處理的問題是自主武器。考慮到自主功能的水平，人工智慧將需要涵蓋某些功能，因為他不是控制在人類手中的武器。

雷鋒網結語：雖然人工智慧已經存在很多年了，但我們今天所知道的人工智慧仍處於起步階段。圍繞人工智慧及其各種應用，從自動駕駛汽車到虛擬個人助理，以及其他許多需要人工智慧的任務，都有大量的炒作。雖然有一長串人工智慧用例，但其中大部分旨在改進特定的過程，且要成功部署它們需要時間。人工智慧還有很長的路要走。2018年顯然將是對人工智慧的發展關鍵性的一年，讓我們拭目以待。

雷鋒網編譯 via Medium.com

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！