【Gartner2018人工智慧預測】AI迎來大眾化應用元年，虛擬助理將普及

原標題：【Gartner2018人工智慧預測】AI迎來大眾化應用元年，虛擬助理將普及

新智元推薦

來源：三思派

作者：孟海華

【新智元導讀】上海市科學學研究所產業創新研究室副研究員孟海華根據Gartner報告「Predicts 2018: Artificial Intelligence」，總結了Gartner對2018年人工智慧發展預測的要點。Gartner認為，2018年將是人工智慧大眾化應用的開始。隨著消費者在智能手機和智能家居中對虛擬助理的使用不斷增長，人工智慧技術，特別是深度學習，將通過雲服務，API和物聯網迅速擴散，影響到企業和政府之外的更廣泛的領域，而這將為人工智慧的發展和企業的CIO帶來更多的機會。

一、概述

未來趨勢：一是虛擬助手將在消費服務和面向客戶/公民的應用程序中普遍存在，將大大提升人工智慧在大眾中普及程度。二是人工智慧和機器學習策略的開發/投資已經成為CIO們五大優先事項的主要組成部分。三是機構將面臨越來越大的信息安全威脅，例如人工智慧產生惡意的「虛假信息」，旨在損害他們的品牌價值。四是人工智慧將引起人們對責任、侵犯隱私、假新聞、信息詐騙等問題的廣泛反應。

企業層面：一是著手規劃、開發和部署業務流程領域中的智能虛擬支持功能，客戶和公眾對人工智慧助手的應用需求會越來越旺盛。二是在成熟的工具中融入集成的人工智慧將減少從無到有發展人工智慧，白手起家的原始風險，並且更能突出特定實用的功能。三是在企業的品牌戰略中要考慮科技倫理。四是創造有價值的內容，驗證相關內容在公司環境或政府環境中的實用性和可靠性。

二、未來五大願景要點和分析

一是在發達國家，到2020年，20%的公民將使用人工智慧助手幫助他們完成一系列日常的、可操作的任務。二是到2022年，40%的面向客戶的員工和政府工作人員每天都會諮詢AI，在虛擬助理的支持下進行決策或執行流程。三是到2020年，85%的CIO將通過AI程序執行購買、建造和外包工作。四是到2022年，公司內部公開設立的人工智慧項目將100%從CIO那裡得到資金支持。五是到2022年，成熟經濟體中人們將面臨比真實信息更多的虛假信息。

2018年對人工智慧的預測表現為以下方式的擴散（圖1）。第一是人工智慧技術取得突破，加上API和雲架構提升了AI的功能，使其在更廣泛的範圍內得到應用。第二是供應商在智能手機、智能家居、虛擬助手中融合應用AI技術將取得成功，這將大大豐富和滿足消費者對人工智慧的期望。

圖1 2018年AI能力將快速擴散

Gartner認為，2018年將是人工智慧大眾化應用的開始，將影響到企業和政府之外的更廣泛的領域，這會給人工智慧的發展和CIO們帶來更多的機會。

人工智慧應用的大眾化擴散的驅動力來自於：一是將AI添加到應用程序和主要平台，如雲辦公套件。這意味著更多組織和大多數員工會在專門的活動或投資之外使用AI，而不需要專業技能。二是人工智慧將與雲計算不斷融合，向雲端不斷遷移，因為API在本地伺服器上更容易實踐人工智慧。我們與Gartner客戶有關人工智慧的對話也提到了「雲」，人工智慧和雲的融合速度快於沒有提及的人工智慧查詢。三是人工智慧的消費主要由以深度神經網路為基礎的虛擬助手提供，例如未來的Alexa和Siri，必將滿足終端用戶對產品和服務中的語音智能、智能界面的認識和期望。

普遍認為，人工智慧指的是根據數據收集、使用分析和其他觀察，對行為進行改變而不作明確編程的系統。2018全年，人工智慧性能將繼續提升。過去幾年中，在主要的雲服務提供商的努力下，深度學習、語音識別等領域的性能得到了飛躍。類似的進步，也會發生在特定的垂直領域和更廣泛的水平區域，因為AI的研發和使用，會激發提升更多、更好的技術環節，運用更多、更好的數據以及更多的細節。CIO在探索和應用人工智慧方面面臨兩個主要挑戰：一是技術熟練、經驗豐富的員工的可得性；二是員工對人工智慧潛力和功能理解的缺失（如圖2）。許多機構剛剛開始開發人工智慧策略，嵌入在應用程序中的增強AI將減輕人員配置問題。一個基於人工智慧發展戰略規劃的企業策略正在形成，熟練工人和人工智慧之間的矛盾需要在磨合中最小化。

圖2 員工的技能是AI應用的第一大挑戰

根據Gartner最新的研究調查，管理者的理解和水平是人工智慧部署中最大的挑戰。管理者的水平需要提升，例如直到最近，越來越多的管理者才開始理解和依賴先進的統計技術，使用這些技術從「噪音」中提取「信號」來改進決策，這是依賴於AI系統和服務的起點。管理者對深度學習的理解仍然有限，而且還在不斷豐富中。我們仍然不知道如何可靠配置一個DNN來提供有用的結果，並對DNN訓練的周轉時間長，使得評價周期更長。現在的很多大學都在培養大學生諸如深度學習方面的能力來提升畢業生的含金量，但是很少學生有成功開發DNN模型的經歷。人工智慧的切入點和演算法將成為人工智慧在真正意義上實現的根本障礙。有必要以某種方式公開人工智慧的工作狀態或者解釋其發揮的重要作用，以滿足人類對人工智慧的理解和關切，這種擔憂在管制行業尤其突出。

未來願景一

在發達國家，到2020年，20%的公民將使用人工智慧助手幫助他們完成一系列日常的、可操作的任務。

1主要觀點

在發達國家，個人的互動與基於人工智慧的服務已經變得越來越頻繁，虛擬個人助理（VPA）不再是簡單的提問和回答。從主要語音廠商反饋的數據來看，目前的語音錯誤率徘徊在5%，這是可以接受的錯誤率。這種更高的準確性使消費者更偏向於語音服務，如蘋果的Siri、亞馬遜的Alexa和谷歌助手，對數以百萬計的智能手機用戶來說更加有效。在這個背景下，2018年人們將賦予人工智慧更多、更高的期望。

Gartner已經預測，2018年將有超過20億的人會通過智能手機及其連接的設備，使用會話AI與VPA、虛擬客戶助理（VCA）、虛擬執行助理（VEAs）、聊天機器人和其他的人工智慧功能的服務。消費者將越來越熟悉使用這些服務，制定簡單任務過程，比如設置鬧鐘或提醒。他們很容易地將這些人工智慧會話轉換成更複雜的任務，例如對未來任務進行計時或以其他方式進行交互。

2 市場預測

今天，亞馬遜為用戶提供了Alexa的技能工具包，使他們能夠創建「技能」或任務，Alexa以響應語音查詢或指示來使用。例如，達美樂披薩和必勝客都為Alexa創建了披薩「技能」。用戶在零售商的網站上創建一個帳戶，激活相關的技能，並告訴Alexa通過該網站訂購比薩餅。目前，這種模式如何演進還處於不確定的階段。

對於零售商、服務提供商和其他許多人來說，重要的挑戰如何通過蘋果、亞馬遜等人工智慧助手主持的第三方對話，來「了解」他們的產品和服務。這意味著標準化服務和產品的標準將越來越多，這取決於助手的「聰明」程度，以及供應商與智能助手的創建者建立了什麼關係。

未來願景二

到2022年，40%的面向客戶的員工和政府工作人員每天都會諮詢AI，在虛擬助理的支撐下進行決策或執行流程。

1 主要觀點

人工智慧助手將越來越多的被作為會話平台與決策過程支持助手的關鍵點。AI功能將在兩個方面支持虛擬助理：一是作為一種資源，AI使人類支持代理能夠更快更有效地響應客戶/公民的查詢或行動；二是成為回答基本查詢的首要對話界面。當前人工智慧在減少關係摩擦和改善服務方面超越了商業售賣。具有人工智慧虛擬助理（如蘋果Siri或亞馬遜Alexa）的人們對政府服務的反應也越來越靈敏。

許多CIO尚未充分意識到基於人工智慧的虛擬支持代理的潛力，包括聊天機器人。神經語言程序學配合機器學習能夠理解不同組合中的辭彙含義，並提出問題以揭示意圖和創建上下文。基於這種理解，虛擬代理將能夠回應客戶或公民的問題，採取或提出智能支持。一個虛擬代理將能夠更快地完成任務，而不僅僅是一個代理——人或虛擬的智能研究機構。

2 市場預測

在未來的每一個企業都將在市場開發部使用融合人工智慧技術的虛擬助理。但是，更重要的演進是將人工智慧的應用擴展到後端決策和流程框架中。Gartner預測，到2020年，25%的客戶服務和支持業務將通過渠道管理整合進VCA技術中，相比2015年的少於2%有大幅上升。現階段的主要挑戰是市場不成熟和產品限制。大部分市場的發展一直停留在簡單的聊天。支持前端代理的虛擬代理的案例還很少。

未來願景三

到2020年，85%的CIO將通過AI程序執行購買、建造和外包工作。

1 主要觀點

目前的人工智慧趨勢意味著大多數機構將不必從頭開始啟動他們自己的人工智慧研究項目。相反，CIO們將能夠從當前的知識中收集和整理合理的發展戰略，集合各業務單位的具體擅長。今天，絕大多數企業處於人工智慧倡議的早期階段，但它們正在迅速地向前發展。來自Gartner的最新調查數據顯示，約4%的CIO（首席信息官）有AI部署，另外21%有短期規劃，另有25%在中期或長期規劃中有AI倡議。

圖3 在2018年部署AI倡議

CIO們面臨一系列嚴峻的挑戰，包括孤立的數據孤島，可憐的或不確定的數據質量，數字化和最基礎的AI技能缺乏。雪上加霜的是，DNN開闢了AI新天地，怎麼去適應？網路公司、雲計算企業和雲服務提供商都在選擇部署機器學習和DNN融合的產品，該領域正有大舉蔓延的趨勢，未來三年人工智慧人才缺口也將迅速填補，因為越來越多的大學開設人工智慧課程，並展開人工智慧再培訓。在接下來的三年里，更多的軟體企業和雲服務提供商將DNN功能整合到他們的產品，進一步降低AI項目相關的複雜性和障礙。

2 市場預測

人工智慧技術的神秘性能夠輕易的掩蓋CIO的主要需求，影響決策者對AI能夠發揮重要作用的準確識別定位。因此要積極關注AI成功案例和可能的行業使用模式，以便在自己的機構中複製案例。在案例的實際操作中，需要權衡當前新興的人工智慧能力，引導開源，務實功能並適當外包，從無到有的建設或購買現成的人工智慧設備。全球AI技能和經驗豐富的專家偏少，意味著激烈的人才的爭奪戰。慶幸的是，大多數本科和研究生STEM課程都和機器學習和統計課程沾邊，這些有利於培養更多的人工智慧人才。公司CIO們將不得不搭配僱傭新興血液和內部員工，並使用內部或外部的培訓計劃完善員工的技能。

Gartner預計雲服務提供商和其他公司將通過認知API引入強大的機器學習環境。這些例子包括IBM沃森產品和服務、微軟Azure機器學習工作室和亞馬遜機器學習。亞馬遜人工智慧有三層架構：框架和基礎設施與工具，如Apache mxnet和tensorflow，API驅動的服務，讓開發人員針對數據科學家添加智能應用程序和機器學習平台。雲服務提供商正在提供全面的可擴展的IaaS，SaaS和PaaS公共雲環境。

未來願景四

到2022年，公司內部公開設立的人工智慧項目將100%從CIO那裡得到資金支持。

1 主要觀點

CIO們正在評估關鍵任務的應用場景，確定對AI的舉措。實事求是的說，人工智慧驅動過程和能力優化的潛在好處是巨大的。但是，創建系統的危險性似乎帶來了偏頗的結果，這可能對AI結果會造成毀滅性的影響。因此，決策者需要確保基本方法科學，採取問責制和提升透明度。企業使用具有挑戰性的DNN案例的情況下，CIO必須能夠驗證和捍衛AI系統的結果。CIO尋求能夠提供有效生產的AI的舉措將是高度公開和透明的。

許多企業使用案例，從金融服務到自動駕駛，實施DNN技術將具有挑戰性。在金融服務方面，規定要求金融服務分析要有明確的定義和解釋。而DNN可以提供極其精確的結果，但它中間階段的數據如何轉換得到結果往往是不透明的。因此，對於涉及訴訟、法規規範、監督和業務控制的案例，將需要採用更加科學的方法。人工智慧生態系統應該提供工具來驗證數據源和模型結果。機器學習建模環境越透明，組織就越能分析底層機器學習模型的效能。研究人員正在努力提高DNN方法透明度。

2 市場預測

透明度的缺乏確實存在，用戶驗證人工智慧模型將依賴於供應商的選擇標準。在不可能絕對透明的情況下，領先的供應商將提供一些增強工具，幫助最終用戶審查中間數據並提高調試能力。與傳統的IT環境相比，人工智慧環境需要對輸入流進行更高頻率的審查和對輸出信號的驗證。供應商可以通過在軟體產品中集成審查功能來弱化其中的一些挑戰。

未來願景五

到2022年，成熟經濟體中人們將面臨比真實信息更多的虛假信息。

1 主要觀點

一是智能之下隱藏的偏見——一種眾所周知的人類傾向——引導所有人去尋找、選擇和評估他們所相信的、期望被證明真實的信息；二是人工智慧可以檢測錯誤信息，但也可以生成它。檢測和改善需要時間；三是人工智慧創造虛假信息的成本和花費要比檢測信息的成本更低。由於經濟和政治的原因，虛假信息會超越真實信息的傳播。在2020年之前，這種虛假信息表現為詐騙信息和金融領域的謊言；在這段時間內，沒有大型互聯網公司將完全成功地減輕這一問題。到2020年底，一些主要國家將通過規章或法律來遏制虛假信息的傳播。

2 市場預測

2017年世界範圍內的一個重要主題是創造「假新聞」，這些術語被用來詆毀真實的信息，以及恰當地用來描述完全錯誤的信息。Gartner在2004推出了「假現實」這個詞，用以描述更為廣泛的數字內容，無論是好的還是壞的。試圖糾正錯誤信息會使誤解變得更糟。僅僅鼓勵人們考慮與初始信息相反的修正常常會無意中加強錯誤信息。因此，提供一個好的主張，詳細揭露消息和減少誤報率是唯一正道。通過努力培養，公司透明公正的行為和正確價值觀的品牌將普遍盛行。選擇不參與短期操縱真相、堅持保持誠信的企業將長期受益。

本文由上海市科學學研究所產業創新研究室副研究員孟海華根據Gartner報告「Predicts 2018: Artificial Intelligence」整理。文章觀點不代表主辦機構立場。

文章來源：三思派

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 新智元 的精彩文章: