福布斯2019年AI技術發展預測，我們整理出35條核心發言

時至今日，人工智慧（AI）技術早已無處不在，並在投資行業、初創企業、技術供應商以及組織機構的推動之下繼續蓬勃發展。顯然，各方都在探索AI技術蘊藏的巨大能量。

最近，福布斯公布2019年AI發展預測，預測來自百餘位參與AI項目的高層管理人員的觀點，他們一直密切關注AI領域的發展動向，並承諾構建起少炒作、高實用度、更準確且針對性更強的AI方案。我們整理出其中35位的核心發言。

「無人財務（Self-Driving Finance），作為一種人工智慧技術的實踐性方案，已經以多種形式為全球數百萬銀行客戶提供服務，而這一態勢在未來幾年必將持續升溫。據目前世界各地銀行正在推進的相關項目來看，我認為已經有大量客戶依靠人工智慧「驅動」他們的財務狀況，並採取自動化機制以幫助自身實現財務目標。為了提供有效的無人財務方案，金融機構無疑將需要針對各個客戶群體構建專門的人工智慧形式，具體包括零售、小型企業以及財富XX強企業等等，換言之，將通用型人工智慧方案轉化為包含特定主題知識且面向特定領域的專業型解決方案。」——Personetics公司聯合創始人兼CEO David Sosna

「2019年，將成為各類組織機構根據自身數據構建專用型人工智慧系統的一年。考慮到各組織機構往往只具備有限的數據總量，同時對專項數據擁有較高的需求，他們將意識到需要工具立足內部環境，以構建高質量的人工智慧數據。這種數據的質量需求高於數量需求，於是各組織機構將開始評估自身擁有的數據，並提出核心問題：這些數據是否是我們想要的？是否符合我們的預期目標？這部分訓練數據的特徵是否與生產數據相匹配？我們能否在可重複性與變化情況之間找到平衡點？我們的數據集是否擁有充分的多樣性？這種新的數據策略性方法，將成為解決人工智慧數據問題的關鍵，並最終決定我們能否構建起足以適應真實世界場景的人工智慧方案。」——Neurala公司聯合創始人兼首席執行官 Max Versace 博士

「人工智慧將帶來額外的可預測性，允許各組織機構從中發現模式，並立足物聯網基於客戶行為建立洞察見解——最終使得供應鏈體系更具智能化水平，從而強化生產與執行效率及速度，同時提高客戶滿意度。展望2019年甚至更遠的未來，人工智慧會將供應鏈的核心從反應性轉化為規定性，從而讓企業在面對消費者不斷提高的預期時始終先行一步。」——SAP公司數字化供應鏈總裁Hala Zeine

「2019年，我們將迎來一種新的技術，使得設計師能夠與人工智慧驅動型計算機程序進行對話，從而對由3D印表機製造的部件進行實時重新設計、優化與輕量化調整。設計人員將可以簡單地闡述設計目標與材料參數，而人工智慧則根據現有設計理念，快速探索幾乎無窮無盡的設計方法組合。這意味著設計師將掌握更強大的能力，從而更快更好地完成測試及實驗性發行，最終拿出遠超以往的最佳設計成果。」——XponentialWorks公司創始人兼首席執行官Avi Reichental

「2019年將成為人工智慧全面開源的一年。我們已經看到，越來越多的企業開始對其內部AI項目及堆棧進行開源，我們希望未來一年中這樣的態勢能夠加速推進。人工智慧領域的這種開源發展浪潮與其它行業將保持一致，例如雲計算行業一直在大力推動開源，旨在增加創新能力、加快上市速度並降低研發成本。平台的構建成本一直非常高昂，各組織機構已經逐漸意識到模型、訓練數據以及應用程序的真正價值。相信我們會看到圍繞一系列關鍵性項目開展的協調工作，這最終將給人工智慧、機器學習以及深度學習建立一整套全面的開源堆棧。」——Linux基金會研究事務總監Ibrahim Haddad

「雖然B2B供應商一直很難適應亞馬遜或谷歌這樣的巨頭在個性化數字體驗層面設定的高標準與高要求，但整個業界至少已經意識到對主頁以及登陸頁面進行個性化設計的價值所在。隨著客戶期望的不斷提升，企業需要利用機器學習以及人工智慧等工具在第一印象中提供個性化體驗，同時將這種個性化要素延伸至技術文檔、社區門戶網站以及聊天機器人等其它資產當中。」——Zoomin公司首席執行官 Gal Oron

「在2018年，我們看到醫療保健領域存在大量關於人工智慧的炒作性宣傳，但我們同時意識到這項技術正逐步成為現實——從慢性疾病管理的預測分析，到放射學工作流程增強，以及為行政及財務用例帶來的運營效率提升等等。在2019年，語音與視頻將同人工智慧技術結合，進一步加快診療資源由醫院交付至病患處的速度。人工智慧與5G技術的融合，也將加快數字診療行業的發展，這種治療方式將擁有更強的個性化風格、自適應性並採用AR/VR成果。心理健康與藥物濫用問題治療將成為我們的早期實驗性陣地。未來，人工智慧將逐漸被醫療保健行業視為強化工具或者臨床醫生的有力助手，而非是一種取代性的威脅。更重要的是，率先利用這一強大工具的從業者，將在提高病患滿意度的同時，在行業當中建立起競爭優勢。」——英特爾公司健康與生命科學總經理Jennifer Esposito

「人工智慧在眾多行業當中發揮著越來越重要的作用，具體包括文本翻譯、工業無人機支持以及病患診斷等等。在2019年，我們期待看到人工智慧——更準確地說是圖像識別技術，能夠更多地融入日常生活當中，包括幫助殘疾人打理生活並全面實現自動駕駛汽車。另外，人工智慧也將成為消費者們日常購物體驗中的組成部分。現有商店將藉此全面實現自動化，推動供應鏈流程改進，提供無縫化結賬方式並加強客戶參與度。」——Trigo Vision公司CEO Michael Gabay

「人工智慧將快速推動所有制度走向終結。如今，我們不再實際持有電影或者音樂實體——我們轉而訂閱Netflix或者Spotify。未來，將有更多產品不再以實際持有方式存在——我們同樣以訂閱形式使用。人工智慧平台正將地球上的每一種製造產品轉化為聯網「智能」產品。如今我們能夠看到的各種交通及消費電子產品——包括汽車、踏板車、洗衣機、咖啡機以及恆溫器等等，也都在經歷同樣的發展趨勢。更重要的是，同樣的情況將很快全面鋪開，甚至席捲桌子、椅子、地板、牆壁乃至衣物等更為傳統的產品。到那個時候，我們將不必持有任何實體，而只需要訂閱服務：住房服務、食品服務、運輸服務、傢具服務、服裝服務等等。我們將生活在真正的訂閱經濟體系當中。」——Zuora公司創始人兼CEO Tien Tzuo

「自動化的全面普及令網路攻擊者擁有更強大的能力，他們可以使用更簡單的工具獲取訪問許可權並滲透進目標網路當中。而遺憾的是，防禦一方所使用的自動化方案卻無法達到同樣的效果。造成這種狀況的核心因素有兩點：其一，人才儲備非常有限，導致防禦自動化的實際效果直接由數據可靠性水平決定；其二，在解決誤報問題之前，自動化仍然無法真正保護我們的安全，相反，自動化應該主要體現在安全違規發生之前的主動防禦機制當中，即幫助組織搶先一步抵禦攻擊者並儘可能減少潛在危害。」——Team8公司CEO Nadav Zafrir

「機器人與人工智慧被越來越多地用於檢查及保障我們現代文明社會根基的關鍵基礎設施，從而確保包括電力線路、鐵路軌道以及天然氣管道等系統正常運轉。展望新的一年，這兩項技術的融合將繼續穩步加速。2019年，將成為分散式人工智慧的突破性元年，智能元素將實現去中心化並被嵌入至瓦解那些需要檢查的資產及設備里。如今，我們需要以遠程方式通過雲系統控制工業物聯網及人工智慧方案——操控兩端之間通常相隔很遠的距離。未來，我們將逐步轉向與端點更為接近的分散式與自主類系統方案，這將使得檢測數據的收集工作更高效、更安全。」——GE Ventures公司數據科學執行董事Ashish Jain

「人工智慧與機器學習近年來一直屬於熱門話題，但這一趨勢將在2019年有所減弱。很多企業曾經制定出「人工智慧戰略」，但如今我們發現人們開始越來越多地遠離炒作，轉而以務實的態度解決現實問題。隨著企業積極關注人工智慧工具對於實際業務的影響，我們將看到人工智慧技術的發展重心轉向「AI驅動型」成果。更具體地講，此類方案的最大意義，實際上體現在由人工智慧提供的業務洞察當中。」——Outlier公司聯合創始人兼CEO Sean Byrnes

「消費者對於人工智慧的理解將發生巨大的變化。我們將不再把人工智慧同未來機器人或者自動駕駛汽車緊密聯繫在一起，而是更多將其融入生產力工具、預測方案以及日常工作環境。」——Domino Data Lab公司首席數據科學家Josh Poduska

「2019年將是數據科學家全面消亡的一年。在2019年，每個人都將開始學習人工智慧相關知識，而數據科學領域將不再需要純粹的數據科學家。目前全世界總計只有大約5000名純粹的數據科學家，我們不可能依靠這麼點人手領導工業革命。因此，各類組織機構中的每個人都需要具備一定的人工智慧技能，從產品經理到業務分析師皆在此列。數據科學家的消亡，也將代表著這輪革命的最高潮。」——Demandbase公司CTO Aman Naimat

「人工智慧領域確實存在某些「皇帝的新衣」問題。然而多年以來，確實有越來越多熱門人工智慧初創企業在幾乎所有垂直領域——包括法律、醫學以及金融科技領域不斷湧現，希望通過擴展及競爭建立更多強大的演算法，而且相關數字仍在持續增長。這些人工智慧解決方案希望能夠負擔起各種瑣碎的重複性任務。新的浪潮正在崛起，這些人工智慧初創企業在運營當中會不斷產生專有數據。這些初創企業充分利用了所謂Coaching Networks，即在數百萬從業者創造性的投入與成功案例的推動之下持續實現演算法改進。這些針對性極強的專用型網路，將給仍在採用靜態數據集及商用API的企業帶來巨大的競爭壓力。」——Emergence公司普通合伙人Gordon Ritter

「某些AI應用程序將逐步擺脫炒作的影響，但這並不會改變人工智慧的整體態勢。人們一直希望構建起自動駕駛汽車方案，也有些人擔心再有區區二十年，人工智慧就將全面接管我們的生活——但事實是，我們距離真正的自動駕駛汽車還有很長的道路要走。至於人工智慧接管生活，恐怕在可預見的未來這一切只會出現在科幻電影當中。我個人的預測是，我們對於人工智慧及其能力的現實期望必須得打上一定的折扣。未來五年的生活方式與現在並不會有太大不同，但我們的日常工作會以微妙但卻非常重要的方式轉變，並實現效率提升。AI機器人將能夠更好地回答問題並審查客戶服務案例，智能助手將更有效地完成任務，自動駕駛汽車功能將持續得到改進——但其仍然不會徹底統治我們的道路。」——Salesforce公司首席科學家Richard Socher

「人工智慧產品的採用將在2019年迎來進一步擴展，具體涵蓋教育及零售等眾多不同垂直領域。例如在醫療保健行業，人工智慧增強型應用程序能夠減少急診的等候時間，甚至可以自主對病患的腫瘤變化進行檢測與診斷，從而解放醫生的生產力水平。隨著新的技術進步以及相關應用進入各個垂直領域，加之實現成本的降低以及組織與業務成果的持續改善，相關人工智慧的採用速度將進一步加快。聯想公司已經在供應鏈及零件規劃流程中使用人工智慧，從而為渴望通過人工智慧轉變自身業務的客戶帶來更令人滿意的體驗。」——聯想公司集團總裁兼首席運營官Gianfranco Lanci

「除了已經出現在移動應用或醫療保健平台的聊天機器人方案之外，新一年中，病患還可以利用多種全渠道用戶界面實現交互。像Alexa與Google Home這樣的對話體驗型消費級框架，也有望增加HIPAA隱私支持協議，這將給機器人的普及打開大門，以便在患者前往醫院複查的間隔之內始終保持聯繫。在護理環境中，醫院病床旁的護士呼叫按鈕、用於收集健康歷史記錄的表格，以及笨拙的傳統調度應用程序，也將演變為以客戶為中心的機器人醫療助手。」——德勤公司ConvergeHEALTH項目首席技術官Dan Housman

「2019年，各行業的關注重點將放在邊緣執行分析。組織機構將通過處理並分析邊緣數據——而非將其移動至中心位置、存儲並進行傳統分析的方式——顯著節約時間與資金成本。相關用例包括異常檢測（欺詐）、模式識別（預測故障/維護）以及持續流等等。自動駕駛汽車、石油與天然氣平台以及醫療設備等已經成為這一趨勢的早期代表。造成這一趨勢的成本性驅動因素，主要體現在網路帶寬（半連接環境以及昂貴的蜂窩流量）以及存儲（減少發往雲端的數據總量）資源層面。」——MapR公司數據與應用程序高級副總裁Jack Norris

「公眾對於負責任人工智慧方案的需求將持續增長。2018年可以說是這種意識全面覺醒的元年，而2019年則將是公眾真正行動起來的一年。對人工智慧提出公平性、問責制以及透明度要求的，不再僅僅是數據倫理學家或人權倡導者；事實上，消費者也開始通過改變Facebook使用方式或者徹底刪除帳戶的方式表達自己的抗議。新的一年中，這種趨勢有可能會蔓延至其它對個人數據加以利用的社交媒體及服務當中。這意味著，將出現更多關於如何負責任地創建並使用人工智慧方案的承諾與聲明，企業也不得不接受這些約束性條款。在影響人權的決策當中，公眾將致力於反對政府使用帶有偏見因素的人工智慧。將有更多員工爭取對其開發的人工智慧方案具有話語權，同時拒絕為存在危害的自動化方案做出貢獻。企業將被迫將這些意見納入考量——無論是直接購買，還是自主構建人工智慧解決方案——並努力確保系統的公平性，從而避免自身因人工智慧引發的問題成為媒體乃至公眾口誅筆伐的對象。」——Salesforce公司道德AI實踐架構師Kathy Baxter

「高級分析與人工智慧方案將在針對性方面得到提升，其將專門面向特定需求，這些功能也會被越來越多地嵌入至管理工具中。這些備受期待的功能將簡化IT運營流程、提高基礎設施與應用程序的穩健性，同時顯著降低總體成本。在這一趨勢的推動下，人工智慧與分析將被嵌入高可用性與災難恢復解決方案、以及雲服務供應商的產品之內，用以提高服務水平。憑藉著人工智慧技術的快速響應、問題理解能力、以及複雜配置中的問題溯源功能，立足雲端交付的關鍵服務。將在可靠性與可用性層面得到極大改善。」——SIOS Technology公司總裁兼CEO Jerry Melnick

「隨著聊天機器人與人工智慧技術的不斷發展，它們所執行功能的深度與廣度也將持續擴展。但這一切對於人類勞動者意味著什麼，這到底是好事還是壞事？一方面，機器學習將幫助人們篩選大量數據並更高效地完成工作；另一方面，隨著人類對與機器人的交互方式愈發熟悉，客戶服務與技術支持等職能角色也將逐漸淡出歷史舞台。這一切將在2019年有所體現，因為越來越多的企業開始利用人工智慧與聊天機器人提高現有員工的生產力，或者逐步淘汰這些技術方案所能取代的對應職位。」——Pigeon公司聯合創始人兼首席戰略官David Cohn

「工業級人工智慧領域存在著一個「小秘密」，即大部分此類系統都是在數千（甚至更多）人類評估者創建並標註的數據集上進行訓練與評估的。隨著我們嘗試解決更為複雜的人工智慧問題，整個行業對於大規模、高質量的人工評判資源的需求當然也將快速提升。相信在利用機器學習技術收集這些評判結論方面，新的一年將帶來更多時間與成本效益層面的突破。與此同時，使用最低標記數據量甚至無需標記數據（也稱為無監督技術）的方法，也將減少我們對於大量標記數據的依賴，最終使得深度學習模型能夠在新問題或不同類型的問題方面，擁有更加穩健的表現。」——Grammarly公司研究主管Joel Tetreault

「知識圖譜（Knowledge Graphs ）堪稱黑馬！它的基礎技術——包括自然語言處理、圖資料庫以及內容分析等等，如今都已經成為現實，這一切使得知識圖能夠輕鬆構建特定領域中的相關知識。從具備實用性的聊天機器人、路程導航再到自動化顧問，我們將看到包括醫療保健、金融服務以及供應鏈在內的越來越多行業及領域將其納入實踐應用。」——埃森哲應用智能部門總經理兼首席技術官Jean-Luc Chatelain

「通過自動駕駛汽車、智能揚聲器以及人臉識別等領域的創新，人工智慧已經快速成為主流。此外，雖然體現得還不太明顯，但人工智慧應用程序也已經開始在物流、製造、醫療保健以及網路安全等行業發揮同樣的影響力。網路安全的獨特之處在於，它是一切其它技術都無法擺脫的重要組成部分。無論我們生活在人類智能世界還是人工智慧世界，有一點都是確鑿無疑的：如果沒有人工智慧與深度學習對我們的網路安全策略提供強化，那麼我們遭受黑客入侵的可能性將大大增加。人工智慧技術使得網路犯罪分子們難以利用自己的武器儲備獲得非法收入。而在人工智慧防禦方案的支持下，攻擊者往往傾向於選擇「更軟的柿子」去捏（也就是那些認為自己並不需要人工智慧的傢伙），或者是被迫開發出更複雜且成本更為高昂的攻擊方法。總而言之，網路安全領域的軍備競賽仍在繼續，切勿掉以輕心。」——Sophos公司CTO Joe Levy

「人工智慧正在進入商業化時代。大家並不需要了解微波技術如何起效，仍然可以正常使用——它僅僅只是一種工具。隨著無代碼、點擊式工具的大量湧現，人工智慧也帶著我們進入了同樣的階段——無論你擁有怎樣的技術背景，人工智慧都將成為每個人能夠廣泛使用的實用性工具。因此，未來幾年內，大部分AI應用程序都將由極少甚至根本沒有接受過人工智慧知識培訓的人員構建。」——Salesforce公司數據科學副總裁Vitaly Gordon

「機器人流程自動化（Robotic Process Automation，簡稱RPA）在過去兩年一直是最熱門的技術之一。這主要是因為其擁有著簡單且易於理解的價值主張：通過實現流程自動化提高效率，解放資源並將其投入至更具價值的活動當中等等。然而，RPA仍然面臨一大障礙——它只適用於死記硬背型重複流程，而無法支持非結構化內容的工作流程。更遺憾的是，這類工作內容往往構成大部分企業超過80%數據。2019年，企業將利用RPA與人工智慧/機器學習，解決專家們所謂「智能流程自動化」當中存在的智能要素缺失。」——Indico公司創始人兼CEO Tom Wilde

「人工智慧與機器學習在包括呼叫中心在內的眾多行業都存在著實際應用被嚴重誇大的問題。比如，很多企業並未利用AI識別圖像或者數據當中存在的特定模式（這才是人工智慧與機器學習最擅長的工作），而是希望利用智能應用帶來的自動化能力增加自助服務所能支持的會話數量，從而解決常見問題，並引導用戶一步步完成經過預定義的業務流程。但正是在這樣的趨勢下，人工智慧將被大量應用於那些傳統無法利用自動化實現的支持用例，從而使呼叫中心的運營得到進一步優化。」——UJET公司創始人兼CEO Anand Janefalkar

「2019年，人工智慧工具包將轉而利用人工智慧技術解決企業面臨的特定挑戰，例如IT與人力資源員工體驗。就目前來看，企業一直很難利用現有技能通過AI工具包構建定製化應用程序。但接下來，企業將越來越多地利用人工智慧技術解決常見的業務問題。」——Espressive公司創始人兼CEO Pat Calhoun

「2019年，企業中的早期人工智慧技術採用者將希望從相關投資當中獲得價值，具體包括期待立足功能、用戶體驗以及可訪問性等層面，通過雲應用程序提供更豐富、更多樣的內置AI解決方案（例如多設備、聊天機器人以及數字化助手等）。我們將看到，有更多企業投資於第三方數據源及智能數據（包括動態信號以及更為靈活的分類更新信息），以優化輸出結果。隨著企業與機器學習偏差作鬥爭，偏見、信任、透明度以及可解釋性等問題將成為更大的問題，客戶將意識到，機器學習同樣需要人工監督、監控機制，再加上數據洞察，以幫助早期採用者們調整機器學習的輸出結果，並從AI投資當中獲得更多價值回報。」——甲骨文公司自適應智能應用副總裁Melissa Boxer

「長久以來，營銷人員一直在思考，如何採取最理想（次優）的後續措施，以確保營銷計劃與人們在購買周期中的位置相吻合。然而，如果沒有人工智慧對大量數據進行實時整合，這項目標永遠不可能實現。人工智慧的出現將接管傳統涉及大量數據集的手工處理任務，這意味著，由購買周期中的特定活動觸發的自動化次優判斷，將有可能在2019年成為現實。」——Demandbase公司CMO Peter Isaacson

「2019年，整合人工智慧將成為營銷戰略的重要組成部分。圍繞預測分析、情緒分析、程序化廣告等建立的訓練模型，將徹底改變營銷人員針對實現營銷渠道自動化的思維方式，並建立起具備高度針對性的、基於客戶的營銷（Account Based Marketing，簡稱ABM）策略。這將需要企業對新技術進行投資，反之企業也能夠通過提高資金的利用率來降低定製購置成本。」——Kinetica公司CMO Daniel Raskin

「人工智慧與機器學習將成為各類運營簡化型解決方案的新標準。機器學習與人工智慧可以通過智能化手段，提升運營與IT能力，幫助企業縮小IT技能層面的差距，由此二者將成為新型IT解決方案中的關鍵組成部分。企業級軟體廠商將要求戰略供應商將人工智慧與機器學習整合至現有產品當中，用以提供更高效的運營模式。」——Commvault公司高級總監Don Foster

「幾乎每一個IT部門都意識到，將利用AI技術，實現企業監控自動化，降低IT員工的手動操作負擔，並實現應用程序自我修復能力。」——Dynatrace公司數字化效能專家Dave Anderson

「機器人行業中的眾多初創企業都將努力尋找適合自己的小眾市場，並儘可能提升其市場份額水平。然而，為了取得成功，機器人初創企業必須在設計之初就考慮到監管法規的要求，以確保自己的產品符合對應的安全法規——否則其根本無法在市場上生存。」——TUV Rheinland公司測試工程經理Ryan Braman

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！