20位科技大咖預測2019年AI發展 業界投資加大全面滲透各個領域

玩游戏 2018-12-13

人工智慧(AI)的應用無處不在,這個領域吸納了大量投資,也湧現了大量創業公司。福布斯訪問了業界大咖對2019年人工智慧的發展預測,德勤的首席技術官、聯想的首席運營官和Salesforce首席科學家都提出了自己的觀點,然而共同的特點是AI將會繼續滲透到各個領域中,包括醫療、金融、教育和機器人等,同時投資也會加大。

Salesforce首席科學家Richard Socher表示:“有些AI應用已經被廣泛宣傳,然而在短期未來AI還不會那麼快完全顛覆現在的世界。人們一直在研發自動駕駛汽車,有些人還擔心人工智慧的完全應用可能僅要20年就可以實現,但事實是我們離真正的自動駕駛汽車還有很長的路要走。至於完全應用人工智慧,在短期的未來這只會存在於科幻電影。我的預測是,我們對人工智慧及其能力的期望跟現實可以達到的水準,應該會中和一下。未來5年社會看起來會像現在這樣,但我們的日常工作將發生微妙而重要的改變,我們會越來越高效。AI機器人將可以更有效地回答問題和審查客戶服務,智慧助理將會更有能力完成任務,自動駕駛汽車功能將會繼續改進,但他們不會大規模在道路上行駛。”

聯想公司總裁兼首席運營官Gianfranco Lanci表示:“人工智慧產品的採用將在2019年繼續擴展到製造、教育、零售等不同的垂直領域。例如,在醫療保健領域,人工智慧增強型應用程式能夠減少緊急等候時間,甚至可以使用AI檢測和診斷腫瘤,來幫助醫生節省時間。隨著技術取得新的進步,應用程式會進入各種垂直領域,而技術成本降低,組織和業務產品或者成果改善,這都預計會加速人工智慧的採用。在聯想,我們已經在供應鏈和零件規劃流程中使用人工智慧,這樣我們就可以為渴望利用人工智慧來轉變業務的客戶提供一流的體驗。”

德勤Converge HEALTH首席技術官Dan Housman表示:“除了目前在移動應用和其他醫療保健IT平臺上可用的聊天機器人之外,患者還可以自己通過各種全管道使用者介面也能進行交談。像Alexa和Google Home這樣的對話體驗應用,它的消費者框架可能會增加HIPAA隱私支援。這樣機器人可以在人類醫生不方便的時候跟患者保持對話。在護理過程中,以客戶為中心的機器人醫療助理可以代替護士,來完成呼叫按鈕、收集健康史的表格,還有一些繁瑣的調節工作。”

MapR資料和應用高級副總裁Jack Norris:“2019年,市場焦點將會轉向邊緣執行分析。公司將通過在邊緣處理和分析資料,而不是將資料移回中心、再存儲和然後再應用的傳統分析模式,這樣可以節省時間和費用。用例包括異常檢測(欺詐)、模式識別(預測故障/維護)和持久流。早期應用實例包括自動駕駛汽車、石油和天然氣平臺和醫療設備,而我們將在2019年看到這些技術的進一步擴展。這其中的成本驅動因素是使用成本相對較低的半連接環境可以減少頻寬成本,而減少發送到雲的資料也可以減少資訊存儲壓力。”

Salesforce道德AI實踐架構師Kathy Baxter表示:“公眾對人工智慧道德問題會越來越關注。2018年是公眾這個意識覺醒的一年,那麼2019年將是採取行動的一年。不僅是資料倫理學家和人權宣導者要求公平、問責和透明的使用過程。消費者也已經在改變他們使用Facebook的方式,或者甚至完全刪除他們的帳戶,這種趨勢可能會蔓延到其他社交媒體,或利用個人資料的其他服務平臺上。未來會出現更多規范人工智慧創建和使用的聲明,而公司不得不採用。在人權方面,公眾將反對政府使用有偏見的人工智慧工具。更多員工將會要求對他們創造的東西增加影響力和話語權,會拒絕為有害的自動化工具做出貢獻。”

SIOS技術總裁兼首席執行官Jerry Melnick說:“高級分析和人工智慧將繼續變得更加專注,專門針對特定需求而構建,這些功能會越來越多地嵌入到管理工具中。這種備受期待的功能將簡化IT運營、提高基礎架構和應用程式的穩健性,而且降低總體成本。隨著這一趨勢,人工智慧和分析將嵌入高可用性和災難恢復解決方案,和雲服務產品,來提高服務水準。能夠快速、自動、準確地理解問題並診斷複雜配置中的問題,雲服務的可靠性和可用性將極大地改善。”

Pigeon聯合創始人兼首席戰略官David Cohn:“隨著聊天機器人和人工智慧的不斷發展,他們可以執行的功能在深度和廣度層面都將會增加。這對勞動力來說意味著什麼,積極還是消極?一方面,機器學習將説明人們篩選大量資料並更有效地完成工作。另一方面,隨著人們對機器人交互越來越熟悉,客戶服務和客戶支援的崗位將逐步取消。這將在2019年開始更全面地進行,因為越來越多的企業採用人工智慧和聊天機器人來提高現有員工的生產力,或者逐步淘汰可以借助這些技術來完成的職位。”

Grammarly研究主管Joel Tetreault表示:“在工業強度人工智慧中,許多系統都是由數千(或更多)人類評估者創建和標記的資料集的基礎之上進行調試和評估的。隨著我們解決的人工智慧問題更加複雜,大量高品質人工判斷的需求將會增加,但在利用機器學習技術來收集這些判斷時會有更多時間來取得突破,成本效益更明顯。同時,使用最少甚至沒有標記資料(也稱為無監督技術)的方法將減少我們對大量標記資料的依賴,使深度學習模型能夠在新型和不同類型的問題上進一步發展。”

埃森哲應用智慧部總經理兼首席技術官Jean-Luc Chatelain表示:“谷歌知識圖譜會迎來更多變化,所需的技術NLP、圖形資料庫和內容分析都可以讓知識圖譜能夠更輕鬆來編寫各領域知識。現在已經出現聊天機器人、引導流程工具和自動化顧問,在未來我們將看到越來越多的行業和領域在使用這些工具,包括醫療保健、金融服務和供應鏈。”

內容未完結,請點擊“第2頁”繼續瀏覽。


加入好友,隨時分享有用經驗!
搶先看最新趣文,請贊下面專頁

喜歡就加line好友!!!

添加好友
點擊關閉提示