是否準備就緒將會有更多的人工智能服務

對于已經使用了幾十年的技術，人工智能已經作為一種標志性技術成功地出現在公眾的想象中-即使不是總是以積極的方式。

從好的方面來看，人工智能及其相關的技術(例如機器學習和深度學習)可以支持現在獲得的授權服務，例如智能手機和設備(例如Amazon.com Inc.的Echo和Google LLC的Home)中的語音識別。這是自動駕駛汽車，更好的疾病診斷以及不那么明顯但至少具有影響力的，更自動化的信息技術基礎架構(云和數據中心)的基礎。

同時，人工智能已被用來針對虛假新聞，歧視某些類型的工人或客戶，并引發了人們的擔憂，即如果他們過分夸張地說，機器可能會使大多數工作過時而過時。尤其重要的是，諸如特斯拉公司首席執行官埃隆·馬斯克(Elon Musk)和已故的物理學家斯蒂芬·霍金(Stephen Hawking)之類的領導人物已經引起了人們的關注，人們仍然擔心，失控的AI可能威脅人類的生存。

無論是好是壞，來年毫無疑問，在各種各樣的產品，企業和日常活動中，人工智能和機器學習的使用將加速增長。以下是對即將發生(以及未發生什么)以及專家的想法的一些預測：

人工智能將對企業和消費產品同樣重要

SiliconANGLE的姊妹市場研究公司Wikibon負責AI，數據，數據科學，深度學習和應用程序開發的首席分析師James Kobielus表示，AI已經在重塑商業智能。這使業務用戶可以進行大量分析，而這些分析曾經需要訓練有素的數據科學家。

然后是機器人流程自動化，或模擬人們如何在流程中執行任務的軟件，這已成為AI的主要企業用例之一。人工智能也正成為管理信息技術基礎架構的關鍵基礎，這是一種新興的范例，稱為“ AIOps”。正如Kobielus所指出的那樣，其構想是使基礎設施和運營更加連續地自我修復，自我管理，自我保護，自我修復和自我優化。

尤其重要的是，機器學習通過使機器本質上能夠創建應用程序而不是需要編程特定邏輯和規則的開發人員，開始轉變軟件開發本身。希望這種情況在2019年變得更加明顯，特別是隨著云計算巨頭提供越來越多的AI服務。Dun&Bradstreet最近的一項調查中，幾乎有一半的企業表示他們正在部署AI系統，另有23%的企業處于計劃階段。

別人怎么看

“更多的BI供應商將集成大量的AI，以自動化從復雜數據中提取預測見解，同時在解決方案中提供這些復雜功能，以提供自助服務簡便性和指導性的最佳行動方案。” -詹姆斯·科比盧斯(Wikibon)

“機器學習將進入操作階段，擺脫后臺實驗，進入實時，關鍵任務的企業應用程序結構。” — ZDNet引用了Splice Machine首席執行官Monte Zweben

“不要跟我談論您正在執行的一個或兩個AI項目;我在想，好幾百個。” — IBM Corp. Analytics總經理Rob Thomas，在CUBE上

“循環中的人類”將成為口頭禪，但并非總是如此

由于AI驅動的服務(例如亞馬遜的Alexa)通常能很好地工作，因此有一種假設，即AI將接管所有工作方式。事實并非如此，肯定很快。麥肯錫(McKinsey)估計，使用當前技術可以完全自動化地完成不到5%的職業，但是大約60%的職業可以看到至少30%的活動是自動化的。

這意味著在2019年及以后的幾年中，一些最成功的應用程序將是那些可以幫助人們更好地完成工作的應用程序，無論是通過MRI掃描進行分析的臨床醫生，還是與工業機器人一起工作的工廠工人或試圖處理更多潛在客戶的抵押貸款官員， 。

就是說，由于人的更高生產力通常是以犧牲別人的工作為代價的，因此有人堅持認為AI只是一種工具而顯得有些空洞。如果AI真正能造福社會而又不讓該社會中的很多人失業，那么AI提供商和使用AI的公司將需要在2019年開始證明這一點。私營行業和政府都需要加強工作為因AI效率高而失業的人們提供解決方案。

別人怎么看

“人工智能將繼續使我們的工作變得更輕松，并使我們能夠完成更多…。工人將根據我們的偏好選擇擁有某些任務或將項目委托給機器。” — ZDNet引用SAP的SAP Leonardo副總裁David Judge的機器學習和智能流程自動化

隨著錯誤和恐懼的加劇，人工智能將變得更加透明

機器學習，尤其是諸如使用人工神經網絡的深度學習之類的機器學習的一個重大突破是，用于產生結果的算法是一個黑匣子。您輸入了很多數據，但結果出處并不總是很清楚-有時是不正確的，例如，當無人駕駛汽車意外停在路上的一個小小的物體上時，卻偶爾殺死了那個人似乎看不見或正確理解。

確實，在Dun&Bradstreet最近的一項調查中，幾乎有一半的受訪者表示AI可解釋性是其組織中的一個問題，還有46%的受訪者表示，他們至少在弄清楚自己的AI系統如何得出答案方面遇到了一些麻煩。

同樣糟糕的是，用于訓練AI系統的數據是錯誤的或有偏見的。例如，亞馬遜公司(Amazon.com Inc.)在 明顯地偏愛男性而不是女性之后，于2015年不得不 放棄其AI驅動的招聘工具，因為它認為男性是被錄用的大多數申請人這一事實意味著他們是優秀的。今年，這種認識很可能會轉向采取更多行動來避免此類事情-必要時通過立法。

盡管打開黑匣子只能做很多事情，但除了我們能看到的人們用來分析他們的決定的大腦之外，還有更多的需求，尤其是立法者越來越要求闡明人工智能的內部運作方式。

毫無疑問，一些將數據和算法視為專有優勢的科技公司不會在這里領先，但谷歌等公司已經在破解它。各國政府可能會要求一定程度的透明度，盡管目前尚不清楚如何做到這一點。但這將成為今年更大的問題。

別人怎么看

“ AI和全球科技巨頭所擁有的力量提出了許多有關如何規范行業和技術的問題。在2019年，我們將必須開始提出這些問題的答案-當技術是具有特定上下文結果的多用途工具時，您將如何規范它?您如何制定法規以不扼殺創新或不鼓勵大型公司(可以吸收合規成本的公司)勝過小型初創公司?我們在什么級別進行監管?國際?國民?本地?” — Rumman Chowdhury，埃森哲埃森哲應用智能事業部常務董事兼負責任的人工智能計劃的全球負責人，在VentureBeat中引用

“發生事故時，可能需要在法院解決和解責任。必須制定新的判例法，以使法院在涉及賠償責任的棘手問題上擁有足夠的參考資料。” — Mobilocity LLC首席分析師J. Gerry Purdy

“也許我們應該借鑒人類心理學的一些觀點”，以使人工智能更具解釋性-ZDNet引用Unity技術的AI和機器學習副總裁Danny Lange

“將是行動之年。有關負責任地創建和使用AI的承諾和聲明將越來越多，并且公司將被迫采用它們。公眾將在影響人權的決策中反擊政府對有偏見的人工智能的使用。更多的員工將要求對其創造的東西施加影響，并拒絕為有害的自動化做出貢獻。無論是購買AI解決方案還是構建AI，公司都必須以自己的良心為先，并尋求確保該系統是公平的，以避免成為AI的下一個頭條新聞。” — Salesforce.com Inc.道德的AI實踐的架構師Kathy Baxter

“國會開始規范人工智能，并要求在消費者和企業方面都需要更多的驗證，原產國和透明度，這只是時間問題。特別是銀行，需要提防與利用大數據有關的歧視做法，并且必須不斷評估參與開發的人員在算法中嵌入的可能偏差。” — Compliance.ai聯合創始人兼首席執行官Kayvan Alikhani

不良行為者會在阻止他們的努力之前，逐步擴大對人工智能的欺騙

無論是“深造假”色情，更強大的人工智能驅動的網絡攻擊，還是俄羅斯等民族國家的繼續，其針對Facebook和其他社交媒體上的人來影響選舉，AI才剛剛開始顯示出它有多大威脅在錯誤的手中。

和大多數技術一樣，不可能將它們排除在外。因此，尋找在2019年使用AI和機器學習帶來的更多壞東西。“有一場完美的AI浪潮正等著發生，” Wikibon的James Kobielus說。“人類剛剛開始冒起冒泡的危險大鍋帶來的破壞性后果。” 問題是，我們才剛剛開始理解問題的嚴重性，更不用說找到改善方法了。這項工作才剛剛開始，但今年無論是在私營企業還是在世界范圍內，政府都將對此給予極大的關注。

別人怎么看

“必須進行許多權衡，許多人可能會發現由此產生的技術，法規和其他補救措施與危險不相稱。而且我們到處都需要政治領導，而他們本身在這些問題上不會流氓。但是我們會天真地相信社會能夠完全保護自己免受可能因人工智能發明而給我們帶來的所有不利后果。” -詹姆斯·科比盧斯(Wikibon)

更專業的AI硬件將繼續發展

英偉達公司的圖形處理單元芯片由于能夠并行處理許多操作，因此在計算機學習方面已經占據主導地位。但這對于最初為加速游戲而開發的芯片來說是一個不幸的事故。

現在，眾多初創公司和大型芯片制造商(如英特爾公司)將大量替代芯片打入市場，這些公司近年來已收購了許多此類初創公司。就像可以通過其云服務獲得的Google的Tensor處理單元芯片一樣，它們被調整為運行機器學習算法，據稱它甚至比GPU還要快。今年將展示他們是否能夠兌現諾言。

對數據集和無代碼工具的更多訪問將有助于使機器學習民主化

到目前為止，機器學習已被許多技術巨頭所控制，例如Google，Amazon，Microsoft和Facebook等許多數據，其中一些也是云計算的領導者，因此他們也可以將其數據驅動的服務出售給其他人也一樣。這導致人們擔心小公司會進一步落后于他們，因為它們根本無法訪問支持現代人工智能的幾乎所有數據。

出于某些原因，這些擔憂可能沒有看起來那么合理。首先，在特定行業，產品和服務方面處于領先地位的公司，例如在引擎方面的通用電氣公司，擁有自己的大量數據，甚至谷歌和亞馬遜也沒有。另一個原因是，開放數據源的數量不斷增長，并且組織不斷推動這些數據源可能會幫助武裝這些小家伙。他們是否成功將在明年左右顯現出來。

別人怎么看

“機器學習的實施將非常廣泛地分布。Google不會“擁有所有數據” – Google將擁有所有Google數據。谷歌將有更多相關的搜索結果，通用電氣將有更好的引擎遙測，沃達豐將有更好的呼叫模式和網絡規劃分析，這些都是不同公司構建的不同產品。谷歌在成為谷歌方面做得更好，但這并不意味著它在其他方面也有優勢。” — Benedict Evans，Andreessen Horowitz的合伙人

“您無需知道微波技術如何工作即可使用，它只是一種工具。隨著無代碼，點擊工具的大量涌入，我們正與AI進入同一階段，無論技術背景如何，它將成為每個人廣泛使用的實用程序。因此，未來幾年的大多數AI應用程序將由未經或幾乎沒有AI培訓的人員構建。” — Salesforce.com數據科學副總裁Vitaly Gordon。

自動駕駛汽車仍不會很快被廣泛使用

甚至沒有自動駕駛汽車的試驗，如果不是因為機器學習就可以理解來自無數傳感器的所有數據，并同時做出瞬間決定汽車應該做什么的決定。但是，這項技術遠非完美，正如過去幾年中兩名駕駛員或行人的死亡證明的那樣。

不僅如此，許多人顯然還沒有準備好全自動駕駛汽車。在亞利桑那州，有些人在向Waymo的車輛砸毀并扔石頭。公司，更不用說政府了，甚至還沒有弄清事故責任和許多其他法律問題的開始。結果，盡管進行了所有測試和承諾，但自動駕駛汽車和任何一種大眾現象仍相距數年之遙。

也就是說，從Waymo和通用汽車公司到Tesla，Uber Inc.和Lyft Inc.的大型且資金雄厚的公司正在全速前進，以完善技術方面。至少，人工智能驅動的車輛可能開始變得越來越普遍，無論是無人機還是地面機器，都可以在最后一英里交付產品。看到它們在來年滾動或飛到您家門口，請不要感到驚訝。

別人怎么看

人們已經計劃有一段時間自動駕駛汽車了。有人仍然擔心AI的接管可能只有20年，但事實是我們離真正的自動駕駛汽車還有很長的路要走。自動駕駛汽車的功能將繼續改善，但不會取代道路。” — Salesforce.com的首席科學家Richard Socher。