【Gartner2018人工智能预测】AI迎来大众化应用元年，虚拟助理将普及

姬子玉
100 阅读16分钟

深度学习 人工智能 云服务

上海市科学学研究所产业创新研究室副研究员孟海华根据Gartner报告“Predicts 2018: Artificial Intelligence”，总结了Gartner对2018年人工智能发展预测的要点。

一、概述

未来趋势：一是虚拟助手将在消费服务和面向客户/公民的应用程序中普遍存在，将大大提升人工智能在大众中普及程度。二是人工智能和机器学习策略的开发/投资已经成为CIO们五大优先事项的主要组成部分。三是机构将面临越来越大的信息安全威胁，例如人工智能产生恶意的“虚假信息”，旨在损害他们的品牌价值。四是人工智能将引起人们对责任、侵犯隐私、假新闻、信息诈骗等问题的广泛反应。

企业层面：一是着手规划、开发和部署业务流程领域中的智能虚拟支持功能，客户和公众对人工智能助手的应用需求会越来越旺盛。二是在成熟的工具中融入集成的人工智能将减少从无到有发展人工智能，白手起家的原始风险，并且更能突出特定实用的功能。三是在企业的品牌战略中要考虑科技伦理。四是创造有价值的内容，验证相关内容在公司环境或政府环境中的实用性和可靠性。

二、未来五大愿景要点和分析

一是在发达国家，到2020年，20%的公民将使用人工智能助手帮助他们完成一系列日常的、可操作的任务。二是到2022年，40%的面向客户的员工和政府工作人员每天都会咨询AI，在虚拟助理的支持下进行决策或执行流程。三是到2020年，85%的CIO将通过AI程序执行购买、建造和外包工作。四是到2022年，公司内部公开设立的人工智能项目将100%从CIO那里得到资金支持。五是到2022年，成熟经济体中人们将面临比真实信息更多的虚假信息。

2018年对人工智能的预测表现为以下方式的扩散（图1）。第一是人工智能技术取得突破，加上API和云架构提升了AI的功能，使其在更广泛的范围内得到应用。第二是供应商在智能手机、智能家居、虚拟助手中融合应用AI技术将取得成功，这将大大丰富和满足消费者对人工智能的期望。

f5b7b566f5362ff42108a2fb0e8981093399c386

图1 2018年AI能力将快速扩散

Gartner认为，2018年将是人工智能大众化应用的开始，将影响到企业和政府之外的更广泛的领域，这会给人工智能的发展和CIO们带来更多的机会。

人工智能应用的大众化扩散的驱动力来自于：一是将AI添加到应用程序和主要平台，如云办公套件。这意味着更多组织和大多数员工会在专门的活动或投资之外使用AI，而不需要专业技能。二是人工智能将与云计算不断融合，向云端不断迁移，因为API在本地服务器上更容易实践人工智能。我们与Gartner客户有关人工智能的对话也提到了“云”，人工智能和云的融合速度快于没有提及的人工智能查询。三是人工智能的消费主要由以深度神经网络为基础的虚拟助手提供，例如未来的Alexa和Siri，必将满足终端用户对产品和服务中的语音智能、智能界面的认识和期望。

普遍认为，人工智能指的是根据数据收集、使用分析和其他观察，对行为进行改变而不作明确编程的系统。2018全年，人工智能性能将继续提升。过去几年中，在主要的云服务提供商的努力下，深度学习、语音识别等领域的性能得到了飞跃。类似的进步，也会发生在特定的垂直领域和更广泛的水平区域，因为AI的研发和使用，会激发提升更多、更好的技术环节，运用更多、更好的数据以及更多的细节。CIO在探索和应用人工智能方面面临两个主要挑战：一是技术熟练、经验丰富的员工的可得性；二是员工对人工智能潜力和功能理解的缺失（如图2）。许多机构刚刚开始开发人工智能策略，嵌入在应用程序中的增强AI将减轻人员配置问题。一个基于人工智能发展战略规划的企业策略正在形成，熟练工人和人工智能之间的矛盾需要在磨合中最小化。

7da2339d99d100d6ce840238986e2f3cbc73c7da

图2 员工的技能是AI应用的第一大挑战

根据Gartner最新的研究调查，管理者的理解和水平是人工智能部署中最大的挑战。管理者的水平需要提升，例如直到最近，越来越多的管理者才开始理解和依赖先进的统计技术，使用这些技术从“噪音”中提取“信号”来改进决策，这是依赖于AI系统和服务的起点。管理者对深度学习的理解仍然有限，而且还在不断丰富中。我们仍然不知道如何可靠配置一个DNN来提供有用的结果，并对DNN训练的周转时间长，使得评价周期更长。现在的很多大学都在培养大学生诸如深度学习方面的能力来提升毕业生的含金量，但是很少学生有成功开发DNN模型的经历。人工智能的切入点和算法将成为人工智能在真正意义上实现的根本障碍。有必要以某种方式公开人工智能的工作状态或者解释其发挥的重要作用，以满足人类对人工智能的理解和关切，这种担忧在管制行业尤其突出。

未来愿景一

在发达国家，到2020年，20%的公民将使用人工智能助手帮助他们完成一系列日常的、可操作的任务。

1 主要观点

在发达国家，个人的互动与基于人工智能的服务已经变得越来越频繁，虚拟个人助理（VPA）不再是简单的提问和回答。从主要语音厂商反馈的数据来看，目前的语音错误率徘徊在5%，这是可以接受的错误率。这种更高的准确性使消费者更偏向于语音服务，如苹果的Siri、亚马逊的Alexa和谷歌助手，对数以百万计的智能手机用户来说更加有效。在这个背景下，2018年人们将赋予人工智能更多、更高的期望。

Gartner已经预测，2018年将有超过20亿的人会通过智能手机及其连接的设备，使用会话AI与VPA、虚拟客户助理（VCA）、虚拟执行助理（VEAs）、聊天机器人和其他的人工智能功能的服务。消费者将越来越熟悉使用这些服务，制定简单任务过程，比如设置闹钟或提醒。他们很容易地将这些人工智能会话转换成更复杂的任务，例如对未来任务进行计时或以其他方式进行交互。

2 市场预测

今天，亚马逊为用户提供了Alexa的技能工具包，使他们能够创建“技能”或任务，Alexa以响应语音查询或指示来使用。例如，达美乐披萨和必胜客都为Alexa创建了披萨“技能”。用户在零售商的网站上创建一个帐户，激活相关的技能，并告诉Alexa通过该网站订购比萨饼。目前，这种模式如何演进还处于不确定的阶段。

对于零售商、服务提供商和其他许多人来说，重要的挑战如何通过苹果、亚马逊等人工智能助手主持的第三方对话，来“了解”他们的产品和服务。这意味着标准化服务和产品的标准将越来越多，这取决于助手的“聪明”程度，以及供应商与智能助手的创建者建立了什么关系。

未来愿景二

到2022年，40%的面向客户的员工和政府工作人员每天都会咨询AI，在虚拟助理的支撑下进行决策或执行流程。

1 主要观点

人工智能助手将越来越多的被作为会话平台与决策过程支持助手的关键点。AI功能将在两个方面支持虚拟助理：一是作为一种资源，AI使人类支持代理能够更快更有效地响应客户/公民的查询或行动；二是成为回答基本查询的首要对话界面。当前人工智能在减少关系摩擦和改善服务方面超越了商业售卖。具有人工智能虚拟助理（如苹果Siri或亚马逊Alexa）的人们对政府服务的反应也越来越灵敏。

许多CIO尚未充分意识到基于人工智能的虚拟支持代理的潜力，包括聊天机器人。神经语言程序学配合机器学习能够理解不同组合中的词汇含义，并提出问题以揭示意图和创建上下文。基于这种理解，虚拟代理将能够回应客户或公民的问题，采取或提出智能支持。一个虚拟代理将能够更快地完成任务，而不仅仅是一个代理——人或虚拟的智能研究机构。

2 市场预测

在未来的每一个企业都将在市场开发部使用融合人工智能技术的虚拟助理。但是，更重要的演进是将人工智能的应用扩展到后端决策和流程框架中。Gartner预测，到2020年，25%的客户服务和支持业务将通过渠道管理整合进VCA技术中，相比2015年的少于2%有大幅上升。现阶段的主要挑战是市场不成熟和产品限制。大部分市场的发展一直停留在简单的聊天。支持前端代理的虚拟代理的案例还很少。

未来愿景三

到2020年，85%的CIO将通过AI程序执行购买、建造和外包工作。

1 主要观点

目前的人工智能趋势意味着大多数机构将不必从头开始启动他们自己的人工智能研究项目。相反，CIO们将能够从当前的知识中收集和整理合理的发展战略，集合各业务单位的具体擅长。今天，绝大多数企业处于人工智能倡议的早期阶段，但它们正在迅速地向前发展。来自Gartner的最新调查数据显示，约4%的CIO（首席信息官）有AI部署，另外21%有短期规划，另有25%在中期或长期规划中有AI倡议。

fb444e85be4ddd0d3f2b90d5d751d8556a075a8f

图3 在2018年部署AI倡议

CIO们面临一系列严峻的挑战，包括孤立的数据孤岛，可怜的或不确定的数据质量，数字化和最基础的AI技能缺乏。雪上加霜的是，DNN开辟了AI新天地，怎么去适应？网络公司、云计算企业和云服务提供商都在选择部署机器学习和DNN融合的产品，该领域正有大举蔓延的趋势，未来三年人工智能人才缺口也将迅速填补，因为越来越多的大学开设人工智能课程，并展开人工智能再培训。在接下来的三年里，更多的软件企业和云服务提供商将DNN功能整合到他们的产品，进一步降低AI项目相关的复杂性和障碍。

2 市场预测

人工智能技术的神秘性能够轻易的掩盖CIO的主要需求，影响决策者对AI能够发挥重要作用的准确识别定位。因此要积极关注AI成功案例和可能的行业使用模式，以便在自己的机构中复制案例。在案例的实际操作中，需要权衡当前新兴的人工智能能力，引导开源，务实功能并适当外包，从无到有的建设或购买现成的人工智能设备。全球AI技能和经验丰富的专家偏少，意味着激烈的人才的争夺战。庆幸的是，大多数本科和研究生STEM课程都和机器学习和统计课程沾边，这些有利于培养更多的人工智能人才。公司CIO们将不得不搭配雇佣新兴血液和内部员工，并使用内部或外部的培训计划完善员工的技能。

Gartner预计云服务提供商和其他公司将通过认知API引入强大的机器学习环境。这些例子包括IBM沃森产品和服务、微软Azure机器学习工作室和亚马逊机器学习。亚马逊人工智能有三层架构：框架和基础设施与工具，如Apache mxnet和tensorflow，API驱动的服务，让开发人员针对数据科学家添加智能应用程序和机器学习平台。云服务提供商正在提供全面的可扩展的IaaS，SaaS和PaaS公共云环境。

未来愿景四

到2022年，公司内部公开设立的人工智能项目将100%从CIO那里得到资金支持。

1 主要观点

CIO们正在评估关键任务的应用场景，确定对AI的举措。实事求是的说，人工智能驱动过程和能力优化的潜在好处是巨大的。但是，创建系统的危险性似乎带来了偏颇的结果，这可能对AI结果会造成毁灭性的影响。因此，决策者需要确保基本方法科学，采取问责制和提升透明度。企业使用具有挑战性的DNN案例的情况下，CIO必须能够验证和捍卫AI系统的结果。CIO寻求能够提供有效生产的AI的举措将是高度公开和透明的。

许多企业使用案例，从金融服务到自动驾驶，实施DNN技术将具有挑战性。在金融服务方面，规定要求金融服务分析要有明确的定义和解释。而DNN可以提供极其精确的结果，但它中间阶段的数据如何转换得到结果往往是不透明的。因此，对于涉及诉讼、法规规范、监督和业务控制的案例，将需要采用更加科学的方法。人工智能生态系统应该提供工具来验证数据源和模型结果。机器学习建模环境越透明，组织就越能分析底层机器学习模型的效能。研究人员正在努力提高DNN方法透明度。

2 市场预测

透明度的缺乏确实存在，用户验证人工智能模型将依赖于供应商的选择标准。在不可能绝对透明的情况下，领先的供应商将提供一些增强工具，帮助最终用户审查中间数据并提高调试能力。与传统的IT环境相比，人工智能环境需要对输入流进行更高频率的审查和对输出信号的验证。供应商可以通过在软件产品中集成审查功能来弱化其中的一些挑战。

未来愿景五

到2022年，成熟经济体中人们将面临比真实信息更多的虚假信息。

1 主要观点

一是智能之下隐藏的偏见——一种众所周知的人类倾向——引导所有人去寻找、选择和评估他们所相信的、期望被证明真实的信息；二是人工智能可以检测错误信息，但也可以生成它。检测和改善需要时间；三是人工智能创造虚假信息的成本和花费要比检测信息的成本更低。由于经济和政治的原因，虚假信息会超越真实信息的传播。在2020年之前，这种虚假信息表现为诈骗信息和金融领域的谎言；在这段时间内，没有大型互联网公司将完全成功地减轻这一问题。到2020年底，一些主要国家将通过规章或法律来遏制虚假信息的传播。

2 市场预测

2017年世界范围内的一个重要主题是创造“假新闻”，这些术语被用来诋毁真实的信息，以及恰当地用来描述完全错误的信息。Gartner在2004推出了“假现实”这个词，用以描述更为广泛的数字内容，无论是好的还是坏的。试图纠正错误信息会使误解变得更糟。仅仅鼓励人们考虑与初始信息相反的修正常常会无意中加强错误信息。因此，提供一个好的主张，详细揭露消息和减少误报率是唯一正道。通过努力培养，公司透明公正的行为和正确价值观的品牌将普遍盛行。选择不参与短期操纵真相、坚持保持诚信的企业将长期受益。


原文链接


avatar
文章
阅读
粉丝