說說看,AI人工智慧的底線在哪?

DIY MAKER 於 13/12/2018 發表 收藏文章
人工智慧(AI)無處不在,受到大量投資,大量創業公司,所有成熟技術供應商以及大大小小的企業的影響,他們正在嘗試為自己的底線做些什么。

“有些AI應用程序不會辜負炒作,這沒關系。 人們一直計劃擁有自動駕駛汽車。 有些人仍擔心人工智慧接管可能距離僅僅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。 至于人工智慧的收購,這只會在可預見的未來存在于科幻電影中。 我的預測是,我們對人工智慧及其能力現實的期望將在中間的某個地方遇到。 未來5年看起來會像現在一樣,但我們的日常工作將以微妙而重要的方式變得越來越有效。 AI機器人將更好地回答問題和審查客戶服務案例,智能助理將更有能力完成任務,自動駕駛汽車功能將繼續改進,但他們不會接管道路“-首席科學家 Richard Socher


“人工智慧產品的采用將在2019年繼續擴展到從制造到教育,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序能夠減少緊急等候時間,甚至可以免費使用 醫生通過使用AI檢測和診斷腫瘤的時間。 隨著新的進步和應用程序進入各種垂直領域,隨著技術成本的降低以及組織和業務成果的改善,預計會加速采用。 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通過人工智慧轉變業務的客戶提供更好的一流體驗“-聯想公司總裁兼首席運營官,Gianfranco Lanci

“除了目前在移動應用和其他醫療保健IT平臺上可用的預先存在的聊天機器人之外,患者還會發現自己通過各種全渠道用戶界面進行交談。 像Alexa和Google Home這樣的對話體驗的消費者框架可能會增加HIPAA隱私支持,為機器人打開了大門,以便在患者訪問之間的時間間隔內保持對話。 在護理環境中,醫院病床旁的護士呼叫按鈕,收集健康歷史記錄的表格以及笨重的調度應用程序將演變為以客戶為中心的機器人醫療助理“-Deloitte ConvergeHEALTH首席技術官,Dan Housman


“2019將看到鐘擺轉向關注邊緣執行分析。 組織將通過處理和分析邊緣數據而不是將其移回核心,存儲和應用傳統分析來節省時間和金錢。 用例包括異常檢測(欺詐),模式識別(預測故障/維護)和持久流。 自動駕駛汽車,石油和天然氣平臺,醫療設備都是這一趨勢的早期例子,我們將在2019年看到擴展。這一趨勢的成本驅動因素是帶寬(半連接環境以及昂貴的蜂窩)考慮和存儲(減少數量) 發送到云的數據)“ - MapR數據和應用高級副總裁,Jack Norris

2018年是公眾對負責任的人工智慧覺醒的一年。 2019年將是行動的一年。不僅僅是數據倫理學家和人權倡導者要求公平,問責和透明。消費者已經在改變他們使用Facebook的方式或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和利用個人數據的其他服務。將編寫更多關于負責任地創建和使用人工智慧的承諾和聲明,并且公司將被迫采用它們。在影響人權的決策中,公眾將反對政府使用有偏見的人工智慧。更多員工將要求對他們創造的東西產生影響,并拒絕為有害自動化做出貢獻。公司將不得不帶著他們的意識 - 無論是購買人工智慧解決方案還是構建他們 - 并尋求保證系統是公平的,以避免成為人工智慧出現問題的下一個標題“-Salesforce公司 Ethical AI的實踐架構師,Kathy Baxter


“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,這些功能將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序的穩健性,并降低總體成本。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,以及云服務提供商產品,以提高服務水平。能夠快速,自動,準確地理解問題并診斷復雜配置中的問題,云提供的關鍵服務的可靠性和可用性將極大地改善“-SIOS技術總裁兼首席執行官,Jerry Melnick

“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的深度和廣度將會增加。這對勞動力來說意味著什么,積極和消極?一方面,機器學習將幫助人們篩選大量數據并更有效地完成工作。另一方面,隨著人們對機器人交互越來越熟悉,客戶服務和支持角色將逐步取消。這將在2019年開始更廣泛地發生,因為越來越多的企業采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采取的職位“-Pigeon 聯合創始人及首席戰略官,David Cohn

“關于工業強度人工智慧的一個骯臟的小秘密是,許多這些系統都是在由數千(或更多)人類評估者創建和標記的數據集上進行培訓和評估的。隨著我們解決更復雜的人工智慧問題,對大量高質量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和成本效益的突破。同時,使用最少甚至沒有標記數據(也稱為無監督技術)的方法將減少我們對大量標記數據的依賴,使深度學習模型能夠在新的和不同類型的問題上更加健壯“-Grammarly 研究主管,Joel Tetreault


“知識圖是新的黑色!所需的技術 - NLP,圖形數據庫,內容分析 - 現在已經過一致,使知識圖能夠輕松編寫領域知識。從可用的聊天機器人,引導流程到自動化顧問,我們將看到越來越多的行業和領域的使用,包括醫療保健,金融服務和供應鏈“-埃森哲應用智能部總經理兼首席技術官,Jean-Luc Chatelain

“機器人過程自動化(RPA)在過去兩年中一直是最熱門的技術領域之一 - 因為其簡單,易于理解的價值道具 - 過程自動化,效率; 釋放資源,專注于更高價值的活動等。但它有根本的限制 - 它只對死記硬背,重復過程有效,并且不會影響涉及非結構化內容的工作流程,這些內容構成了大多數企業中80%以上的數據。 與此同時,人工智慧和機器學習被認為過于深奧; 需要太多的數據科學專業知識,過多的掌控,太多的不確定性和ROI風險。 公司將尋求彌合2019年的差距 - 通過許多專家稱之為“智能過程自動化”的RPA馬力和人工智慧/機器學習的智能之間的差距 - 印第安納首席執行官兼創始人,Tom Wilde

隨著人工智慧科技的進步,越來越多的技術都融入了機器學習及深度學習技術。在Google I/O 2018大會上,谷歌為全世界詮釋了什么叫做AI產品。其中。谷歌的開源計劃--AIY Projects(AIY計劃)受到了在場開發者的關注,其目標是讓每個Maker(創客)都能DIY自己的 AI 人工智慧產品,讓更多人能學習、探索并體驗人工智慧。

如果喜歡我們的文章,請即分享到︰

留言

會員
我要評論
請按此登錄後留言。未成為會員? 立即註冊
快捷鍵:←
快捷鍵:→