2021年人工智能产业预测

HERO编译
很多组织将采用诸如云计算和边缘计算之类的技术,由于它们能够处理和管理为人工智能、机器学习、物联网技术提供的所有必要数据的能力,它们将继续占主导地位。

2020年是充满动荡的一年,组织面临着众多挑战。进入2021年,人工智能行业将会快速发展。为了对2021年的重要新趋势有所了解,行业媒体采访了各行业厂商的高管,以获取他们的思想和见解,以及对可能发生的事情的预测。

2021年人工智能的产业预测

Teradata公司执行副总裁兼首席产品官HillaryAshton表示,随着组织寻求重新开放和获得足够收入来源的目标,他们将需要利用人工智能技术实时收集关键见解,从而使他们能够这样做。采用人工智能(AI)技术可以帮助引导组织了解其确保客户和员工安全的策略是否有效,同时继续促进增长。随着组织认识到人工智能有助于其组织政策管理和合规性,确保安全并提高客户体验的独特能力,将会看到各行业人工智能的普及率不断提高。

Jitterbit公司首席技术官Manoj Choudhary表示,在2021年,将会看到人工智能、机器学习和物联网定义并塑造人们的生活和行为,这种现象将会持续很多年。这些进步将会影响人们的工作、生活、购买、支出等每件事的处理方式。但是,很多组织将采用诸如云计算和边缘计算之类的技术,由于它们能够处理和管理为人工智能、机器学习、物联网技术提供的所有必要数据的能力,它们将继续占主导地位。以及支持iPaaS、APIM和RPA等技术。随着这些技术从人工驱动业务发展为最终可以利用人工智能和物联网的力量的数字业务,这些技术将继续引领业务的数字化转型。

Kalypso公司总经理George Young表示,即使出现有效应对冠状病毒的疫苗,人们的工作方式和互动方式也会发生根本性的变化。在新的一年中,远程工作将会持续,社交远离的要求将保持不变,供应链将继续面临中断。这种新的生活方式要求组织采用新的方式在整个价值链中有效地继续运营,从产品到工厂再到最终用户。人工智能的使用将成为应对这些挑战的标准。但是,如果不考虑人类将如何与这些新的自治系统交互和利用,那么人工智能的应用将会面临失败。

在2021年,组织将以人为本的方式开展人工智能计划,了解用户需求和价值,然后相应地调整人工智能设计和模型,从而提高采用率。为了使人工智能取得成功,组织必须与技术本身一样关注人才和文化。组织变更管理(OCM)团队对于推动数字化转型和人工智能前进至关重要,因为它可以带动人们一起参与变更之旅,并为可评估的结果建立组织。适当的变更管理是任何数字化转型计划中最重要但仍被忽视的方面。

Gramener公司分析主管Sundeep ReddyMallu表示,在2021年,组织将依靠人工智能系统专注于持久和有意义的业务价值。这一变化将推动组织内部更深入的数据素养计划。这将要求人们学习新技能并以新方式行事。

Pega公司市场营销人工智能和决策产品策略高级总监Vince Jeffs表示,大多数消费者将继续对人工智能持怀疑态度。大多数人仍然不信任人工智能,这是因为他们不了解它,甚至没有意识到自己每天都在使用它。消费者免费获得了许多以人工智能为基础的服务(Facebook、Google、TikTok等),以至于他们不了解自己所付出的回报(也就是提供个人数据)。只要人们有着这样的想法,他们将无法预料到人工智能可能带来的危险或如何保护自己,除非市场能更好地教育客户或实施法规来保护他们。尽管如此,仍有证据表明行业厂商正在扭转人工智能的可信度。在Pega公司进行的调查中,81%的商业领袖表示,随着越来越多的人意识到人工智能将会如何影响生活,并且在某些情况下得到喜爱,他们将会继续面临更棘手的问题,进一步削弱对人工智能的信任,迫使组织必须对他们的要求进行回应。

Blue Prism公司人工智能和研究主管Eric Tyree表示,基于人工智能的数字工作者将帮助组织长期保持战略发展。很多人认为人工智能和自动化对于组织未来的生存至关重要。然而,研究表明,大多数组织尚未完全意识到其人工智能和自动化投资的好处。通过数字化劳动力将强大的人工智能功能与业务流程联系起来,将会越来越多地看到组织大规模实施人工智能驱动的自动化。采用人工智能的自动化技术将越来越多地与核心战略计划相关联,例如改善客户关注度、收入增长、资本分配、供应链管理、风险管理、成本和运营效率等。人工智能驱动的数字工作者将被用作执行组织战略和管理企业规模风险的主要工具。快速有效地采用自动化将越来越被视为保持市场竞争力的重要组成部分。

Dataiku公司首席执行官兼联合创始人Flori Douetteauge表示,人工智能实验将变得更具战略意义。在整个模型开发过程中进行实验。通常情况下,每个重要的决定或假设都至少伴随一些实验或先前的研究来证明这些决定的合理性。从建立成熟的预测机器学习模型到进行统计测试或绘制数据图表,实验可以有多种形式。尝试所有可能的超参数和特征处理等的所有组合很快变得无法追踪。因此,将会开始看到组织为实验定义时间或计算预算,以及模型有用性的可接受性阈值。

普华永道公司全球人工智能主管Anand Rao表示,在2021年,将会看到人工智能成为应用主流。由于发生冠状病毒疫情,很多组织被迫进行数字化转型,以便在新常态下生存。根据研究,数字加速在新的一年没有停止的迹象,目前有86%的组织通过人工智能获得更好的客户体验的收益很可能会持续下去。疫情也改变了人工智能投资的业务重点。例如,已经看到组织从简单的任务(如自动化)转变为专注于劳动力计划和仿真建模。随着组织继续从其对复杂流程的数字投资中看到收益,人工智能的应用将在2021年变得更加广泛。

MachEye公司首席产品官兼客户成功主管Dhiren Patel表示,人工智能和商业智能的融合将增强数据洞察力。在过去的五年中,人工智能一直是行业组织讨论的一部分。然而,挑战仍然是使大部分员工的高级人工智能见解民主化的过程。随着新的基于人工智能的商业智能产品的出现,各个孤岛将被打破,每个用户都将能够利用数据分析并轻松地找到见解。简单的界面、个性化的见解和引人入胜的数据体验将成为2021年及以后数据分析的标志。

Onfido公司研究副总裁Mohan Mahadevan表示,在过去的一年中,许多人工智能驱动的面部识别算法中的种族偏见一直是人们讨论的主要话题,并且由于2020年的社会动荡而达到顶峰。研究发现,广泛的证据表明,与白人相比,有色族裔面临的种族偏见可能性要大得多。在2021年,对于任何利用人工智能或面部识别技术的组织来说,矫正人工智能偏见将成为一个主要话题。通过使用政府发布的文档,人们可以通过分析文档上的头像并将其与尝试访问系统的头像进行比较,从而快速轻松地证明ID所有权。2021年将是人工智能偏见揭露的一年,组织将开始实施根本性的变革以消除软件中的种族偏见,其中一部分可以通过刻意关注公平和培训公司的机器学习系统以减少识别错误。

Capacity公司创始人兼首席执行官David Karandish表示,2021年将是随意采用人工智能到保持忠诚关系的一年。人工智能不再仅仅用于研发项目,现在是致力于调整这些解决方案时候,现在必须实现自动化。

Capacity公司首席数据官Dave Costenaro表示,随着计算能力、互联网规模数据和现代机器学习算法的融合,在过去的几年中,人们在人工智能方面开创了令人瞩目的新天地。在未来的几年中,将进入一个扩展时代,在这个时代中,将用更多的商业用例进行原型设计、包装和生产,以增强现有产品和服务或创建全新的产品和服务。

6sense公司首席技术官Viral Bajaria表示,人工智能的成功已从通用转移到利基市场。在组织对人工智能投资持续增长的同时,也正在重新评估其技术堆栈以适应特定的人工智能。而解决特定问题的完善用例将优先考虑预算,而不是自动化,它会做所有事情。

LLamasoft公司全球影响力总监Andy Fox表示,不久前,人工智能就是人们现在所知的人工智能,例如自动驾驶汽车或图像识别。但是,如今出现了一种新的狭义人工智能类别,它正在尝试复制人类的决策过程。从供应链的角度来看,这种新的人工智能可以帮助从“我如何给汽车加油?”这一方面更好地指导整个供应链的决策。或“如何按时获得产品?,“打算在2021年增加这些狭义的解决方案,以取代战术性和规模较小的决策。”

Atos公司北美人工智能实验室架构负责人Jonas Bull表示,在边缘,当政府部门试图追踪人员,而组织试图操纵人员或对行为进行深入了解时,预计会出现阻碍追踪的方法。与各个小组在反面部识别工具方面所做的工作不同,将开始看到高科技和低端技术,这些技术使人工智能监视和理解人们的方法陷入僵局。

Cellebrite公司数字智能高级总监Heather Mahalik表示,随着越来越多的机构开始采用这些基于人工智能和机器学习的解决方案,执法部门有责任遵守道德政策并消除此类工具中的偏见。因此,各部门将开始制定自己的政策,并与相关机构合作,以负责任和合乎道德的方式使用人工智能,包括对相关团队和业务职能进行适当的培训,并创建一种具有数据驱动和负责任的决策精神的环境。执法机构将继续确保对人工智能系统进行审查,使其无偏差并根据需要进行纠正。他们将与公众进行沟通,以提高有关使用这些工具的透明度。

Ahana公司联合创始人兼首席产品官(CPO)Dipti Borkar表示,将在2021年看到更多以数据为驱动力的组织利用开源技术进行分析和使用人工智能技术,Presto和Apache Spark等强大的人工智能平台等开源分析技术比依赖于整合的传统企业数据仓库同行更具灵活性和成本效益的数据存储,这是一项耗时且成本高昂的工作,通常需要锁定供应商。在2021年,,诸如Presto等分析引擎的使用将有所增加。

Finn AI公司联合创始人兼首席执行官Jake Tyler表示,整个行业将从传统的人工智能平台(例如IBM Watson和Amazon Lex)转向特定领域的人工智能驱动产品和托管服务模型。通用平台并不是解决方案,没有任何培训数据或数据模型结构,而为了构建这个模型,然后在生产中对其进行优化是一项专家和资源密集型任务,这超出了大多数组织的能力。2021年,将采用针对特定行业的经过培训且证明行之有效的基于领域的人工智能驱动产品,从而推动从早期创新者市场向大众市场的转变。

Ian Firth公司Speechmatics副总裁表示,人工智能在2021年将不会被映射到人类的能力范围。例如人工智能可以使用算法在国际象棋游戏上击败任何人,但却无法沏茶,计算机程序的运算速度可以比人类快数百万倍,但如果被问到哪个球队可能赢得下一届世界杯,其甚至无法理解这个问题。人工智能的能力并不普遍,但人们可能高估或低估了算法的威力。希望工程师们不要试图将算法映射到人类的能力范围,从而避免人工智能和算法错误。使用人工智能技术(如语音识别)可以增强人类的能力,并在人工智能自动化和人类知识之间找到适当的平衡,以适应真实世界的用例(如客户体验和网络会议),这将开始塑造人工智能在未来的有效应用。

Gianom公司分析师Yiannis Antoniou表示,人工智能/机器学习将成为云计算行业最热门的话题。考虑到社会越来越重视打击不公平和偏见,以及对机器学习模型更好的可解释性的整体兴趣,云计算提供商将投资并增强其机器学习产品,以提供全套负责任的人工智能/机器学习功能,旨在满足监管者和建模者,与此同时,人工智能/机器学习功能将会继续在整个行业中看到爆炸性的增长和使用,在易用性和用户体验方面有显著的增强,并在一个负责任的人工智能/机器学习功能框架内结合,以推动该行业的下一次增长。

瞻博网络公司首席技术官Bob Friday表示,用于网络的AIOps将成为主流,许多组织的AIOps将从理论变为实践。随着远程工作人员的增加以及家庭成为新的微型分支机构,人工智能可为云计算用户提供出色的客户体验,同时控制远程员工的IT支持成本。IT团队将需要采用AIOps来扩展和自动化其运营,并将颠覆客户支持模式。人工智能不会主动向IT机构提交票证,而是会主动识别存在连接或体验问题的用户。

Cloudleaf公司首席执行官Mahesh Veerina表示,与前几年相比,人工智能和机器学习将在供应链战略中扮演更加重要的角色。2021年,对整个供应链的更多实时洞察力的需求将继续增长,特别是由于发生疫情购买行为的突然变化导致供应链组织重新评估其运营。为了满足这一需求,供应链组织将需要寻求支持人工智能(AI)和机器学习(ML)的技术,以从当前的描述性分析中进行升级。在通常情况下,由于被具有不同系统的大型公司收购,一些组织会遇到各种混乱和分散的情况。供应链利益相关者在将2021年寻求在所有模块上部署数字孪生技术,以增加可视性,并确保组织现有系统与新技术之间的同步化。

Appen公司首席技术官Wilson Pang表示,人工智能中的偏见造成了巨大的伤害——从强化性别刻板印象影响招聘过程到信用评分和贷款中的种族歧视。组织知道雇佣不同的劳动力可以为人工智能模型提供一定程度的真实性,并且他们知道培训数据需要不断地监控偏差,因为它会影响算法的质量和准确性。他们也知道,目前还没有基于伦理的衡量标准来真正减轻人工智能中的偏见。到2021年,将看到组织不再只是承认和担心人工智能中的偏见,而是开始采取更重要的行动来解决它。组织将组建具体的团队计划,以解决负责任的人工智能所涉及的所有问题,包括从数据固有偏见到公平对待数据培训师的所有问题。建立负责任的人工智能计划不仅会成为一些组织高管层面的任务,而且合作伙伴和客户也会要求这样做。

BMC Software公司首席产品官Ali Siddiqui表示,AIOps将会不断升温,以增强客户体验并实现应用程序保证和优化。面对未来一年的不可预测性,人们将看到对AIOps的需求将继续增长,因为它可以使用人工智能、机器学习和预测分析来解决和预测这些意外情况。跨越混合内部部署和云计算基础设施的数字企业应用程序日益复杂,再加上采用现代应用程序架构(例如容器化),将导致数据量和复杂性前所未有的增长。虽然现代数字环境中的数据过载可能会延迟维修并使ITOps团队难以应对,但更智能的策略和集中式AIOps系统可帮助组织改善客户体验,提供现代应用程序保证和优化,并将其与智能自动化,并发展成为自治的数字企业。实际上,传统的IT运营方法可能不再可行。为此组织不可避免地要采用AIOps,以便能够扩展资源并有效管理现代环境。

New Relic公司产品营销总监Michael Olson表示:随着AIOps的不断成熟,人们看到供应商有机会改进其风险评估功能,以使客户能够以几乎确定的方式解决问题,而不会破坏系统中的其他内容。在2021年,将会看到供应商和用户之间越来越多的关注,这将是实现更可靠依赖关系映射的一个方面,以便工程师可以在修复过程或构建更改周期的过程中准确评估风险,以进行软件更改,从而确保环境某一部分的更改不会破坏其他系统。

Qeexo公司首席执行官Sang Won Lee表示,到2021年,处于边缘的机器学习将成为人工智能/机器学习行业的主要焦点之一。在汽车、智能工厂和智能家居行业,对智能边缘应用的需求正在迅速增长。随着广泛可用的高效边缘机器学习开发工具和半导体公司推出具有机器学习功能的新型MCU,采用边缘机器学习应用将成为主要趋势。

NVIDIA公司健康业务副总裁兼总经理Kimberly Powell表示,临床社区将增加对联合学习方法的使用,以跨各种机构、地区、患者人口统计数据和医疗扫描仪建立人工智能模型。即使有大量数据需要训练,这些模型的敏感性和选择性也优于单个机构建立的人工智能模型。另外,研究人员无需共享机密的患者信息即可在人工智能模型创建上进行协作。联合学习还有助于为数据稀缺的区域(例如儿科和罕见疾病)建立人工智能模型。

NVIDIA公司DGX Systems业务副总裁兼总经理Charlie Boyle表示,过去十年来,很多组织争相招募数据科学家,但由于缺乏支持性基础设施,其生产力一直低于预期。更多的组织将通过以超级计算规模构建集中的共享基础设施来加快人工智能的投资回报。这将促进数据科学人才的培养和扩展,最佳实践的共享,并加速解决复杂的人工智能问题。

Planful公司首席技术官Sanjay Vyas表示,人工智能将会缩小无缝用户体验的范围:当人们回顾人工智能的历史时,算法是最重要的,用户体验位居其次。但是随着进入2021年,支持人工智能的应用将越来越关注可用性。人工智能的最佳表达对用户而言是无缝的,并且在后台毫不干扰地工作。人工智能/机器学习支持的平台将找到新方法来引导用户获得更好的结论和解决方案。这是通过查询大量数据,查找异常情况,洞察力和趋势,然后在适当的业务环境中呈现结果来实现的。真正无摩擦的人工智能/机器学习应该是所有业务平台的最终目标。希望看到更复杂的人工智能应用程序,这些应用程序可以识别每个用户正在尝试完成的任务,并自动提供可用于快速行动的见解。这种易用性对于广大技术用户和非技术用户都将具有不可思议的价值。

Talend公司首席技术官Calishna Tammana表示,道德的人工智能将在2021年的产品开发中扮演关键角色,道德的人工智能正在成为一个重要的问题,但很难解决。组织正在使用数据和人工智能来创建解决方案,但是它们可能会在歧视、监视、透明性、隐私、安全性、表达自由、工作权和获得公共服务方面绕过人权监管法规。为了避免声誉、法规和法律风险,必须遵守道德规范的人工智能,并将最终让位于人工智能政策。人工智能政策将确保为人们提供高标准的透明度和保护措施。在数据领域,组织的首席执行官和首席技术官将需要找到方法,通过仔细的分析,审查和编程来消除算法中的偏见。

Nuance通信公司首席技术官Joe Petro表示,人们将看到企业专注于采用和开发可真正带来投资回报率(ROI)的人工智能解决方案。组织将专注于可证明的进步和可衡量的结果,因此将投资于解决特定问题的解决方案。对客户想要解决的复杂性和挑战有深刻理解的公司,并愿意在解决方案上投入研发资金,而这些组织将获得成功。

毕马威公司数据与分析负责人Traci Gusher表示,人工智能技能差距将继续存在,组织将考虑新的适应方法。并且很难聘请部署人工智能和获得所有收益所需的人才,一半的行业内部人士都表示面临了这一挑战。而且,许多组织已经在数月或数年的时间内加快了数字化转型计划的实施,但是在支持这些计划的可用人才和培训机会方面存在差异。由于需求增加,预计组织将为员工提供更多的技能提升计划和激励措施,以使其学习新技能以及在组织的各个层面上建立数据和人工智能素养。疫情为组织提供了一个机会,使他们可以优先考虑这些行动,并帮助员工在快速过渡到远程工作中发展新技能。

Jumio公司首席执行官Robert Prigge表示,解决人工智能算法中的偏见将是当务之急,这将导致推出针对种族的机器学习支持的面部识别准则。组织越来越关注人工智能算法中的人口统计学偏差(种族、年龄、性别)及其对其品牌的影响以及引发法律问题的可能性。在2021年选择身份证明解决方案时,评估供应商如何应对人口统计学偏差将成为重中之重。

对于希望了解供应商的人工智能“黑盒”是如何构建的,数据源自何处以及培训数据对所服务的广泛人群的代表性如何的组织,组织将越来越需要明确的答案。随着组织继续采用基于生物特征的面部识别技术进行身份验证,行业必须解决系统中固有的偏差。人工智能、数据和种族这一话题并不是什么新鲜事物,但它会在2021年达到顶峰。据麻省理工学院的研究人员分析了用于开发面部识别技术的图像数据集之后,有77%的图像是男性,而83%的图像是白人,这表明了面部识别技术中存在系统偏差的主要原因之一。在2021年,将采用指南来抵消这种系统性偏见。在此之前,使用面部识别技术的组织应该询问其技术提供商如何训练其算法,并确保其供应商未针对购买的数据集训练算法。

罗格斯大学基础设施研究员Tobias Komischke博士表示,将逐步将人工智能逐步引入人们生活的更多领域。在2021年,由于疫情产生的数据与模型训练所用的数据明显不同,因此对许多机器学习模型进行了巨大的压力测试。在2021年,将会看到人工智能在工作和生活的更多领域中更加逐步和不断地引入,这些领域可以证明有形的价值。

Workday公司首席技术官Jim Stratton表示,可解释的人工智能/机器学习正在兴起,期望开发人员和商业用户对人工智能和机器学习算法以及如何应用它们有更多的了解和推理。在人们建立对基础技术的信任之后,这些解决方案将被广泛采用,只有在将给定预测的驱动因素解释给最终用户的情况下,这种情况才会发生。例如,在招聘时使用机器学习的背景下,为什么要推荐给定候选人担任特定职位,这既可以使招聘经理做出明智的决定,又可以揭露招聘中无意(或恶意)偏见的风险做法。

Laserfiche公司首席信息官Thomas Phelps表示,人工智能将集成到组织日常运营的每个步骤中,在2021年,人们最终将看到人工智能(AI)嵌入组织运行方式的所有方面,它将成为组织创造竞争优势的方式,提供新产品和服务,改造后台并改善客户体验。这将包括使用人工智能来帮助减轻风险和优化成本,例如预测供应链中的问题并建议替代供应商。安全技术将越来越多地使用人工智能,人工智能也将更常用于防止威胁参与者的活动和攻击,包括打击勒索软件或泄露敏感数据。监控系统中的人工智能面部识别技术与钥匙卡系统、感应设备和建筑图结合使用,将用于快速识别建筑物中的入侵者。

DrFirst公司产品创新和互操作性高级副总裁Kunal Agarwal表示,2020年发生的冠状病毒疫情以前所未有的速度加快了医疗保健的数字化转型。尽管远程医疗将在2021年继续占据主导地位,但人们需要改进人工智能(AI)和分析以及实用的互操作性,以释放其全部潜力。例如,具有深度学习的人工智能甚至可以从患者在远程医疗会议期间从手机发送的图像中准确地分析和检测潜在问题。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论