其他
2020年人工智能的120个预测
前沿君微信：tech99999 手机：18501361766
来源：AI商业周刊
转自：软件定义世界（SDX）
2020年，人工智能依然会“长驱直入”，为传统产业创造价值，并深刻改变我们的日常生活；2020年，已不是辩论人工智能能不能落地、怎样落地的阶段，而应该讨论人类应如何与AI相处、融合，一起工作。
近日，知名商业杂志Forbes刊文，预测了2020年人工智能的120个发展趋势。文章采访了120个科技公司创始人/高管，从人工智能的底层技术、行业应用、法律、伦理等等方面，以不同维度阐述人工智能面临的机遇和挑战。
自动驾驶汽车应该被设计为可以打破法律限制，它必须学会超速行驶，并与其他驾驶员的速度相匹配，以便确保其他驾驶员的安全。比如遇到车祸时，超速如果能拯救更多的生命，AI就必须学会违反法律/驾驶规则。2020年，我们将看到更多关于设计非法行为算法的争论。
我们将看到数据合成方法的兴起，以应对人工智能中的数据挑战。基于深度学习的人工智能算法只有在经过训练并在大量数据上得到验证后才能正确工作，但人工智能公司常常面临着获取准确数据的挑战。
为了解决这一问题，公司可以对已收集的数据进行综合，以创建新的数据。数据合成并不能消除收集真实世界数据的需求，但它可以扩大数据集，这对于开发更精确的人工智能算法至关重要。
全球最大的B2C品牌商已经将他们的注意力转移到个性化和人工智能驱动的客户体验上，而且正在努力将他们的愿景变为现实。
这是由于部门结构、技术基础设施老化，以及缺乏能够阐明业务需求并将其转化为技术解决方案的高级和中级管理人员造成的。这样的转变对他们的生存至关重要，所以我们将看到行业越来越重视AI创造的客户体验。
在整个2020年，我们希望看到AI/ML更多的关注从研究转向工程，更加关注管理和生产。还期望看到对数据挖掘的更多投资，这是许多项⽬的最⼤瓶颈。而且应该更加关注对AI/ML通道的跟踪，这有助于预测生产中的服务质量，形成数据挖掘和产品质量的良性循环。
随着语⾳对消费者来说变得越来越有⽤，通过语⾳查询将会激增。每⼀个查询都代表⼀个消费意图，而且与消费者想要采取的⾏动⾼度相关——⾯向交易的⾼价值消费者意图。任何以消费者为中⼼的AI平台都需要能够收集和分析由语⾳命令代表的⼤量⾼价值消费者意图。
近年来，我们看到越来越多的国家在制定国家⼈⼯智能战略。⼈⼯智能的巨⼤经济价值将有可能提⾼生活各个⽅⾯的效率和幸福感。但是，从政府机构的⻆度来看，在实施这项技术的同时，必须有适当的基础设施、数据库的可用性和规章制度，特别是在自主决策和隐私方面。还必须有充分的人力资本，以应对AI时代带来的劳动力市场挑战。
事实上，语音还不成熟，2020年也达不到目标。即使是一些最先进的基于人工智能的语音解决方案，也只适用于某些特定的应用，在受控环境之外不稳定。
语音会变得更好，也会找到合适的应用场景，我们会习惯使用它，但是2020年，它还没有准备好，应用范围还很窄，所以不要把所有的鸡蛋都放在那个篮子里。
零售商将越来越多地将AI⽤作营销推荐，许多零售商会努⼒将这些源⾃AI的决策转化为可定价，供应链和商品销售的业务规则。但并不是所有公司都意识到使⽤AI技术进⾏数据分析只是迈向真正转型过程的第⼀步。
到2020年，从全球的几个角落，我们将开始看到为解决棘手、有意义的问题⽽构建的AI；为帮助人类做我们⽆法做到的事情⽽构建的AI，⽽不是仅仅试图模仿我们的能⼒。这就是我们所说的下⼀代AI。
随着AI本身真正融入芯⽚中，⼀个全新边缘计算时代才刚刚起步。⼈⼯智能芯⽚已经能够更有效地处理视觉数据，为未来的自动驾驶汽⻋铺平了道路。
对于智能城市，人工智能芯片将协助完成实时交通监控、寻找失踪人员和寻找被盗车辆等关键任务。对于智能家居来说，芯片将通过在边缘处理数据来确保更多的隐私和可靠性。人工智能芯片的新时代意味着技术的新时代。
我们将在2020年开始看到⼀些重⼤突破和⼀些真正的变⾰。可以说，在某种程度上，AI/ML将走出实验室并渗透到你的生活中。如果2020年出现衰退，将会加速即将到来的AI/ML影响，这是因为AI/ML已经在提高人类工作效率。
昨天的Hadoop平台团队是今天的AI/Analytics团队。过去的统计模型现在已经与计算机科学融合，并已成为AI和机器学习。因此，数据、Analytics和AI团队不再相互孤立。实际上，他们需要合作并共同努⼒，以从他们都使用的相同数据中获取价值。2020年，我们将看到更多的组织围绕数据堆栈建立专门的团队
机器学习和⼈⼯智能将通过提高云效率来节省成本。要做到这⼀点，将需要应⽤程序了解何时需要更多资源，然后⾃动扩展这些资源以满⾜不断增⻓的需求。相反，该技术将需要了解何时不再需要特定的资源，并安全地将其关闭以将成本最小化。
图像识别和机器学习的新进展将使上下⽂识别和内容推荐成为可能，从而帮助信息⼯作者应对信息泛滥的问题。AI将有助于工作场所的数字化转型，并通过基于⽤户当前的上下⽂提供信息减轻认知负担。
2020年，人工智能将显著改善员工体验（EX）。能够自动、即时地从多个渠道收集数据、分析数据并提供可操作的洞察力，这将使支持代理能够更快、更轻松、更准确地处理客户查询，并获得非常令人满意的问题解决方案。
由于供应链行业在数字化方面历来采用缓慢，因此收集的数据根本不足以让人工智能/ML算法提出可靠的建议。当我们开始看到一个更现代化的供应链在2020年出现，AI/ML算法将使我们能够更全面看到供应链，并提供宝贵的见解，以简化以前繁琐的过程，如产品重定向、新的合作伙伴和供应商培训、订单取消、供过于求。
会有越来越多企业在大规模生产中部署复杂的人工智能模型。到目前为止，大多数人工智能应用要么是实验（即不在生产中），要么是简单的推荐/预测/回归模型，要么是应用在较小的问题上。到2020年，我们将看到更多的企业更加大胆地实现他们的人工智能雄心，并要求他们的供应商支持大规模部署。
随着数据量持续爆炸式增长，关键挑战之一是如何获得这些数据的全部战略价值。Object存储将有助于在2020年处理人工智能和多语言工作负载，因为这种新的存储体系结构以传统文件存储不具备的方式利用元数据。
到2020年，人工智能将有助于缩小许多资源有限的小企业面临的商业能力差距。有了人工智能，小企业可以通过自动化工作流程（如员工管理、IT服务管理或合规性管理）实现更好的库存和交付管理，无缝高效地管理其门店。基于人工智能的聊天机器人和虚拟助理进一步简化业务交易，提高运营效率，同时也提供了最佳的客户体验。
到2020年，非技术性SEO将更容易应用人工智能技术。从人工智能自动化元描述，到自动化标题或重定向，这项技术将渗透到日常任务中，这些任务通常是耗时但必要的。但是专家们不应该害怕新事物，相反，他们应该保持一个行业创新的脉搏，并尽可能与数据科学领域更紧密地结合起来。
我们将开始看到特定领域的数字伴侣，它们将帮助我们完成任务并更好地利用技术，例如，一个AI副驾驶员，将帮助我们在车内使用技术，成为更安全的驾驶员，并在驾驶过程中预测我们的需求。
5G、物联网集成以及将分布式和多样化的数据源连接到‘智能系统’的相关能力，将推动消费者在内容管理、网络优化以及基于传感器的数据源数量激增的集成领域的巨大人工智能机会。电信公司、娱乐和能源公司在这些领域的障碍相对较低。
到2025年，“实时”还不够好。整个行业将需要AI才能超越实时性来进⾏预测。我们将需要更进一步，以预测即将发生的事情，就像⽓象学家预测天⽓⼀样。⼤量准确的数据集可以提供背景信息并突出新出现方式，揭示概率的程度。在人工智能的帮助下，预测是可以实现的。
到2020年，我们将见证更多从以人为中心到以数据为中心的自动化决策转变，这一转变利用了预测性和规定性分析，包括人工智能。这将要求各行业在其供应链中更好地利用技术和分析，以满足客户对定制产品和服务的需求。
随之而来的将是对劳动力重新配置和数据基础设施改造更大需求。我们已经看到对供应链内专业发展课程和认证的需求超过了⾮专业4年制 学位课程的需求。
边缘处理与人工智能创造了更好的物联网体验。物联网设备制造商知道基于边缘的处理的好处，但直到现在，在成本、性能和安全性方面的许多挑战使得在消费品和系统中实施变得不切实际。将边缘处理与云连接结合使用的转变已经开始，并将在2020年继续发展。从消费者的角度来看，这一趋势将带来更快、更可靠、更私密的物联网体验。
到2020年，AIOps(即 Artificial Intelligence for IT Operations，智能运维)的解决方案将有更大需求，它基础监控设施、工作负载自动化和容量规划集成到一个平台中。因此，未能采用AIOps服务模式的供应商和未能投资于端到端基础设施的企业将无法满足客户要求。
到2020年，我们将开始看到传统的企业内容管理（ECM）（包括企业内部(Intranet)内容管理、Web内容管理、电子商务交易内容管理和企业外部网(Extranet)信息共享内容管理）平台开始专注于协作服务，以使内部和外部业务伙伴都能够访问内容。传统的ECM提供商专注于为指定的受众（业务主管、客户等）提供数据和自动化存储库，但在未来的一年里，我们将看到企业在AI/ML方面的投资转变，让工作流程更可视化。
随着气候变化的迫近，农民和农学家面临着许多艰巨的挑战。农业也逐渐数字化管理，人工智能将简化整个过程，从收集图像到提供可操作的决策，它将提高准确性和减少人为错误。农业数字革命将使农民及其农艺合作伙伴更容易制定进一步的解决方案，以应对气候变化的影响。
人工智能在支付领域的作用不仅是推动数据科学和防范支付欺诈，它还需满足全球支付领域的新需求，我们将看到人工智能在确保商户合规性和客户体验方面发挥着不可或缺的作用。在未来的几年里，人工智能将使企业能够简化运营，更好地服务客户，并反过来在经济和文化上创造指数级的发展。
在未来几年，企业应该少关注科技如何取代传统工作，而更多关注人工智能和人类专长如何相互补充。我们坚信人工智能和人类专长的结合，我们称之为科学和艺术。
科技永远能够比人类更快地完成任务。但也有一些领域的技术永远无法取代人类。例如，谈判需要直觉、信心和交易经验，而计算机无法复制。我们的信念是，我们需要继续努力，争取在2020年在科学和艺术之间找到完美的平衡。
现在比以往任何时候都容易在数据库搜索和分析，我们有工具，以确保数据可以用到正确的地方。数据的神秘主义已经消失：2019年Hadoop分销商的整合和迅速消亡是这一转变的信号。下一个重点领域将是非常分散的，或“广泛的数据”。数据格式越来越多样化和碎片化，因此，适合不同类型数据的不同类型的数据库增加了一倍以上。
如今，许多AI解决⽅案都试图将⽤户数据转化为广告收入，我希望在2020年看到更多的AI解决⽅案每天如何为我⼯作，⽽不是用来“关注”我。AI的隐私问题在很多领域都存在，包括养育⼦⼥，⼈际关系和受教育程度等等。从积极的⻆度来看，AI带来了个性化。但是，这些AI公司必须优先保护他们收集的个⼈数据。
我们将看到数字道德官员的出现，他们将负责实施道德框架以做出决策，包括安全性、偏见、用途等。
2020年⼈⼯智能将被证明是改善职业的重要工具。通过⼈⼯智能，雇主将能够为员⼯提供更多的机会，并促进他们获得更多多样性经验。借助AI，员工将能够扩展和增强他们的技能，并确保他们在快速发展的市场中保持重要地位。问责制将继续与AI发展并驾⻬驱，尤其是在解释结果和防⽌偏⻅⽅⾯。
保险业正在发⽣根本性的转变：保险公司知道他们需要⼤⼤改善客户体验，并确保其产品具有针对性和个性化。2020年，⼈⼯智能使保险公司能够更好地利用他们掌握的大量数据，以从客户洞察中受益，从⽽最⼤程度地提高其服务和产品。这将提升客户满意度，让业务更加⾼效。
机器学习和神经网络是人工智能创新背后的力量，这些创新正在席卷全球。在过去3年中，我们看到Udemy平台上的人工智能和数据科学课程发生了决定性的转变，因为企业试图解决他们的知识缺口。
随着对数据科学家和人工智能专家的需求不断增加，我们预计，我们所称的Capability学院将继续增长。Capability学院是一个深入培训计划，旨在发展和维持支持特定业务战略和功能领域的技能能力。
到2020年，人工智能和机器学习在现实世界的应用将会增长，特别是在银行业和金融业，人工智能解决方案将能够加速和改进财务和财务流程。具体来说，我们将看到智能聊天机器人的部署，这些智能聊天机器人将回答客户和供应商的查询，以及用于发票获取、现金应用、异常或争议处理、计算客户信用风险和检测欺诈的智能软件代理。
机器对话中的同理心将变得非常重要。如果机器在对话中能有一定同理心，那么语音助手的应用将会得到极大的改善。Alexa和其他玩家可能会变得更加情绪化，并在用户的反应中察觉到挫败感。在2020年及以后，这将是一个重大的改进。
2020年将更加关注可解释的人工智能，以减少预测中的偏差。数据科学家将成为产品团队的一个组成部分，并与他们密切合作，为应用程序开发创造一种数据优先的方法，而不是专注于让应用程序生成的数据变得有意义。
自然语言处理（NLP）与人工智能相结合，将越来越多地做出人类观察者难以理解的决策，无论是通过分析股票数据来做出投资决策，还是通过解析堆积如山的非结构化社交媒体来对品牌进行广泛的情绪分析，或是围绕品牌或特定智能进⾏广泛的情感分析。
但是，训练就是一切。许多算法正在对存在固有偏见和问题的现有人类实践进行训练。如果你认为可以在一开始就从NLP算法中消除这一点，是很幼稚的。
到2020年，医疗机构将利用人工智能帮助医务人员为患者提供症状预测。开发可以从一个卫生系统转换到另一个卫生系统的人工智能工具将是一个难题，但一旦医疗行业积极推动,该解决方案将成为医疗行业重要组成部分。
随着越来越多的公司着手解决有关事物、地点和人之间关系的问题，图像技术将在企业中变得更加重要。2020年图像技术面临的问题是缺乏具有特定技能的人才。
语音使用将继续爆炸式增长，但不会像你想象的那样。像Alexa和Siri这样的助手在音乐、播客和天气等方面的体验中已经有了一些突破。语音交互已经深入我们的生活，例如订购晚餐、购买电影票或研究产品。2020年每一个应用程序都必须重新设计为语音优先，就像十年前我们都以移动应用功能为第一一样。
利用边缘人工智能和自学习模型的力量，到2020年，机器学习模型可以超越传统的分析能力，显著提高预测功能和总体投资回报率。有了边缘AI，软件可以主动地与实时数据流进行交互，并满足源代码或源代码附近的智能需求，从而提高整体生产力、效率和节约成本。
通过Echo和Siri等服务，物联网（IoT）已经普及给家庭消费者。2020年，随着廉价的即插即用技术的出现，物联网将在工作场所实现普及化，从而提高会议的用户体验和效率。人工智能对这一过程至关重要。
GDPR和CCPA是监管数据的良好开端，但很快，人工智能和数据解决方案公司将超越这些准则，并承诺他们收集的任何用户数据将被用于直接造福于这些用户。能够做出承诺的组织将提供人工智能和数据解决方案，收集用户行为和环境的数据，将用户的行为与最佳结果关联起来。
到2020年，人工智能将在推动与数据的双向对话方面发挥更大的作用。人工智能完成了繁重的工作，深入到数据中，并发现了一些洞察（团队一开始甚至不知道要寻找的洞察）。
随着时间的推移，人工智能可以了解到什么有利于最终用户，并相应地进行搜索。它延续了人与机器之间的和谐，将人类创造力和环境的力量与机器的力量结合在一起。人工智能作为一个“永不停歇”的助手，可以填补资源缺口，让团队有更多的创造性，从事更高价值的工作。
随着智能化的兴起，利用人工智能增强人的能力将继续是一个微妙的平衡。无论是用于重复性任务，还是理解交互对话，人工智能将开始渗透到业务的几乎所有领域。
2020年，视频deepfakes和对话聊天机器人的有力结合，几乎可以以假乱真。这些AI善于进入客户服务、购物和医疗保健领域。他们转向社交媒体、安全和政治活动等方面。归根结底，我们不知道做假和做假的人有什么区别。
到2020年，公司将意识到只考虑由人工智能驱动的基于事实的理性决策，限制了对客户行为的理解。但作为人类，我们决策的核心是情感。未来，企业必须学会平衡使用人工智能和人工人性，这是人类决策背后的情感驱动因素，有时是非理性驱动因素。
人工智能推动了软件领域的变革，更广泛地说，推动了跨行业企业如何提供数字体验。进入2020年及以后，公司将通过以“人工智能优先”的心态设计客户体验，而不仅是为特定任务智能化工具，或为传统软件添加“智能”功能，而是将人工智能作为解决问题的重要元素，从而变得更具前瞻性。
我们预计，随着企业越来越多地使用他们收集的数据来构建和部署支持新服务和产生新业务决策的人工智能模型，2020年人工智能的使用将加快。AI公司不仅要在其核心数据中心配备更快的网络和服务器，还要在边缘数据中心部署更接近最终用户的人工智能模型。到2020年，我们预计数据中心运营商将越来越关注如何为客户提供其所需的人工智能云服务。
2020年，随着业界对analytics的关注，将受到越来越大的监管压力。如果没有“干净的”有价值的数据，那些人工智能项目将步履蹒跚。我预计更多的企业将在他们的“数据成熟度”中达到这一点，其中analytics项目是重点。
人工智能的最大潜力不是“人工”⽽是“增强”智能。我们如何设计和制造可访问的机器智能，以帮助我们做出最佳决策和采取⾏动？当我们让⼈⼯智能与其他各式各样的⼈坐在⼀起时，我们可以提⾼团队的绩效。我们才刚刚开始探索增强智能的潜⼒。
2020年将最终创造出一种与电话会议一样具有适应性的会议内体验。对用户来说，这意味着要确保合适的人得到合适的关注，用户能在合适的时间获得合适的信息，每个人都能够更快地做出更具活力的决策。从基础设施的角度来看，这意味着在多个系统中收集信息并通过利用人工智能来调整基于预测行为的未来需求。
当今世界所称的人工智能将在2020年分为几个领域，市场营销人员将不可避免地为这些领域创建更简洁的名称。其中包括：机器人过程自动化（RPA）；自动化特征工程和选择；感知人工智能，即物理感知的自动化和精细化；资源分配人工智能，即优化技术与实时感知和响应需求的结合。
关于人工智能，因为数据存在于组织内并不意味着数据是可用的、可转移的格式。2020年企业将开始认识到他们的数据没有为人工智能准备好，他们的业务流程会效率低下或不准确。
物联⽹的⼤规模扩展和软件工具的增⻓趋势将在2020年将更多地集中在时间序列数据上。智能汽车和与互联⽹相连的机器正开始产⽣⼤量需要公司分析的数据。许多企业将认识到，他们需要一个特定的时间序列数据战略，以挖掘其业务潜力的全部价值。
⼈⼯智能被低估和夸⼤了，因为它可以改变业务，但是企业不确定如何充分利⽤它。CIO 应该评估哪些流程可以实现⾃动化，从而为员⼯腾出时间来为企业提供更深⼊的⻅解。那些使SaaS公司提供较低交付成本的产品将随着环境的成熟和竞争的加剧⽽控制市场。
随着人工智能的发展，它将很快成为接触中心技术标准的预期入口。此外，小型联络中心和大型联络中心都可以使用人工智能。人工智能还将开始与全渠道解决方案集成，以立即解决消费者的问题/需求。然而，人工智能应用的最大转变预计将来自于collection行业，因为它看起来既能赶上，又能自动遵守不断变化的联邦通信委员会（FCC）法规。
随着人工智能和数据的集中化，制造商被迫向顶级云提供商支付巨额费用，以访问保持系统正常运行的数据。因此，在边缘部署和改进训练人工智能的新方案将变得更加普遍。随着我们进入新的一年，越来越多的制造商将开始转向边缘，以生成数据，将延迟问题降到最低，并降低大量的云费用。通过在需要的地方（边缘）运行人工智能，制造商可以保持其数据的所有权。
到2020年，我们将开始触及深度学习的计算能力极限。随着摩尔定律的放缓，公司将耗尽复杂人工智能任务的计算资源。我们将不得不考虑优化，并以最有效的方式使用我们拥有的资源，而不仅仅是在问题上投入更多的GPU。
到2020年，我们将把对话式人工智能的集成作为c-suite的首要任务。这是埃森哲从C-suite客户那里了解到的需求，这些客户对将对话式人工智能技术融入其商业模式感兴趣。同样的研究还引用了C-suite领导的承诺作为扩展人工智能的必要条件。
随着5G带来更多物联网使用，并为disruption创造新的机会，实时内存加速机器学习将需要解决这些挑战。AI/ML将越来越接近边缘和物联网设备，并将成为创造卓越应用体验的最佳途径。
我们今天熟悉的人工智能技术，如神经网络、事件聚类和回归，将与不太熟悉的技术相结合，如拓扑数据分析（TDA）和生成神经网络。TDA在商业应用中有希望，因为数据有形状和形状的重要性。TDA映射数据集的几何结构，这些数据集是大的、高维的或有噪声的，以检测模型并给出解释。
2020年，由于人工智能算法做出错误决策，银行网站或零售网站将出现中断。例如，人工智能算法将观察到异常行为，并错误地确定正在发生的漏洞。然后，它会使系统离线，从而导致收入损失和影响用户体验。当人们变得更加怀疑和规避风险时，这一事件将导致转向“决策支持”。
虽然2020年不会是我们交出汽车自动驾驶钥匙的一年，但我们应该看到人工智能方面的一些渐进但有意义的进展。看到人工智能继续以看似简单的方式在各种技术产品中发挥作用，从而使流程更加高效，这将是令人兴奋的事情。
到2020年，公司将不再关注传统应用程序的交付，而更多地关注销售人工智能用例。他们将为客户提供特定用例的人工智能模型（即在5G基础设施中诊断维修需求）和不同用例的单独模型（即确定何时需要停用石油和天然气基础设施）。企业将不再依赖于一刀切的应用程序，而是利用高度专业化的模型来定制用例，最终会产生更好的结果。
对话式人工智能的使用将为员工和客户的参与提供一个新的渠道。除了简单的聊天机器人，上下文感知、自然语言处理、智能交互能力和更强大的意图库的强大组合将使虚拟代理能够采取行动。虚拟代理不仅能够在对话中进行对话，而且能够无缝地过渡到提供多媒体体验，以指导用户获得信息、答案或解决问题。
我们在零售业使用人工智能方面还很早。到目前为止，大多数的使用都是在供应链中进行的，例如自动化库存数据管理和客户服务（通过聊天机器人来回答问题）。我相信，我们将看到更多的零售商部署人工智能技术，例如测量商店流量和调整数字屏幕内容的摄像头，以及部署语音助手，客户在商店购物时可以使用这些技术。
人工智能将在构建理想广告栈的不断演进中发挥不可或缺的作用。AI将允许出版商动态调整需求源，这是一种历史上由人类执行的行为，最终创造了一种实时实现收入最大化的方法。
虽然越来越多的公司将采取‘人工智能优先’的方式进行数字化改造项目，但许多公司仍将难以实施人工智能，最大的挑战来自于自动化决策系统缺乏信任和透明度。除非伦理问题得到解决，否则人工智能的应用速度将会减慢，威胁到它在许多企业中的价值。平衡人工智能的风险和人工智能的价值，将成为大多数财富500强CEO和董事会的首要议题。
因为人工智能，营销人员收集、分析和执行目标营销活动的速度将继续加快，从而产生更有效的营销策略。营销人员将能够为合适的人创建合适的内容片段，并实时将该片段放在合适的频道中，而不是从现在开始的六个月内。
人工智能引擎将继续是广告技术的重要组成部分。2020年，过度依赖人工优化的公司将进一步落后，因为没有人能够与人工智能引擎的力量竞争。此外，越来越多的趋势是将人工智能工具从核心业务扩展到跨团队的操作方面。随着所使用的工具继续商品化，它将使越来越多的团队能够利用它们，不管他们是否是人工智能专家。
人工智能的扩展应用，从机器学习和推理到面向消费者的实际应用（例如语音识别、机器人技术），将增加技术创新和消费者对数据收集和使用不信任之间的紧张关系。最终，这一动态将为推进一项针对消费者隐私的全国性全面监管政策带来巨大压力。
广告是说服的科学和艺术。劝说就是理解、预测和改进人类行为的科学。人工智能将使我们更接近一个不那么烦人、更讨人喜欢、有用、相关和娱乐的广告时代。
人工智能的一个经常被忽视的方面是它与人类智能的融合。作为人，我们拥有独创性、创造力和创新性的解决问题的能力；在可预见的未来，这很可能仍然是机器无法替代的。
因此，当高技能的个人指导并应用该技术为品牌实现稳固的业务成果时，人工智能的真正价值就得以实现。在2020，广告商将非常重视有强大的团队，可以从A中获取最大价值。
我们已经看到智能助理的转变，我们预计这将在2020年继续。智能助理的制造者正从一种拉动式思维转变为一种推动式思维（这被称为“主动式”助理）。举个例子，如果你的手机学习了你的日常工作，并意识到你已经偏离了它，比如说，由于交通问题，那么它可以建议取消你即将到来的约会或者发送一条“迟到”信息。了解这一趋势的公司也明白，这些用例只有通过人工智能才能解锁。
随着人工智能继续进入主流，它对数据的渴望将继续增长。开发快速转换和集成数据的工具，使其更易于构建模型，将大大减少数据准备的时间。结果将使数据科学家能够自由地应用他们的技术，并允许较小的组织在不需要大型多功能团队的情况下开发模型。
随着围绕可解释性的技术制定新的标准，可解释性人工智能将在2020年及以后继续取得进展，随后将缓慢发展新技术，以解决商业领袖、非技术受众的可解释性问题。
例如，在房地产领域，随着人工智能应用的不断普及，为拒绝抵押贷款提供一个令人信服的解释是必要的。尽管我们将看到技术工具和标准不断发展，但外行工具的进展将缓慢，一些狭隘的、特定领域的解决方案将首先出现。就像90年代普通大众对“网络”的理解一样，随着技术的能力和使用的普及，人们对人工智能的认识、理解和信任也会逐渐提高。
2020年笔记本电脑和智能手机的语音助理将继续变得更加智能，并支持您的日常工作需要。例如，你可以说“打开我昨天处理文档”或“给我找大卫今天的邮件”。这一趋势将使人们的时间变得更有效率，专注于更高层次的工作，而不是固定在他们的邮件或短信上。
人工智能继续受到很多关注和大量投资。随着炒作周期的继续，企业将更加重视人工智能的真正制造者或破坏者：数据。人工智能算法只和提供它们的数据一样好。到2020年，我们将看到那些没有好的、干净的数据的人工智能公司，在其他拥有可靠数据的公司蓬勃发展的同时，遇到绊脚石。
我们现在正处于业务智能化的转折点，以正确方式整合自动化的企业将经历前所未有的增长。2020年及以后，与客户进行对话式互动的企业将看到团队效率的提高、客户关系的加强和更快的增长。
到2020年，我预计在医疗保健领域，人工智能将取得重大进展。从生物学到后台到临床，医学中充斥着复杂的、多变量的问题，是机器学习算法的理想平台。但AI还有很多问题需要解决，比如病人隐私，训练数据的偏见，以及平衡人类和算法之间的协作，但这些都不是不可克服的，都可以通过深思熟虑、有纪律的方法来克服。潜在的收益是如此之大，我相信人工智能将在这一领域取得重大进展。
到2020年，人工智能和虚拟人技术，可以洞察我们如何将技能应用于现实和情感体验。我们首次看到人们真正与虚拟人物打交道，这是通过人工智能消除人与计算机之间的传统沟通障碍（语音输入、语音识别和情感分析）而实现的。这将有助于关键软技能的真正发展，创造一个更具社会性和沟通性的工作环境。
人工智能将继续激增，最令人兴奋的是它如何帮助我们更好地了解我们周围的世界，从医学到媒体。人工智能使我们能够在更深的层次上学习音乐和内容，比如音乐迷是如何聆听的，这样我们就可以自动地提供更具吸引力和娱乐性的聆听体验。
通过人工智能，我们现在可以在一毫秒内生产出过去在广播工作室需要几个小时的产品，随着机器学习技术的进步，到2020年，它只会越来越好，越来越快。
合成媒体将继续改进，使我们能够在任何GIF中看到自己，或改变我们的声音，以便在任何地方使用，但这将导致越来越真实的deepfakes，使人们能够轻松地假设和操纵人物角色，给网络安全带来更大的压力。
在2020年及以后，人工智能将继续在技术和营销方面发挥关键作用。利用AI/ML有助于公司在其后端更智能化，最终有助于更有效地与消费者沟通。能够预测消费者想要什么，并能够为他们提供定制体验（基于他们的兴趣/购买模式和记录），这将是非常有价值的进步。
在2020年及以后，用户不再自己寻找和试图决定下一步要看什么，内置的预测技术将根据你独特的品味和观看习惯，建议观看什么内容以及何时观看。动态推荐不仅要考虑用户的喜好和偏好，还要考虑生活事件、季节性的观看习惯、时事和伴侣的偏好。
2020年及以后，社交媒体营销的关键区别在于智能化。以前，品牌依赖社交媒体管理者或团队来创建内容并在线回复客户的查询，而这个角色将越来越多地被聊天机器人和人工智能软件所取代，这将使品牌拥有24*7的社交活动。机器学习算法将帮助公司根据客户在社交媒体上的行为，优化他们发布的社交内容，并更好地在一个级别的细分市场上提供个性化的产品推荐
2020年将是人工智能成为医疗领域主流的一年。2019年是早期采用人工智能的一年，之后，随着人工智能的口碑在社会上的传播，更多的医疗中心将开始意识到人工智能的好处。相反，这会导致人工智能医疗公司整体数量减少，因为会有赢家和输家。
随着人工智能技术的广泛应用，人工智能的发展将呈指数级增长。这已经开始通过神经架构搜索和自动特征生成等方法来实现了。
随着越来越多更好的人工智能超过数据科学家和工程师的可用性，公司将转向技术、培训和教育，使现有的团队升级，并引入更多以前前所未闻的声音。这将有助于减少偏见，提高人工智能的责任感。
人工智能将在2020年及以后推动可持续发展。通过利用人工智能算法，公司可以测量环境和社会影响，自动进行纠正，并优化运营以实现可持续性。尽管可持续发展的挑战日益复杂，但这些技术可以帮助企业通过减少浪费、提高生产效率、采用更智能的运输策略和减少资源消耗来负责任地运营和盈利。
到2020年，越来越多的小企业参与者将开始积极尝试采用人工智能技术，但由于现有工具成本高昂，以及对‘机器’缺乏了解，他们将受到阻碍。软件供应商以一种易于理解、普通企业都能负担得起的方式构建人工智能，他们将看到获得市场份额的巨大优势。
到2020年，那些将机器学习作为其关键任务流程的一部分成功运作的公司将打破组织孤立，组建多学科团队。这些团队将包括数据工程师、应用程序开发人员和数据科学家，他们将专注于应用程序而不是数据湖。他们将把本地机器学习集成到应用程序中，以避免数据沼泽。
鉴于人工智能技术的现状，可解释的人工智能并不是一个合理的目标或期望；然而，我们需要确保新的机器学习数据平台有必要的基础设施来实现治理、透明度和可重复性。
如果我们能够预先评估培训模型所需的数据，并持续评估模型的性能，那么我们就可以发现系统中产生无意偏见的缺陷，并对这些缺陷加以纠正。
机器人不再局限于简单的客户交互。它们利用自然语言处理来更好地理解用户的意图，并提供有用的、适当的响应。随着越来越多的对话被机器人成功导航，品牌将提高其使用率，以提高响应时间，并推动更高的联络中心效率。
到2020，我们将把增强现实视为一种解决跨行业问题和改变企业经营方式的商业解决方案。人工智能将继续扩展到新的行业，如商业房地产、商场和其他零售设施。主要产品功能包括室内导航AR、AR搜索、AR售票系统。领先的应用程序/用例将包括用于建筑物维护和运营的应用程序、作为物联网中央控制器的应用程序以及用于建筑物访问控制和导航的数字门房。
虽然整个企业对人工智能的投资有了巨大的增长，但一个主要的挑战，尤其是对IT专业人士来说，是衡量其投资回报率。由于建立培训数据集的挑战、机器学习的不确定性以及机器学习平台工具的不成熟，人工智能驱动的企业产品的生产时间比预期的要长。不管这些挑战如何，人工智能将对应用和行业产生不可忽视的影响。
人工智能将在明年东京奥运会上全面展示。我们可以期待，由人工智能驱动的机器人助理将成为奥运会前的宣传噱头之一，并在现场活动中积极帮助官员，例如在足球比赛中标记“场外”。人工智能还可能参与预测美国总统选举中的投票和预测，进一步将这项技术纳入主流观点。
语音分析工具是支持机器人流程自动化（RPA）的重要桥梁，到2020年，我们将看到这两项技术继续携手合作。我们将通过实时将情感与历史数据进行分层，看到预期意图方面的最大进展。在接下来的1-2年里，我们将能够确定人们支付过期账单的可能性。这种类型的客户意图最终将成为业务分析和规划的关键所在。
得益于机器学习的显著进步，2020年将是人工智能全面解决金融服务问题的一年。2019年，投资管理等资产领域的机器人顾问（robo advisor）崛起，但事实证明，破解个人金融的负债问题要困难得多。现在，人工智能已经发展到可以考虑到债务管理的所有因素，为消费者提供个性化和可操作的建议。
由于广泛的数据收集能力，加上高性能的可访问计算能力，我们将看到人工智能和机器学习在工业的许多方面支持制造业。通过提供设计速度、反馈和优化来提高他们的体验。
其次，机器学习将极大地影响制造效率，以改善诸如过程控制、错误检测和需求预测等领域，从而使供应链更加灵活。
基层思想领袖和初创企业将掀起一股热潮，让人工智能变得公平、负责和透明。鉴于此，更多的财富100强公司将寻找治理人工智能的方法，以最大限度地降低算法风险，美国更多的州将出台有关人工智能的法规。可解释的人工智能将很快成为帮助解决这些问题的主流。
到2020年，我们将看到人工智能和机器学习在汽车保险领域的大规模应用。普通的文书工作将通过大量基于人工智能的流程来解决，而人类将获得自由，以提供高接触度、个性化的体验，在经历创伤事件后为投保人提供情感支持。
人工智能将无缝地、逐步地融入到我们的日常工作中，使我们在工作中更有效率、更有效率。与人们在电影中看到的“杀手机器人”不同，这种智能化几乎是看不见的。
随着越来越多的任务智能化，领导层需要优先考虑对工作职责可能发生变化的员工进行持续培训。他们还需要在招聘沟通、团队合作、同理心时强调软技能，我们知道这是一种算法无法替代的技能。
随着人工智能的不断发展，2020年设备和应用程序将提供更加个性化的服务；这将通过对用户行为和搜索模式的进一步了解而成为可能，使组织能够更深入地了解用户偏好，从而实时提供更多以人为中心的体验。
未来，随着人工智能技术变得越来越关键，每个人都将采用某种类型的人工智能技术。但团队知道如何构建人工智能并不意味着他们知道如何正确使用它。
你可以为几乎任何东西构建一个算法，但这并不意味着它在业务中会有实用性，或者有能力适应新的数据。随着软件的复杂性增长，理解AI和使用它之间的差异将是至关重要的，因为我们进入2020。
AI通过理解和响应人类意图的复杂性，彻底改变了传统B2B服务的买卖，以及传统模拟的过程。机器能够通过直观的需求识别过程对潜在贸易伙伴优势和能力的广泛了解，定义复杂需求并将其与理想贸易伙伴（供应商）匹配。随着人工智能在每次交互中更好地了解个人偏好和公司要求，特别是企业文化和价值观等无形领域，用户体验将继续得以改善。
5G将带来高带宽，并支持广泛应用（比如车联网），将把大量的机器学习计算和模型服务推向边缘。这将要求应用程序开发人员使用类似CDN（Content Delivery Network，即内容分发网络）的服务，用于数据处理和提供模型。我们也将开始看到人工智能技术在其他领域有更多有趣的应用。
人工智能将被用来了解更多关于消费者产品和服务的信息，以便让商家了解消费者最感兴趣的内容。Facebook很早就把人工智能应用于营销，其他平台也紧随其后。这些平台能够通过人工智能、机器学习和预测分析对数据作出反应，更个性化为客户问题提供数据驱动的解决方案。
虽然人工智能和机器学习将使工作场所更智能化，但只有一小部分工作将被完全取代。相反，我们将看到，人类将越来越多地与机器并肩工作。这在过去发生过，从农场拖拉机到办公电子表格。日常任务或复杂分析的智能化将有助于丰富许多工作职能，并使个人能够拥有更多的时间和注意力集中在企业战略需求上。
过去几年，人工智能一直在大肆宣传，但现在我们开始看到这项技术的真正能力和局限性。虽然人工智能可以做出预测，但它缺少适应现实世界场景的人类元素。现在的人工智能最大的缺失环节是缺乏上下文理解。为了填补这一空白，到2020年，我们将开始看到语境智能的增加，以及通过数据分析来获取用户位置、天气等信息。
2020年，我们将看到人力资源主管利用人工智能更好地确定哪些员工可能离职。随着人力资源数据集维度（如调查回复、员工互相评价和员工参与度等）的扩展，评估员工算法的质量也会随之提高。这对于更好地确定员工离职和提高留用率的人力资源主管来说，使用人工智能来洞察员工敬业度将是至关重要的。
到2020年，人工智能将逐渐取代人类来帮助企业流程智能化，它可以帮助招聘人员确定他们在哪些领域可以消除偏见。人工智能不太可能做好最后的招聘选择，但它将大大加快今天招聘人员完成的许多步骤。
2020年，我们预计人工智能将更频繁地用于以就业为基础的移民领域，为律师、人力资源主管和外国人才提供更无缝、压力更小的移民程序。通过将人工智能和技术融入移民过程，人力资源主管将拥有所需的资源、工具和数据，以支持外国公民，并以周到、高效和持续的合规性管理移民计划。
到2020年，我们预计人才招聘团队将继续使用人工智能来推动公平，更好地预测招聘，简化流程和改善候选人体验。人才招聘团队还将使用人工智能来更好地预测候选人在工作中成功的可能性，实施偏差控制，并为候选人提供实时反馈。由于人工智能在招聘中继续发挥着重要作用，各组织必须确保其招聘技术有利于单个应聘者，并采用透明、可验证、可复制和可发布的开放标准。
2020年，高等教育将继续看到人工智能的价值。我们将看到人工智能在学习工具中的应用越来越广泛，这些工具可以预测各种学科的使用情况，特别是在STEM中，它能为学生提供更个性化路径。此外，人工智能在写作定性分析方面（包括论据结构、相关性和风格），将使高等教育更多地使用基于人工智能的写作解决方案。
随着企业在2020年从使用向评估转变，人工智能的应用案例将发生变化。那些采用人工智能解决方案的公司，其目的是让客户和员工产生意想不到或超乎想象的互动效果，而不仅是利用人工智能简化流程。人工智能的真正优势将被揭示出来，它将消除繁琐的任务，为利益相关者提供一致、积极的互动，使他们的日常生活变得更轻松。
| 一网打尽系列文章，请回复以下关键词查看： |
|---|
| 创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧 |
| 热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估 |
| 预见未来：预见2016 |预见2020 | 预见2025 | 预见2030 | 预见2035 | 预见2045 | 预见2050 |
| 前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 | 基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | 5G | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 | 传感器 |
| 先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 直升机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器 |
| 未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 | 反卫星 |
| 领先国家：美国 | 俄罗斯 | 英国 | 德国 | 法国 | 日本 | 以色列 | 印度 |
| 前沿机构：战略能力办公室 | DARPA | 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 | 阿里 | 俄先期研究基金会 | 军工百强 |
| 前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普 |
| 专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨 |
| 全文收录：2017文章全收录 | 2016文章全收录 | 2015文章全收录 | 2014文章全收录 |
| 其他主题系列陆续整理中，敬请期待…… |