??

[[206934]]

不可否認的是，人工智能( AI )已逐步滲透到我們的工作和生活中。人工智能的時代早已來臨，只是很多時候扮演幕后的角色，我們并沒有直接感受到而已。在過去的最近幾年，圍繞著人工智能各行各業開始智能化探索，創投圈攻城略池，中美等眾多國家也積極布局人工智能搶占戰略制高點。大家有目共睹的是，人工智能在技術上更迅猛發展，智能語音、智能圖像、自然語言處理、深度學習等技術越來越成熟，像空氣和水一樣逐步滲透到日常生活。那么，即將到來的 2018 年，人工智能將會掀起怎樣的風暴?

UnfoldLabs ***執行官 Asokan Ashok 撰寫了一篇文章，為我們預測了 2018 年人工智能的八大趨勢。 

??

計算分析大數據并不是一時性的。隨著數據量的不斷增長，因此分析大數據的方式也會有改進。當涉及到預測性分析的應用時，我們只不過看到的是冰山一角。通過數據挖掘、機器學習、AI 技術幫助組織機構分析現有數據，如銷售預測、優化營銷活動等。所有這些不同的人工智能都在深刻地改變著我們的生活。

以下是 AI、大數據、預測分析、機器學習的關鍵數據：

• 2018 年，75% 的開發商將在一個或多個業務或服務中包含 AI 功能。
• 2019 年，100% 的物聯網將會得到 AI 的支持。
• 2020 年，30% 的公司將使用 AI，至少增加一個主要銷售環節。
• 2020 年，算法將改變數十億勞動者的行為。
• 2020 年，人工智能市值將超過 400 億美元。
• 2025 年，AI 將驅動 95% 的客戶交互。

趨勢 1：強者恒強：大公司成為贏家

Amazon、Google、Facebook、IBM 將***人工智能的潮流。作為大公司，他們有大量的資源來收集數據，因此得以掌握更多的數據。

下面羅列了行業中***玩家在 AI 領域做出的戰績：

Amazon:  

??

[[206935]]

• 投資 AI 超過 20 年。
• 網頁檢索數據超過 50 億網頁。
• Amazon 物流中心擁有超過 50 萬張描述商品的 JPEG 文件及相應的 JSON 元數據文件。
• 每日監測全球廣播、出版物、網絡新聞的記錄超過 2.5 億條。
• 擁有接近 1 億的圖像及帶有注釋的視頻。
• Amazon Echo 占據了語音助理市場的 70% 份額。

Google:  

??

[[206936]]

• 數據集***存儲庫之一，擁有 10~15 EB 的數據。
• 專注研發應用和產品，而非長期的 AI 研究。
• 超過 1300 名研究人員的團隊。
• 占據語音助理市場的 23.8% 份額。
• 使用開源平臺進行機器學習，Tensorflow 是人人皆可使用的機器學習開源平臺。
• Google Earth 數據庫據估 3017 TB 或 3 PB 。
• Google 街景擁有大約 20 PB 的街景照片。

Facebook: 

??

[[206937]]

• 每天處理 25 億件內容和 500 多 TB 的數據。
• Facebook 擁有大約 80 名人工智能研究員和工程師。
• 每天產生 20 億點贊和 3 億的照片。
• 每半小時掃描 105 TB 數據。
• 建有 62000 平方英尺的數據中心，容納 500 個機架，包含了 1 EB 的冷存儲(cold * storage，指不常使用的數據——譯者注)。
• 每天用超過 40 種語言翻譯近 20 億用戶帖子，8 億用戶可看到翻譯。

IBM:

??

[[206938]]

• 計劃用 10 年，斥資 2.4 億美元創建 MIT-IBM Watson AI 實驗室。
• 在全球擁有超過 2000 名雇員，紐約總部擁有超過 600 名雇員。
• Watson 客戶合作橫跨六大洲，超過 25 個國家和地區。
• IBM 向 Watson 集團投資 10 億美元，其中包括 1 億美元的風投，用來支持 IBM 的初創企業和構建由 Watson 研發的認知應用。
• Watson 生態系統已經構建超過 7000 多個應用。

在機器學習和應用產品開發和部署的方面，Google 很可能處于最前沿的地位。Google 不僅是***家開展 AI 研究的公司，而且還擁有超過 7 萬名雇員，是一家龐大的公司。此外，Google Brain 是一個深度學習的 AI 研究項目，Google 擁有整個團隊，研究范圍涵蓋了機器學習、自然語言處理、機器學習算法和技術以及機器人技術等領域。

全球 100 家最有潛力的 AI 公司   

圖片來源：《財富》http://t.cn/ROK6ToZ

趨勢 2：算法和技術將會整合

所有投資 AI 的第二梯隊，如 Intel、Salesforce、Twitter 等，將追隨擁有數據的大公司，并使用他們的數據算法和 AI 。數據交易將在行業內進行，算法和技術最有可能發生整合。數據交易以及算法和技術的整合，將會使 AI 更為高效。

Google、Facebook 等巨頭收購小企業，算法將被整合到自己的核心平臺或解決方案。一家位于倫敦的 AI 公司 DeepMind ，由于構建了通用學習算法，被 Google 收購以獲得領先其他科技公司的商業優勢。另一方面，Facebook 收購了 Wit.ai 來幫助完善語音識別和語音接口。它還收購了 AI 初創公司 Ozlo，用來完善它的 M 虛擬助理。

趨勢 3：眾包數據將會極其龐大

所有的 AI 公司都會想法設法追逐海量數據集，以實現他們在 AI 的雄心壯志。這些公司將會收集大量的眾包數據。公司已經找到評估眾包數據質量和真實性的不同方法。不僅企業會從這些數據中收益，消費者也得到了話語權。

OpenDataNow.com 的創始人兼編輯 Joel Gurin 表示：

我們生活在眾包文化中，越來越多的人們愿意并且有興趣通過社交媒體分享他們知道的信息。  

??

[[206939]]

Google 通過眾包來獲取大量的圖片，構建其成像算法。它還通過眾包改進了翻譯、轉錄、手寫識別等服務。Amazon 通過眾包人工智能改善 Alexa ，使其掌握了超過 15000 項技能。

趨勢 4：并購事件將越來越多 

??

圖片來源：CBInsights(http://suo.im/4y0V3q)

CBInsights 統計數據表明，并購 AI 的軍備競賽已經打響，2018 年將會變得尤為激烈，我們將會目睹越來越多的智力資本和人才被并購。所有的機器學習和 AI 的小公司都將被大公司并購，原因有二：

• AI 在缺少數據集的情況下無法獨立工作。而大公司擁有大量數據集，小公司因此失去競爭力。
• 沒有數據的算法毫無用處，反之亦然。數據是算法的核心，因此，大量數據的獲取，乃重中之重。

??

[[206940]]

機器人工程師、哥倫比亞大學創意機器實驗室主管 Hod Lipson 表示：

數據就好比燃料，算法就是引擎。

??

趨勢 5：工具的民主化，獲取市場份額

大公司通過開源算法和工具集來獲取市場份額。基于市場的數據訪問和算法的壁壘將會降低，新的 AI 應用將會增加。通過民主化，原先缺乏 AI 工具的小企業將更容易獲得大量數據，來訓練復雜的 AI 算法。

Google ***執行官 Sundar Pichai 表示，人工智能的民主化，“我們大家能夠做的最令人興奮的事之一，就是揭示機器學習和 AI ，所有人都可以理解，這一點很重要。” 

??

[[206941]]

框架、SDK 和 API 將成為所有主要參與者的標準，發展消費習慣。基于 SaaS 和 Paas 的模型將成為所有公司遵循的商業模式。

趨勢 6：人機交互將會改善  

??

Siri 和 Alexa 是廣受歡迎的人機交互工具。更多基于機器人的類似解決方案將成為 AI 公司的***門檻。例如，機器可被編程用來分析語音和面部識別，能夠根據講話的語調來識別情緒。

2018 年，農業和醫藥領域的人機交互會更多。

趨勢 7：AI 將慢慢地影響所有的行業

制造業、客服、金融、醫療、交通等行業已經受到 AI 的影響。自動駕駛汽車預計 2018 年就能打入市場。明年，AI 將會影響更多的行業，下面例舉簡單的例子：

• 保險： AI 將通過自動化提升理賠服務
• 法律： NLP 可以在幾分鐘內總結上千頁的法律文件，從而節約時間，提高效率。
• 公關與媒體： AI 幫助快速處理數據。
• 教育：虛擬教師的發展;人工智能輔助閱卷;自適應學習程序、游戲和軟件;由 AI 驅動的個性化教育項目將改變師生互動的方式。
• 健康：機器學習可以創建更為復雜的精確方法，在患者出現癥狀前數年預測疾病。正如 100 年前工業革命改變了世界面貌，在未來，AI 也將會改變各行各業。

趨勢 8：安全、隱私與倫理道德的問題

在人工智能的保護傘下，像機器學習、大數據，對于安全和隱私問題仍有懈可擊。有時候，重要的部分是關鍵基礎設施。與隱私、安全相關的擔憂，如銀行賬戶和健康信息的保密，會促進對人工智能安全性的研究。2018 年，安全和隱私的問題會得到一定的解決，也可能會有所新的發展。

在 2018 年，人工智能的倫理問題也成為主要問題。需要強調的問題包括：AI 將如何傷害 / 造福人類。還有一些對于 AI 取代人類的擔憂，特別是 AI 如果應用于人類同情心很重要的領域，如護士、治療師、或警察。另一個需要解決問題就是自主武器，鑒于一定程度的自主功能，AI 需要超越某些功能，而不像人類所控制的武器。

我們的觀點

雖然人工智能已經存在很多年，但到目前為止，AI 仍處于起步階段。到處都在炒作 AI 和各種應用，從自動駕駛到虛擬個人助理，以及很多可以完成通常需要人類才能完成的任務的其他黑科技。雖然已經有了大量的 AI 應用案例，大部分目的都是改進特定流程，成功部署還需假以時日。另外，人工智能行業玩家并不多，因此當前不會出現碎片問題。處理這些問題的非結構化數據和算法將會出現。AI 的生命才剛剛開始，未來還有很長的路要走。