回看人工智能展望，有哪些成为现实？
发布时间：2021-07-05 16:34:39 所属栏目：大数据 来源：互联网
导读：人工智能非常复杂，而且发展速度很快。任何人都不可能对其未来几年的发展方向做出准确的预测。但就人工智能在2018年的发展趋势来说，我们可以给出一些具体的预测，并指出其会对企业、政府和社会产生哪些影响。一些新兴的趋势已经开始展现。 根据在人工智能领
|
企业不再需要决定”清理数据”——也不应该这样做。他们应该首先从一个业务问题开始来量化人工智能的好处。一旦数据被用来解决一个特定的问题，进一步开发数据驱动的人工智能解决方案就会变得更容易，从而就会形成一个良性循环。 问题出在了哪里?一些企业仍然在犹豫要不要建立，或者是没有建立好数据基础。
许多公司没有看到他们对大数据进行投资带来的收益。这里有一个脱节。商业和技术行业的高管们认为他们可以用数据做更多的事情，但学习曲线非常陡峭，工具也不成熟。所以他们面临着相当大的挑战。
现在，随着应用场景的成熟和人工智能本身变得更加真实和实用，一些人正在重新思考他们的数据战略。他们开始提出正确的问题，例如：如何使我们的流程更有效率?需要做些什么才能实现数据提取的自动化?
同时，企业现在可以利用新的工具和技术进步，其中包括：
采用更简便的方法挖掘结构较差的数据，比如那些用于文本索引和分类的自然语言处理;
企业应用程序套件将包含越来越多的人工智能工具;
新兴的数据湖即服务的平台;
可以利用不同类型数据的公共云;
自动化地机器学习和数据管理。
喂养AI野兽
尽管取得了这些进展，但许多企业仍然面临着诸多挑战。许多类型的人工智能(如监督式机器学习和深度学习)需要大量标准化、标签化的数据，并且还要把偏差和异常的数据“清除”掉。否则，不完整或有偏见的数据集将导致错误的结果。这些数据也必须足够具体，才能有用，当然，也要保护个人隐私。
考虑一个典型的银行业务流程。各个业务线(例如零售，信用卡和经纪业务)都有自己的客户数据集。其中不同部门(例如营销部门，账户创建部门和客户服务部门)也都有自己的数据格式。一个人工智能系统可以识别银行中最赚钱的客户是谁，也能为如何找到并赢得更多像他们这样的客户提供建议。但要做到这一点，系统需要以标准化的、无偏见的形式访问各业务线和各部门的数据。
正确的数据处理方法
从清理数据的开始并不是个好主意。从商业案例开始，然后评估如何在这个具体案例中取得成功会比较好。
例如，医疗保健供应商可能会致力于改善病人的治疗效果。在开始开发系统之前，供应商会量化人工智能可以带来的好处。供应商接下来将研究需要哪些数据——电子病历，相关期刊文章和临床试验数据等——以及获取和清理这些数据的成本。
只有供应商的收益——包括间接收益以及未来的应用程序如何使用这些数据，能够超过成本的情况下，供应商才会向前推进。
这就是有多少企业最终会改革数据架构和管理的衡量方法：人工智能和其他技术提供了需要它的价值主张。
影响
(1)成功将会带来成功
那些已经为一个应用程序解决了数据问题的企业，将会在下一个计划中有一个良好的开端。它们将开发最具实践性的项目，从而有效利用其数据资源并跨越企业边界进行工作。
(2)第三方数据供应商将蓬勃发展
企业内部的数据对于人工智能和其他创新来说是无可替代的，但有一个补充：第三方供应商将会越来越多地采用公共数据源，将其组织成数据湖，并为人工智能的使用做好准备。
(3)更多的合成数据即将到来
随着数据变得更有价值，合成数据和其他“精益”和“增强”数据学习的技术进步将加速。例如，我们可能不需要一整队自动驾驶汽车生成它们将会在路上如何行驶的数据。 只需要少数的一些汽车, 加上精密的数学计算，就足够了。
四、决定人工智能人才竞赛的不是技术人员
现在大型的企业都在争夺计算机科学家，但是顶尖的技术人才并不足以让人工智能取得成功。 企业需要能够与人工智能和人工智能专家合作的各个领域的专家，他们不需要成为程序员。但他们必须了解数据科学和数据可视化的基础知识, 以及人工智能的思维方式。
在人工智能离开计算机实验室，并进入日常工作流程时，这些专家将比计算机科学家更加重要。 但许多专家需要适当地提高技能。
随着人工智能扩展到更为具体的领域，它将需要数据科学家和人工智能专家通常缺乏的各领域的专业知识和技能。
想象一下计算机科学家创建一个人工智能应用程序来支持资产管理决策是什么情景吧。人工智能专家可能不是市场领域的专家。所以，他们需要经济学家、分析师和交易员来帮助他们确定人工智能在哪里能发挥作用，来帮助确定怎么去设计和培训人工智能，从而让人们能够愿意且有效地使用人工智能。
而且由于金融世界处于不断的变化之中，一旦人工智能开始运行，就需要不断进行定制和调整。所以，金融领域的专家——而不是程序员——将不得不带头工作。不仅在整个金融服务领域，在医疗保健，零售业，制造业以及人工智能所涉及的所有领域也是如此。
公民数据科学家
人工智能变得更加方便了。用户不再需要知道如何编写代码来使用一些人工智能应用程序了。但是大多数人仍然需要掌握比电子表格或文字处理程序需要更多的技术知识。
例如，许多人工智能工具要求用户将他们的需求制定成机器学习问题集。他们还需要了解哪些算法最适合特定问题和特定数据集。
所需的确切知识水平会有所不同，但我们可以将人工智能对人类知识的需求大致分为三类。首先，一家人工智能支持的企业的大多数成员需要一些关于人工智能价值的基本知识以及它能用数据做什么和不能做什么。其次，即使是最成熟的人工智能项目也需要一小组计算机科学家。最后，第三类是许多企业尚未注意到的——懂得人工智能的各领域的专家。
正如前文所说，他们不需要成为程序员。但他们必须了解数据科学和数据可视化的基础知识, 以及人工智能的思维方式。他们必须是公民数据科学家。
零售分析师，工程师，会计师以及许多其他领域的专家，他们需要知道如何准备数据，并将数据场景化, 以便人工智能最大限度地利用数据，这对企业的成功至关重要。在人工智能离开计算机实验室，并进入日常工作流程时，这些专家将比计算机科学家更加重要。
影响
(1)更快地提升技能意味着能更快地部署人工智能
那些想要充分利用人工智能的企业不应该只是争夺那些出色的计算机科学家。想要人工智能快速运行，它们更应该提高各领域的专家的人工智能素养。一些大型的企业，应该会更进一步，确定人工智能将会在哪些运营方面发挥作用，并提高相应技能地优先级。
(2)提升技能将带来新的学习方法
企业必须提高员工的技能，学习数据科学的基础知识以及如何像人工智能应用程序那样思考。考虑到这项任务的艰巨性，企业必须找到方法来评估高潜力学习者的技能，并将其放在个人的学习路径上，使其更快。
五、网络攻击将因人工智能变得强大，但网络防御也会如此
智能的恶意软件和勒索软件通常能够在传播过程中学习，通过机器智能协调对全球网络攻击，并通过先进的数据分析来定制攻击方式——不幸的是, 这一切都在进行中。
企业不可能拎着刀去参加枪战。它们必须要用人工智能来对抗人工智能。即使是那些对人工智能非常警惕的企业或者组织也别无选择，只能部署人工智能网络防御系统。网络安全将是许多企业第一次尝试使用人工智能。
27%的高管表示，他们所在的企业计划在2018年投资利用人工智能和机器学习来打造网络防御系统。
黑客攻击，让人工智能显示出了超越人类的优势。例如，机器学习可以轻松跟踪你在社交媒体上的行为，然后为你个人定制网络钓鱼推文或电子邮件。一个人类黑客不可能快速地完成这项工作。
人工智能越发展，网络攻击的可能性就越大。先进的机器学习，深度学习和神经网络等技术使计算机能够发现和解释模式。黑客也可以利用它找到并利用漏洞。
智能的恶意软件和勒索软件通常能够在传播过程中学习，通过机器智能协调对全球网络攻击，并通过先进的数据分析来定制攻击方式——不幸的是，你所在的企业或者组织很快就会受到牵连。就人工智能本身而言，如果没有得到很好的保护，就会引发新的漏洞。例如，恶意行为者可以将有偏见的数据注入算法的训练集中。 （编辑：宿州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
