每年年底，IT思想领袖都会分析预测来年的技术发展、创新服务、行业进步等发展趋势。需要关注与人工智能、机器学习、深度学习、IT软件和服务相关的主要趋势。以下是IT行业的一些思想领袖对未来人工智能和机器学习的期望：Dataiku首席执行官兼联合创始人FlorianDouetteau：包容性工程将开始进入主流以支持多样性。为确保将多样性纳入AI计划，组织还必须投入大量时间和资源进行包容性工程。这包括收集和使用尽可能多的不同数据集。这将帮助组织创造一种将更多人带入该领域的体验——从教育到招聘实践的方方面面。英特尔公司物联网事业部副总裁兼工业解决方案事业部总经理ChristineBoles：2020年的疫情大大加速了组织需要通过解决方案来完成工业4.0转型，使他们拥有更大的灵活性，可见性和效率。2021年，将会出现越来越多的解决方案，可以满足各种需求，包括机器学习、机器视觉和高级分析。随着经济复苏，我们将继续看到对具有更多IT功能的运营技术和基础设施的投资，从而使广泛的参与者能够部署这些解决方案。到2021年，工业4.0的采用率将显着提高。Intuit首席技术官MariannaTessel：AI优先的应用程序改变了客户服务：随着AI技术不断成熟并在人们工作和生活的各个方面变得无处不在。人工智能将成为Intuit应用程序开发和使用方式中不可或缺的一部分，并将彻底改变应用程序的设计方式。道德人工智能领域：道德人工智能与团队建设同样重要。随着组织的业务越来越多地在消费者的注视下运作，人们将继续关注道德人工智能的使用。人工智能推动中小企业复苏：研究表明，50%的小型企业会在五年内倒闭。大多数失败是由于现金流问题。由于大流行，中小型企业现在的资源比以往任何时候都少，并且在是否可以持有更多库存、更好地管理现金流或是否可以雇用更多员工等方面面临着很大的不确定性。英特尔物联网事业部副总裁兼零售、银行、酒店和教育业务总经理JoeJensen：2021年，许多组织将优先转向“教育即服务”，希望教育政策和投资能够促进这一概念的发展。发展。将资金和赠款转移到教育以推进这种服务模式以确保所有学生都能获得负担得起的高质量教育至关重要。从长远来看，“教育即服务”将成为全世界教育的标准。网络攻击者将人工智能技术作为一种新的诈骗手段：在过去的十年中，他们在暗网上构建了一个完整的网络犯罪生态系统。网络犯罪分子越来越多地使用新兴技术来大规模自动化攻击。暗网现已成为网络攻击者的虚拟武器。他们可以在暗网上分享攻击技巧，以扫描漏洞并进行欺诈。网络犯罪的演变和复杂性将在2021年继续，因为它们比以往任何时候都更多地利用人工智能和机器人技术。JumioCEORobertPrigge：正如行业组织采用人工智能来抵御网络攻击和阻止欺诈一样，欺诈者正在利用人工智能技术进行大规模攻击。2021年，人??们将见证更多的人工智能竞争。几个关键领域预计将达到前所未有的水平：机器学习：网络攻击者将使用机器学习(ML)技术来查明漏洞，以加速对网络和系统的攻击。随着越来越多的组织在疫情的推动下加速数字化转型，网络攻击者将迅速利用机器学习来寻找和利用安全漏洞。对人工智能系统的攻击：人工智能系统也可能被黑客攻击。对AI系统的网络攻击不同于传统攻击，因为它利用了无法修复的底层AI算法的固有局限性，最终目标是操纵AI系统以改变其行为——这可能会产生广泛而有害的后果.影响，因为人工智能现在是所有行业关键系统的核心组成部分。如果改变了数据分类方法和存储位置。预计2021年将有更多针对AI系统的攻击。AI鱼叉式网络钓鱼攻击：2021年，网络攻击者将使用人工智能技术来提高网络钓鱼攻击的准确性。针对特定受众的基于人工智能的鱼叉式网络钓鱼电子邮件活动将变得更加普遍。从社交媒体中挖掘信息并针对特定受众量身定制攻击可以将受众点击率提高多达40倍，所有这些都可以通过人工智能技术实现自动化。2021年，网络犯罪分子将继续在网络钓鱼攻击中模仿人类行为，复制特定的语言或语调来提高网络攻击的成功率。Deepfake视频：Deepfake视频技术利用人工智能结合现有图像技术，将某人的头像替换，复制面部特征和声音。2020年，越来越多的deepfake技术被用于诈骗。随着更多组织在2021年采用生物识别验证解决方案，深度造假将成为在线欺诈者获取消费者账户访问权限的一种令人垂涎的技术。相比之下，对于使用数字身份验证解决方案的组织而言，能够识别深度造假的技术同样重要。组织必须确保他们实施的安全解决方案能够阻止这些不断增长的网络攻击，这些攻击将在2021年被欺诈者利用。英特尔物联网事业部副总裁兼零售、银行、酒店和教育事业部总经理JoeJensen：在即将到来的今年，人们将看到零售业的“仓储”——零售商将把重点转移到订单的微实现位置履行，无论是杂货还是消耗品。这将帮助小型零售商节省运营成本，尤其是在租金和客流量方面。从长远来看，零售商将继续以无缝便捷的解决方案做出回应，以经济高效的方式为送货客户提供服务。要在不断变化的零售空间中成为“赢家”，零售商必须以创造性的方式调整生产以满足客户的期望。LexalyticsCEOJeffCatlin和首席科学家PaulBarba：数据注释将是2021年的下一个“副业”。这将是产生额外收入的一种方式，但在定价方面已经存在逐底竞争。然而，随着人工智能在需要专业知识的行业（如医疗保健或法律）取得成功，对专业知识的需求将推动基础设施的发展，以匹配更有利可图的注释合同与专业人士。机器学习平台领域将会有更多整合。在过去的几年里，随着人工智能成为一种IT技术，许多人工智能基础设施公司如雨后春笋般涌现，并开始推广人工智能平台，为希望利用人工智能的公司简化构建模型的任务。人工智能平台将被整合，人工智能服务将弥补这一点。越来越多的组织在机器学习领域采用第三方专业知识，这正在推动机器学习咨询服务的增长。这一趋势将在2021年继续并加速。英特尔公司有线和核心网络副总裁兼总经理AlexQuach：核心网络的虚拟化将达到一个临界点。2024年，核心网工作量将从50%增长到80%以上。预计大多数领先的5G运营商将在2021年开始5GSA核心部署。dotData创始人兼首席执行官藤卷良平：AI自动化将加速数字化转型举措：第一波数字化转型将聚焦产品和服务的数字化，第二波将侧重于使用人工智能来优化和改进组织，提高生产力，产生更深入的数据驱动的洞察力，并自动化智能业务决策。人工智能驱动的数字化转型浪潮将从金融服务、保险和制造业的早期采用者扩展到其他行业，人工智能和机器学习将嵌入企业的多个业务功能中，从而提高效率并创造新的功能。产品与服务。现在发生这种情况的主要原因之一是AI和ML自动化平台的可用性，这使组织能够快速轻松地实施AI，而无需投资数据科学团队。这些AutoML2.0平台使AI/ML开发工作流程自动化，以加速AI部署过程并加速组织的数字化转型计划。更多BI团队致力于AI：大流行导致许多组织在2020年放慢了AI投资。虽然AI技术仍然是关键技术领域之一，但组织需要一种有效的方法来扩展其AI实践并加快AI采用的ROI。随着组织面临优化工作流程的压力，越来越多的组织将开始要求商业智能(BI)团队开发和管理AI/ML模型。这种推动基于商业智能(BI)的新型“AI开发人员”的能力将受到两个关键因素的推动：首先，使用AutoML2.0平台等工具使商业智能(BI)团队更具可持续性和可扩展的。其次，由于商业智能(BI)团队比数据科学家更接近业务用例，因此从需求到工作模型的生命周期将加快。新的AutoML2.0平台有助于自动化AI/ML开发过程，使组织能够构建更快、更有用的模型。无代码AI的演变：从拖放式可视化编程工具到真正的无代码全周期AI自动化。随着对更多AI应用程序需求的增长，组织将需要投资于技术科学流程，以帮助他们加速和民主化数据。这导致了一些所谓的无代码人工智能。许多这些无代码平台都是工作流驱动的可视化拖放工具（也称为可视化编程），并声称可以帮助简化非技术人员的人工智能开发。出现的问题是，虽然简单的工作流很容易构建和概念化，但大多数AI/ML模型需要大规模、非常复杂的工作流，这些工作流很快就会变得笨拙并带来全新的挑战。事实上，数据科学家必须执行的绝大多数工作通常与机器学习模型的选择和优化有关，这些任务先于特征工程（数据科学的核心）等任务。这意味着组织将需要寻找更复杂的AutoML2.0平台来实现真正的无代码端到端自动化，从自动创建和评估数千个功能（基于AI的功能工程）到机器学习和AI模型，以及之间的所有步骤。2021年，我们将看到AutoML2.02.0平台的崛起，让无代码更上一层楼，终于开始实现“一键无代码开发”的承诺。实时智能的兴起：实时智能将在2021年成为一个越来越重要的因素。随着从物理到数字的不可避免的转变，越来越多的组织开始看到访问实时信息的好处。实时预测的能力将得到很多关注。除了预测之外，从实时和流数据源中理解和发现隐藏的和可操作的见解的能力将是实时智能决策的关键。易于使用的AutoML2.0平台与实时预测和洞察相结合，将使组织能够获得实时情报并采取持续行动。AI和机器学习将超越预测：虽然预测是最有价值的结果之一，但AI和机器学习必须产生超越组织可以使用的预测的可操作见解。AutoML2.0平台可自动生成假设（也称为特征工程）并探索数千甚至数百万个假设模式，这是传统方法无法实现的。随着组织意识到数据功能不仅仅用于预测分析，提供自动发现和数据特征工程的自动机器学习2.0平台可用于提供更清晰、透明和洞察力。通过允许组织发现有关未知趋势和数据模式的重要信息，为其业务增加价值。通过敏捷AI将AI更快地集成到业务中：AI和机器学习只有在集成到业务中时才会产生业务价值。然而，许多组织都在致力于将AI/ML货币化，而许多AI/ML项目并没有走出数据科学实验室。MLOps是简化AI和机器学习生产的重要趋势之一。虽然MLOps是开发和部署AI/ML的一个重要方面，但它并不是成功的企业AI的最终目标。2021年，人们对平台的兴趣和使用将增加，这些平台还可以自动化企业AI工作流程的前半部分——数据工程和特征工程。通过能够实现100%的生命周期自动化，组织将能够开始摆脱耗时的AI开发瀑布方法，并开始采用依赖于执行速度和快速反馈的更敏捷的流程。英特尔无线接入网事业部副总裁兼总经理CristinaRodriguez：随着网络的快速转型，MassiveMIMO将在2021年大规模部署在vRAN架构上（即试点后部署在数千个站点）阶段）。声网声网COO兼CROReggieYativ：人工智能、AR、VR等技术将迎来下一代流行应用和平台，更多科技作品将创造出功能远超任何人想象或期待的用例强大且可扩展。英特尔公司智慧城市和智慧交通总经理SameerSharma：2021年将是智慧和弹性城市、基础设施和交通取得突破的一年。短期内，我们将看到采用智慧城市技术的中等城市数量急剧增加，这将导致普通技术中心之外的技术民主化。从长远来看，随着消费者开始看到生活质量的好处，更多的农村地区将采用智慧城市基础设施。您还将看到技术投资的增加，从边缘（人工智能）到（5G）网络再到云计算。随着城市继续从大流行中恢复，技术将成为经济增长的主要驱动力，确保进步和采用新的商业模式。Centrify网络安全负责人TorstenGeorge：AI将帮助优化治理模型：在身份治理和管理(IGA)中，建立广泛的职责、分配给组等通常会导致为身份分配特定权限。AI可用于查看是否以及如何使用这些特权。然后可以根据使用情况提出调整这些分配的建议，到2021年，这可能会导致更准确的访问建模，说明谁应该访问哪些资产以及为什么访问。AI可以帮助阻止病毒（在本例中为计算机病毒）变异。几十年来，防病毒软件解决方案一直是基于签名的，病毒的唯一签名被识别并放入其代码中，希望病毒不会在软件更新之间发生变化。人工智能技术可以用来解决这个问题。可以开发复杂的算法来建立特定的模式，因此它们不再受签名的约束。捕获这些变异病毒的几率比传统安全工具高得多，并且随着威胁行为者在这段持续不确定的时期加大破坏力度，它们将在2021年变得越来越重要。StaceyShulman，英特尔公司物联网事业部健康、生命科学和新兴技术副总裁兼总经理：目前阻碍医疗保健行业发展的因素之一是医疗记录的监管和跨组织的数据共享。正如我们在2020年爆发的疫情中所看到的那样，整个医疗行业在解决疾病和健康问题方面的合作至关重要，尤其是在涉及公共卫生危机和跟踪人口健康方面。2021年，随着人工智能、联邦学习等新兴技术在医疗领域的普及，我们将看到信息共享传递模式的改进。除了推动远程医疗等创新之外，这些技术还将加速和简化协作过程，使医疗专业人员能够更好地为患者提供高质量的护理，并及时提供新的治疗方案。【责任编辑：赵宁宁电话：（010）68476606】
