【.com快译】2019年，全球53%的决策者宣布已建立AI数据分析系统，将在企业内部全面发展人工智能。以下是对2020年人工智能的预测。这些结果基于对《财富》500家公司的调查。财富500强公司被公认为美国最赚钱的公司。该研究发现，29%的开发人员近年来从事人工智能和机器学习方面的工作。这些发现来自Forrester的一项研究。公司IT部门54%的决策由人工智能处理，并取得了预期的积极结果。启用特定流程的智能自动化。据Forrester称，25%的财富500强公司计划实施数百个智能流程自动化(IPA)。换句话说，就是通过人工智能实现特定任务的自动化。因此，特定的自动化机器人任务包含在AI实施中。公司将专门使用文本分析和机器学习来处理传入的电子邮件和文档。实施模仿人类行为的自动响应或聊天机器人与互联网用户或客户交谈，也称为会话代理。ConversationalBrokersConversationalBrokers可以节省大量时间，尤其是对于HR员工和IT团队而言。大数据的处理需要一定的机器学习监控工具。因此，您需要创建对数据进行分类的算法程序。分类算法算法对数据的分类能力越强，人工智能就越能准确识别正常数据和异常行为数据，从而更快地发现问题，及时采取必要的纠正措施。自动化流程投资Forrester认为，自动化流程投资的增加部分是由于中国的经济衰退。中国经济衰退可能导致利率上升，这不仅会抑制消费和投资，还会降低企业的市值。在科技公司中，市值缩水尤为明显。科技公司的估值高度依赖于长期利润增长。定位自动化企业想要发展这些自动化产业，以保证其服务的效率。报告还指出，与需要长期投资的AI创新项目相比，这些自动化市场也可以更快、成本更低地转型。人工智能标杆，竞争力的新武器。随着AI市场的持续增长，很难有一个单一的计算平台被公认为处理AI工作负载最快、最具扩展性和成本最低的平台。因此，行业标杆应该发挥越来越重要的作用。测量依据。去年，MLPerf基准测试在竞争力方面脱颖而出。从英伟达到谷歌，所有的玩家都在这些测试中表现出色。到2020年，人工智能基准测试将成为营销战略的关键要素，随着时间的推移，这一领域将变得更加普遍。面对一定程度的怀疑，发展远未放缓。Forrester指出了与使用人工智能相关的一些危险。例如：社交网络上某些算法产生的虚假信息，人脸识别技术带来的大规模技术监控，智能人脸识别算法导致的“深度造假”视频泛滥。据Forrester称，这些都不会减少2020年对人工智能的商业投资。该报告将论证人工智能的重要性和必要性，并使其使用“透明化”。考虑数据源要求。根据Forrester的研究，人工智能在企业中的植入势必会鼓励管理者采取必要的步骤来促进开发人员在机器学习方面的工作。在大多数情况下，公司花费超过70%的时间来维护程序正常运行所需的所有数据。SaaS模型中的AI减少了对数据科学家的需求。AWS、微软、谷歌、IBM等供应商的机器学习服务自去年以来势头强劲。随着AI趋势的升温，越来越多的企业用户将依赖这些云提供商来满足他们更多的AI需求。云提供商将减少内部聘请数据科学家的需要。SaaS提供商和人工智能。到2020年底，SaaS提供商将成为自然语言处理、预测分析和其他AI应用程序的主要提供商。这些AI应用程序将包括平台服务和DevOps工具等。那些将继续实施人工智能计划的公司将进一步自动化数据科学家的角色，因此他们将不需要雇用新的机器学习建模师、数据工程师和技术支持人员。在接下来的十年中，大多数数据科学家将主要由SaaS和其他云提供商招聘。不断学习和实验。每个企业的数字化转型都希望找到最适合的学习模式。然而，学习模型需要在真实环境中进行实验。其中，ML模型工具将帮助企业自动选择那些能够达到预期结果的测试和模型。业务流程中的实践。到2020年底，大多数公司将在所有业务流程中实施人工智能，包括客户联系和后端操作。随着越来越多的企业向云提供商寻求人工智能工具，AWS近期将建立新的业务迭代模型和跟踪模型。这些新功能都将成为专业应用环境中24/7-AI模型的常态。人工智能的良好实践。未来十年，基于人工智能的自动化和DevOps能力将成为人工智能业务流程的最佳实践。开发人员的工作由AI自动化。神经网络是现代人工智能的核心。到2020年，企业数据科学家的工作计划将开始纳入一种名为“神经架构研究”的基于AI的新方法，该方法旨在根据目标自动构建和优化神经网络。随着神经架构的采用和改进，神经架构的研究将提高数据科学家的生产力，帮助他们在现有的机器学习算法（例如线性回归和随机决策树算法）或任何最新和最先进的神经网络算法中.建立模型的基础上。在AI中建立端到端的透明度。人工智能正成为企业应用程序中越来越重要的风险因素。随着公司面临社会经济偏见、侵犯隐私和人工智能应用的其他不良影响的诉讼激增，法律官员将要求对机器学习模型进行全面跟踪，以了解它们是如何构建、训练和管理的，以及它们是如何在企业中使用的应用程序。到2020年底，大多数公司法务经理将要求他们的数据科学家团队自动记录机器学习过程的每个步骤，并用通俗易懂的语言解释每个模型产生的自动推理。未来10年，人工智能项目的透明度将成为获得资金的决定性因素。未来几年，几乎所有的产品都需要基于人工智能及其端到端的监管。特别是那些使用个人身份信息的产品将会增加。除了越来越重视人工智能开发的透明度之外，现在说这些未来法规将对底层平台、工具和技术的开发产生什么影响还为时过早。但无论情况如何发展，这些监管举措似乎只会在未来愈演愈烈。原标题：人工智能：2020年预测，作者：AdedejiAdewale
