IT行业媒体eWEEK每年分享IT思想领袖对IT行业来年的预测，包括新产品、创新服务、发展趋势等。这些行业专家分享了他们对2020年人工智能、机器学习和基于机器人的自动化的未来的见解和预测。蓝鼎智能人工智能转型副总裁王东彦表示：在非消费互联网行业，人工智能的采用仍处于早期阶段。由于缺乏数据和需要管理复杂的机器学习工作流程等挑战，许多项目都举步维艰。2020年，端到端、垂直化的人工智能平台将会出现，这将使企业走出困境，继续完成他们的人工智能项目。Pivot3的首席执行官BruceMilne表示：IT行业将开始意识到基于视频的计算的力量：随着视频分析技术在2020年的改进，IT行业将有无限的机会。目前，基于视频的数据占所收集数据的60%，在过去几年中，企业在很大程度上将其视为一种负担和支出。2020年将开始出现转变，企业将转向视频以优化其产品或支持战略计划。例如，一些城市可能会使用视频监控技术来监控其公共交通系统的安全运行，结合分析来挖掘数据以获取容量需求等见解。LogicGate首席执行官MattKunkel：机器人过程自动化(RPA)在风险和合规性方面优于人工智能：人工智能和机器学习有多种形式。关于风险和合规性，机器人过程自动化(RPA)将在2020年继续取得进展。原因是：在分析来自财富500强公司的大量数据时，没有足够的数据来使AI的预测具有相关性。机器人流程自动化(RPA)运作良好，因为许多风险和合规职能都遵循正式流程，并且随着企业通过特定流程存储越来越多的数据，存在更清晰的途径来自动化这些流程。步。那么问题就变成了如何优化和迭代该系统。机器人过程自动化(RPA)应用程序成熟的其他领域包括第三方风险、IT、政策和程序以及内部审计。AODocs营销副总裁DavidJones表示：人工智能并不是内容管理的万能药：但很多人认为人工智能可以通过算法解决所有业务问题，这是一个谬论。人们需要摆脱一种怪异的AI算法可以完成这项工作的想法，而转向许多AI机器人协同工作以优化先前存储的数据的想法。2020年，人工智能将针对传统数据库进行部署，首先确定要存储哪些数据，删除不再需要的数据，并分发丰富的元数据，以实现更好、更复杂的搜索并简化记录保存。用户不执行此操作，而是执行一组相互关联的算法。Teradata工业智能咨询总监CherylWiebe表示，今天的人工智能将在2020年分为几个领域，营销人员将不可避免地为这些领域创造更简洁的名称。其中包括机器人流程自动化(RPA)；自动化特征工程和选择；用于感知、自动化和改进物理感知的人工智能；用于资源分配的人工智能，优化技术与实时感知和响应需求的结合。人工智能将开始改进数据管理本身的过程。例如，用于系统资源分配、自动化特征工程、操作元数据收集和更好的知识管理（例如标记）。LexalyticsCEOJeffCatlin表示：自然语言处理（NLP）和文本分析将成为机器人过程自动化（RPA）解决方案的重要组成部分：研究机构Forrester和Gartner发布的调查报告指出，许多机器人过程自动化（RPA)供应商在支持流行的文本分析用例方面落后，缺乏涉及PDF的“非结构化文档用例”的能力，并且难以将文本分析/自然语言处理(NLP)组件纳入其更大的操作环境。随着企业自动化越来越大的流程，自然语言处理(NLP)供应商为机器人流程自动化(RPA)要求提供可行的解决方案，例如本地/混合云选项、易于集成的API、可定制性以及快速回报投资(ROI)，他们将迅速填补空白。Teradata营销副总裁ChadMeley表示：“在过去几年成功进行了几次AI试点之后，企业将重新关注企业数据管理和集成，以扩展数千种狭义人工智能。智能用例奠定了基础。所有今天围绕机器智能的是狭义人工智能。到2020年，成功的企业AI计划将产生数百个用例，每个用例都由狭义定义的算法提供支持。“无代码分析”将引起极大的兴趣和采用。通过自动化某些繁琐的方面，例如作为特征工程和模型选择，人们看到了高级分析技术的稳定民主化。但是当机器学习和其他高级流程分析完全不需要编码或SQL技能时，高级分析将变得普遍。无代码分析将嵌入到工作流程中，或通过简单的下拉菜单调用。它们不会让编码在分析领域过时，但会使大型企业中受益于分析的用例数量增加100倍。Lexalytics首席执行官JeffCatlin表示：人工智能领域最大的研究进展将是理论：近五年来，人工智能的应用已经远远超出了人们的认知范围。他预计，随着2019年下半年AI实用性的重大进步，人们可以期待更少的世界领先的算法发明和更多的理论进步来证明这些都是可行的。该领域一直在快速发展，因此到2020年底，理论工作将为新一代算法铺平道路，其平衡将再次发生变化。Lexalytics首席执行官JeffCatlin表示：少一些魔法，多一些解决方案：人工智能将迎来美好的一年，并将巩固其作为未来十年技术的地位。AI供应商似乎更明智，而不是发送正确的信息，即AI可以帮助人类，使他们能够更快更好地完成工作。Aisera.comCEOMudduSudhakar表示：AIOP将颠覆传统的IT/Cloud/DevOps：DevOps的核心是提高敏捷性和灵活性。AIOps通过自动化从开发到生产的关键步骤、预测生产结果以及自动响应生产环境的变化来提供帮助。尽管微服务、混合云、边缘计算和物联网增加了应用程序的复杂性并增加了用于查找根本原因的日志量，但AIOps简化了来自多个系统的数据聚合，而DevOps集成了以前孤立的系统以提高效率。与DevOps一样，AIOps刺激文化变革，因为它需要在整个系统范围内着眼，而不是缩小到特定的技术或基础设施层。它还需要更高自动化程度的舒适性。Lexalytics首席执行官JeffCatlin表示：“自动驾驶还有很长的路要走：虽然企业环境中的AI确实会做得很好，但AI也会出现一些引人注目的失败，尤其是在自动驾驶汽车领域。特斯拉的SmartSummon令人印象深刻，但它还有一段路要走，它在特斯拉社区的广泛使用会导致很多低速事故的视频，经常撞到汽车、灯杆，甚至是行人。
