隨著專家們更多地了解大數據和智能算法的可能性，人工智能 (AI)已經呈現出許多新的形態和應用趨勢。 因此，今天的人工智能市場由久經考驗的智能技術與新的優化和先進的人工智能組成，這些技術正在慢慢改變我們的工作和日常生活方式。2021年有哪些對AI 的未來最讓人興奮的應用趨勢呢？

    人工智能應用的 5 大趨勢

1. 智能和超級自動化的業務流程

    憑借其基于智能編程和算法遵循基本任務和例程的能力，人工智能正逐漸嵌入組織自動化其業務流程的方式中。 

    AIOps 和 MLops 是 AI 和自動化的常見用例，但 AI 可以在企業中實現自動化的廣度和深度正在迅速增長。

    全球數字服務和咨詢公司Infosys 的高級副總裁 Bali DR認為，人工智能正在朝著一定程度的超級自動化（hyper-automation）發展，部分原因是為了應對疫情爆發導致的人工數據和程序的意外變化。

    根據Gartner的定義，超級自動化是將機器人流程自動化（RPA）、智能業務管理（IBMPS）、人工智能及高級分析集合到一起。由 AI 和 ML 拓展的 RPA 成為超級自動化的核心賦能技術。將 RPA 和AI技術結合起來，為自動化提供了強大影響力和靈活性，使之能夠在此前從未成功過的地方實現自動化：依賴于非結構化數據輸入的無記錄流程。

    "我們正處于人工智能的第二個拐點——從消費級人工智能走向企業級人工智能。"DR 認為，"由于過度依賴手動程序，例如航空業的大規模重新安排、銀行前所未有的貸款申請等，這些行業現在正在轉向將機器人流程自動化與現代機器學習相結合的超級自動化，以確保他們可以更好地應對未來的劇烈變化。"

    盡管AI自動化仍主要限于面向任務的自動化，工具方面幾乎不需要想象或猜測，但一些專家認為，我們正在向更多智能自動化的應用靠攏。

    知名分析和人工智能軟件公司SAS 的人工智能總監David Tareen對智能自動化的未來有以下看法："智能自動化將是未來發展的一個重要領域，"Tareen 說，"就像我們自動化的生產制造一樣，我們將大量使用人工智能來實現知識工作的自動化。"

    復雜性來自于知識工作具有高度的可變性。例如，一個企業會以不同的方式接收關于他們的產品或服務的反饋，而且通常也使用不同的語言。人工智能需要實時接受、理解和修改流程，然后才能實現知識工作的自動化。

2. 強調負責任的人工智能開發

    由于大數據的深度和人工智能對它的依賴，不道德或準備不充分的數據總是有可能進入人工智能訓練數據集或模型。 

    隨著越來越多的公司認識到創建以合規和合乎道德的方式開展AI業務的重要性，許多 AI 開發人員和服務提供商開始為其客戶提供負責任的 AI 解決方案。

    人工智能和混合云公司H2O.ai的營銷高級副總裁Read Maloney，解釋了到底什么是負責任的人工智能，以及企業為改善其人工智能道德而采取的一些不同舉措。

    "人工智能創造了令人難以置信的新機會來改善世界各地人們的生活，" Maloney說，"我們將降低風險的責任作為我們工作的核心，因此在我們的 AI 解決方案中建立公平性、可解釋性、安全性和隱私性是關鍵。" 

    可解釋的AI 和可解釋的ML：能夠在模型開發后對其進行解釋，并提供透明的模型架構，讓人類用戶既能理解數據又能信任結果。

    有道德的人工智能：在機器學習預測中提供社會學上的公平性（即一類人是否被不平等地加權，并消除人類的歷史偏見）。

    安全的AI：調試和部署ML 模型，將安全和隱私放在首位。

    以人為本的人工智能：人工智能從人類輸入和協作中不斷學習。由于人工輸入并彌合了人與機器之間的差距，系統正在不斷改進。

    合規性：確保人工智能系統符合相關監管要求或法規。

    公司正在探索多種方法來讓他們的 AI 更負責任，大多數公司都從清理和評估數據集和現有 AI 模型開始。數據庫解決方案公司InfluxData的物聯網產品管理總監 Brian Gilmore認為，模型和數據集管理的最佳選擇之一是分布式賬本技術（DLT）。

    "隨著人們對 AI 的道德和文化影響的關注逐漸增強，一些企業開始投資于輔助但重要的技術，這些技術利用共識和其他信任保障系統作為 AI 框架的一部分，"Gilmore 說，"例如，分布式賬本技術為模型和訓練數據的完整性可審計證明提供了一個平臺。"

    DLT 的去中心化所有權、訪問權限分配和共享責任可以為 AI 開發和應用帶來全面的透明度。困境在于營利性公司是否愿意參與社區模式，以透明度換取消費者對人工智能等關鍵任務的信任。

3. 人工智能模型在解決全球問題方面的潛力

    到目前為止，人工智能最常用于優化業務流程并為消費者自動化一些家庭日常事務。然而，一些專家開始意識到人工智能模型在解決全球問題方面的潛力。H2O.ai的Read Maloney與來自不同行業的人合作，集思廣益，探討如何將人工智能用于更大的利益。

    "我們與許多志同道合的客戶、合作伙伴和組織合作，解決教育、保護、醫療保健等方面的問題，" Maloney說，"AI for good 不僅是我們工作的基礎，包括當前在氣候變化、野火和颶風預測方面的工作，而且我們看到越來越多的 AI 用于良好的工作，使整個 AI 行業的世界變得更美好。"

    目前，利他主意的人工智能的一些最令人興奮的應用現在正在早期教育中實施。例如，人工智能驅動的醫療保健和教育公司DMAI 的首席執行Helen Thomas提供了一種人工智能驅動的產品，以確保學齡前兒童獲得所需的教育，盡管可能會遇到大流行的挫折：

    除了包括成本和入學機會在內的學前教育預先存在的障礙之外，最近的研究結果表明，在 COVID-19 大流行期間出生的兒童的智商得分低于 2020 年 1 月之前出生的兒童，這意味著幼兒對上學的準備比以往任何時候都少前。 

    "DMAI DBA 動物島學習冒險 (AILA) 正在通過人工智能改變這一點。利用認知 AI 以一致和重復的格式提供適當的課程，支持自然學習模式。" Thomas說。

4. AIoT：人工智能和物聯網協同工作

    物聯網（IoT）設備在企業和個人用戶中變得非常普遍，但許多科技公司仍在努力解決的是如何從這些設備不斷流入的數據中收集可操作的見解。 

    AIoT（人工智能物聯網），或將人工智能與物聯網產品相結合的想法，是一個開始解決這些未使用數據池的領域，賦予人工智能快速、智能地轉換這些數據的能力。AIoT融合AI技術和IoT技術，通過物聯網產生、收集來自不同維度的、海量的數據存儲于云端、邊緣端，再通過大數據分析，以及更高形式的人工智能，實現萬物數據化和智聯化。

    工業 AI 解決方案公司AspenTech的高級副總裁兼 AIoT 總經理 Bill Scudder認為，AIoT 是實現更智能、實時業務決策的最關鍵領域之一。

    Forrester 指出，在企業內部收集的所有數據中，多達 73%未被使用，這凸顯了物聯網的一個關鍵挑戰。隨著連接設備的數量不斷增加（例如，在工業物聯網環境中），從這些設備收集的數據量也在增加。 

    "這導致了許多行業都出現了一種趨勢：需要結合人工智能和物聯網。原因如下：物聯網允許連接設備從各種來源創建和傳輸數據，人工智能可以更進一步，將數據轉化為可操作的見解，以推動更快、更智能的業務決策。這使得對AIoT的需求呈上升趨勢。" Scudder 說。

5. 決策智能的出現

    決策智能 (DI) 是最新的人工智能概念之一，通過使用 AI 模型來分析廣泛的商業數據集，它使許多當前的業務優化更進了一步。這些分析用于預測從產品到客戶再到供應鏈的各個方面的未來結果。

    商業 AI 解決方案提供商Peak公司的數據科學團隊負責人 Sorcha Gilroy解釋說，盡管決策智能是一個相當新的概念，但由于其詳細的商業智能（BI）產品，它已經受到大型企業的青睞。 

    "決策智能是一種新的軟件類別，可促進人工智能的商業應用，為用戶提供預測洞察力和推薦行動。" Gilroy說，它以結果為中心，這意味著解決方案必須滿足業務需求才能被歸類為DI。

    經過Gartner和IDC的認可，決策智能有可能成為世界上最大的軟件類別，并已被企業在各種應用案例中使用，從個性化購物者體驗到簡化復雜的供應鏈等等。眾所周知，耐克、百事可樂和ASOS等品牌已經在使用DI。

      注：尊重原創文章,轉載請注明出處和鏈接 http://m.hebeijilong.cn/news-id-7065.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050