从好的方面来说，人工智能及其相关的技术（如机器学习和深度学习）可以在智能手机和各种设备（如亚马逊的Echo和谷歌的Home）中实现语音识别等业已成为理所当然的服务，自动驾驶汽车、更准确的疾病诊断，以及云和数据中心中不那么明显但至少同样具有影响力的，自动化程度更高的信息技术基础设施。
人工智能已有数十年历史，在公众的想象中，它已成为2018年的标志性技术之一——尽管它并非总是以积极的方式示人。
从好的方面来说，人工智能及其相关的技术（如机器学习和深度学习）可以在智能手机和各种设备（如亚马逊的Echo和谷歌的Home）中实现语音识别等业已成为理所当然的服务，自动驾驶汽车、更准确的疾病诊断，以及云和数据中心中不那么明显但至少同样具有影响力的，自动化程度更高的信息技术基础设施。
与此同时，有人用人工智能制造假新闻来攻击人，歧视某些类型的工人或客户，并引发恐惧，尽管这可能过于夸张，机器可能很快会淘汰大多数工作。特斯拉的首席执行官伊隆马斯克和已故的物理学家斯蒂芬霍金等重要人物尤其引起了人们的担忧（人们对此仍然还在展开激烈的争论），即失控的人工智能可能会威胁到人类的存亡。
但无论结果是好是坏，新的一年无疑会加速人工智能和机器学习在各种产品，业务和日常活动中的使用。以下是对即将发生的以及不会发生的事情的一些预测，还有专家提出来的想法：
人工智能在企业领域的重要性丝毫不亚于消费产品领域
硅谷的同类市场研究公司Wikibon的James Kobielus（他是负责人工智能、数据、数据科学、深度学习和应用程序开发的首席分析师）称，人工智能正在重塑商业智能。这使得商业用户可以进行大量的分析，而这些分析曾经要训练有素的数据科学家才能做。
接下来还有机器人过程自动化（或模拟人们如何在过程中执行任务的软件），这已经成为人工智能的主要企业用例之一。人工智能也正在成为管理信息技术基础设施的重要基础，这是一种名为“人工智能运维（AIOps）”的新兴模式。正如Kobielus指出的那样，这个想法是使基础设施和运营具备更多持续自我修复、自我管理、自我保护和自我优化的能力。
尤其是，机器学习渐渐使软件开发本身发生了变化，其方式大致上是使机器（而不是必须编写特定的逻辑和规则的开发人员）能够创建应用程序。而这在2019年将变得更加明显，随着云计算巨头提供越来越多的人工智能服务，情况尤其如此。在最近的邓百氏（Dun & Bradstreet）调查中，近一半的企业表示它们正在部署人工智能系统，另有23%的企业正处于规划阶段。
其他人怎么看
• “2019年将有更多的商业智能（BI）供应商会整合大量的人工智能，从而自动将来自复杂数据的预测洞察提取出来，同时在解决方案中提供这些复杂的功能，这些解决方案可以使自助服务得到简化并为下一个最佳行动（next-best-action）对策提供指导。”——Wikibon的James Kobielus如是说
• “机器学习将进入运营阶段，从幕后走到台前，进入实时且关键的企业应用程序结构中。”——Splice Machine的首席执行官Monte Zweben如是说
• “不要跟我说你正在做的一两个人工智能项目。我想的可是几百个项目。”——IBM的分析总经理Rob Thomas在theCUBE峰会上如是说
“人机回圈（humans in the loop）”将成为准则——但并不总是现实
因为亚马逊的Alexa等人工智能驱动的服务往往表现优异，因此人们认为人工智能将接管各种工作。事实远非如此，当然，不久后肯定会成为事实。麦肯锡估计，只有不到5%的职业可以使用现有技术完全实施自动化，但在大约60%的职业中至少有30%的活动是可以得到自动化的。
这一切意味着，2019年或2019以后的几年，最成功的应用程序将是那些帮人们更好地完成工作的应用程序，不管是通过MRI扫描来做分析的临床医生，还是试图处理更多潜在客户的工厂工人、工业机器人或抵押贷款人员。
也就是说，一个人的高产往往是以另一个人的付出为代价的，有鉴于此，有些人固执地认为人工智能只是一种工具，这种见解显得有点空洞。如果人工智能真的要做到使社会受益，而不会使大量的人失业，那么人工智能提供商和使用人工智能的公司必须在2019年证明这是事实。私营企业和政府必须尽快想出解决办法，帮助因高效的人工智能而失业的人。
其他人怎么看
• “2019年，人工智能将持续不断地使我们的工作生活变得更轻松，并使我们可以做更多的事情……工人将负责某些任务或根据我们的偏好将项目交给机器去做。”——SAP Leonardo、机器学习和智能过程自动化的SAP的副总裁David Leonge如是说
随着故障和恐惧的加剧，人工智能将变得更加透明
机器学习遭到了一个重大的打击（尤其是使用人工神经网络的深度学习等类型的东西受到了打击），那就是用来产生结果的算法是一个黑盒子。即你输入了大量的数据，但你得到的结果并不总是很清楚——有时甚至是错的，比如当一辆自动驾驶汽车出人意料地因为一个不起眼的物体而停在道路上，但有时却未能正确识别人类，将人撞死。
事实上，在邓白氏最近所做的调查中，几乎有一半的受访者表示，人工智能的可解释性给组织带来了问题，46%的受访者表示，他们至少在这方面遇到了麻烦，即弄清楚人工智能系统如何给出答案。
同样糟糕的是，用来训练人工智能系统的数据是错的或存在偏差。例如，在2015年，亚马逊在知悉其人工智能驱动的招聘工具重男轻女时不得不放弃使用该工具，因为该工具认为受雇的申请人大多数是男性，这意味着男性更优越。今年，这种认识可能会转化为更多的行动，从而避免这种事情的发生——必要时诉诸于立法的手段。
虽然我们几乎无法窥探黑匣子里的乾坤，正如我们无法洞悉人们的大脑来分析他们要做的决定，人们对了解人工智能内部运作机制的需求越来越迫切，尤其是法律工作者。
一些将解决这个问题的数据和算法看成是特有优势的技术公司并不会引领潮流，这毫无疑问。政府可能会要求公司实施某种程度的透明度，但目前尚不清楚政府如何做到这一点。但这在今年将成为更大的问题。
其他人怎么看
• “掌握了人工智能且拥有巨大能量的全球科技巨头引发了很多关于如何规范行业和技术的问题。2019年，我们必须为这些问题想出答案——既然技术是多功能工具，随具体的使用环境而带来不同的成果，那你又怎么规范技术呢？你如何制定不会扼杀创新，或不偏向大公司（大公司承担得起合规成本，而小公司则无法承担）的法规？我们在什么级别上进行监管？国际的、全国的、还是地方的级别？”——埃森哲的应用智能部门的董事总经理兼Responsible AI initiative的全球负责人Rumman Chowdhury如是说
• “事故发生时，法庭上可能必须解决责任划分的问题。新的立法必须制定，以便法院在有关责任的棘手问题上获得足够的参考资料。”——Mobilocity LLC的首席分析师J. Gerry Purdy如是说
• “也许我们应该从人类的心理机制中借鉴一些观念”，使人工智能更易于解释——Unity Technologies的人工智能和机器学习副总裁Danny Lang如是说
• “2019年将是付诸行动的一年。人们将做出更多的承诺和声明，即负责任地创建和使用人工智能，并且公司将不得不予以采纳。在影响人权的决策中，公众将反对政府使用会产生偏差的人工智能。更多员工将要求对自己所创造的东西产生影响，并拒绝为有害的自动化做出贡献。公司必须以良知做出表率（无论是购买或是创建人工智能解决方案）并设法保证系统公平公正，以避免成为人工智能出现问题的下一个头条新闻。”——Salesforce.com的人工智能道德实践的架构师Kathy Baxter如是说
• “国会将慢慢对人工智能实行监管，它需要在消费者和企业两端得到更多的认证信息、原产国信息和透明度，这只是时间问题。银行尤其要提防与大数据的利用相关的歧视做法，银行还必须不断地评估参与开发的人员在算法中可能带进去的偏见。”——Compliance.ai的联合创始人兼首席执行官Kayvan Alikhani如是说
图谋不轨者会率先加强人工智能的使用，勇气进行欺骗
无论是“用深度学习伪造的”色情内容、更强大的人工智能网络攻击，还是俄罗斯等国继续以脸书和其它社交媒体上的人为目标来影响选举结果，人工智能渐渐表明，如果它掌握在坏人手里会造成多大的威胁。
和大多数技术一样，人们不可能保证这些技术不会落到坏人手里。因此，2019年，人工智能和机器学习的使用会产生更多不良的结果。Wikibon的James Kobielus说：“人工智能将刮来一股极端恶劣的风暴，人类几乎没有准备好应对风险密布的破坏性后果”。问题是，我们才刚刚开始理解问题的严重性，更不用说找到改善这个问题的方法了。这项任务几乎还没有开始，但在今年，私营企业和世界各国的政府将对这个问题给予很多关注。
其他人怎么看
• “人们必须做出很多取舍，很多人可能会发现，由此产生的技术、监管和其它补救措施与风险不成比例。我们需要各地的政治领袖，这些领袖本身不会在这些问题上捣蛋。但是，如果我们认为社会完全能自保，使自身免受人工智能发明可能带来的所有不利后果，那么这种想法是很幼稚的。”——Wikibon的James Kobielus如是说
更多专业化的人工智能硬件将陆续诞生
英伟达的GPU芯片一直主导着机器学习的计算机，因为它们能并行处理很多操作。但这对芯片来说有点意外，因为它们最初是为加速游戏而开发的。
如今，大量来自初创公司和大型的芯片制造商（如英特尔）的可替代芯片即将进入市场，这些芯片制造商近年来已经收购了一些初创公司。如通过云服务开放的谷歌的Tensor Processing Unit芯片，这些芯片经过了调整，可以运行机器学习算法，据称其速度甚至比GPU还快。今年将证明这些芯片是否能兑现这样的承诺。
数据集的普遍可用性和无代码工具将有助于将机器学习民主化
到目前为止，机器学习一直由拥有大量数据的科技巨头主导（如谷歌、亚马逊、微软和脸书），其中一些公司也是云计算的领导者，因此它们也可以将数据驱动服务出售给其它公司。这使人们担心，小公司会更加落后，因为它们根本无法获得支持现代人工智能的数据。
由于几个原因，这些担忧也许并不像表面上看起来那么站得住脚。首先，引领特定行业、产品和服务的公司（例如通用电气公司在发动机领域）拥有大量属于自己的数据，即便是谷歌和亚马逊也不具备这样的数据。其次，开放的数据源越来越多，推动这些数据源的组织也越来越多，这对小公司大有裨益。这些小公司的成败将在未来的一两年内见分晓。
其他人怎么看
• “机器学习的实施方案将得到广泛的散布。谷歌不可能“拥有所有的数据”——谷歌只会拥有一切属于谷歌的数据。谷歌将拥有更多相关的搜索结果，通用电气将拥有更好的引擎遥测技术，沃达丰将更好地分析通话模式和网络套餐，这些都是由不同公司创建的不同内容。谷歌成了更好的谷歌，但这并不意味着它在某种程度上善于做任何别的事情。”——Andreessen Horowitz的合伙人Benedict Evans如是说
• “即便你不知道微波技术的工作原理，但这并不耽误你使用该技术，这只是一个工具。随着无代码、点击式工具的大量出现，我们与人工智能进入了同一阶段，在这个阶段中，人工智能将成为广泛使用的实用工具，无论使用该技术的人来自什么背景。因此，未来几年的大多数人工智能应用程序将由这样的人员创建——他们没有受过多少人工智能方面的培训，或者根本没有受过培训。”——Salesforce.com的数据科学副总裁Vitaly Gordon如是说。
自动驾驶汽车近期仍不会得到广泛的使用
若非有能够理解来自无数传感器的全部数据并同时对车辆应该做什么作出瞬间决定的机器学习技术，自动驾驶汽甚至得不到测试的机会。但这项技术还很不完善，过去几年里，一些司机或行人的死亡案例就证明了这一点。
不仅如此，很多人显然对自动驾驶汽车的到来感到无所适从。在亚利桑那州，有人肆意破坏Waymo车辆并且朝这些车辆扔石头。而公司（更不用说政府）甚至都没有意识到，事故责任和很多法律方面的问题渐渐开始出现。因此，尽管自动驾驶汽车经历了所有的测试并且前景广阔，它和所有普遍现象一样尚需时日。
也就是说，大公司和资金雄厚的公司（如Waymo、通用汽车、特斯拉、优步和Lyft）正在全力完善技术端。最起码，人工智能驱动的车辆也许会渐渐变得更加普遍，这关系到最后一英里配送，这要么由自无人机实现，要么由地面的机器来实现。在未来一年，当你看到无人机或机器人出现在你家门口时，请不要感到惊讶！
其他人怎么看
• “人们一直计划拥有自动驾驶的汽车。有些人仍然担心，人工智能也许只要20年就可以接管一切，但事实是，我们距离真正的自动驾驶汽车还有很长的路要走。自动驾驶汽车的功能将持续得到改进，但它们不会接管道路。”——Salesforce.com的首席科学家Richard Socher如是说。
联系我们请点击：
数邦客
