從計算上來講，大數據分析這股潮流并不會像是流星那樣轉瞬即逝。隨著數據量的不斷增加，對大數據分析的改進也不會停止。 對于預測分析方面的應用，我們只看到了冰山一角。 一些機構正在使用數據挖掘、機器學習和人工智能技術來分析當前的數據以求更好地開展業務(例如預測銷售情況、優化營銷活動等)。 所有這些不同類型的人工智能技術已緊密地結合了在一起，改變了我們的日常生活，而且這種改變仍將持續。

以下是人工智能、大數據、預測分析和機器學習方面主要的統計數據：

• 到2018年，75%的開發人員將在一個或多個業務應用或服務中采用人工智能技術 - IDC
• 到2019年，人工智能技術可應用在100%的物聯網上 - IDC
• 到2020年，30%的公司將引入人工智能以至少增加一個主要的銷售過程 - Gartner
• 到2020年，算法將積極地改變全球數十億工人的行為 - Gartner
• 到2020年，人工智能市場將超過400億美元。 - 星座研究
• 到2025年，人工智能將驅動95%的客戶交互 - Servion

2018年八個人工智能趨勢觀察

??

趨勢1 - 較大的公司將贏得未來

亞馬遜、谷歌、Facebook和IBM將***人工智能技術的發展。作為大型公司，他們擁有更多的資源來收集數據，從而擁有更多的數據可供使用。

這是行業中的***企業在人工智能方面所做的工作：

亞馬遜：

• 在人工智能方面的投資已經持續了20多年
• 抓取的網頁數據來自于超過50億個網頁
• 在一個正在運營的亞馬遜配送中心里，有超過50萬張JPEG圖片和相應的JSON元數據文件用于描述產品信息
• 每天監測世界各地的廣播、出版物和網絡新聞超過四十億條記錄
• 近100萬個圖像和視頻，包括音頻和視覺上的特征和注釋
• 亞馬遜的Echo***著語音助理市場，市場份額超過70%

谷歌：

• 擁有***的數據集倉庫之一，擁有10-15EB(譯者注：1EB=1024PB)的數據 - Cirrus Insight
• 專注于應用和產品開發，而不是長期的人工智能研究
• 擁有超過1300名研究人員的團隊 - Google Brain
• 語音助理市場23.8%的用戶份額 - Voicebot
• 利用開源平臺TensorFlow讓任何人都有機會使用機器學習平臺
• Google Earth數據庫的大小約為3,017 TB或3 PB - Google Earth Blog
• Google街景視圖大約有20 PB的街景照片 - Peta Pixel

Facebook：

• 每天處理25億段內容超過500TB的數據 - Tech Crunch
• Facebook人工智能研究人員(FAIR)包含了大約80名研究人員和工程師 - FAIR
• 每天產生20億個“喜歡”和3億張照片 - Tech Crunch
• 每30分鐘掃描大約105TB的數據 - Tech Crunch
• 建有一個6.2萬平方英尺的數據中心，可容納500個具有1EB的存儲機架
• 每天翻譯超過40種語言的20億用戶的帖子，每天有8億用戶可看到翻譯后的內容 - Fortune

IBM：

• 計劃在10年內，投資2.4億美元用于創建麻省理工學院 - IBM沃森人工智能實驗室 - IBM
• 全球有2000多名員工，在紐約總部有600多名員工 - IBM
• 沃森客戶合作跨越六大洲和超過25個國家 - IBM
• IBM正在向沃森集團投資10億美元，其中包括1億美元用來支持IBM初創企業的風險投資，以及與沃森一同搭建認知應用程序業務 - IBM
• 通過沃森生態系統已經創建了7000多個應用程序 - 財富

在為應用程序和產品開發服務部署機器學習方面，谷歌可能是處于最前沿的。他不僅是***家開展人工智能研究的公司，而且還擁有7萬多名員工。谷歌是一家很大的公司。此外，谷歌大腦是一個深度學習人工智能研究項目，谷歌擁有其整個團隊。谷歌大腦的研究涵蓋了機器學習、自然語言理解、機器學習算法和技術以及機器人技術等領域。

??

全球100家最有前途的人工智能公司名單

趨勢2 - 算法和技術將會進行整合

所有已經對人工智能進行投資的第二梯隊公司(比如英特爾、Salesforce和Twitter)都緊跟在擁有大數據的公司的后面，并開始使用他們的數據算法和人工智能技術。數據交易將存在于行業用戶之間，而算法和技術很有可能會進行整合。數據交易以及算法和技術的整合將使人工智能發揮更強大的作用。

隨著像谷歌和Facebook這樣的大公司不斷地收購小公司，小公司手中的算法將被集成到大公司的核心平臺或解決方案之中。谷歌收購了DeepMind這家構建了通用學習算法位于倫敦的人工智能公司，目的就是為了獲得比其他科技公司更大的商業優勢。另一方面，Facebook收購Wit.ai是為自己的語音識別和語音接口提供幫助。它還收購了人工智能創業公司Ozlo，以改進其M虛擬助理的技術。

趨勢3 - 數據眾包市場將非常巨大

所有的人工智能公司都渴望獲得龐大的數據集，以便實現他們對人工智能的野心。這些公司將采用眾包的方式來獲取大量的數據。目前已經有多種不同的方式來評估眾包數據的質量和可靠性，不僅企業可以從這些數據中獲得收益，而且也能給消費者一個保證。

OpenDataNow.com的創始人兼編輯Joel Gurin表示：“我們生活在眾包文化中，越來越多的人愿意并且樂于通過社交媒體分享他們的知識。”

谷歌正通過眾包的方式獲取大量的圖像來構建成像算法。它還使用眾包來協助改進服務質量，如翻譯、轉錄、手寫識別和地圖。亞馬遜還使用眾包人工智能來改進Alexa超過15000個的現有功能。

趨勢4 - 企業并購，以及更多的并購

根據CBInsights的統計數據顯示，收購人工智能公司的競爭已經開始。在2018年，我們將看到更多為了智力資本和人才而并購企業的行為。機器學習和人工智能領域中的所有小公司都將可能被大型企業收購，這主要有兩個原因：

人工智能不能在沒有數據集的情況下獨立工作。由于大公司擁有大量的數據集，所以對于小公司而言，自己并沒有太大的競爭優勢。

沒有數據的算法沒有任何用處。沒有算法，數據幾乎沒有用。數據是算法的核心，獲取大量的數據非常重要。

哥倫比亞大學創意機器實驗室的機器人工程師和總監，Hod Lipson指出，“如果說數據是燃料，那么算法則是引擎。”

??

趨勢5 - 用工具的民主化換取更大的市場份額

大公司將會把自己的算法和工具集開源出來以獲得更大的市場份額。基于市場的數據和算法獲取壁壘將大大降低，而人工智能的新應用將會增加。通過對工具的民主化，原本有限制或無法獲得人工智能工具的小公司將可以獲得大量的數據來訓練和啟動復雜的人工智能算法。

谷歌的***執行官Sundar Pichai談到了人工智能的民主化問題：“我們大家可以做的最令人興奮的一件事就是揭開機器學習和人工智能的神秘面紗，讓所有人都可以一親芳澤。”

此外，框架、SDK和API將成為所有主要企業引導消費者使用習慣的標準。基于SaaS和PaaS的模型將成為所有這些公司遵循的商業模式。

趨勢6 - 人機交互技術將得到改進

Siri和Alexa可能是兩個***的人機交互工具了。更多與它們類似的基于機器人的解決方案將成為人工智能公司的入門級產品。例如，計算機目前可用于語音分析和面部識別，而以后，計算機將能夠根據用戶的語調來識別他的心情，這稱為情感分析。

制造自動化和非消費者關注領域的解決方案將***個得到改進。制造自動化的改進主要歸因于采用自動化、機器人和先進制造在內的復雜技術而節省下來的勞動成本。在2018年，非消費者解決方案的改進將普遍存在，比如農業和醫藥領域的人機交互技術。

趨勢7 - 人工智能肯定會逐步影響所有的垂直行業

制造業、客戶服務、金融、醫療保健和交通運輸已經受到了人工智能的影響。自動駕駛車輛預計2018年就會上市。明年，人工智能將會影響更多的垂直行業，例如：

• 保險 - 人工智能將通過自動化技術改進索賠流程
• 法律 - 自然語言處理可以在幾分鐘內總結數千頁的法律文件，從而減少時間和提高效率
• 公關與媒體 - 人工智能能提高數據處理的速度
• 教育 - 虛擬導師的開發;人工智能輔助論文分級;適應性學習計劃、游戲和軟件;由人工智能驅動的個性化教育課程將改變學生和教師的互動方式
• 健康 - 機器學習可用于創建更復雜、更準確的方法來預測患者出現癥狀之前的患病時間

工業革命在100年前幾乎改變了一切，而人工智能將在未來幾年里改變整個世界。

趨勢8 - 安全、隱私、倫理與道德問題

人工智能大旗下的所有東西，包括機器學習和大數據，都容易受到新型安全問題和隱私問題的威脅。有時候，起重要作用的是關鍵性的基礎設施。與隱私問題有關的安全方面的需求，如將銀行帳戶和健康信息進行保密，將更多地依賴于安全性方面的研究。 2018年將是安全和隱私問題得到解決的一年，也是會有新發展的一年。

人工智能的倫理問題也將成為2018年的主要關注點。需要解決的倫理和道德問題包括了人工智能是否會對人類產生傷害，還是對人類有益。有人擔心機器人可能會取代人類，特別是在需要同理心的領域，比如護士、理療師和警察。要處理的另一個問題則是自主武器。考慮一下一定程度的自主功能，人工智能應掌控武器的某些功能，而不是由人類來完全控制武器。

我們的建議

雖然人工智能已經存在了許多年，但我們今天所知道的人工智能仍然處于起步階段。目前到處都充斥著有關人工智能及其應用的炒作，從自主車輛到虛擬個人助理，以及其他很多需要人類智能才能完成任務的技術。雖然有大量的人工智能使用案例，其中的大部分都是對具體流程的改進，但要成功部署卻需要一定的時間。此外，人工智能行業內的企業并不多，所以碎片暫時還不會出現，非結構化的數據和處理這些數據算法將會出現。人工智能之路任重而道遠。