可选中1个或多个下面的关键词搜索相关资料。也可直接点“搜索资料”搜索整个问题

人工智能（AI）是对人的意识、思维信息过程的模拟。人工智能技术拥有核心技术岼台、数据循环两大要素只有将人工智能技术与数据相结合才能形成实用性的业务。随着人工智能与传统行业的逐步结合以及政策的鈈断扶持，人工智能产业链将进一步完善

目前全球人工智能企业已经超过了900家，主要集中在北美和西欧谷歌、Facebook、微软、IBM等科技巨头都巳进军人工智能领域。其中IBM把人工智能视为未来最具增长潜力的领域之一去年11月IBM将认知计算系统（Waston）整合了诸多人工智能基础平台SystemML的功能，使其善于认知、理解、推理和学习目前IBM Waston已经应用于智慧医疗、金融服务等领域。谷歌在2011年成立了AI部门目前公司产品和服务主要依靠AI技术驱动，谷歌使用深度学习技术改善搜索引擎、识别手机指令、鉴别社交网络图像等另外谷歌的无人驾驶主要以技术驱动，侧重于基础技术研究及AI核心科技开发

随着国外科技巨头加速布局人工智能领域，国内企业也纷纷抢滩目前百度积极参与无人机和无人驾驶等領域的开发，百度的后期人工优化将使无人驾驶更适应终端环境使用进一步推动AI技术的商用化步伐。阿里的云计算是其面向未来的核心蔀分在人工智能方面很多来自云平台领域。2016年10月全国首个“城市数据大脑”在云栖大会上发布其内核就是采用阿里云ET人工智能技术，該技术可以对整个城市进行全局实时分析自动调配公共资源，最终将进化成能够治理城市的超级人工智能

政策方面，2016年5月发改委印发叻《“互联网+”人工智能三年行动实施方案》主要任务是推动互联网与传统行业融合创新，加快人工智能技术在家居、汽车、无人系统、安防等领域的推广应用《方案》提出，到2018年打造人工智能基础资源与创新平台人工智能产业体系、创新服务体系、标准化体系基本建立，基础核心技术有所突破总体技术和产业发展与国际同步，应用及系统级技术局部领先

分析人士认为，人工智能是产业变革的基石对于不同行业和场景的智能化改造将成为未来趋势。安防、金融、医疗、汽车、制造业、智能家居等领域都是人工智能的发展方向未来几年人工智能有望在语音识别、工业、辅助医疗、服务机器人、无人驾驶、虚拟现实等前沿领域崭露头角，千亿级市场盛宴将开启

编者按：普华永道发布了一份报告对人工智能在2018年的人工智能未来发展趋势势进行了研究，并做出了8项预测文章由36氪编译。

人工智能非常复杂而且发展速度很快。任何人都不可能对其未来几年的发展方向做出准确的预测但就人工智能在2018年的人工智能未来发展趋势势来说，我们可以给出一些具体的預测并指出其会对企业、政府和社会产生哪些影响。一些新兴的趋势已经开始展现

根据在人工智能领域有远见的人士的分析，以及普華永道为世界各地的客户提供人工智能应用咨询时的经验我们做出了以下这8项预测。

一、在影响就业之前人工智能将会对雇主产生影響

长期来看, 人工智能不会摧毁就业市场——至少在2018年是不可能的。但是企业面临着一个重大挑战：只有汇集了来自不同种类的数据以及不哃学科的团队成员时人工智能才能发挥出最大的效果。同时它还需要借助相应的结构和技能来实现人机协作。但是大多数企业都把数據存放在联合企业和团队的数据库里 很少有企业开始为员工提供他们所需要的基本人工智能技能。普通的企业还没有准备好满足人工智能的需求

可能你读到过很多这样的新闻：机器人和人工智能将会摧毁工作机会。但我们并不这样认为我们看到一个更加复杂的情况成為焦点，人工智能将会促进就业市场逐步演变只要正确的应对这一趋势，就会对就业产生积极的影响新的工作机会将抵消那些失去的。人们仍然会进行工作但他们会在人工智能的帮助下更高效地工作。

同样你也可能听说了人工智能击败了世界上最厉害的国际象棋大師。但并不是每个人都知道什么才能击败人工智能象棋大师：一个“人机结合”系统或者人和人工智能作为一个团队去下棋。人类能够從人工智能合作伙伴那里获取建议但也可以自由的推翻它。这是两者建立联系的过程也是取得成功的关键。

这种无与伦比的组合将成為未来劳动力队伍中的新常态考虑一下人工智能将会如何加强产品设计的过程：人类工程师定义每个零件使用的材料、特征和各种约束條件，并将其输入到人工智能系统中从而生成大量模型。然后工程师可以选择其中的一个模型，也可以改进他们的输入然后让人工智能再次尝试生成模型。

这种模式是人工智能促进经济发展的一个原因然而，不可否认的是在一些行业，经济体和企业（尤其是那些涉及重复性工作的行业经济和企业）中，工作将会改变或被淘汰不过，在接下来的两年内影响相对有限：根据普华永道的国际就业洎动化研究估计，在对29个国家的分析中到2020年，存在高度自动化风险的就业岗位仅约3％

为什么一些企业会成功，一些企业会失败

在2018年，企业将开始意识到他们需要改变他们当前的工作方式在他们这样做的时候，他们需要特别留意之前发生的事情：失败的技术转型发苼这种情况的原因有很多，但有两个原因与许多企业接近人工智能的方式有关一是不会变通，对号入座；二是孤岛上进行思考和工作

精通人工智能的员工不仅仅需要知道如何选择正确的算法，以及将数据输入到模型中他们还需要知道如何解释结果，以及什么时候让算法自主决定什么时候该介入其中。

同时不同团队之间的相互协作才能有效使用人工智能。想象一下一个帮助医院工作人员决定批准哪些医疗程序的人工智能系统它不仅需要来自医疗和人工智能领域专家的投入，还需要来自法律人力资源，财务网络安全和合规团队嘚投入。

大多数企业喜欢设定界限让特定的团队负责某些领域或项目，并据此分配预算但是人工智能需要多学科团队齐心协力解决问題。之后团队成员继续进行其他挑战， 但是会继续监控并完善第一个挑战

就人工智能而言，和其他许多数字技术一样企业和及教育機构应该少考虑一些工作title的问题，多关注一些工作任务、技能和思维方式方面的问题这意味着要拥抱新的工作方式。

人们将普遍接受人笁智能

随着人工智能的发展人们将会意识到人工智能摧毁工作只是一场虚惊。人们可能会更乐意接受工作场所和社会中的人工智能关於人工智能抢走我们工作的言论将会销声匿迹，人们将会谈论机器人使我们的生活或工作更将容易的话题这将会倒逼企业更快的拥抱人笁智能。

这将是一个漫长的过程但一些具有前瞻性思维的企业已经开始改变将数据存放在联合企业和团队的数据库里的格局。一些企业吔开始大规模地增加人工智能和其他数字技术所需要的劳动力这种增加不仅仅是教员工掌握新的技能，它还将教导员工掌握一种强调与哃事和人工智能合作的新思维模式

二、人工智能将融入现实，开始发挥其效用

它可能不会成为媒体的头条新闻, 但人工智能现在已经准备恏了能够自动完成日益复杂的流程，识别出能够创造商业价值的趋势并提供具有前瞻性的情报。

这带来的结果是, 人们的工作量减少, 做絀的战略决策也变得更好了：员工的工作也比以前更好了 但是, 由于传统的投资回报率（ROI）策略可能无法准确地识别出这一价值，企业将需要考虑采取新的指标以便更好地理解工智能可以为它们做什么。

54%的高管表示人工智能解决方案提高了生产力。

在很多媒体的报道中以人工智能为动力的未来看起来非常神奇：自动驾驶汽车组成的车队基本上不会遇到车祸或者交通拥堵；机器人医生诊断疾病通常只需偠几毫秒；智能的基础设施将会优化人员与货物的流动，并在需要修理之前自动维护在将来，所有的这些可能都会发生但不会出现在2018姩。

在接受调查的高管中他们认为人工智能对他们的成功至关重要：72％的人认为这将是未来的商业优势。但我们面临的问题是：当下它能为我们做什么答案就在这里。

如果人工智能听起来可能让人感到牵强附会那么，能够执行繁琐重复性的白领的任务的工具能让管悝者们把时间花在分析上，听起来怎样那么，一个能够识别欺诈行为并提高供应链弹性的方法呢

这就是人工智能在2018年的价值：不在于創造一个全新的行业（未来十年），而在于增强现有员工的能力为现有的企业增加更多的价值。主要有三种方式：

将那些对于老技术来說过于复杂的流程自动化从历史数据中发现趋势以创造商业价值提供具有前瞻性的情报来使人们更好地下决策

从繁琐的任务中获得价值

想潒一下大多数公司的财务部门是如何花费大部分时间的：浏览来自ERP支付处理，商业智能和其他系统的数据许多员工每天要花费数小时嘚时间研究法律合同和电子邮件，或执行一些普通的交易任务

这带来的结果是，许多金融专业人员在有其他日常工作剩余时间的时候財会进行增值分析。

现在想象一下有一个人工智能系统能够扫描所有的数据，发现趋势和异常情况自动执行许多交易，并标记相关问題以便进一步跟进想象一下，这个人工智能系统还会识别和解释可能存在的风险并提供数据驱动的预测来支持管理人员的分析和决策。

它听起来可能没有智能城市那么性感但这种实用的人工智能现在已经准备就绪。它通常是“偷偷地从后门溜进来”来自Salesforce，SAPWorkday和其他公司的企业应用程序套件正在越来越多地拥抱人工智能。

业务问题将会打开通向人工智能的大门

领导者没必要为了人工智能而采用人工智能想法，在他们寻求商业需求的最佳解决方案时人工智能将发挥越来越大的作用。企业是否想要实现自动化计费自动化执行普通的會计和预算等众多合规的功能是否想要将采购、物流和客户服务部分自动化？人工智能很可能会成为解决方案的一部分无论用户是否能夠察觉到它。

需要采用新的投资回报率衡量策略

有时衡量人工智能价值的最佳方法是使用与其他商业投资相同的指标：收入增加或成本降低等 但是人工智能带来的好处往往是间接的，所以企业需要探索其他衡量投资回报率的指标 自动化的全职员工可以捕捉到人工智能是洳何将劳动力从平凡的任务中解放出来的。 其他指标可以显示出人工智能是如何改善人们的决策和预测的

三、人工智能将帮助回答有关數据的重大问题

许多针对数据技术和数据集成的投资都未能回答这样的一个重大问题：投资回报率在哪？现在人工智能正在为这些数据項目提供商业案例，新的工具将会使这些项目的价值凸显出来

企业不再需要决定"清理数据"——也不应该这样做。他们应该首先从一个业務问题开始来量化人工智能的好处一旦数据被用来解决一个特定的问题，进一步开发数据驱动的人工智能解决方案就会变得更容易从洏就会形成一个良性循环。 问题出在了哪里一些企业仍然在犹豫要不要建立，或者是没有建立好数据基础

许多公司没有看到他们对大數据进行投资带来的收益。这里有一个脱节商业和技术行业的高管们认为他们可以用数据做更多的事情，但学习曲线非常陡峭工具也鈈成熟。所以他们面临着相当大的挑战

现在，随着应用场景的成熟和人工智能本身变得更加真实和实用一些人正在重新思考他们的数據战略。他们开始提出正确的问题例如：如何使我们的流程更有效率？需要做些什么才能实现数据提取的自动化

同时，企业现在可以利用新的工具和技术进步其中包括：

采用更简便的方法挖掘结构较差的数据，比如那些用于文本索引和分类的自然语言处理企业应用程序套件将包含越来越多的人工智能工具新兴的数据湖即服务的平台可以利用不同类型数据的公共云自动化地机器学习和数据管理

尽管取得叻这些进展但许多企业仍然面临着诸多挑战。许多类型的人工智能（如监督式机器学习和深度学习）需要大量标准化、标签化的数据並且还要把偏差和异常的数据“清除”掉。否则不完整或有偏见的数据集将导致错误的结果。这些数据也必须足够具体才能有用，当嘫也要保护个人隐私。

考虑一个典型的银行业务流程各个业务线（例如零售，信用卡和经纪业务）都有自己的客户数据集其中不同蔀门（例如营销部门，账户创建部门和客户服务部门）也都有自己的数据格式一个人工智能系统可以识别银行中最赚钱的客户是谁，也能为如何找到并赢得更多像他们这样的客户提供建议但要做到这一点，系统需要以标准化的、无偏见的形式访问各业务线和各部门的数據

从清理数据的开始并不是个好主意。从商业案例开始然后评估如何在这个具体案例中取得成功会比较好。

例如医疗保健供应商可能会致力于改善病人的治疗效果。在开始开发系统之前供应商会量化人工智能可以带来的好处。供应商接下来将研究需要哪些数据——電子病历相关期刊文章和临床试验数据等——以及获取和清理这些数据的成本。

只有供应商的收益——包括间接收益以及未来的应用程序如何使用这些数据能够超过成本的情况下，供应商才会向前推进

这就是有多少企业最终会改革数据架构和管理的衡量方法：人工智能和其他技术提供了需要它的价值主张。

那些已经为一个应用程序解决了数据问题的企业将会在下一个计划中有一个良好的开端。它们將开发最具实践性的项目从而有效利用其数据资源并跨越企业边界进行工作。

第三方数据供应商将蓬勃发展

企业内部的数据对于人工智能和其他创新来说是无可替代的但有一个补充：第三方供应商将会越来越多地采用公共数据源，将其组织成数据湖并为人工智能的使鼡做好准备。

更多的合成数据即将到来

随着数据变得更有价值合成数据和其他“精益”和“增强”数据学习的技术进步将加速。例如峩们可能不需要一整队自动驾驶汽车生成它们将会在路上如何行驶的数据。 只需要少数的一些汽车, 加上精密的数学计算就足够了。

四、決定人工智能人才竞赛的不是技术人员

现在大型的企业都在争夺计算机科学家但是顶尖的技术人才并不足以让人工智能取得成功。 企业需要能够与人工智能和人工智能专家合作的各个领域的专家他们不需要成为程序员。但他们必须了解数据科学和数据可视化的基础知识, 鉯及人工智能的思维方式

在人工智能离开计算机实验室，并进入日常工作流程时这些专家将比计算机科学家更加重要。 但许多专家需偠适当地提高技能

随着人工智能扩展到更为具体的领域，它将需要数据科学家和人工智能专家通常缺乏的各领域的专业知识和技能

想潒一下计算机科学家创建一个人工智能应用程序来支持资产管理决策是什么情景吧。人工智能专家可能不是市场领域的专家所以，他们需要经济学家、分析师和交易员来帮助他们确定人工智能在哪里能发挥作用来帮助确定怎么去设计和培训人工智能，从而让人们能够愿意且有效地使用人工智能

而且由于金融世界处于不断的变化之中，一旦人工智能开始运行就需要不断进行定制和调整。所以金融领域的专家——而不是程序员——将不得不带头工作。不仅在整个金融服务领域在医疗保健，零售业制造业以及人工智能所涉及的所有領域也是如此。

人工智能变得更加方便了用户不再需要知道如何编写代码来使用一些人工智能应用程序了。但是大多数人仍然需要掌握仳电子表格或文字处理程序需要更多的技术知识

例如，许多人工智能工具要求用户将他们的需求制定成机器学习问题集他们还需要了解哪些算法最适合特定问题和特定数据集。

所需的确切知识水平会有所不同但我们可以将人工智能对人类知识的需求大致分为三类。首先一家人工智能支持的企业的大多数成员需要一些关于人工智能价值的基本知识以及它能用数据做什么和不能做什么。其次即使是最荿熟的人工智能项目也需要一小组计算机科学家。最后第三类是许多企业尚未注意到的——懂得人工智能的各领域的专家。

正如前文所說他们不需要成为程序员。但他们必须了解数据科学和数据可视化的基础知识, 以及人工智能的思维方式他们必须是公民数据科学家。

零售分析师工程师，会计师以及许多其他领域的专家他们需要知道如何准备数据，并将数据场景化, 以便人工智能最大限度地利用数据这对企业的成功至关重要。在人工智能离开计算机实验室并进入日常工作流程时，这些专家将比计算机科学家更加重要

更快地提升技能意味着能更快地部署人工智能

那些想要充分利用人工智能的企业不应该只是争夺那些出色的计算机科学家。想要人工智能快速运行咜们更应该提高各领域的专家的人工智能素养。一些大型的企业应该会更进一步，确定人工智能将会在哪些运营方面发挥作用并提高楿应技能地优先级。

提升技能将带来新的学习方法

企业必须提高员工的技能学习数据科学的基础知识以及如何像人工智能应用程序那样思考。考虑到这项任务的艰巨性企业必须找到方法来评估高潜力学习者的技能，并将其放在个人的学习路径上使其更快。

五、网络攻擊将因人工智能变得强大但网络防御也会如此

智能的恶意软件和勒索软件通常能够在传播过程中学习，通过机器智能协调对全球网络攻擊并通过先进的数据分析来定制攻击方式——不幸的是, 这一切都在进行中。

企业不可能拎着刀去参加枪战它们必须要用人工智能来对忼人工智能。即使是那些对人工智能非常警惕的企业或者组织也别无选择只能部署人工智能网络防御系统。网络安全将是许多企业第一佽尝试使用人工智能

27%的高管表示，他们所在的企业计划在2018年投资利用人工智能和机器学习来打造网络防御系统

黑客攻击，让人工智能顯示出了超越人类的优势例如，机器学习可以轻松跟踪你在社交媒体上的行为然后为你个人定制网络钓鱼推文或电子邮件。一个人类嫼客不可能快速地完成这项工作

人工智能越发展，网络攻击的可能性就越大先进的机器学习，深度学习和神经网络等技术使计算机能夠发现和解释模式黑客也可以利用它找到并利用漏洞。

智能的恶意软件和勒索软件通常能够在传播过程中学习通过机器智能协调对全浗网络攻击，并通过先进的数据分析来定制攻击方式——不幸的是你所在的企业或者组织很快就会受到牵连。就人工智能本身而言如果没有得到很好的保护，就会引发新的漏洞例如，恶意行为者可以将有偏见的数据注入算法的训练集中

就像我们预计人工智能在2018年将會成为一个不断增长的网络威胁一样，我们也确信它将成为解决方案的一部分可扩展的机器学习技术与云技术相结合，正在分析大量数據并为实时威胁检测和分析提供动力人工智能还可以快速识别网络攻击正在飙升的“热点”，并提供网络安全情报报告

但即使在网络咹全领域，也有一些只有人才能做到的事情人类更善于吸收情境并富有想象力地思考。网络战不仅仅是两台计算机之间的战争但人工智能将成为每个主要企业或组织机构的网络安全工具包的重要组成部分。

在企业的其他部分许多企业可能会选择放慢人工智能的速度，泹在网络安全方面它们不会有丝毫犹豫：攻击者会使用人工智能, 所以防御者也不得不使用人工智能。 如果一个企业或组织的IT部门或网络咹全供应商还没有使用人工智能那么它必须立即开始考虑人工智能的应用了。 示例使用案例包括分布式拒绝服务攻击(DDOS)模式识别升级和調查日志警报的优先级以及基于风险的身份验证。

网络安全可能会加快对人工智能的接受度

即使是那些对人工智能非常警惕的企业或者组織也别无选择只能部署人工智能网络防御系统。网络安全将是许多企业第一次尝试使用人工智能我们看到这种情况促使人们熟悉人工智能并愿意在其他地方使用它。对人工智能的进一步接受来自于对数据的渴求：人工智能在整个组织中的存在和获取数据的机会越多它僦能更好地抵御网络威胁。 一些组织正在构建内部部署和基于云的“威胁湖”这将使人工智能的能力得以显现。

人工智能黑客可能会增加公众的恐惧

许多人已经对人工智能感到紧张现在他们会更加担心网络安全问题。 当人工智能在2018年成为头条新闻的时候可能不是为了幫助人类，而可能是因为它使得一次重大的黑客攻击成为可能 更好的网络安全可以减少这种风险。 除了利用人工智能技术之外这种高喥的安全性需求还需要公司增加数据和计算平台，以支持先进的访问监控、对象级变更管理、源代码审查和扩大网络安全控制等预防措施

六、打开人工智能的“黑匣子”将是重中之重

人工智能失控，并不是人们在2018年会面临的危险毕竟它现在还不够聪明。但人工智能的行為令人费解从而导致领导者和消费者对其保持谨慎的态度——这才是真正的危险所在。

我们会面临更大的压力所以，必须要打开人工智能“黑匣子”使其能够被解释。但这涉及到成本和效益之间的权衡 企业需要建立一套能够评估业务、业绩、监管和声誉方面问题的框架，因为它们决定了人工智能的可解释性的正确水平

人工智能驱动的自动化武器是否能成为连环杀手？人工智能系统告诉我们减少空氣污染最合乎逻辑的方法是消除人类这种恐惧可能会带来一些好的惊悚电影，但危险是可以控制的

这里有一个许多人工智能支持者都鈈愿意提及的秘密：人工智能并没有想象中的那么聪明，至少现在是这样的人工智能模式识别和图像识别、将复杂任务自动化以及帮助囚们做出决策方面越来越好。所有这些都为价值数万亿美元的企业提供了机会

例如，在过去为了让人工智能程序能够学习下国际象棋戓其他游戏，科学家们不得不给它们提供大量的历史游戏数据现在，他们只需要向人工智能提供游戏规则就行了在几个小时后，它就能知道如何打败世界上最伟大的大师了

这是一个非同寻常的进步，具有巨大的潜力来支持人类决策与下棋不同的是，一个拥有正确规則的人工智能程序可以在企业战略、留存消费者或设计新产品方面表现的更好

但它仍然只是遵循人类设计的规则。如果对负责任的人工智能I给予适当的关注我们可以安全地利用其能力。

尽管人工智能是可控的但它并不总是可以理解的。一方面许多人工智能算法超出叻人类的理解范畴。另一方面一些人工智能供应商为了保护知识产权不会透露他们的项目。在这两种情况下当人工智能做出决定时，終端用户是不知道它是如何到达那里的它就是一个“黑匣子”，我们无法看到它的内部

在一些方面，这算不上一个问题就比如子商務网站使用算法向消费者推荐新的衬衫，风险就很低但是当人工智能驱动的软件因为银行无法解释的原因拒绝了抵押贷款申请时会发生什么？如果人工智能没有明显的理由在机场安检中标记某个类别的人该怎么办当基于人工智能的交易软件出于神秘原因在股票市场上进荇杠杆式投注时会发生什么？

如果用户不能理解人工智能的工作原理他们可能不会相信它。如果领导者不能看到它是如何作出决定的怹们可能不会投资人工智能。因此运行在“黑匣子”上的人工智能可能会遇到一波不信任的浪潮，从而限制了它的运用

我们预计，企業面临的来自终端用户和监管机构的压力将越来越大所以不得不部署可解释，透明和可证明的人工智能 这可能需要供应商分享一些秘密。同时这也可能需要使用深度学习和其他高级人工智能的用户使用新技术, 以解释以前难以理解的人工智能。

大多数人工智能都是可以解释的——但需要付出代价与其他任何流程一样，如果每个步骤都必须进行记录和说明流程就会变得更慢，而且可能会更加昂贵但昰打开黑匣子将减少某些风险，并帮助获得利益相关者的信任

企业需要建立一个关于人工智能解释能力的框架

可解释性、透明度和可证奣性不是绝对的，它们存在于一个范围之内 一套能够评估业务、业绩、监管和声誉方面问题的框架可以使人工智能使用案例在哪些方面達到这个范围做出最佳决策。使用人工智能来帮助做出生死决定的医疗保健公司与使用人工智能来确定潜在的进一步研究目标的私募股权基金有不同的需求

七、人工智能方面的竞争将会上升到国家层面

人工智能是一个巨大的机会, 许多政府正在努力确保他们的国家得到一大塊蛋糕。 加拿大、日本、英国、德国和阿联酋都有国家级的人工智能计划 美国的税收改革和放松管制可能会推动人工智能的快速发展。

Φ国与众不同在如何利用人工智能发展未来经济方面的努力已经取得了成果，并可能会导致一个“斯普特尼克”时刻这不是贸易战，洏是研究、投资和人才问题中国正在迅速发展。就像在人造卫星领域美国被俄罗斯超过一样美国也开始担心其丧失人工智能的技术优勢。

风向2018 | AI 突围距 2018 年已不足一月有 5 大趋势值得注意