掘金圈 深圳新房 信息技术领先企业对人工智能和机器学习的2021年期望

信息技术领先企业对人工智能和机器学习的2021年期望

广告4

信息技术领先企业对人工智能和机器学习的2021年期望

每年年末, IT思想领袖都会对下一年的技术发展、创新服务、产业发展等趋势做出分析预测。有必要关注与人工智能,机器学习,深度学习, IT软件和服务相关的主要趋势。

下面是一些 IT行业的领导者们对于未来人工智能和机器学习发展的期望:

Florian Douetteau, Dataiku公司首席执行官和共同创始人:

包容工程将开始成为支持多样性的主流工程。为确保将多样化纳入人工智能计划,组织还必须投入大量时间和资源,以执行包容工程。这包括收集并尽可能使用不同的数据集。它可以帮助企业创造一个经验,让更多的人参与到这个领域中来,从教育到招聘实践。

ChristineBoles,英特尔公司物联网事业部副总裁和工业解决方案部门总经理:

2020年爆发的疫情大大加快了企业对通过解决方案实现其工业4.0转型的需求,这给企业带来了更大的灵活性、可视性和商业运作效率。在2021年,将有越来越多的解决方案出现,它们能够满足各种各样的需求,包括机器学习,机器视觉,以及高级分析等等。当经济复苏时,我们会看到在运营技术和具有更多 IT能力的基础设施上进行投资,让更多的人使用这些解决方案。而且,到2021年,工业4.0的使用率将大幅提升。

Marianna Tessel, Intuit公司首席技术官:

AI优先应用改变了客户服务:随着人工智能技术的日益成熟,它在人们工作和生活的各个方面都已经普及。在 Intuit公司开发和使用应用程序的方式中,人工智能将是不可缺少的一部分,并将彻底改变应用程序的设计方式。

伦理人工智能领域:伦理人工智能和团队建设同样重要。当企业越来越多地以消费者为中心来运作时,人们将继续关注道德人工智能的使用。

AI促进中小企业复苏:研究显示50%的小企业在五年内会倒闭。大部分的失败都是因为现金流问题。随着疾病的爆发,中小企业现在所拥有的资源比以往任何时候都少,而且面临着许多不确定因素,它们不知道是否能够保持更多的库存,是否能够更好地管理现金流,或者是否能够雇佣更多的员工。

Joe Jensen,英特尔公司物联网事业部副总裁兼零售、银行、酒店和教育业务总经理:

2021年,许多组织将重点转移到“教育即服务”上,希望通过教育政策和投资来推动这一理念。为了推进这一服务模式,必须向教育领域转移资金和拨款,以确保所有学生都能获得负担得起的优质教育。从长远来看,“教育即服务”将是全球教育的标准。

作为一种新型诈骗手段,网络攻击者利用人工智能技术:过去十年来,他们在暗网上建立了一个完整的网络犯罪生态系统。越来越多的网络罪犯使用新技术来进行大规模的自动攻击。目前,暗网已成为网络攻击者的虚拟利器,他们可以在暗网上分享攻击技巧,从而扫描漏洞,实施诈骗。由于使用人工智能和机器人的人比以往任何时候都多,网络犯罪的演变和复杂性将在2021年继续存在。

Robert Prigge, Jumio的首席执行官:

正如工业组织利用人工智能来防御网络攻击和阻止欺诈,欺诈者也在利用人工智能技术进行大规模的攻击。2021年,人们将看到更多的人工智能竞争。预期在若干关键领域达到前所未有的程度:

深度学习:网络攻击者将利用深度学习(ML)技术识别漏洞,加速网络和系统攻击。由于越来越多的组织在疾病暴发的影响下加速数字化转型,网络攻击者将利用机器学习技术快速发现和利用安全漏洞。

攻击 AI系统:人工智能系统也可能遭到黑客攻击。针对人工智能系统的网络攻击有别于传统攻击,它利用了底层人工智能算法固有的不可修复性缺陷,其最终目标是操纵人工智能系统以改变其行为——这可能会造成广泛和有害的影响,因为人工智能目前是所有工业关键系统的核心组成部分。如更改分类方式和数据存储位置。2021年将会出现更多针对人工智能系统的攻击。

AI鱼叉钓鱼攻击:2021年,网络攻击者将会使用人工智能技术来改进钓鱼攻击的准确性。基于人工智能的“鱼叉式”网络钓鱼电子邮件活动将以其特定受众为目标。通过社会媒体挖掘信息和针对特定受众的攻击,可以将受众的点击增加到40倍,而所有这些都可以通过人工智能技术实现自动化。到2021年,网络犯罪者将继续仿效人类行为进行钓鱼攻击,复制特定的语言或语调来提高网络攻击的成功率。

deepfake视频技术: Deepfake视频技术利用人工智能与现有的图像技术相结合,将人们的头像与面部特征、声音相结合。在2020年, Deepfake技术将越来越多地用于欺诈。由于2021年越来越多的组织采用了生物识别验证解决方案,深度欺诈将成为网络诈骗者获取消费者帐户的令人垂涎的技术。相反,能够识别深度伪造的技术对使用数字身份验证解决方案的组织来说同样重要。企业必须确保它们实施的安全解决方案能够阻止不断增长的网络攻击,到2021年欺诈者会完全利用这些网络攻击行为。

Joe Jensen,英特尔公司物联网部门副总裁兼零售、银行、酒店和教育部门总经理:

明年,人们将会看到零售部门的“仓库化”——零售商将专注于在微观可实现地点完成订单,不管是食品还是消费品。这样可以帮助小零售商节省运营费用,特别是减少租金和客流。

长期而言,零售商将继续响应无缝和便利的解决方案,以经济和有效的方式为送货客户提供服务。要在不断变化的零售空间中成为“赢家”,零售商必须改变生产模式,以创新方式满足顾客期望。

Jeff Catlin, Lexalytics公司的首席执行官, Paul Barba,首席科学家:

到2021年,这些数据注释将成为下一个“副业”。它会成为一种获取额外收入的方式,但是在价格方面已经出现了一个相互竞争的现象。但是,随着人工智能在需要专业知识的行业(如医疗保健或法律)上的成功,对专业知识的需求将推动基础设施的发展,从而使更有利润的注解合同与专业人员相匹配。

更多的整合将出现在机器学习平台领域。近几年来,随着人工智能成为一种 IT技术,许多人工智能基础设施公司应运而生,并开始推动人工智能平台的发展,使那些希望使用人工智能的公司能够完成构建模型的任务。

AI平台将被整合,人工智能服务将弥补这一不足。在机器学习领域,越来越多的组织接受第三方的专业知识,从而促进了机器学习咨询服务的发展。到2021年,这种趋势将继续下去并加速。

AlexQuach,英特尔公司在线和核心网络副总裁兼总经理:

核心网的虚拟化将到达一个临界点,核心网工作负荷将在2024年从50%增加到80%以上,预计大多数主要的5 G运营商将在2021年开始5 G SA核心部署。

Ryohei Fujimaki, dotData公司创始人和首席执行官:

AI自动化将加快数字化改造计划:第一波数字化改造的重点是产品和服务的数字化,第二波数字化改造的重点是利用人工智能优化和提高组织的生产力,产生更深层次的数据驱动的洞察力,并自动执行智能商业决策。由人工智能驱动的一波数字化变革将从金融服务、保险和制造业的早期使用者扩展到其他行业,人工智能和机器学习将被嵌入到整个企业的多种商业功能中,不仅能提高效率,而且能创造新的产品和服务。这种情况发生的一个主要原因是人工智能和机器学习自动化平台的可用性,这使得各组织不需要投资数据科学团队就可以迅速而容易地实施人工智能。这两个 AutoML2.0平台可以自动执行 AI/机器学习开发流程,以加速 AI部署进程,并加速组织数字化转型计划。

商业智能团队更专注于人工智能:疾病暴发使许多组织减慢了2020年对人工智能的投资。虽然人工智能技术仍然是一个关键的技术领域,组织仍需要一个有效的方法来扩展它们的人工智能实践,并加速使用人工智能的投资回报。当企业面临优化工作流程的压力时,越来越多的企业开始要求商业智能(BI)团队开发和管理人工智能/机器学习模型。这一基于商业智能(BI)的新型“人工智能开发者”的能力,将由两个关键因素驱动:第一,与受雇的数据科学家相比,使用诸如 AutoML2.0平台等工具使商业智能(BI)团队更加可持续发展,并具有可扩展性。第二,因为商业智能(BI)团队比数据科学家更接近业务案例,所以从需求到工作模型的生命周期会加快。AutoML2.0的新平台可以帮助自动完成人工智能/机器学习开发过程,从而使组织能够更快地构建更有用的模型。

无码人工智能的发展:从拖放可视化编程工具,到真正实现无码全周期自动化。当其他人工智能应用的需求增加时,各组织将需要投资于技术科学过程,以帮助加快数据的速度和民主化。这样就形成了所谓无代码人工智能。其中许多无代码平台都是工作流程驱动的可视化拖放工具(也称为可视化编程),它们被认为能够帮助非技术人员简化人工智能的开发。问题在于,虽然简单的工作流程很容易构造和概念化,但大多数人工智能/机器学习模型需要大型的、非常复杂的工作流程,它们很快就会变得笨拙,给组织带来全新的挑战。事实上,数据科学家所做的大部分工作都是在机器学习模型的选择和优化之前完成的,比如特征工程——数据科学的核心。也就是说,各组织需要寻找更复杂的 AutoML2.0平台来实现真正的无代码端到端自动化,包括自动创建和评估数千项功能(基于人工智能的功能工程)、机器学习和人工智能模型,以及之间的各种步骤。

2021年,AutoML2.02.0平台将会出现,将无代码提升到一个新的水平,并最终开始实现“一键无代码开发”的承诺。

即时智慧的兴起:2021年,即时智慧将日益成为一个因素。在由实物向数字技术转变的过程中,越来越多的组织开始认识到实时信息的益处。即时预报的能力将受到广泛关注。除预测外,理解和发现来自实时和流动数据源的隐含和可操作洞察力的能力将成为实时智能决策的关键。简单易用的 AutoML2.0平台结合了实时预测和洞察力,使得组织可以获取实时情报并采取持续的行动。

AI和机器学习将超越预测:尽管预测是最有价值的结果之一,但它必须能产生出组织可以利用的超出预测可操作范围的见解。在 AutoML2.0平台上,假设生成(也称为特征工程)可以自动进行,并可以探索传统方法无法实现的数千甚至数百万的假设模式。当组织意识到数据功能不仅仅适用于预测分析时,就可以使用 Auto机器学习2.0平台,该平台提供数据特征的自动发现和工程设计,以提供更清晰、更透明和更深入的了解。组织可以利用这些重要信息发现未知的趋势和数据模式,从而为其业务增加价值。

通过敏捷人工智能将人工智能更快地集成到业务中:人工智能和机器学习只有在将它们集成到业务中时才能产生业务价值。但很多组织都在致力于通过人工智能/机器学习赚钱,而且很多人工智能/机器学习项目都无法走出数据科学实验室。它是简化人工智能和机器学习产品开发的一个重要趋势。尽管 MLOps对于开发和部署人工智能/机器学习非常重要,但它并非成功的企业人工智能的终极目标。到2021年,人们对该平台的兴趣和使用将会增加,这也会使企业人工智能工作流程的前一半——数据工程和功能工程——自动化。有了在生命周期中实现100%自动化的能力,组织就能开始从耗时的瀑布式开发转向人工智能开发,并开始采用更灵活的流程,依靠执行速度和快速的反馈。

Cristina Rodriguez,英特尔公司无线接入网络部副总裁兼总经理:

由于网络的高速转变,到2021年, Massive MIMO将大规模部署到 vRAN体系结构中(即在试用阶段后部署到数千个站点)。

Agora公司首席运营官兼 CRO Reggie Yativ:

像人工智能, AR, VR这样的技术将会成为下一代的热门应用和平台,更多的技术成果将会创造出用例,它的强大和可扩展性远远超过任何人的想象和预期。

Sameer Sharma,英特尔公司智慧城市和智慧交通总经理:

2021年将是具有智慧和弹性的城市、基础设施和交通的突破年。从短期来看,采用智慧城市技术的中型城市将大幅增长,这将导致技术民主化,超越常规的技术中心。长期而言,随着消费者开始认识到生活质量的益处,更多的农村地区将会采用智慧城市基础设施。

从边缘(人工智能)到(5 G)网络到云计算,技术投资也会不断增长。当城市继续从疾病爆发中恢复时,技术将成为确保进步、采用新商业模式、推动经济增长的主要动力。

Torsten George, Centrify网络安全主管:

AI可以帮助优化治理模型:在身份治理和管理(IGA)中,建立广泛的责任,分配给组织等等,通常会导致对身份的具体授权。AI可用于查看这些特权是否被使用,以及如何使用它们。这样,在2021年前,就能对如何根据使用情况调整这些配置提出更精确的访问建模建议,从而确定谁应该访问哪些资产以及为什么要访问这些资产。

AI能够帮助阻止病毒变异,这就是我们所说的电脑病毒。数十年来,反病毒软件解决方案都是基于签名的,这样就可以识别病毒的唯一签名,并将其输入到代码中,希望病毒在软件更新之间不会发生变化。AI技术可以解决这一难题。建立特定模式的复杂算法可以被开发出来,从而不再受到签名的限制。在发生变异时,捕捉这些病毒的机会比传统安全工具要高得多,并且随着威胁参与者在持续不稳定时期更加努力地制造破坏,该手段在2021年将变得更加重要。

Stacey Shulman,英特尔公司物联网事业部副总裁,健康、生命科学与新兴技术总经理:

规范医疗记录和跨组织数据共享是当前阻碍医疗保健行业发展的一个因素。为处理疾病和健康问题而与医疗部门合作可能是至关重要的,尤其是当它涉及到公共卫生危机并涉及到人口健康时,就像在2020年爆发的疫情一样。

到2021年,随着新兴技术,如人工智能和联合学习在医疗领域的普及,信息共享提供模式将得到改善。这些技术不仅能促进创新,如远程医疗,还能加快和简化协作过程,使医疗专业人员更好地为病人提供优质服务,并及时提供新的治疗方案。

广告5

本文来自网络,不代表掘金圈立场,转载请注明出处:http://www.jjq6.com/wulian/20210108/289.html

作者: summer

上一篇
下一篇

发表评论

邮箱地址不会被公开。 必填项已用*标注

联系我们

联系我们

13361274590

在线咨询: QQ交谈

邮箱: 1584605069@qq.com

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部