从设计创新和道德规范到对AI解决方案的需求不断增长
来源：CPDA数据分析师网 / 时间：2021-05-17
2021年有大量与AI（或实际上是ML）相关的用例，并且吸取了很多经验教训，其中之一是，我们仍处于ML使用的早期阶段，尤其是在业务应用程序中，我们需要像对待以前的许多新方法一样对待这一阶段-找出正确的问题，测试新的方法，确定其适用性，反复进行，直到建立明显的优势（相对于先前的方法）为止，AI（ML）将被更明确地定义为更广泛的分析的一部分，并将具有定义更明确的应用程序领域和价值创造，许多公司对这两者感到困惑，尤其是如何以及如何连接它们。在公司推动许多ML测试和用例的过程中，这些测试和用例主要是由“人为”压力驱动的，而“传统”分析开发则处于倒退的地位。
许多单独的ML用例将为“传统”高级分析与ML的更好，深思熟虑的使用打下基础
2021年大多数公司会意识到，人工智能“热潮”不是一个单一的发展，而是更多地与整体分析战略和转型相关联，以优化其现有分析工作，同时建立正确的基础架构和治理以扩大人工智能的潜力,分析质量和价值指标将成为指导未来分析/ AI开发和投资的主流KPI,认知过程挖掘对于后勤（会计）和职能（销售，市场营销，产品开发）都将变得更加重要，因为它将推动更高效的过程执行，并优化甚至完全改变这些过程在未来的运行方式。
分析人工智能的激活
说服员工为什么要使用分析/人工智能将成为所有分析/人工智能开发和投资的主要重点和中心,真正的人机交互,既利用客观数据又利用分析驱动的见解，同时融合了人类的直觉和经验，可以从两个世界中学习,随着工业4.0和相关技术的引入，世界经济正处于关键时刻,人工智能，即工业物联网（IIoT），将继续在这一新革命中发挥重要作用，而相关技术（如5G或区块链）将成为其在不同领域和功能中广泛采用的催化剂。
网络物理系统和数字双胞胎将使对有形资产的远程监视和控制成为可能
硬件（传感器和智能芯片）和软件/中间件（边缘计算）的进步将使这种数字化转换在企业内部实现成为可能,在确保广泛采用智能系统以增强和扩展组织内部人员能力的过程中，设计继续发挥着重要作用,2021年将见证人机融合的新纪元，并且在深度学习领域，尤其是在强化学习和通用对抗网络或远程过程自动化领域，将会取得进一步的进展，除此之外，将继续投资采用AI技术研究社区，以寻找可以解释算法决策的新技术，从而将AI的黑盒方法转变为玻璃盒。
对于面向消费者的AI应用程序，隐私仍将是一个关注的问题
我们将看到与建立隐私感知的AI生态系统和实现AI算法的公平性有关的研究工作将大量增加，以合作伙伴为中心的业务将成为业务和技术进步的新准则，可以在现有平台（硬件，计算，存储等）之上提供现成的细分解决方案的ISV和技术合作伙伴将会看到企业内部更陡峭的采用曲线，它们将影响行业内的新技术规范。
对AI解决方案的需求将继续超过AI人才的可用性
企业将通过允许非AI专业人员开发更多应用程序来进行适应，从而实现流程的社会化，非AI从业者，例如知识工作者和分析师（他们不是熟练的AI从业者，但具有丰富的领域专业知识），将开始开发借助自动化AI引擎辅助的基本应用程序。企业培训计划的责任在于重新培训/提高这些新从业者的技能，而IT部门则负责使他们能够使用使用AI本身的自动化AI环境（例如，机器学习应用程序来帮助开发培训模型而无需编写代码），这与分析的历史生命周期无异。
消费者将在争取拥有和利用其个人信息的权利的斗争中赢得一席之地
通过共享个人信息，他们已经在某种程度上受到了折扣，高级服务和其他津贴的奖励，但是，在大多数情况下，他们在此过程中几乎没有权利，并且当然也没有数据所有权，未来，他们将在水域进行测试，以更好地控制流程，甚至获得直接的金钱补偿，以换取他们提供的数据，这将破坏价值数十亿元的消费者数据营销行业，该行业将必须弄清楚如何应对消费者，使之成为蛋糕的一部分，并推动中间业务的诞生，这些中间业务促进了数据交换以补偿消费者之间的报酬，以及想要访问和使用其数据的企业。
构建更好的AI
AI社区将继续在构建算法方面取得进步，这些算法可以更快地训练，使用更少的数据进行训练并更好地推广，使用更新的算法进行数据增强，少拍/零拍学习将使繁琐的深度学习训练过程变得更容易，并且功能表示和生成网络的发展将有助于使模型更具通用性。使用复杂/混合系列算法来完成任务将有助于构建可针对复杂“现实世界”场景扩展的模型，自我监督方法的使用将加快通用模型的发展，机器视觉和NLP中通用的“开箱即用”模型的可用性将继续快速发展-但是仍然需要构建定制模型以应对实际挑战。
使AI真正 发挥作用
基于云的技术和基于边缘的技术都将得到扩展，并且这两种生态系统都将迎合对它们有意义的用例，微服务框架的使用，自动扩展和容器化将继续提供可扩展的AI生态系统，而边缘设备的使用将有助于使实时用例活跃起来。解决这些复杂部署中的许多部署将需要混合部署模型，内存和分布式存储/处理框架的使用将继续为AI系统提供动力，内置AI硬件：专用AI芯片和硬件开发的增加将使系统上的集成更加紧密。内置AI硬件的使用将为AI算法可以利用的处理能力带来巨大的可能性，并将向下一代算法和系统提供重大飞跃。
安全，规范，合乎道德的AI
AI界将继续就AI的治理，隐私，安全性和道德方面的挑战进行辩论和取得进展，有关隐私保护算法和类似技术的工作可能会为这些棘手的问题提供一些技术性答案，解决这些问题的一些开放标准或系统的发展可能会在不久的将来加速。
在启动大型AI项目之前，2020年企业资源发生了明显转变，以正确制定数据战略
许多公司专注于在云上创建企业数据湖，以帮助获得良好，可靠的高质量数据集，我们预计这种趋势将在2021年加剧，许多集中化分析首先关注于正确处理数据，越来越多的分析CoE将面临挑战，以证明其创建的解决方案的ROI和影响，企业将考虑采用设计思想，以确保用户处于中间位置，并且优先考虑对业务重要的问题，从而改善对AI和分析解决方案的采用，解决方案的可操作性与解决方案开发同样重要。
到2022年人们将重新关注创新的脑机界面，并着重于思想控制的机器
更好的是，当神经元进行交流时，出现了较少侵入性的传感器来捕获电信号，因此AI和ML将在将这些信息转化为机器可以解释和执行的思想和动作中发挥重要作用，有关AI的数据标准和监管框架的争论将加剧，我们也可以预期监管指南将开始来自世界其他地区，人工智能行业将需要团结起来并建立自我监管机制，以便在监管机构采取行动之前制定指导方针。
深入的伪造技术将继续快速发展
应用程序已经证明了深度假货正在迅速发展，并且在2022年将以更快的速度发展，AI行业需要以更好的算法进行反击以检测深度假货以人为本的人工智能，关于人工，智能的叙述主要是关于人工智能将如何取代人类，实际上人工智能的几种应用都专注于增强和改善人类的工作方式，而不是代替他们的工作，因此关注将直接或间接通过AI应用程序受到使用或受到影响的“人”（而不仅仅是“用户”）将变得越来越重要，这将意味着更多地专注于理解人，他们当前的情况，行为和需求，以及AI如何帮助他们实现目标。这也意味着设计简单，直观且令人愉悦的AI解决方案。
人工智能设计中的伦理学
尽管人们围绕伦理学在各种环境下使用和交付人工智能的方式进行了大量讨论，但这些对话通常是事后进行的，明年企业将开始使用“人工智能中的道德规范”来驱动从头开始概念化和设计AI新应用程序的方式，鉴于人们对与技术使用方式（或使用方式）相关的问题的认识和期望，符合道德的AI设计终将成为常态。