摘要：計算分析大數據遠遠沒有過時。反而，隨著數據量不斷增大，數據分析的水平也逐漸提高。我們看到的預測分析(Predictive Analytics)的應用，僅僅只是冰山一角。很多公司采用數據挖掘，機器學習和人工智能的方法預測銷售額，從而達到優化市場營銷的目的。
計算分析大數據遠遠沒有過時。反而，隨著數據量不斷增大，數據分析的水平也逐漸提高。我們看到的預測分析(Predictive Analytics)的應用，僅僅只是冰山一角。很多公司采用數據挖掘，機器學習和人工智能的方法預測銷售額，從而達到優化市場營銷的目的。這些做法對公司的發展有很大的幫助，不同類型的人工智能結合在一起，深刻地改變著我們日常生活的方方面面。未來，我們還將看到更多的改變。
以下是來自人工智能，大數據，預測分析和機器學習領域的關鍵統計數據：
到2018年，75%的開發者會在1個及以上商業應用程序或服務中加入人工智能功能 —— 來源于 IDC
到2019年，100%的物聯網方案都會具備人工智能性能 —— 來源于IDC
到2020年，30%的公司會采用人工智能來增加至少一個主要銷售渠道 —— 來源于Gartner
到2020年，算法會提升全球數十億工人的工作方式 —— 來源于Gartner
到2020年，人工智能市場總額會超過400億美元 —— 來源于Constellation Reserach
到2025年，95%的人際關系互動會基于人工智能 —— 來源于Servion
2018年人工智能的8大趨勢看點
趨勢1——大公司穩贏
Amazon，Google，Facebook和IBM將會在人工智能行業中居于領先地位。這些大公司擁有完整的搜集數據渠道，因此他們在數據量上具有很大的優勢。
以下是領先的幾個大公司在AI方面的動作：
Amazon：
在AI領域投資超過20年
從超過50億網頁上抓取數據
一個Amazon履行中心(fulfillment center)運行時儲存有 50萬張JPEG圖片及其相應的產品介紹JSON文件。
跟進全球廣播，出版和網路新聞，每天更新超過2.5億條記錄
擁有將近1億圖片和視頻。視頻具有音頻，視覺效果和注釋功能
Amazon的Echo引領聲控助手的市場，市場份額超過70%
Google：
全球最大的數據庫之一，擁有10-15 百京字節的數據 -—— 來自Cirrus Insigh
注重于應用程序和產品開發，而不是長期AI研究
Google Brain有超過1300名研究員 ——來源于Google Brain
Voicebot占有23.8%聲控市場份額 —— 來源于Voicebot
開源平臺TensorFlow可以讓每個人都有機會使用機器學習平臺
Google Earth數據庫的大小預計為3017 兆字節，或者說大約是3千兆 ——來源于 Google Earth 博客
Google Street View 擁有大小約為20千兆字節的街道圖片——來源于Peta Pixel
Facebook:
每天處理25億則信息和超過500 兆字節的數據 ——來源于Tech Crunch
Facebook 人工智能研究者（Facebook Artificial Intelligence Reserachers, FAIR)機構目前有大約80名研究員和工程師——來源于FAIR
每天新增的“喜歡”有20億，新上傳的圖片有3億張——來源于Tech Crunch
每30分鐘讀取約105兆字節的數據——來源于Tech Crunch
建了一個5760平方米的數據中心，可容納500個冷儲存為1百京比特的機柜。
每天翻譯大約20億用戶發布的帖子，涉及的語言有40種。翻譯后的帖子每天閱讀量為8億。——來源于Fortune
IBM
計劃進行為期10年，總額2.4億美元的投資。投資用來建立麻省理工學院-IBM Watson實驗室——來源于IBM
全球超過2000名雇員，其中超過600名在紐約總部——來源于IBM
Watson client engagements產品遍布6大洲和超過25個國家——來源于IBM
IBM將要為Watson Group投資10億美元，其中1億美元為風險投資資金，用于支持IBM的創業公司以及Watson內開發認知應用的業務——來源于IBM
經過Watson Ecosystem 項目開發的應用程序超過7000個——來源于Fortune
關于將機器學習融入應用程序和產品開發服務這一方面，Google最有可能領跑。原因有幾個方面，首先，Google最先開始研究人工智能。其次Google是擁有超過7萬名員工的大公司。此外，深度學習人工智能研究項目Google Brain擁有整個科學家團隊，他們自己的研究日程包括機器學習，自然語言理解，機器學習算法和技術，以及機器人技術。
全球100家最有希望的AI公司
圖片第一行AI創業公司行業分類（從左到右）：
廣告，銷售和客戶關系管理 、汽車技術、商業智能和數據分析、貿易、聊天AI/機器人、AI核心技術、網絡安全、金融科技、衛生保健、物聯網、機器人、文本挖掘/生成、計算機視覺、其他
趨勢2 —— 算法和技術的合并將會發生
所有投資AI領域的第二梯隊的公司，比如說Intel, Salesforce 和 Twitter, 都會追隨擁有數據的大公司，開始用大公司的算法和AI。行業中公司之間會出現數據的交易，并且很大概率會出現算法和技術合并。數據交易和算法技術合并會提高AI的效率。
Google和Facebook這樣的大公司會并購小公司，并將算法整合到他們的核心平臺/解決方法中。為了搶占先機，取得競爭優勢，Google收購了AI公司DeepMind。這家公司總部在倫敦，主營業務是開發通用學習算法。另一方面，Facebook并購了Wit.ai公司，借此提高語音識別和語音接口的水平。Facebook還并購了另一家AI創業公司Ozlo來提升虛擬助手M的水平。
趨勢3 —— 大量通過眾包獲取數據
所有的AI公司都會追求大數據，然后找尋方式方法來實現他們自己的AI目標。這些公司都會開始采用眾包（Crowdsource, 眾包，個人或組織可以利用大量的網絡用戶來獲取需要的服務和想法）的方法來獲取數據。很多公司已經找到眾包獲取數據的不同方法，這些方法不僅可以讓公司獲益，還可以提供給消費者一個表達觀點的渠道。
Joel Gurin是OpenDataNow.com的創始人和編輯，他表示，“我們生活在眾包的文化中，越來越多人愿意并且有興趣通過社交網站分享他們知道的事。”
Google通過眾包獲得大量圖片數據，并利用這些數據開發他們的圖片算法。Google還開發了一個眾包app用來提升他們推出的其他服務，比如翻譯，轉錄，手寫識別和地圖。Amazon也采用眾包人工智能的方法來提高Alexa的技能。相關技能的數量超過了1萬5千個。
趨勢4 —— 并購和更多的并購
CBInsights有統計數據顯示，收購AI公司的競賽已經開始/ 2018年將是當公司競爭智力資本和人才時產生越來越多的兼并和收購的一年。機器學習/ AI空間中的所有較小的玩家將被大型公司收購。有兩個原因：
1.AI不能在沒有數據集的情況下孤立工作。由于較大的公司擁有大量的數據集，所以對于較小的企業來說，這些數據將具有非常大的競爭力。
2.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，獲取大量數據是至關重要的。
作為機器人工程師和哥倫比亞大學創意機器實驗室的主管，霍普·利普森（Hod Lipson）說，“數據是燃料，算法是引擎。”
趨勢5 —— 獲得市場份額的工具民主化
較大的公司將開始開源其算法和其他工具集，以獲得市場份額。基于市場的數據和算法訪問障礙將會減少，AI的新應用將會增加。通過民主化，獲得有限或無法獲得AI工具的小型公司將可以獲得大量數據進行訓練和使用復雜的AI算法。
Google的首席執行官Sundar Pichai對人工智能的民主化表示說，“我們大家可以做的最令人興奮的事情之一就是揭開機器學習和AI的神秘面紗。所有人都可以獲得訪問權這一點是很重要的。”
此外，框架、SDK和API將成為所有主要參與者面向消費者開放使用的標準。基于SaaS和PaaS的模型將成為所有這些公司將遵循的商業模式。
趨勢6 ——人機交互將會改善
Siri和Alexa可能是兩個最受歡迎的人機交互工具。與這些相似的更多基于機器人的解決方案將成為AI公司的入門級別的東西。例如，雖然機器已被編程用于語音分析和面部識別，但機器將能夠基于您的聲音的語調來識別您的心情，這叫做情感分析。
針對非消費者的解決方案的制造自動化和方方面面將成為第一類被改進的解決方案/應用。制造自動化將主要用于：使用包括自動化、機器人和先進制造在內的復雜技術而節省勞動成本。在2018年，針對非消費者解決方案有所改善，如在農業和醫藥領域執行任務的人機交互也將普遍存在。
趨勢7 —— AI將開始緩慢但一定會影響所有的垂直領域
制造業、客戶服務、金融，醫療保健和交通運輸已經受到AI的影響。自動駕駛汽車已經預計到2018年上市。明年AI將影響更多的垂直行業。行業的簡要示例以及人工智能將如何影響他們包括：
保險 —— AI將通過自動化改進索賠流程
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，從而縮短時間并提高效率效率
公關與媒體 —— AI將幫助快速處理數據
教育 —— 虛擬導師的發展; AI輔助判卷; 適應性學習計劃，游戲和軟件; 由AI推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，準確的方法來預測患者出現癥狀之前的疾病年數
正如100年前工業革命幾乎改變所有事物一樣，AI將在未來幾年內改變所有行業。
趨勢8 —— 安全，隱私，倫理與道德問題
人工智能的分支，如機器學習和大數據，都容易受到新興的安全和隱私問題的影響。有時候在關鍵的基礎設施起到重要作用。或者是一些與隱私問題有關的安全需求，如將銀行帳戶和健康信息保密，這些都將會對安全性研究產生更大的需求。2018年將是安全和隱私問題一定會得到解決的一年，未來，也可能會有新的發展。
人工智能的倫理也將是2018年的一個主要關注點。需要解決的倫理和道德問題包括“AI對人類的傷害或使人類受益”，“人擔心機器人取代人類的可能性”等議題。特別是，關于“AI將被用于那些人類的同情心起重要作用的領域”如護士、治療師或警察等工作范疇中。另一個需要處理的問題是自主武器。假如達到一定自主功能級別，與人類控制的武器不同，AI需要超越某些特定功能。
我們的看法
雖然人工智能已經存在了許多年，但我們今天所知道的AI仍然處于起步階段。AI和其各種應用程序，從自動駕駛到虛擬個人助理以及執行，通常需要人工智能的任務的各種其他技術，已經有了大量相關的炒作。AI的生命周期剛剛開始，而且它有更長的路要走。
