当前位置:首页 > 芯闻号 > 充电吧
[导读] IT行业媒体eWEEK每年都会分享IT思想领袖对未来一年IT行业的预测,其中包括新产品、创新服务、发展趋势等。这些行业专家对2020年的人工智能、机器学习和基于机器人的自动化领域的未来发展进行了预

IT行业媒体eWEEK每年都会分享IT思想领袖对未来一年IT行业的预测,其中包括新产品、创新服务、发展趋势等。这些行业专家对2020年的人工智能、机器学习和基于机器人的自动化领域的未来发展进行了预测,并分享自己的见解。

Landing AI公司人工智能转型副总裁Wang Dongyan表示:在非消费性互联网行业中,人工智能的采用仍处于早期阶段。许多项目由于面临缺乏数据、需要管理复杂的机器学习工作流程等挑战而陷入困境。在2020年,端到端、垂直化的人工智能平台将出现,这将使企业能够摆脱困境,并继续完成其人工智能项目。

Pivot 3公司首席执行官Bruce Milne表示:IT行业将开始认识到基于视频计算的力量:随着视频分析技术在2020年得到改进,IT行业将会出现无穷的机会。目前,基于视频的数据占所收集数据的60%,并且在过去几年中,企业很大程度上将其视作一种负债和支出。 2020年将开始看到一种转变,企业将转向视频以优化其产品或支持战略计划。例如,某些城市可能会使用视频监控技术来监控其公共交通系统的安全运营,合并分析以挖掘数据以获取诸如容量需求之类等洞察信息。

LogicGate公司首席执行官Matt Kunkel表示:机器人流程自动化(RPA)在风险和合规性方面优于人工智能:人工智能和机器学习有多种形式。关于风险和合规性,机器人流程自动化(RPA)将在2020年继续取得进展。其原因是:当分析名列财富500强公司的大量数据时,数据量只是不足以使人工智能的预测具有相关性。机器人流程自动化(RPA)之所以运作良好,是因为许多风险和合规职能部门遵循一个正式流程,并且随着企业通过特定流程存储越来越多的数据,因此存在更加清晰的途径来自动执行这些步骤。然后,其问题就变成了如何在该系统上进行优化和迭代。机器人流程自动化(RPA)应用程序的其他成熟领域包括第三方风险、IT、策略和过程以及内部审核。

AODocs公司市场营销副总裁David Jones表示:人工智能并不是解决内容管理的灵丹妙药:但很多人认为人工智能可以通过一种算法解决所有业务问题,这是一个谬论。人们需要摆脱一种怪异的人工智能算法可以完成此工作的想法,而应转向许多人工智能机器人共同努力以优化先前存储的数据的想法。2020年,将针对传统数据库部署人工智能,以首先确定存储哪些数据,删除不再需要的数据,并分配丰富的元数据,以实现更好、更完善的搜索和简化的记录保存。用户不会执行此操作,而是执行一组相互关联的算法。

Teradata公司工业智能咨询业务主管Cheryl Wiebe表示:当今的人工智能将在2020年分为几个领域,市场营销人员将不可避免地为这些领域创建更简洁的名称。其中包括机器人流程自动化(RPA);自动特征工程和选择;感知人工智能,物理感知的自动化和精细化;资源分配人工智能,优化技术与实时感知和响应需求的结合。

人工智能将开始改善数据管理本身的过程。例如,对于系统资源分配、自动化特征工程、操作元数据收集以及更好的知识管理(例如标记)。

Lexalytics公司首席执行官Jeff Catlin表示:自然语言处理(NLP)和文本分析将成为机器人流程自动化(RPA)解决方案的重要组成部分:调研机构Forrester公司和Gartner公司发布的调查报告指出,许多机器人流程自动化(RPA)供应商在支持流行的文本分析用例方面均处于落后状态,缺乏涉及PDF的“非结构化文档用例”的功能,并且难以使文本分析/自然语言处理(NLP)组件进入其较大的运行环境。随着企业自动化越来越大的流程,自然语言处理(NLP)供应商会提供满足机器人流程自动化(RPA)要求的可行解决方案,例如内部部署/混合云选项、易于集成的API、可自定义性和快速的投资回报率(ROI),它们将迅速填补这一空白。

Teradata公司市场营销副总裁Chad Meley表示:在过去几年中成功进行了几次人工智能试点之后,企业将重新把重点放在企业数据管理和集成上,为扩展成千上万个狭义定义的人工智能用例奠定基础。如今围绕各种机器智能都是狭窄的人工智能。到2020年,成功的企业人工智能计划将产生数百个用例,每个用例都由一个狭义定义的算法支持。

“无代码分析”将会引起人们极大的兴趣和采用。通过自动消除某些麻烦的方面(例如要素工程和模型选择),人们看到了高级分析技术的稳定民主化。但是,当机器学习和其他高级过程分析完全不需要编码或SQL技能时,高级分析就会变得普及。无代码分析将嵌入到工作流程中,或通过简单的下拉菜单调用。他们不会使编码在分析领域中过时,但会使大型企业中受益于分析的用例数量增加100倍。

Lexalytics公司首席执行官Jeff Catlin表示:人工智能最大的研究进展将是理论上的:过去五年来,人工智能的应用远远超出了人们对这一切的理解。他预计,随着2019年下半年在人工智能实用方面取得重大进展,人们有望减少在世界范围内领先的算法发明,并在理论上取得更多进步,从而说明这些都有效。这个领域一直在快速发展,因此到2020年底,理论工作将为新一代算法铺平道路,其平衡将再次发生变化。

Lexalytics公司首席执行官Jeff Catlin表示:更少的魔力和更多的解决方案:人工智能将有美好发展的一年,并将巩固其作为未来十年技术的地位。人工智能供应商似乎更加明智,而是向正确的信息传达人工智能可以帮助人类,从而使他们更快、更好地完成工作。

Aisera.com公司首席执行官Muddu Sudhakar表示:AIOP将会颠覆传统的IT/Cloud/DevOps:DevOps的核心在于提高敏捷性和灵活性。AIOps通过自动执行从开发到生产的关键步骤、预测生产结果以及自动化对生产环境变化的响应来提供帮助。即使微服务、混合云、边缘计算和物联网提高了应用程序的复杂性,并增加了用于查找根本原因的日志量,AIOps仍简化了来自多个系统的数据聚合,而DevOps通过集成先前孤立的系统来提高效率。像DevOps一样,AIOps刺激了文化变革,因为它需要在系统范围内寻找而不是缩小特定技术或基础设施层。它还需要更高自动化程度的舒适度。

Lexalytics公司首席执行官Jeff Catlin表示:自动驾驶还有很长的路要走:虽然企业环境中的人工智能确实会做得很好,但人工智能也会出现一些引人注目的失败案例,尤其是在自动驾驶汽车领域。特斯拉公司的Smart Summon的功能令人印象深刻,但还有一段路要走。它在特斯拉社区中的广泛使用将导致许多关于低速事故的视频,这些事故视频通常是撞到汽车、灯杆甚至是行人。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

北京——2024年3月29日 亚马逊云科技宣布,通过与光环新网和西云数据的紧密合作,在亚马逊云科技(北京)区域和(宁夏)区域推出文件存储服务Amazon FSx for OpenZFS,为客户提供基于 OpenZFS文件...

关键字: 生成式AI 机器学习 电子芯片设计

通过大量的数据,训练出一个能处理此类数据的模型,使得这个模型可以根据已知的数据,准确率很高的判断出未知的数据,从而使得人类能够采取正确的方法去处理某些事情。

关键字: 机器学习 模型 图像

在监督学习中,系统会被给定一组已知输入和输出,需要学习到一种函数,使得该函数能够根据给定的输入预测出正确的输出。代表算法有线性回归、逻辑回归、决策树、深度神经网络等。

关键字: 机器学习 数据源 图像

3月29日消息,根据国外媒体报道,2024年2月,韩国半导体产业迎来了显著的增长,其产量增幅达到了14年来的最高水平,同比增长65.3%。

关键字: AI ChatGPT 人工智能

深度学习需要大量的计算。它通常包含具有许多节点的神经网络,并且每个节点都有许多需要在学习过程中必须不断更新的连接。换句话说,神经网络的每一层都有成百上千个相同的人工神经元在执行相同的计算。

关键字: 机器学习 神经网络 TensorFlow

今天,小编将在这篇文章中为大家带来机器学习的有关报道,通过阅读这篇文章,大家可以对它具备清晰的认识,主要内容如下。

关键字: 机器学习 TensorFlow PyTorch

随着科技日新月异的进步,语音识别技术已成为人工智能领域的一项核心突破。这项技术旨在模拟人类听觉系统,通过复杂算法和模式识别手段将连续或离散的语音信号转换为可理解的文本或指令信息。本文深入探讨了语音识别技术在多个领域的广泛...

关键字: 语音识别 人工智能

随着人工智能和信息技术的飞速发展,语音识别技术已经从实验室走向了现实生活中的各个角落,成为人机交互领域的重要组成部分。语音识别产品不仅丰富了我们的日常生活,也正在深刻地改变着众多行业的工作模式和服务形态。

关键字: 语音识别 人工智能

在当今大数据和人工智能时代,机器学习作为核心的技术驱动力,正以前所未有的速度改变着我们的生活和工作方式。从基础的数据分析到复杂的决策支持系统,机器学习模型的成功构建和应用离不开一套严谨的流程。本文将详尽阐述机器学习过程中...

关键字: 机器学习 人工智能

机器学习作为人工智能领域的核心技术,其应用日益广泛,从搜索引擎优化到医疗诊断,从金融风控到自动驾驶等众多领域均发挥着重要作用。深入理解并掌握机器学习的关键步骤是成功构建高效模型和解决方案的基础。本文将详细阐述机器学习的主...

关键字: 机器学习 人工智能
关闭
关闭