2022年Gartner人工智能技术成熟度曲线的全新动向

2022年11月21日

作者: Jackie Wiles

人工智能创新技术持续为企业带来巨大的商业效益,其采用率也将在未来几年快速增长。为此,你需要了解该技术的未来发展前景及其影响。

除了已经用来为静态商业应用、设备和生产力工具增加智能性的日常人工智能,2022年Gartner人工智能(AI)技术成熟度曲线(Hype Cycle™)还确定了一些企业机构必须了解的人工智能创新技术。

Gartner分析总监Afraz Jaffri表示:“值得注意的是,人工智能技术成熟度曲线中的创新技术众多,预计将带来非常高甚至变革性的商业效益。因此,企业需要特别留意可能在未来两到五年内进入主流的创新技术,包括复合人工智能、决策智能和边缘人工智能。企业越早采用这些创新技术,就可以获得越大的竞争优势和越多的商业价值,并能够解决人工智能模型的脆弱性问题。”

四类人工智能创新技术

人工智能技术的创新范围越来越广,未来不仅会影响企业内部的人和流程,也会影响企业外部。对许多利益相关者而言,人工智能技术的重要性与日俱增。为此,业务领导者以及负责部署和运营人工智能系统的企业工程团队都需要了解这些人工智能创新技术。

数据和分析(D&A)领导者的收益最多,他们不仅可以使用技术成熟度曲线来制定未来的人工智能战略,而且可以使用能够在当前发挥重大影响的相关技术。

技术成熟度曲线中的人工智能创新技术互相补充、有时还相互冲突,但大致可分为四个主要类别:

  1. 以数据为中心的人工智能

  2. 以模型为中心的人工智能

  3. 以应用为中心的人工智能

  4. 以人类为中心的人工智能

以数据为中心的人工智能

从前,人工智能社区一直通过调整人工智能模型来优化人工智能解决方案的成果,但以数据为中心的人工智能则将重点转移到了加强和丰富用于训练算法的数据上。

在解决人工智能数据问题方面,虽然以数据为中心的人工智能颠覆了传统的数据管理方式,但大规模投资人工智能的企业机构仍会保留长盛不衰的经典数据管理理念,并通过两种方式将其扩展到人工智能中:

  • 为不熟悉数据管理、以人工智能为重点的人群增加开发便捷型人工智能所需的能力

  • 使用人工智能来改善和增强数据治理、持久性、集成和数据质量的经典之作。

以数据为中心的人工智能,其创新技术包括合成数据、知识图谱、数据标签和注释。

以合成数据为例,该数据不是从现实世界中直接观察获得的,而是人工生成的。数据拥有不同的生成方法,如通过真实数据严格统计抽样生成、使用语义和生成性对抗网络生成,或者创建模拟场景,通过模型和流程相互作用生成全新的事件数据集。

随着计算机视觉和自然语言应用的使用,各行业对合成数据的采用也有所增加。但Gartner预测,合成数据的采用会大幅增加,因为合成数据能够:

  • 通过原始数据的合成变体或部分数据的合成替换来训练机器学习(ML)模型,可以避免使用个人身份信息

  • 在ML开发中降低成本和节省时间,因为数据的获取将更加便宜和快速

  •  提高ML性能,因为训练数据越多,训练结果越好

以模型为中心的人工智能

即使实现了以数据为中心的人工智能转型,人工智能模型仍然需要进一步发展,才能使输出结果继续帮助企业机构采取更好的行动。该类人工智能的创新技术包括基于物理信息的人工智能、复合人工智能、因果人工智能、生成式人工智能、基础模型和深度学习。

复合人工智能指融合不同人工智能技术,提高机器学习效率,并扩大知识表佂水平的一种技术。毕竟没有一种人工智能技术简单又有效。因此复合人工智能能够提供一个平台,以更有效的方式解决更广泛的商业问题。

复合人工智能预计将在两到五年内达到主流采用阶段,其带来的商业效益也可能具有变革性,从而为各行业创造全新的业务方式,并引起重大的行业动态变化。以复合人工智能为例,该技术能够:

  • 将人工智能的益处带给更多的企业机构,这些企业机构虽然无法获得大量历史数据或标记数据,但却拥有大量的人才和专业知识

  • 有助于扩大人工智能的应用范围和提高质量(也就是说,可以嵌入更多的推理类型)

因果人工智能包括不同的技术,如因果图谱和因果模拟,这些技术可以帮助企业机构发现因果关系,优化决策。尽管因果人工智能需要5到10年的时间才能达到主流采用阶段,但其商业效益估计会非常高,能够实现全新的横向或纵向流程执行方式,为企业大幅增加收入或节省成本。因果人工智能带来的益处包括

  • 通过增加领域知识来引导数据集较小的因果人工智能模型,提高工作效率

  • 提高人工智能系统中的决策增强能力和自主性

  • 捕捉易于解释的因果关系,提高解释能力

  • 利用变化环境中依旧有效的因果关系,提高稳定性和适应性

  • 使因果关系更加明确,减少人工智能系统中的偏差

以应用为中心的人工智能

以应用为中心的人工智能,其创新技术包括人工智能工程、决策智能、运营式人工智能系统、ModelOps、人工智能云服务、智能机器人、自然语言处理(NLP)、自动驾驶汽车、智能应用以及计算机视觉。

其中,决策智能和边缘人工智能都有望在两到五年内达到主流采用阶段,并带来具有变革性的商业效益。

决策智能是一项用于决策优化的实用技术,其方式是通过了解和设计决策方式,以及通过反馈来评估、管理和改善结果。

决策智能有助于:

  • 根据企业机构决策模型的相关性和透明度,大幅提高其可持续性,提升决策的透明度和可审计性,从而减少技术债务并提高可见度,优化业务流程的影响

  • 通过适当捕捉和核算业务环境中的不确定性因素,提高决策模型的韧性,降低决策结果的不可预测性

即刻下载:《如何制定决策流程策略》

边缘人工智能指的是在物联网(IoT)终端、网关和边缘服务器中嵌入人工智能技术,应用范围从自动驾驶汽车到流分析,使用范围非常广泛。其带来的商业效益包括:

  • 提高运营效率,如制造视觉检测系统

  • 优化客户体验

  • 使用本地分析,减少决策延迟

  • 降低连接成本,减少边缘和云之间的数据流量

  • 在任何网络连接情况下保持解决方案的可用性

以人类为中心的人工智能

以人类为中心的人工智能,其创新技术包括人工智能信任、风险和安全管理(TRiSM)、负责任人工智能、数字道德以及人工智能创造者和教学工具包。

人工智能取代人类决策时,会同时放正面的和不好负面的结果。而负责任人工智能则可以带来正面的结果,具体方法是它可以解决根植于价值提供与风险容忍中的两难问题。负责任人工智能是一个在采用人工智能时做出恰当的商业和道德选择的总括术语,包括商业和社会价值、风险、信任、透明度、公平、减少偏见、可解释性、问责、安全、隐私和监管合规性。该技术将需要5到10年的时间才能达到主流采用阶段,并带来变革性的商业影响。

数字道德是一个新兴趋势(仅发展了2至5年),未来可能会带来非常大的商业影响。数字伦理是一个在人、企业机构和事物之间进行电子互动时应遵守的价值和道德原则体系。其中许多问题,特别是与隐私和偏见有关的问题,仍然是大多数人所关注的。这是因为人们逐渐意识到其信息的价值。但与此同时,人们又对数据使用缺乏透明度、信息滥用和数据违规行为感到不满。因此,各大企业正在采取行动,减少个人数据管理和保护的相关风险,而且各国政府也相继出台更严格的法律法规。

目前,许多企业机构仍然不重视数字道德,因为他们认为数字道德不适用于其行业或领域。但Gartner预测,到2024年30%的企业机构将使用新的“社会之声”指标,来解决其面临的社会问题,以及评估数字道德对其业务绩效的影响。另外,企业机构也需要把数字道德纳入他们的人工智能战略,以提升他们在客户、员工、合作伙伴和社会中的影响力和声誉。

要点:

  • 2022年Gartner人工智能技术成熟度曲线包含大量企业机构“必须知道的”创新技术,这些创新技术有望在未来为企业机构带来众多商业效益。

  • 这些创新技术不限于日常的、已用来为静态商业应用、设备和生产力工具增加智能性的人工智能技术。

  • 企业机构应尽早关注会在未来两到五年内成为主流的创新技术,包括复合人工智能、决策智能和边缘人工智能。

帮助企业在最关键事项上表现得更加出色