從好的方面來說，人工智能及其相關的技術（如機器學習和深度學習）可以在智能手機和各種設備（如亞馬遜的Echo和谷歌的Home）中實現語音識別等業已成為理所當然的服務，自動駕駛汽車、更準確的疾病診斷，以及云和數據中心中不那么明顯但至少同樣具有影響力的，自動化程度更高的信息技術基礎設施。
與此同時，有人用人工智能制造假新聞來攻擊人，歧視某些類型的工人或客戶，并引發恐懼，盡管這可能過于夸張，機器可能很快會淘汰大多數工作。特斯拉的首席執行官伊隆馬斯克和已故的物理學家斯蒂芬霍金等重要人物尤其引起了人們的擔憂（人們對此仍然還在展開激烈的爭論），即失控的人工智能可能會威脅到人類的存亡。
但無論結果是好是壞，新的一年無疑會加速人工智能和機器學習在各種產品，業務和日常活動中的使用。以下是對即將發生的以及不會發生的事情的一些預測，還有專家提出來的想法：
人工智能在企業領域的重要性絲毫不亞于消費產品領域
硅谷的同類市場研究公司Wikibon的James Kobielus（他是負責人工智能、數據、數據科學、深度學習和應用程序開發的首席分析師）稱，人工智能正在重塑商業智能。這使得商業用戶可以進行大量的分析，而這些分析曾經要訓練有素的數據科學家才能做。
接下來還有機器人過程自動化（或模擬人們如何在過程中執行任務的軟件），這已經成為人工智能的主要企業用例之一。人工智能也正在成為管理信息技術基礎設施的重要基礎，這是一種名為“人工智能運維（AIOps）”的新興模式。正如Kobielus指出的那樣，這個想法是使基礎設施和運營具備更多持續自我修復、自我管理、自我保護和自我優化的能力。
尤其是，機器學習漸漸使軟件開發本身發生了變化，其方式大致上是使機器（而不是必須編寫特定的邏輯和規則的開發人員）能夠創建應用程序。而這在2019年將變得更加明顯，隨著云計算巨頭提供越來越多的人工智能服務，情況尤其如此。在最近的鄧百氏（Dun & Bradstreet）調查中，近一半的企業表示它們正在部署人工智能系統，另有23％的企業正處于規劃階段。
其他人怎么看
• “2019年將有更多的商業智能（BI）供應商會整合大量的人工智能，從而自動將來自復雜數據的預測洞察提取出來，同時在解決方案中提供這些復雜的功能，這些解決方案可以使自助服務得到簡化并為下一個最佳行動（next-best-action）對策提供指導。”——Wikibon的James Kobielus如是說
• “機器學習將進入運營階段，從幕后走到臺前，進入實時且關鍵的企業應用程序結構中。”——Splice Machine的首席執行官Monte Zweben如是說
• “不要跟我說你正在做的一兩個人工智能項目。我想的可是幾百個項目。”——IBM的分析總經理Rob Thomas在theCUBE峰會上如是說
“人機回圈（humans in the loop）”將成為準則——但并不總是現實
因為亞馬遜的Alexa等人工智能驅動的服務往往表現優異，因此人們認為人工智能將接管各種工作。事實遠非如此，當然，不久后肯定會成為事實。麥肯錫估計，只有不到5％的職業可以使用現有技術完全實施自動化，但在大約60％的職業中至少有30％的活動是可以得到自動化的。
這一切意味著，2019年或2019以后的幾年，最成功的應用程序將是那些幫人們更好地完成工作的應用程序，不管是通過MRI掃描來做分析的臨床醫生，還是試圖處理更多潛在客戶的工廠工人、工業機器人或抵押貸款人員。
也就是說，一個人的高產往往是以另一個人的付出為代價的，有鑒于此，有些人固執地認為人工智能只是一種工具，這種見解顯得有點空洞。如果人工智能真的要做到使社會受益，而不會使大量的人失業，那么人工智能提供商和使用人工智能的公司必須在2019年證明這是事實。私營企業和政府必須盡快想出解決辦法，幫助因高效的人工智能而失業的人。
其他人怎么看
• “2019年，人工智能將持續不斷地使我們的工作生活變得更輕松，并使我們可以做更多的事情……工人將負責某些任務或根據我們的偏好將項目交給機器去做。”——SAP Leonardo、機器學習和智能過程自動化的SAP的副總裁David Leonge如是說
隨著故障和恐懼的加劇，人工智能將變得更加透明
機器學習遭到了一個重大的打擊（尤其是使用人工神經網絡的深度學習等類型的東西受到了打擊），那就是用來產生結果的算法是一個黑盒子。即你輸入了大量的數據，但你得到的結果并不總是很清楚——有時甚至是錯的，比如當一輛自動駕駛汽車出人意料地因為一個不起眼的物體而停在道路上，但有時卻未能正確識別人類，將人撞死。
事實上，在鄧白氏最近所做的調查中，幾乎有一半的受訪者表示，人工智能的可解釋性給組織帶來了問題，46％的受訪者表示，他們至少在這方面遇到了麻煩，即弄清楚人工智能系統如何給出答案。
同樣糟糕的是，用來訓練人工智能系統的數據是錯的或存在偏差。例如，在2015年，亞馬遜在知悉其人工智能驅動的招聘工具重男輕女時不得不放棄使用該工具，因為該工具認為受雇的申請人大多數是男性，這意味著男性更優越。今年，這種認識可能會轉化為更多的行動，從而避免這種事情的發生——必要時訴諸于立法的手段。
雖然我們幾乎無法窺探黑匣子里的乾坤，正如我們無法洞悉人們的大腦來分析他們要做的決定，人們對了解人工智能內部運作機制的需求越來越迫切，尤其是法律工作者。
一些將解決這個問題的數據和算法看成是特有優勢的技術公司并不會引領潮流，這毫無疑問。政府可能會要求公司實施某種程度的透明度，但目前尚不清楚政府如何做到這一點。但這在今年將成為更大的問題。
其他人怎么看
• “掌握了人工智能且擁有巨大能量的全球科技巨頭引發了很多關于如何規范行業和技術的問題。2019年，我們必須為這些問題想出答案——既然技術是多功能工具，隨具體的使用環境而帶來不同的成果，那你又怎么規范技術呢？你如何制定不會扼殺創新，或不偏向大公司（大公司承擔得起合規成本，而小公司則無法承擔）的法規？我們在什么級別上進行監管？國際的、全國的、還是地方的級別？”——埃森哲的應用智能部門的董事總經理兼Responsible AI initiative的全球負責人Rumman Chowdhury如是說
• “事故發生時，法庭上可能必須解決責任劃分的問題。新的立法必須制定，以便法院在有關責任的棘手問題上獲得足夠的參考資料。”——Mobilocity LLC的首席分析師J. Gerry Purdy如是說
• “也許我們應該從人類的心理機制中借鑒一些觀念”，使人工智能更易于解釋——Unity Technologies的人工智能和機器學習副總裁Danny Lang如是說
• “2019年將是付諸行動的一年。人們將做出更多的承諾和聲明，即負責任地創建和使用人工智能，并且公司將不得不予以采納。在影響人權的決策中，公眾將反對政府使用會產生偏差的人工智能。更多員工將要求對自己所創造的東西產生影響，并拒絕為有害的自動化做出貢獻。公司必須以良知做出表率（無論是購買或是創建人工智能解決方案）并設法保證系統公平公正，以避免成為人工智能出現問題的下一個頭條新聞。”——Salesforce.com的人工智能道德實踐的架構師Kathy Baxter如是說
• “國會將慢慢對人工智能實行監管，它需要在消費者和企業兩端得到更多的認證信息、原產國信息和透明度，這只是時間問題。銀行尤其要提防與大數據的利用相關的歧視做法，銀行還必須不斷地評估參與開發的人員在算法中可能帶進去的偏見。”——Compliance.ai的聯合創始人兼首席執行官Kayvan Alikhani如是說
圖謀不軌者會率先加強人工智能的使用，勇氣進行欺騙
無論是“用深度學習偽造的”色情內容、更強大的人工智能網絡攻擊，還是俄羅斯等國繼續以臉書和其它社交媒體上的人為目標來影響選舉結果，人工智能漸漸表明，如果它掌握在壞人手里會造成多大的威脅。
和大多數技術一樣，人們不可能保證這些技術不會落到壞人手里。因此，2019年，人工智能和機器學習的使用會產生更多不良的結果。Wikibon的James Kobielus說：“人工智能將刮來一股極端惡劣的風暴，人類幾乎沒有準備好應對風險密布的破壞性后果”。問題是，我們才剛剛開始理解問題的嚴重性，更不用說找到改善這個問題的方法了。這項任務幾乎還沒有開始，但在今年，私營企業和世界各國的政府將對這個問題給予很多關注。
其他人怎么看
• “人們必須做出很多取舍，很多人可能會發現，由此產生的技術、監管和其它補救措施與風險不成比例。我們需要各地的政治領袖，這些領袖本身不會在這些問題上搗蛋。但是，如果我們認為社會完全能自保，使自身免受人工智能發明可能帶來的所有不利后果，那么這種想法是很幼稚的。”——Wikibon的James Kobielus如是說
更多專業化的人工智能硬件將陸續誕生
英偉達的GPU芯片一直主導著機器學習的計算機，因為它們能并行處理很多操作。但這對芯片來說有點意外，因為它們最初是為加速游戲而開發的。
如今，大量來自初創公司和大型的芯片制造商（如英特爾）的可替代芯片即將進入市場，這些芯片制造商近年來已經收購了一些初創公司。如通過云服務開放的谷歌的Tensor Processing Unit芯片，這些芯片經過了調整，可以運行機器學習算法，據稱其速度甚至比GPU還快。今年將證明這些芯片是否能兌現這樣的承諾。
數據集的普遍可用性和無代碼工具將有助于將機器學習民主化
到目前為止，機器學習一直由擁有大量數據的科技巨頭主導（如谷歌、亞馬遜、微軟和臉書），其中一些公司也是云計算的領導者，因此它們也可以將數據驅動服務出售給其它公司。這使人們擔心，小公司會更加落后，因為它們根本無法獲得支持現代人工智能的數據。
由于幾個原因，這些擔憂也許并不像表面上看起來那么站得住腳。首先，引領特定行業、產品和服務的公司（例如通用電氣公司在發動機領域）擁有大量屬于自己的數據，即便是谷歌和亞馬遜也不具備這樣的數據。其次，開放的數據源越來越多，推動這些數據源的組織也越來越多，這對小公司大有裨益。這些小公司的成敗將在未來的一兩年內見分曉。
其他人怎么看
• “機器學習的實施方案將得到廣泛的散布。谷歌不可能“擁有所有的數據”——谷歌只會擁有一切屬于谷歌的數據。谷歌將擁有更多相關的搜索結果，通用電氣將擁有更好的引擎遙測技術，沃達豐將更好地分析通話模式和網絡套餐，這些都是由不同公司創建的不同內容。谷歌成了更好的谷歌，但這并不意味著它在某種程度上善于做任何別的事情。”——Andreessen Horowitz的合伙人Benedict Evans如是說
• “即便你不知道微波技術的工作原理，但這并不耽誤你使用該技術，這只是一個工具。隨著無代碼、點擊式工具的大量出現，我們與人工智能進入了同一階段，在這個階段中，人工智能將成為廣泛使用的實用工具，無論使用該技術的人來自什么背景。因此，未來幾年的大多數人工智能應用程序將由這樣的人員創建——他們沒有受過多少人工智能方面的培訓，或者根本沒有受過培訓。”——Salesforce.com的數據科學副總裁Vitaly Gordon如是說。
自動駕駛汽車近期仍不會得到廣泛的使用
若非有能夠理解來自無數傳感器的全部數據并同時對車輛應該做什么作出瞬間決定的機器學習技術，自動駕駛汽甚至得不到測試的機會。但這項技術還很不完善，過去幾年里，一些司機或行人的死亡案例就證明了這一點。
不僅如此，很多人顯然對自動駕駛汽車的到來感到無所適從。在亞利桑那州，有人肆意破壞Waymo車輛并且朝這些車輛扔石頭。而公司（更不用說政府）甚至都沒有意識到，事故責任和很多法律方面的問題漸漸開始出現。因此，盡管自動駕駛汽車經歷了所有的測試并且前景廣闊，它和所有普遍現象一樣尚需時日。
也就是說，大公司和資金雄厚的公司（如Waymo、通用汽車、特斯拉、優步和Lyft）正在全力完善技術端。最起碼，人工智能驅動的車輛也許會漸漸變得更加普遍，這關系到最后一英里配送，這要么由自無人機實現，要么由地面的機器來實現。在未來一年，當你看到無人機或機器人出現在你家門口時，請不要感到驚訝！
其他人怎么看
• “人們一直計劃擁有自動駕駛的汽車。有些人仍然擔心，人工智能也許只要20年就可以接管一切，但事實是，我們距離真正的自動駕駛汽車還有很長的路要走。自動駕駛汽車的功能將持續得到改進，但它們不會接管道路。”——Salesforce.com的首席科學家Richard Socher如是說。
京公網安備 11010502049343號