Landing AI公司人工智能轉型副總裁Wang Dongyan表示，在非消費性互聯網行業中，人工智能的采用仍處于早期階段。許多項目由于面臨缺乏數據、需要管理復雜的機器學習工作流程等挑戰而陷入困境。在2020年，端到端、垂直化的人工智能平臺將出現，這將使企業能夠擺脫困境，并繼續完成其人工智能項目。
Pivot 3公司首席執行官Bruce Milne表示，IT行業將開始認識到基于視頻計算的力量：隨著視頻分析技術在2020年得到改進，IT行業將會出現無窮的機會。目前，基于視頻的數據占所收集數據的60%，并且在過去幾年中，企業很大程度上將其視作一種負債和支出。 2020年將開始看到一種轉變，企業將轉向視頻以優化其產品或支持戰略計劃。例如，某些城市可能會使用視頻監控技術來監控其公共交通系統的安全運營，合并分析以挖掘數據以獲取諸如容量需求之類等洞察信息。
LogicGate公司首席執行官Matt Kunkel表示，機器人流程自動化(RPA)在風險和合規性方面優于人工智能：人工智能和機器學習有多種形式。關于風險和合規性，機器人流程自動化(RPA)將在2020年繼續取得進展。其原因是：當分析名列財富500強公司的大量數據時，數據量只是不足以使人工智能的預測具有相關性。機器人流程自動化(RPA)之所以運作良好，是因為許多風險和合規職能部門遵循一個正式流程，并且隨著企業通過特定流程存儲越來越多的數據，因此存在更加清晰的途徑來自動執行這些步驟。然后，其問題就變成了如何在該系統上進行優化和迭代。機器人流程自動化(RPA)應用程序的其他成熟領域包括第三方風險、IT、策略和過程以及內部審核。
AODocs公司市場營銷副總裁David Jones表示，人工智能并不是解決內容管理的靈丹妙藥：但很多人認為人工智能可以通過一種算法解決所有業務問題，這是一個謬論。人們需要擺脫一種怪異的人工智能算法可以完成此工作的想法，而應轉向許多人工智能機器人共同努力以優化先前存儲的數據的想法。2020年，將針對傳統數據庫部署人工智能，以首先確定存儲哪些數據，刪除不再需要的數據，并分配豐富的元數據，以實現更好、更完善的搜索和簡化的記錄保存。用戶不會執行此操作，而是執行一組相互關聯的算法。
Teradata公司工業智能咨詢業務主管Cheryl Wiebe表示，當今的人工智能將在2020年分為幾個領域，市場營銷人員將不可避免地為這些領域創建更簡潔的名稱。其中包括機器人流程自動化(RPA);自動特征工程和選擇;感知人工智能，物理感知的自動化和精細化;資源分配人工智能，優化技術與實時感知和響應需求的結合。
人工智能將開始改善數據管理本身的過程。例如，對于系統資源分配、自動化特征工程、操作元數據收集以及更好的知識管理(例如標記)。
Lexalytics公司首席執行官Jeff Catlin表示，自然語言處理(NLP)和文本分析將成為機器人流程自動化(RPA)解決方案的重要組成部分：調研機構Forrester公司和Gartner公司發布的調查報告指出，許多機器人流程自動化(RPA)供應商在支持流行的文本分析用例方面均處于落后狀態，缺乏涉及PDF的“非結構化文檔用例”的功能，并且難以使文本分析/自然語言處理(NLP)組件進入其較大的運行環境。隨著企業自動化越來越大的流程，自然語言處理(NLP)供應商會提供滿足機器人流程自動化(RPA)要求的可行解決方案，例如內部部署/混合云選項、易于集成的API、可自定義性和快速的投資回報率(ROI)，它們將迅速填補這一空白。
Teradata公司市場營銷副總裁Chad Meley表示：在過去幾年中成功進行了幾次人工智能試點之后，企業將重新把重點放在企業數據管理和集成上，為擴展成千上萬個狹義定義的人工智能用例奠定基礎。如今圍繞各種機器智能都是狹窄的人工智能。到2020年，成功的企業人工智能計劃將產生數百個用例，每個用例都由一個狹義定義的算法支持。
“無代碼分析”將會引起人們極大的興趣和采用。通過自動消除某些麻煩的方面(例如要素工程和模型選擇)，人們看到了高級分析技術的穩定民主化。但是，當機器學習和其他高級過程分析完全不需要編碼或SQL技能時，高級分析就會變得普及。無代碼分析將嵌入到工作流程中，或通過簡單的下拉菜單調用。他們不會使編碼在分析領域中過時，但會使大型企業中受益于分析的用例數量增加100倍。
Lexalytics公司首席執行官Jeff Catlin表示，人工智能最大的研究進展將是理論上的：過去五年來，人工智能的應用遠遠超出了人們對這一切的理解。他預計，隨著2019年下半年在人工智能實用方面取得重大進展，人們有望減少在世界范圍內領先的算法發明，并在理論上取得更多進步，從而說明這些都有效。這個領域一直在快速發展，因此到2020年底，理論工作將為新一代算法鋪平道路，其平衡將再次發生變化。
Lexalytics公司首席執行官Jeff Catlin表示，更少的魔力和更多的解決方案：人工智能將有美好發展的一年，并將鞏固其作為未來十年技術的地位。人工智能供應商似乎更加明智，而是向正確的信息傳達人工智能可以幫助人類，從而使他們更快、更好地完成工作。
Aisera.com公司首席執行官Muddu Sudhakar表示，AIOP將會顛覆傳統的IT/Cloud/DevOps：DevOps的核心在于提高敏捷性和靈活性。AIOps通過自動執行從開發到生產的關鍵步驟、預測生產結果以及自動化對生產環境變化的響應來提供幫助。即使微服務、混合云、邊緣計算和物聯網提高了應用程序的復雜性，并增加了用于查找根本原因的日志量，AIOps仍簡化了來自多個系統的數據聚合，而DevOps通過集成先前孤立的系統來提高效率。像DevOps一樣，AIOps刺激了文化變革，因為它需要在系統范圍內尋找而不是縮小特定技術或基礎設施層。它還需要更高自動化程度的舒適度。
Lexalytics公司首席執行官Jeff Catlin表示，自動駕駛還有很長的路要走：雖然企業環境中的人工智能確實會做得很好，但人工智能也會出現一些引人注目的失敗案例，尤其是在自動駕駛汽車領域。特斯拉公司的Smart Summon的功能令人印象深刻，但還有一段路要走。它在特斯拉社區中的廣泛使用將導致許多關于低速事故的視頻，這些事故視頻通常是撞到汽車、燈桿甚至是行人。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號