計算分析大資料遠遠沒有過時。反而，随着資料量不斷增大，資料分析的水準也逐漸提高。我們看到的預測分析(Predictive Analytics)的應用，僅僅隻是冰山一角。很多公司采用資料挖掘，機器學習和人工智能的方法預測銷售額，進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，深刻地改變着我們日常生活的方方面面。未來，我們還将看到更多的改變。
以下是來自人工智能，大資料，預測分析和機器學習領域的關鍵統計資料：
到2018年，75%的開發者會在1個及以上商業應用程式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管道 —— 來源于Gartner
到2020年，算法會提升全球數十億勞工的工作方式 —— 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——大公司穩赢
Amazon，Google，Facebook和IBM将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資料管道，是以他們在資料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50億網頁上抓取資料
一個Amazon履行中心(fulfillment center)運作時儲存有 50萬張JPEG圖檔及其相應的産品介紹JSON檔案。
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
擁有将近1億圖檔和視訊。視訊具有音頻，視覺效果和注釋功能
Amazon的Echo引領聲控助手的市場，市場佔有率超過70%
Google：
全球最大的資料庫之一，擁有10-15 百京位元組的資料 —— 來自Cirrus Insigh
注重于應用程式和産品開發，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%聲控市場佔有率 —— 來源于Voicebot
開源平台TensorFlow可以讓每個人都有機會使用機器學習平台
Google Earth資料庫的大小預計為3017 兆位元組，或者說大約是3千兆 ——來源于 Google Earth 部落格
Google Street View 擁有大小約為20千兆位元組的街道圖檔——來源于Peta Pixel
Facebook:
每天處理25億則資訊和超過500 兆位元組的資料 ——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，新上傳的圖檔有3億張——來源于Tech Crunch
每30分鐘讀取約105兆位元組的資料——來源于Tech Crunch
建了一個5760平方米的資料中心，可容納500個冷儲存為1百京比特的機櫃。
每天翻譯大約20億使用者釋出的文章，涉及的語言有40種。翻譯後的文章每天閱讀量為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産品遍布6大洲和超過25個國家——來源于IBM
IBM将要為Watson Group投資10億美元，其中1億美元為風險投資資金，用于支援IBM的創業公司以及Watson内開發認知應用的業務——來源于IBM
經過Watson Ecosystem 項目開發的應用程式超過7000個——來源于Fortune
關于将機器學習融入應用程式和産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，自然語言了解，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
圖檔第一行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、商業智能和資料分析、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 —— 算法和技術的合并将會發生
所有投資AI領域的第二梯隊的公司，比如說Intel, Salesforce 和 Twitter, 都會追随擁有資料的大公司，開始用大公司的算法和AI。行業中公司之間會出現資料的交易，并且很大機率會出現算法和技術合并。資料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，并将算法整合到他們的核心平台/解決方法中。為了搶占先機，取得競争優勢，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，借此提高語音識别和語音接口的水準。Facebook還并購了另一家AI創業公司Ozlo來提升虛拟助手M的水準。
趨勢3 —— 大量通過衆包擷取資料
所有的AI公司都會追求大資料，然後找尋方式方法來實作他們自己的AI目标。這些公司都會開始采用衆包（Crowdsource, 衆包，個人或組織可以利用大量的網絡使用者來擷取需要的服務和想法）的方法來擷取資料。很多公司已經找到衆包擷取資料的不同方法，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管道。
Joel Gurin是OpenDataNow.com的創始人和編輯，他表示，“我們生活在衆包的文化中，越來越多人願意并且有興趣通過社交網站分享他們知道的事。”
Google通過衆包獲得大量圖檔資料，并利用這些資料開發他們的圖檔算法。Google還開發了一個衆包app用來提升他們推出的其他服務，比如翻譯，轉錄，手寫識别和地圖。Amazon也采用衆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有統計資料顯示，收購AI公司的競賽已經開始/ 2018年将是當公司競争智力資本和人才時産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将被大型公司收購。有兩個原因：
1.AI不能在沒有資料集的情況下孤立工作。由于較大的公司擁有大量的資料集，是以對于較小的企業來說，這些資料将具有非常大的競争力。
2.沒有資料的算法沒有任何用處。沒有算法，資料幾乎沒有用。資料是算法的核心，擷取大量資料是至關重要的。
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，“資料是燃料，算法是引擎。”
趨勢5 —— 獲得市場佔有率的工具民主化
較大的公司将開始開源其算法和其他工具集，以獲得市場佔有率。基于市場的資料和算法通路障礙将會減少，AI的新應用将會增加。通過民主化，獲得有限或無法獲得AI工具的小型公司将可以獲得大量資料進行訓練和使用複雜的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。所有人都可以獲得通路權這一點是很重要的。”
此外，架構、SDK和API将成為所有主要參與者面向消費者開放使用的标準。基于SaaS和PaaS的模型将成為所有這些公司将遵循的商業模式。
趨勢6 ——人機互動将會改善
Siri和Alexa可能是兩個最受歡迎的人機互動工具。與這些相似的更多基于機器人的解決方案将成為AI公司的入門級别的東西。例如，雖然機器已被程式設計用于語音分析和面部識别，但機器将能夠基于您的聲音的語調來識别您的心情，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将成為第一類被改進的解決方案/應用。制造自動化将主要用于：使用包括自動化、機器人和先進制造在内的複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互動也将普遍存在。
趨勢7 —— AI将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将影響更多的垂直行業。行業的簡要示例以及人工智能将如何影響他們包括：
保險 —— AI将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内總結數千頁的法律檔案，進而縮短時間并提高效率效率
公關與媒體 —— AI将幫助快速處理資料
教育 —— 虛拟導師的發展; AI輔助判卷; 适應性學習計劃，遊戲和軟體; 由AI推動的個性化教育課程将改變學生和教師的互動方式
健康 —— 機器學習可用于建立更複雜，準确的方法來預測患者出現症狀之前的疾病年數
正如100年前工業革命幾乎改變所有事物一樣，AI将在未來幾年内改變所有行業。
趨勢8 —— 安全，隐私，倫理與道德問題
人工智能的分支，如機器學習和大資料，都容易受到新興的安全和隐私問題的影響。有時候在關鍵的基礎設施起到重要作用。或者是一些與隐私問題有關的安全需求，如将銀行帳戶和健康資訊保密，這些都将會對安全性研究産生更大的需求。2018年将是安全和隐私問題一定會得到解決的一年，未來，也可能會有新的發展。
人工智能的倫理也将是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。特别是，關于“AI将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範疇中。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别，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和其各種應用程式，從自動駕駛到虛拟個人助理以及執行，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。
原文釋出時間為：2017-10-23
作者：顧險峰
翻譯：元元、田奧
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“大資料文摘”微信公衆号