2018年AI發展趨勢：創業公司被並購，科技巨頭或成最大贏家
計算分析大資料絕不是一時性的。隨著資料量的不斷增長，分析大資料的方式也將改善。涉及到預測性分析（Predictive Analytics）的應用時，我們只看到冰山一角。它通過資料採擷、機器學習、AI技術説明組織機構分析現有資料，
以下是AI世界、大資料、預測分析、機器學習的關鍵資料：
2018年，75%的開發商都將在一個或者多個業務或服務中包含AI功能——IDC
2019年，AI 將輔助100%的物聯網——IDC
2020年，30%的公司都將使用AI，至少增加一個主要銷售環節——Gartner
2020年，演算法將改變全球數十億工人的行為——Gartner
2020年，人工智慧市場將超過400億美元——Constellation Research
2025年，AI將驅動95%的用戶交互——Servion
趨勢1：大公司將成贏家
2018年8大AI趨勢
亞馬遜、穀歌、Facebook、IBM將成為AI領頭羊。大公司擁有大量資源來收集資料，因此會有更多資料為其所用。
以下是AI領域的頂尖玩家：
亞馬遜：
投資人工智慧已超過20年
抓取超過50億網頁的資料
亞馬遜物流中心有超過50萬張描述產品的JPEG圖像和相應的JSON中繼資料檔
每日監測全球廣播、印刷物、網路新聞的記錄超過40億份
近1億圖像和具有注釋的視頻
亞馬遜的Echo領先語音助理市場
谷歌：
是擁有最大存儲庫的資料集之一，資料達10-15Exabyte——Cirrus Insight
專注于應用和產品開發，而非長期AI研究
超過1300位研究人員的團隊——穀歌大腦
佔據聲控助理市場23.8%的用戶份額——Voicebot
任何人都能使用的機器學習開源平臺TensorFlow
穀歌地球資料庫大約是3017TB或者近3Petabytes——Google Earth Blog
谷歌街景有近20Petabytes的街道照片—— Peta Pixel
每天處理25億的內容和500多TB的資料——Tech Crunch
Facebook有約80名人工智慧研究員——FAIR
日均生成20億“贊”和3億照片——Tech Crunch
每30分鐘掃描月105TB資料——Tech Crunch
建有一個62000平方英尺的資料中心，可以容納500台機架
每天用超過40種語言翻譯20億使用者帖，8億用戶可以看到翻譯——Fortune
在部署機器學習和產品應用開發方面，穀歌很可能處在最前沿。谷歌的研究範圍涵蓋機器學習、自然語言處理、機器學習演算法和技術、機器人技術等領域。
全球100家最有潛力AI公司
趨勢2：演算法和技術得以鞏固
投資人工智慧的第二梯隊，如英特爾、推特等，將追隨擁有資料的大公司，並使用它們的資料演算法。資料交易將發生在行業內部，演算法和技術將得以鞏固。
谷歌、FB等巨頭收購小公司後，演算法將被集成到其核心平臺。穀歌收購了DeepMind以獲取競爭優勢。FB收購了Wit.ai來提升語音辨識和語音介面業務。
趨勢3：眾包資料將無比巨大
所有的人工智慧公司都將想方設法獲得海量資料集，來實現其AI壯志。這些公司會開始收集眾包資料。公司已經找到評估眾包資料品質和真實性的不同方法。企業方會從這些資料中受益，消費者也得到了話語權。
谷歌通過眾包獲取了大量圖片，來構建其成像演算法。谷歌還通過眾包改進翻譯等服務。亞馬遜通過眾包AI來提高Alexa的技能。
趨勢4：並購將增多
CBInsights統計資料顯示，收購AI公司的競賽已經開始。2018年競爭會越發激烈。很多機器學習和AI的小公司都會被大企業收購，原因有二：
首先，AI無法在缺少資料集的情況下獨立工作。大公司擁有大量資料，小公司會失去競爭力。
其次，沒有資料的演算法毫無用處。反之亦然。資料是演算法的核心，因此獲取大量資料將成為重中之重。
趨勢5：工具趨於民主化，以獲取市場份額
大公司將開源演算法和工具集來獲取市場份額。基於市場的資料訪問和演算法進入壁壘將會減少，新的AI應用將會增加。通過民主化，此前缺乏AI工具的小公司將更容易獲得大量資料，來訓練複雜的AI演算法。
趨勢6：人機交互將增多
Siri和Alexa是兩個最受歡迎的人機交互工具。將會有更多的類似產品出現。例如，機器能夠根據使用者講話的語調識別情緒。2018年，農業和醫藥領域的人機交互也會增多。
趨勢7：AI會影響所有垂直領域
製造業、客服、金融、醫療、交通等行業已經受到人工智慧的影響。明年人工智慧將會影響更多的垂直行業，包括：保險、法律、傳媒、教育、健康等。
趨勢8：安全、隱私、倫理道德問題
與隱私、安全相關的擔憂，（如保密銀行帳戶、健康資訊），會促進對人工智慧安全性的研究。2018年，安全和隱私問題會得到一定的解決，也可能會有新的發展。
倫理問題也值得關注。需要強調的問題包括：人工智慧將如何傷害／促進人類。還有一些對於人工智慧取代人類的擔憂。
總而言之，雖然AI已經存在了很多年，但目前還處於起步階段。人工智慧還有很長的路要走。
谷歌通過眾包獲取了大量圖片，來構建其成像演算法。谷歌還通過眾包改進翻譯等服務。亞馬遜通過眾包AI來提高Alexa的技能。
趨勢4：並購將增多
CBInsights統計資料顯示，收購AI公司的競賽已經開始。2018年競爭會越發激烈。很多機器學習和AI的小公司都會被大企業收購，原因有二：
首先，AI無法在缺少資料集的情況下獨立工作。大公司擁有大量資料，小公司會失去競爭力。
其次，沒有資料的演算法毫無用處。反之亦然。資料是演算法的核心，因此獲取大量資料將成為重中之重。
趨勢5：工具趨於民主化，以獲取市場份額
大公司將開源演算法和工具集來獲取市場份額。基於市場的資料訪問和演算法進入壁壘將會減少，新的AI應用將會增加。通過民主化，此前缺乏AI工具的小公司將更容易獲得大量資料，來訓練複雜的AI演算法。
趨勢6：人機交互將增多
Siri和Alexa是兩個最受歡迎的人機交互工具。將會有更多的類似產品出現。例如，機器能夠根據使用者講話的語調識別情緒。2018年，農業和醫藥領域的人機交互也會增多。
趨勢7：AI會影響所有垂直領域
製造業、客服、金融、醫療、交通等行業已經受到人工智慧的影響。明年人工智慧將會影響更多的垂直行業，包括：保險、法律、傳媒、教育、健康等。
趨勢8：安全、隱私、倫理道德問題
與隱私、安全相關的擔憂，（如保密銀行帳戶、健康資訊），會促進對人工智慧安全性的研究。2018年，安全和隱私問題會得到一定的解決，也可能會有新的發展。
倫理問題也值得關注。需要強調的問題包括：人工智慧將如何傷害／促進人類。還有一些對於人工智慧取代人類的擔憂。
總而言之，雖然AI已經存在了很多年，但目前還處於起步階段。人工智慧還有很長的路要走。