文/UnfoldLabs
雖然人工智慧已經存在很多年了， 但我們今天所知道的人工智慧仍處於起步階段。 圍繞人工智慧及其各種應用， 從自動駕駛汽車到虛擬個人助理， 以及其他許多需要人工智慧的任務， 都需要很長時間的部署與改進。 人工智慧還有很長的路要走。 2018年顯然將是對人工智慧的發展關鍵性的一年， 讓我們拭目以待。
本文轉自公眾號雷鋒網（ID：leiphone-sz）
大資料分析並不是一個業已退潮的趨勢。 隨著資料量的持續增長， 大資料分析也在不斷改善。 說到預測分析的應用， 我們只看到了冰山一角。
通過使用資料採擷、機器學習和人工智慧技術來分析當前資料，
這裡是來自AI世界的一些關於大資料， 預測性分析以及機器學習的關鍵資料：
到2018年， 75%的開發商都會在商業應用和服務中引入至少一種AI功能（來自IDC）
到2019年， 100%的物聯網活動將會被AI功能支持（來自IDC）
到2020年， 30%的公司將會使用AI來提高至少一種關鍵程式（來自Gartner）
到2020年， 演算法將會在全球範圍內積極影響數以億計的行為（來自Gartner）
到2020年， 人工智慧市場將會超過400億美元（來自 Constellation Research）
到2025年， AI將驅動95%的用戶交互。 （來自Servion）
趨勢1-大公司先發優勢， 勢在必贏
亞馬遜、穀歌、Facebook和IBM將引領人工智慧的發展。
以下是頂級玩家在人工智慧方面的發展情況：
亞馬遜：
+ 投資人工智慧超過20年
+ Web抓取來自超過50億網頁的資料
+ 物流中心擁有超過500000 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2.5億
+ 將近1億張附帶視頻、音訊和注解的圖片和視頻
+ 亞馬遜的Echo以超過70%的優勢領先于聲控助理市場
谷歌：
+ 坐擁最大的資料集庫之一， 有10 - 15個Exabyte的資料——Cirrus Insight
+ 專注于應用和產品開發， 而非長期人工智慧研究
+ 一個由1300名研究人員組成的團隊——穀歌大腦
+ 23.8%的語音助理市場- Voicebot使用者份額
+ 使用機器學習的開放源平臺,TensorFlow,給所有人訪問機器學習平臺的許可權
+ 穀歌地球資料庫的大小估計為3,017 TB或大約3 pb -穀歌地球博客
+ 谷歌街景有大約20 pb的街道照片——Peta圖元
Facebook：
+ 每天處理25億的內容和500多TB的資料——Tech Crunch
+ Facebook人工智慧研究中心有約80名研究員和工程師——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
IBM：
+ 計畫用時10年、注資2.4億美元投資創建麻省理工學院——IBM “沃森”人工智慧實驗室 ——IBM
+ 沃森客戶業務橫跨6個大陸， 超過25個國家——IBM
+ IBM在沃森集團(Watson Group)投資了10億美元， 其中包括1億美元的風險投資， 以+ 支援IBM的初創企業和建立與沃森(Watson - IBM)的認知應用程式的企業——IBM
+ 通過沃森生態系統， 已經建立了7000多個應用程式——Fortune
穀歌最可能在將機器學習部署於產品和服務的應用方面處於最前沿。
此外， 穀歌大腦是一個深度學習人工智慧研究項目， 穀歌擁有一個完整的團隊， 它的研究議程包括機器學習、自然語言理解、機器學習演算法和技術， 以及機器人技術。
趨勢2 -演算法和技術的整合將會發生
所有在人工智慧領域投資的第二梯隊公司， 如英特爾、Salesforce和Twitter， 都將追隨那些已經擁有資料的大公司， 並開始使用他們的資料、演算法和人工智慧。 行業的參與者之間將發生資料交易， 演算法和技術將得到鞏固。 資料的交易以及演算法和技術的整合將使人工智慧更加有效。
隨著穀歌和Facebook這樣的巨頭公司收購規模較小的玩家， 演算法將被整合到他們的核心平臺/解決方案中。 總部位於倫敦的人工智慧公司DeepMind建立了通用學習演算法， 穀歌收購了該公司， 以獲得與其他科技公司競爭的商業優勢。 另一方面， Facebook收購了Wit.AI， 助力語音辨識和語音介面。 它還收購了人工智慧初創公司Ozlo， 以提升其虛擬助手。
趨勢3 -眾包資料將無比巨大
所有人工智慧公司都將追求巨大的資料集， 以尋找方法和手段來實現他們對人工智慧的雄心。 這些公司將開始對大量資料進行眾包。 他們已經找到了不同的方法來評估眾包資料的品質和真實性， 這不僅給企業提供了從這些資料中獲益的能力， 而且也給了消費者一個發聲的機會。
OpenDataNow.com的創始人兼編輯Joel Gurin說:“我們生活在一個眾包文化中，越來越多的人願意並有興趣通過社交媒體分享他們所知道的東西。
谷歌通過眾包獲得很多圖像來構建他們的成像演算法。此外，該公司還利用眾包技術，通過其眾源應用，幫助改善翻譯、抄寫、手寫辨識和地圖等服務。
亞馬遜還利用眾包人工智慧來提高Alexa目前逾1.5萬項技能。
趨勢4-並購將越來越多
CBInsights的資料顯示，收購人工智慧公司的競賽將在2018年開始，屆時，隨著企業爭奪知識資本和人才，我們將會看到越來越多的並購。機器學習/人工智慧領域的所有小公司都將被大公司收購。
主要有以下兩個原因:
沒有資料集，人工智慧就不能獨立工作。由於大公司擁有大量的資料集，它們對小公司來說優勢巨大。
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，獲取大量的資料至關重要。
作為機器人工程師和哥倫比亞大學創意機器實驗室的主任，Hod Lipson說:“資料是燃料，演算法是引擎。
趨勢5-AI工具走向民主化，以增加市場份額
大公司將開始開源他們的演算法和其他工具集以獲得市場份額。市場訪問資料和演算法的壁壘的將減少，人工智慧的新應用將會增加。通過民主化，那些沒有途徑應用人工智慧工具的小公司，將有大量的資料用於培訓和啟動複雜的人工智慧演算法。
正如穀歌的首席執行官桑達爾·皮查伊(Sundar Pichai)所說的，關於民主化人工智慧的說法，“我們所能做的最令人興奮的事情之一，就是對機器學習和人工智慧的祛魅。”這對所有人來說都是很重要的。
此外，框架、SDKs和api將成為所有主要玩家開放用戶使用的標準。SaaS和PaaS的基礎模型將是所有這些公司追求的商業模式。
趨勢6 -人機交互將會改善
Siri和Alexa是最流行的兩種人機交互工具。與此類似的 更多的基於機器人的解決方案，將是AI公司的第一個入口。例如，雖然機器已經被程式設計用於語音分析和面部識別，但它還將能夠基於你的聲音音調識別你的情緒，也就是情感分析。
製造業自動化和非消費者方面的解決方案將首先得到改善。製造自動化將主要是使用先進的技術，包括自動化、機器人技術和先進的製造技術來節省人工成本。在農業和醫藥領域，諸如人機交互等非消費者解決方案的改進也將在2018年普及。
趨勢7 -人工智將影響更多垂直領域
製造業、客戶服務、金融、醫療和交通等領域已經受到人工智慧的影響。自動駕駛汽車預計將在2018年上市。
明年，人工智慧將會影響更多的垂直領域。以下是工業界的簡要示例以及人工智慧將如何影響它們：
保險-人工智慧將通過自動化改進索賠過程
法務 - NLP可以在幾分鐘內總結數千頁的法律檔，從而縮短時間，提高效率
公關&媒體 - AI將説明快速處理資料
教育——虛擬導師的發展人工智慧輔助額論文評分;自我調整學習程式、遊戲和軟體;而由人工智慧提供的個性化教育項目將改變學生和教師的互動方式
健康——機器學習可以用於製造更複雜、準確的方法來預測病人出現症狀前的疾病
就像100年前的工業革命幾乎改變了一切一樣，人工智慧將在未來幾年改變世界。
趨勢8 -安全、隱私、倫理和道德問題
人工智慧保護傘下的一切，如機器學習和大資料，都很容易遭遇新興的安全和隱私問題方面的問題。有時關鍵的基礎設施在其中扮演了重要角色。
與隱私問題相關的安全需求，比如將銀行帳戶和健康資訊保密，增加了安全研究的必要性。2018年將是關注安全和隱私問題的一年，並可能會有新的進展。
人工智慧的倫理也將是2018年的一個主要問題。倫理和道德問題需要解決，包括人工智慧如何傷害或造福人類。也有人擔心機器人取代人類的可能性，特別是如果人工智慧將在人類移情作用的領域中使用，比如護士、治療師或員警。
另一個將被處理的問題是自主武器。考慮到自主功能的水準，人工智慧將需要涵蓋某些功能，因為他不是控制在人類手中的武器。
注：本文編譯自 Medium 文章《The World of Artificial Intelligence 》，關注DT資料俠點擊“閱讀原文”獲取，內容僅為作者觀點，不代表DT財經立場。
編譯 | 嫣然
題圖 | 視覺中國
期待更多資料俠乾貨分享、話題討論、福利發放？在公眾號DT資料俠（ID：DTdatahero）後臺回復“數據社群”，可申請加入DT數據社群。
資料俠門派
本文資料俠來自UnfoldLabs，一家創新技術產品服務公司。主要致力於研究移動、大資料、雲計算、物聯網、VR、5G及可穿戴設備等新一代科技產品。
加入資料俠
“資料俠計畫”是由第一財經旗下DT財經發起的資料社群，包含資料俠專欄、資料俠實驗室系列活動和資料俠聯盟，旨在聚集大資料領域精英，共同挖掘資料價值。瞭解資料俠計畫詳情請關注DT資料俠回復“資料俠計畫”，投稿、合作請聯繫datahero@dtcj.com。
OpenDataNow.com的創始人兼編輯Joel Gurin說:“我們生活在一個眾包文化中，越來越多的人願意並有興趣通過社交媒體分享他們所知道的東西。
谷歌通過眾包獲得很多圖像來構建他們的成像演算法。此外，該公司還利用眾包技術，通過其眾源應用，幫助改善翻譯、抄寫、手寫辨識和地圖等服務。
亞馬遜還利用眾包人工智慧來提高Alexa目前逾1.5萬項技能。
趨勢4-並購將越來越多
CBInsights的資料顯示，收購人工智慧公司的競賽將在2018年開始，屆時，隨著企業爭奪知識資本和人才，我們將會看到越來越多的並購。機器學習/人工智慧領域的所有小公司都將被大公司收購。
主要有以下兩個原因:
沒有資料集，人工智慧就不能獨立工作。由於大公司擁有大量的資料集，它們對小公司來說優勢巨大。
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，獲取大量的資料至關重要。
作為機器人工程師和哥倫比亞大學創意機器實驗室的主任，Hod Lipson說:“資料是燃料，演算法是引擎。
趨勢5-AI工具走向民主化，以增加市場份額
大公司將開始開源他們的演算法和其他工具集以獲得市場份額。市場訪問資料和演算法的壁壘的將減少，人工智慧的新應用將會增加。通過民主化，那些沒有途徑應用人工智慧工具的小公司，將有大量的資料用於培訓和啟動複雜的人工智慧演算法。
正如穀歌的首席執行官桑達爾·皮查伊(Sundar Pichai)所說的，關於民主化人工智慧的說法，“我們所能做的最令人興奮的事情之一，就是對機器學習和人工智慧的祛魅。”這對所有人來說都是很重要的。
此外，框架、SDKs和api將成為所有主要玩家開放用戶使用的標準。SaaS和PaaS的基礎模型將是所有這些公司追求的商業模式。
趨勢6 -人機交互將會改善
Siri和Alexa是最流行的兩種人機交互工具。與此類似的 更多的基於機器人的解決方案，將是AI公司的第一個入口。例如，雖然機器已經被程式設計用於語音分析和面部識別，但它還將能夠基於你的聲音音調識別你的情緒，也就是情感分析。
製造業自動化和非消費者方面的解決方案將首先得到改善。製造自動化將主要是使用先進的技術，包括自動化、機器人技術和先進的製造技術來節省人工成本。在農業和醫藥領域，諸如人機交互等非消費者解決方案的改進也將在2018年普及。
趨勢7 -人工智將影響更多垂直領域
製造業、客戶服務、金融、醫療和交通等領域已經受到人工智慧的影響。自動駕駛汽車預計將在2018年上市。
明年，人工智慧將會影響更多的垂直領域。以下是工業界的簡要示例以及人工智慧將如何影響它們：
保險-人工智慧將通過自動化改進索賠過程
法務 - NLP可以在幾分鐘內總結數千頁的法律檔，從而縮短時間，提高效率
公關&媒體 - AI將説明快速處理資料
教育——虛擬導師的發展人工智慧輔助額論文評分;自我調整學習程式、遊戲和軟體;而由人工智慧提供的個性化教育項目將改變學生和教師的互動方式
健康——機器學習可以用於製造更複雜、準確的方法來預測病人出現症狀前的疾病
就像100年前的工業革命幾乎改變了一切一樣，人工智慧將在未來幾年改變世界。
趨勢8 -安全、隱私、倫理和道德問題
人工智慧保護傘下的一切，如機器學習和大資料，都很容易遭遇新興的安全和隱私問題方面的問題。有時關鍵的基礎設施在其中扮演了重要角色。
與隱私問題相關的安全需求，比如將銀行帳戶和健康資訊保密，增加了安全研究的必要性。2018年將是關注安全和隱私問題的一年，並可能會有新的進展。
人工智慧的倫理也將是2018年的一個主要問題。倫理和道德問題需要解決，包括人工智慧如何傷害或造福人類。也有人擔心機器人取代人類的可能性，特別是如果人工智慧將在人類移情作用的領域中使用，比如護士、治療師或員警。
另一個將被處理的問題是自主武器。考慮到自主功能的水準，人工智慧將需要涵蓋某些功能，因為他不是控制在人類手中的武器。
注：本文編譯自 Medium 文章《The World of Artificial Intelligence 》，關注DT資料俠點擊“閱讀原文”獲取，內容僅為作者觀點，不代表DT財經立場。
編譯 | 嫣然
題圖 | 視覺中國
期待更多資料俠乾貨分享、話題討論、福利發放？在公眾號DT資料俠（ID：DTdatahero）後臺回復“數據社群”，可申請加入DT數據社群。
資料俠門派
本文資料俠來自UnfoldLabs，一家創新技術產品服務公司。主要致力於研究移動、大資料、雲計算、物聯網、VR、5G及可穿戴設備等新一代科技產品。
加入資料俠
“資料俠計畫”是由第一財經旗下DT財經發起的資料社群，包含資料俠專欄、資料俠實驗室系列活動和資料俠聯盟，旨在聚集大資料領域精英，共同挖掘資料價值。瞭解資料俠計畫詳情請關注DT資料俠回復“資料俠計畫”，投稿、合作請聯繫datahero@dtcj.com。