企業是否正在探索如何在業務中最佳實施人工智能?需要考慮人工智能對于業務應用程序至關重要的5個未來趨勢。

如果企業正在考慮使用人工智能(AI)來完善其基礎IT和數據功能，那么如何將炒作與現實區分開?

無論是在探索人工智能(AI)對企業的承諾，還是想知道何時才能看到真正的變革性成果，以下是將有助于實現人工智能(AI)未開發潛力的五個行業趨勢：

1.黑盒與可解釋人工智能

對于大多數人來說，深度學習系統本質上是難以理解的。使用數百萬個數據點作為輸入，并將相關數據作為輸出，通常無法使用純語言解釋其內部邏輯。

但是，如果自動化系統要協助做出關鍵決策，例如要使用哪些操作和流程，而人們卻無法理解這些決策是如何制定的，人們如何識別和解決錯誤?這種缺乏常識的現象限制了人工智能在現實世界中的應用。人們需要一個更清晰、更簡單的人工智能系統，以更好地與世界和人們建立聯系。

人們需要一個更清晰、更簡單的人工智能系統，以更好地與世界和人們建立聯系。

2.機器學習與機器教學

根據麥肯錫全球研究所的數據，到2030年，預計在物理和人工技能以及基本認知技能上花費的工作時間將分別減少14%和15%。相反，人們將花費更多的時間使用更高的認知技能，例如回答“為什么”和決定要做什么。

這種新的工作方式將導致對支持它的工具的需求。PARC科學家Mark Stefik對機械學的研究描述了一個人類與機器可以相互學習的未來。在將來，人們可以將人工智能系統想象為工作場所的重要組成部分。

3.馮•諾依曼計算與神經形態計算

在接下來的十年中，IT的主要中斷之一將是從傳統的馮•諾依曼計計算架構到神經形態計算的過渡。隨著摩爾定律的放慢，人們遇到了馮•諾依曼瓶頸，那么可以從迄今為止最高效的計算機(大腦)中學到什么?

生物大腦在同一電路中具有記憶和計算功能，而傳統的馮•諾依曼數字計算機將記憶與計算分開。生物大腦高度并行化，而數字計算機以串行方式執行計算。生物大腦很密集，只需要數字計算機所用能量的一小部分。這些瓶頸是現代數字計算機努力處理龐大的人工智能程序的主要原因。

4.數字與量子計算機

大小限制使常規數字計算機無法滿足人工智能計算的需求。量子計算機使用量子位和并行性來處理大量數據并同時查看所有解決方案。像IBM和Google AI Quantum這樣的傳統公司以及像Bleximo這樣的初創公司正在努力將通用處理器和NISQ應用程序專用的量子協處理器(稱為量子加速器)結合起來，以構建針對特定業務和工程領域的系統。早期的潛在行業應用包括化學(用于材料)、制藥(用于藥物設計)和金融(用于優化)。

5.電子與腦機接口設備

當前的人工智能應用程序主要在電子設備上運行，但人們最終會看到電子和生物系統之間更加緊密的集成。

當前的人工智能應用程序主要在電子設備上運行，但人們最終會看到電子和生物系統之間更加緊密的集成。例如，埃隆•馬斯克的最新合資企業之一Neuralink公司宣布計劃在2020年底之前開始將其可植入式腦機接口(BMI)設備與人類進行臨床試驗。通過將人工智能應用程序與人們的生物系統相結合，邊界人機之間已經開始融合。科學家還將腦機接口(BMI)和人工智能相結合，以使用大腦信號控制外部設備，并用人工智能系統重現大腦皮層功能的各個方面。

大多數科學家和技術專家都認為，人們只是在挖掘人工智能潛力的表面。首席信息官和組織越來越需要跟蹤這種變革性技術的最新發展。

關鍵詞： 人工智能 技術