Gartner高級(jí)首席研究分析師Shubhangi Vashisth表示：“人工智能的創(chuàng)新速度飛快，技術(shù)成熟度曲線中 一半以上的技術(shù)將在二到五年內(nèi)成為主流技術(shù) 。邊緣人工智能、計(jì)算機(jī)視覺、決策智能和機(jī)器學(xué)習(xí)等創(chuàng)新都將在未來幾年對(duì)市場(chǎng)產(chǎn)生革命性的影響。”
人工智能市場(chǎng)仍處于逐步發(fā)展階段，位于技術(shù)萌芽期的人工智能創(chuàng)新占據(jù)著很大的比例(見圖一)。這表明終端用戶正在尋求超出當(dāng)前人工智能工具功能范圍的特定技術(shù)功能這一市場(chǎng)趨勢(shì)。
Gartner認(rèn)為以下四項(xiàng)趨勢(shì)正在推動(dòng)人工智能創(chuàng)新：
負(fù)責(zé)任的人工智能（Responsible AI）
Gartner研究副總裁Svetlana Sicular表示：“提高人工智能技術(shù)的可信度、透明性、公平性和可審核性對(duì)各類利益相關(guān)者的重要性仍在日益增加。負(fù)責(zé)任的人工智能有助于：實(shí)現(xiàn)公平(即便數(shù)據(jù)中存在偏見也不例外)、獲得信任(盡管透明度和可解釋性方法正在逐步發(fā)展)以及在確保監(jiān)管合規(guī)的同時(shí)，努力克服人工智能的概率性質(zhì)。”
Gartner預(yù)測(cè)到2023年，所有人工智能開發(fā)和培訓(xùn)人員都必須具備負(fù)責(zé)任的人工智能方面的專業(yè)知識(shí)。
小而寬數(shù)據(jù)（Small and Wide Data）
數(shù)據(jù)是成功人工智能計(jì)劃的基礎(chǔ)。小而寬數(shù)據(jù)策略能夠?qū)崿F(xiàn)更強(qiáng)大的分析和人工智能、減少企業(yè)機(jī)構(gòu)對(duì)大數(shù)據(jù)的依賴，并提供更豐富、更完整的情境感知。
根據(jù)Gartner的預(yù)測(cè)，到2025年，70%的企業(yè)機(jī)構(gòu)將被迫把重點(diǎn)從大數(shù)據(jù)轉(zhuǎn)向小而寬數(shù)據(jù)，這將為分析工具提供更多的上下文并減少人工智能對(duì)數(shù)據(jù)的需求。
Sicular表示：“小數(shù)據(jù)的關(guān)鍵在于使用只需較少數(shù)據(jù)就能提供實(shí)用洞察的分析技術(shù)，而寬數(shù)據(jù)則能實(shí)現(xiàn)各種數(shù)據(jù)源的分析和協(xié)同作用。把這些策略結(jié)合在一起就能夠?qū)崿F(xiàn)更強(qiáng)大的分析并有助于獲得更加全方位的業(yè)務(wù)問題視角。”
人工智能平臺(tái)的操作化（Operationalization of AI Platforms）
運(yùn)用人工智能促進(jìn)業(yè)務(wù)轉(zhuǎn)型的緊迫性和關(guān)鍵性正在推動(dòng)人工智能平臺(tái)的操作化需求。這意味著將人工智能項(xiàng)目從概念轉(zhuǎn)向生產(chǎn)，從而可以依靠人工智能解決方案來解決企業(yè)范圍內(nèi)的問題。
Sicular表示：“根據(jù)Gartner的研究，只有一半的人工智能項(xiàng)目能夠從試點(diǎn)進(jìn)入到生產(chǎn)，而這些項(xiàng)目的平均完成時(shí)間為9個(gè)月。人工智能編排和自動(dòng)化平臺(tái)(AIOAPs)和模型操作化(ModelOps)等創(chuàng)新正在實(shí)現(xiàn)可重用性、可擴(kuò)展性和治理，加快人工智能的采用和增長(zhǎng)速度。”
資源高效利用（Efficient Use of Resources）
鑒于人工智能部署所涉及到的數(shù)據(jù)、模型和計(jì)算資源復(fù)雜性與規(guī)模，人工智能創(chuàng)新需要最高效地利用這些資源。多重體驗(yàn)(multiexperience)、組合式人工智能(composite AI)、生成式人工智能(generative AI)和Transformer因能夠以更高效的方式解決各類業(yè)務(wù)問題而引起了人工智能市場(chǎng)的關(guān)注。
