IT行業(yè)媒體eWEEK每年都會(huì)分享IT思想領(lǐng)袖對(duì)未來(lái)一年IT行業(yè)的預(yù)測(cè)，其中包括新產(chǎn)品、創(chuàng)新服務(wù)、發(fā)展趨勢(shì)等。這些行業(yè)專家對(duì)2020年的人工智能、機(jī)器學(xué)習(xí)和基于機(jī)器人的自動(dòng)化領(lǐng)域的未來(lái)發(fā)展進(jìn)行了預(yù)測(cè)，并分享自己的見(jiàn)解。

Landing AI公司人工智能轉(zhuǎn)型副總裁Wang Dongyan表示：在非消費(fèi)性互聯(lián)網(wǎng)行業(yè)中，人工智能的采用仍處于早期階段。許多項(xiàng)目由于面臨缺乏數(shù)據(jù)、需要管理復(fù)雜的機(jī)器學(xué)習(xí)工作流程等挑戰(zhàn)而陷入困境。在2020年，端到端、垂直化的人工智能平臺(tái)將出現(xiàn)，這將使企業(yè)能夠擺脫困境，并繼續(xù)完成其人工智能項(xiàng)目。

Pivot 3公司首席執(zhí)行官Bruce Milne表示：IT行業(yè)將開(kāi)始認(rèn)識(shí)到基于視頻計(jì)算的力量：隨著視頻分析技術(shù)在2020年得到改進(jìn)，IT行業(yè)將會(huì)出現(xiàn)無(wú)窮的機(jī)會(huì)。目前，基于視頻的數(shù)據(jù)占所收集數(shù)據(jù)的60%，并且在過(guò)去幾年中，企業(yè)很大程度上將其視作一種負(fù)債和支出。 2020年將開(kāi)始看到一種轉(zhuǎn)變，企業(yè)將轉(zhuǎn)向視頻以優(yōu)化其產(chǎn)品或支持戰(zhàn)略計(jì)劃。例如，某些城市可能會(huì)使用視頻監(jiān)控技術(shù)來(lái)監(jiān)控其公共交通系統(tǒng)的安全運(yùn)營(yíng)，合并分析以挖掘數(shù)據(jù)以獲取諸如容量需求之類等洞察信息。

LogicGate公司首席執(zhí)行官M(fèi)att Kunkel表示：機(jī)器人流程自動(dòng)化(RPA)在風(fēng)險(xiǎn)和合規(guī)性方面優(yōu)于人工智能：人工智能和機(jī)器學(xué)習(xí)有多種形式。關(guān)于風(fēng)險(xiǎn)和合規(guī)性，機(jī)器人流程自動(dòng)化(RPA)將在2020年繼續(xù)取得進(jìn)展。其原因是：當(dāng)分析名列財(cái)富500強(qiáng)公司的大量數(shù)據(jù)時(shí)，數(shù)據(jù)量只是不足以使人工智能的預(yù)測(cè)具有相關(guān)性。機(jī)器人流程自動(dòng)化(RPA)之所以運(yùn)作良好，是因?yàn)樵S多風(fēng)險(xiǎn)和合規(guī)職能部門遵循一個(gè)正式流程，并且隨著企業(yè)通過(guò)特定流程存儲(chǔ)越來(lái)越多的數(shù)據(jù)，因此存在更加清晰的途徑來(lái)自動(dòng)執(zhí)行這些步驟。然后，其問(wèn)題就變成了如何在該系統(tǒng)上進(jìn)行優(yōu)化和迭代。機(jī)器人流程自動(dòng)化(RPA)應(yīng)用程序的其他成熟領(lǐng)域包括第三方風(fēng)險(xiǎn)、IT、策略和過(guò)程以及內(nèi)部審核。

AODocs公司市場(chǎng)營(yíng)銷副總裁David Jones表示：人工智能并不是解決內(nèi)容管理的靈丹妙藥：但很多人認(rèn)為人工智能可以通過(guò)一種算法解決所有業(yè)務(wù)問(wèn)題，這是一個(gè)謬論。人們需要擺脫一種怪異的人工智能算法可以完成此工作的想法，而應(yīng)轉(zhuǎn)向許多人工智能機(jī)器人共同努力以優(yōu)化先前存儲(chǔ)的數(shù)據(jù)的想法。2020年，將針對(duì)傳統(tǒng)數(shù)據(jù)庫(kù)部署人工智能，以首先確定存儲(chǔ)哪些數(shù)據(jù)，刪除不再需要的數(shù)據(jù)，并分配豐富的元數(shù)據(jù)，以實(shí)現(xiàn)更好、更完善的搜索和簡(jiǎn)化的記錄保存。用戶不會(huì)執(zhí)行此操作，而是執(zhí)行一組相互關(guān)聯(lián)的算法。

Teradata公司工業(yè)智能咨詢業(yè)務(wù)主管Cheryl Wiebe表示：當(dāng)今的人工智能將在2020年分為幾個(gè)領(lǐng)域，市場(chǎng)營(yíng)銷人員將不可避免地為這些領(lǐng)域創(chuàng)建更簡(jiǎn)潔的名稱。其中包括機(jī)器人流程自動(dòng)化(RPA);自動(dòng)特征工程和選擇;感知人工智能，物理感知的自動(dòng)化和精細(xì)化;資源分配人工智能，優(yōu)化技術(shù)與實(shí)時(shí)感知和響應(yīng)需求的結(jié)合。

人工智能將開(kāi)始改善數(shù)據(jù)管理本身的過(guò)程。例如，對(duì)于系統(tǒng)資源分配、自動(dòng)化特征工程、操作元數(shù)據(jù)收集以及更好的知識(shí)管理(例如標(biāo)記)。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：自然語(yǔ)言處理(NLP)和文本分析將成為機(jī)器人流程自動(dòng)化(RPA)解決方案的重要組成部分：調(diào)研機(jī)構(gòu)Forrester公司和Gartner公司發(fā)布的調(diào)查報(bào)告指出，許多機(jī)器人流程自動(dòng)化(RPA)供應(yīng)商在支持流行的文本分析用例方面均處于落后狀態(tài)，缺乏涉及PDF的“非結(jié)構(gòu)化文檔用例”的功能，并且難以使文本分析/自然語(yǔ)言處理(NLP)組件進(jìn)入其較大的運(yùn)行環(huán)境。隨著企業(yè)自動(dòng)化越來(lái)越大的流程，自然語(yǔ)言處理(NLP)供應(yīng)商會(huì)提供滿足機(jī)器人流程自動(dòng)化(RPA)要求的可行解決方案，例如內(nèi)部部署/混合云選項(xiàng)、易于集成的API、可自定義性和快速的投資回報(bào)率(ROI)，它們將迅速填補(bǔ)這一空白。

Teradata公司市場(chǎng)營(yíng)銷副總裁Chad Meley表示：在過(guò)去幾年中成功進(jìn)行了幾次人工智能試點(diǎn)之后，企業(yè)將重新把重點(diǎn)放在企業(yè)數(shù)據(jù)管理和集成上，為擴(kuò)展成千上萬(wàn)個(gè)狹義定義的人工智能用例奠定基礎(chǔ)。如今圍繞各種機(jī)器智能都是狹窄的人工智能。到2020年，成功的企業(yè)人工智能計(jì)劃將產(chǎn)生數(shù)百個(gè)用例，每個(gè)用例都由一個(gè)狹義定義的算法支持。

“無(wú)代碼分析”將會(huì)引起人們極大的興趣和采用。通過(guò)自動(dòng)消除某些麻煩的方面(例如要素工程和模型選擇)，人們看到了高級(jí)分析技術(shù)的穩(wěn)定民主化。但是，當(dāng)機(jī)器學(xué)習(xí)和其他高級(jí)過(guò)程分析完全不需要編碼或SQL技能時(shí)，高級(jí)分析就會(huì)變得普及。無(wú)代碼分析將嵌入到工作流程中，或通過(guò)簡(jiǎn)單的下拉菜單調(diào)用。他們不會(huì)使編碼在分析領(lǐng)域中過(guò)時(shí)，但會(huì)使大型企業(yè)中受益于分析的用例數(shù)量增加100倍。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：人工智能最大的研究進(jìn)展將是理論上的：過(guò)去五年來(lái)，人工智能的應(yīng)用遠(yuǎn)遠(yuǎn)超出了人們對(duì)這一切的理解。他預(yù)計(jì)，隨著2019年下半年在人工智能實(shí)用方面取得重大進(jìn)展，人們有望減少在世界范圍內(nèi)領(lǐng)先的算法發(fā)明，并在理論上取得更多進(jìn)步，從而說(shuō)明這些都有效。這個(gè)領(lǐng)域一直在快速發(fā)展，因此到2020年底，理論工作將為新一代算法鋪平道路，其平衡將再次發(fā)生變化。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：更少的魔力和更多的解決方案：人工智能將有美好發(fā)展的一年，并將鞏固其作為未來(lái)十年技術(shù)的地位。人工智能供應(yīng)商似乎更加明智，而是向正確的信息傳達(dá)人工智能可以幫助人類，從而使他們更快、更好地完成工作。

Aisera.com公司首席執(zhí)行官M(fèi)uddu Sudhakar表示：AIOP將會(huì)顛覆傳統(tǒng)的IT/Cloud/DevOps：DevOps的核心在于提高敏捷性和靈活性。AIOps通過(guò)自動(dòng)執(zhí)行從開(kāi)發(fā)到生產(chǎn)的關(guān)鍵步驟、預(yù)測(cè)生產(chǎn)結(jié)果以及自動(dòng)化對(duì)生產(chǎn)環(huán)境變化的響應(yīng)來(lái)提供幫助。即使微服務(wù)、混合云、邊緣計(jì)算和物聯(lián)網(wǎng)提高了應(yīng)用程序的復(fù)雜性，并增加了用于查找根本原因的日志量，AIOps仍簡(jiǎn)化了來(lái)自多個(gè)系統(tǒng)的數(shù)據(jù)聚合，而DevOps通過(guò)集成先前孤立的系統(tǒng)來(lái)提高效率。像DevOps一樣，AIOps刺激了文化變革，因?yàn)樗枰谙到y(tǒng)范圍內(nèi)尋找而不是縮小特定技術(shù)或基礎(chǔ)設(shè)施層。它還需要更高自動(dòng)化程度的舒適度。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：自動(dòng)駕駛還有很長(zhǎng)的路要走：雖然企業(yè)環(huán)境中的人工智能確實(shí)會(huì)做得很好，但人工智能也會(huì)出現(xiàn)一些引人注目的失敗案例，尤其是在自動(dòng)駕駛汽車領(lǐng)域。特斯拉公司的Smart Summon的功能令人印象深刻，但還有一段路要走。它在特斯拉社區(qū)中的廣泛使用將導(dǎo)致許多關(guān)于低速事故的視頻，這些事故視頻通常是撞到汽車、燈桿甚至是行人。