企業(yè)是否正在探索如何在業(yè)務(wù)中最佳實(shí)施人工智能？需要考慮人工智能對于業(yè)務(wù)應(yīng)用程序至關(guān)重要的5個未來趨勢。

如果企業(yè)正在考慮使用人工智能（AI）來完善其基礎(chǔ)IT和數(shù)據(jù)功能，那么如何將炒作與現(xiàn)實(shí)區(qū)分開？

無論是在探索人工智能（AI）對企業(yè)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(shí)現(xiàn)人工智能（AI）未開發(fā)潛力的五個行業(yè)趨勢：

1.黑盒與可解釋人工智能

對于大多數(shù)人來說，深度學(xué)習(xí)系統(tǒng)本質(zhì)上是難以理解的。使用數(shù)百萬個數(shù)據(jù)點(diǎn)作為輸入，并將相關(guān)數(shù)據(jù)作為輸出，通常無法使用純語言解釋其內(nèi)部邏輯。

但是，如果自動化系統(tǒng)要協(xié)助做出關(guān)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?nèi)绾巫R別和解決錯誤？這種缺乏常識的現(xiàn)象限制了人工智能在現(xiàn)實(shí)世界中的應(yīng)用。人們需要一個更清晰、更簡單的人工智能系統(tǒng)，以更好地與世界和人們建立聯(lián)系。

人們需要一個更清晰、更簡單的人工智能系統(tǒng)，以更好地與世界和人們建立聯(lián)系。

2.機(jī)器學(xué)習(xí)與機(jī)器教學(xué)

根據(jù)麥肯錫全球研究所的數(shù)據(jù)，到2030年，預(yù)計在物理和人工技能以及基本認(rèn)知技能上花費(fèi)的工作時間將分別減少14％和15％。相反，人們將花費(fèi)更多的時間使用更高的認(rèn)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(dǎo)致對支持它的工具的需求。PARC科學(xué)家Mark Stefik對機(jī)械學(xué)的研究描述了一個人類與機(jī)器可以相互學(xué)習(xí)的未來。在將來，人們可以將人工智能系統(tǒng)想象為工作場所的重要組成部分。

3.馮?諾依曼計算與神經(jīng)形態(tài)計算

在接下來的十年中，IT的主要中斷之一將是從傳統(tǒng)的馮?諾依曼計計算架構(gòu)到神經(jīng)形態(tài)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(jī)（大腦）中學(xué)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(tǒng)的馮?諾依曼數(shù)字計算機(jī)將記憶與計算分開。生物大腦高度并行化，而數(shù)字計算機(jī)以串行方式執(zhí)行計算。生物大腦很密集，只需要數(shù)字計算機(jī)所用能量的一小部分。這些瓶頸是現(xiàn)代數(shù)字計算機(jī)努力處理龐大的人工智能程序的主要原因。

4.數(shù)字與量子計算機(jī)

大小限制使常規(guī)數(shù)字計算機(jī)無法滿足人工智能計算的需求。量子計算機(jī)使用量子位和并行性來處理大量數(shù)據(jù)并同時查看所有解決方案。像IBM和Google AI Quantum這樣的傳統(tǒng)公司以及像Bleximo這樣的初創(chuàng)公司正在努力將通用處理器和NISQ應(yīng)用程序?qū)Ｓ玫牧孔訁f(xié)處理器（稱為量子加速器）結(jié)合起來，以構(gòu)建針對特定業(yè)務(wù)和工程領(lǐng)域的系統(tǒng)。早期的潛在行業(yè)應(yīng)用包括化學(xué)（用于材料）、制藥（用于藥物設(shè)計）和金融（用于優(yōu)化）。

5.電子與腦機(jī)接口設(shè)備

當(dāng)前的人工智能應(yīng)用程序主要在電子設(shè)備上運(yùn)行，但人們最終會看到電子和生物系統(tǒng)之間更加緊密的集成。

當(dāng)前的人工智能應(yīng)用程序主要在電子設(shè)備上運(yùn)行，但人們最終會看到電子和生物系統(tǒng)之間更加緊密的集成。例如，埃隆?馬斯克的最新合資企業(yè)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(jī)接口（BMI）設(shè)備與人類進(jìn)行臨床試驗(yàn)。通過將人工智能應(yīng)用程序與人們的生物系統(tǒng)相結(jié)合，邊界人機(jī)之間已經(jīng)開始融合?？茖W(xué)家還將腦機(jī)接口（BMI）和人工智能相結(jié)合，以使用大腦信號控制外部設(shè)備，并用人工智能系統(tǒng)重現(xiàn)大腦皮層功能的各個方面。

大多數(shù)科學(xué)家和技術(shù)專家都認(rèn)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(shù)的最新發(fā)展。
責(zé)任編輯：tzh