[[373790]]

以下是IT行業領域中一些思想領袖對人工智能和機器學習未來發展的期望：

Dataiku公司首席執行官兼聯合創始人Florian Douetteau：

包容性工程將開始進入主流，以支持多樣性。為了確保在人工智能計劃中融入多樣性，組織還必須投入大量時間和資源來實施包容性工程。這其中包括盡可能收集和使用不同的數據集。這將有助于組織創造一種讓更多人進入該領域的體驗——從教育到招聘實踐等各方面。

英特爾公司物聯網事業部副總裁兼工業解決方案部總經理Christine Boles：

2020年發生的疫情極大地加速了組織通過解決方案來完成其工業4.0轉型的需求，這些解決方案使他們在業務運營中擁有更大的靈活性、可視性和效率。2021年將會出現越來越多的解決方案，這些解決方案可以滿足各種需求，其中包括機器學習、機器視覺和高級分析等。隨著經濟的復蘇，將會繼續看到對具有更多IT功能的運營技術和基礎設施的投資，允許廣泛的參與者部署這些解決方案。并且到2021年，工業4.0的采用率將會顯著提高。

Intuit公司首席技術官Marianna Tessel：

人工智能優先應用程序改變了客戶服務：隨著人工智能技術不斷成熟，并在人們工作和生活的各個方面變得無處不在。人工智能將成為Intuit公司的應用程序開發和使用方式不可或缺的一部分，并將徹底改變應用程序的設計方式。

• 道德人工智能領域：道德人工智能與團隊建設一樣重要。隨著組織的業務越來越多地在由消費者關注下運營，人們將繼續關注道德人工智能的使用。
• 人工智能推動中小企業復蘇：研究表明，50%的小企業在五年內倒閉。而且大多數由于現金流問題而導致失敗。由于發生疫情，中小型企業現在擁有的資源比以往任何時候都要少，并且正在應對大量的不確定性，他們不知道是否可以保留更多的庫存，是否可以更好地管理其現金流量或是否可以雇用更多的工作人員。

英特爾公司物聯網事業部副總裁兼零售、銀行、酒店、教育業務總經理Joe Jensen：

在2021年，很多組織將優先考慮轉向“教育即服務”，希望通過教育政策和投資能夠推動這一概念的發展。至關重要的是將資金和撥款轉移到教育領域以推進這種服務模式，以確保所有學生都能獲得負擔得起的高質量教育。長期而言，“教育即服務”將成為全球教育的標準。

網絡攻擊者將人工智能技術作為新的欺詐手段：過去的十年中，他們在暗網上構建了一個完整網絡犯罪生態系統。網絡犯罪分子越來越多地使用新興技術，以實現大規模自動化攻擊。暗網如今已經成為網絡攻擊者的虛擬利器，他們可以在暗網上共享攻擊技巧以掃描漏洞并進行欺詐。隨著他們比以往任何時候都更多地利用人工智能和機器人技術，網絡犯罪的演變和復雜性將在2021年持續發展。

Jumio公司首席執行官Robert Prigge：

就像行業組織采用人工智能來防御網絡攻擊并阻止欺詐一樣，欺詐者也正在使用人工智能技術進行大規模攻擊。在2021年，人們將見證更多的人工智能的競爭。人們期望在幾個關鍵領域達到前所未有的水平：

• 機器學習：網絡攻擊者將使用機器學習(ML)技術查明漏洞來加速對網絡和系統的攻擊。隨著越來越多的組織在疫情的推進下加快進行數字化轉型，網絡攻擊者將會迅速利用機器學習來發現和利用安全漏洞。
• 對人工智能系統的攻擊：人工智能系統也可能被黑客攻擊。而對人工智能系統的網絡攻擊不同于傳統的攻擊，它利用了底層人工智能算法中無法修復的固有局限性，其最終目標是操縱人工智能系統來改變其行為——這可能會產生廣泛而有害的影響，因為人工智能現在是所有行業關鍵系統的核心組件。如果改變了數據的分類方式和存儲位置。預計2021年會有更多針對人工智能系統的攻擊。
• 人工智能魚叉式網絡釣魚攻擊：2021年，網絡攻擊者將使用人工智能技術來提高網絡釣魚攻擊的準確性。針對特定受眾以人工智能為基礎的魚叉式網絡釣魚電子郵件活動將會更加猖獗。從社交媒體發掘信息并針對特定受眾進行攻擊定制，可以使受眾點擊率提高多達40倍，而所有這些都能夠通過人工智能技術實現自動化。在2021年，網絡犯罪分子將繼續模仿人類行為的網絡釣魚攻擊，復制特定的語言或語調，以提高網絡攻擊的成功率。
• Deepfake視頻：Deepfake視頻技術使用人工智能結合現有圖像技術來代替某人的頭像，并復制面部特征和聲音。到2020年，越來越多的Deepfake技術被用于欺詐。隨著越來越多的組織在2021年采用生物識別驗證解決方案，深度欺詐將成為網絡欺詐者獲得消費者賬戶的一項令人垂涎的技術。與其相反，對于利用數字身份驗證解決方案的組織而言，能夠識別深層造假的技術將同樣重要。組織必須確保他們實施的安全解決方案能夠阻止這些不斷增長的網絡攻擊，這些網絡攻擊行為將在2021年被欺詐者充分利用。

英特爾公司物聯網事業部副總裁兼零售、銀行、酒店及教育事業部總經理Joe Jensen：

在未來一年，人們將會看到零售業的“倉庫化”——零售商將重點轉向在微觀實現地點履行訂單，無論是雜貨還是消費品。這將幫助小型零售商節約運營成本，尤其是降低租金和客流量。

從長遠來看，零售商將繼續對無縫便捷的解決方案做出回應，以經濟高效地為送貨客戶提供服務。為了在不斷變化的零售空間中成為“贏家”，零售商必須以創造性的方式改變生產方式，以滿足客戶的期望。

Lexalytics公司首席執行官Jeff Catlin和首席科學家Paul Barba：

數據注釋將在2021年成為下一個“副業”。這將成為一種獲得額外收入的方式，但在定價上已經出現了一種相互競爭的現象。然而，隨著人工智能在需要專業知識的行業(如醫療保健或法律)取得成功，對專業知識的需求將推動基礎設施的發展，以便將更有利可圖的注釋合同與專業人員相匹配。

機器學習平臺領域將進行更多整合。在過去幾年中，隨著人工智能成為一種IT技術，涌現了很多人工智能基礎設施公司，并開始推廣人工智能平臺，以簡化為希望利用人工智能的公司構建模型的任務。

人工智能平臺將得到整合，人工智能服務將彌補這方面的不足。越來越多的組織接受機器學習領域的第三方專業知識，這推動了機器學習咨詢服務的增長。這一趨勢將在2021年繼續并加速發展。

英特爾公司有線和核心網絡副總裁兼總經理Alex Quach：

核心網絡的虛擬化將達到一個臨界點，2024年核心網絡工作負載將從50%增長到80%以上，預計大多數領先的5G運營商將在2021年開始5G SA核心部署。

dotData公司創始人兼首席執行官Ryohei Fujimaki：

• 人工智能自動化將加速數字化轉型計劃：第一波數字化轉型浪潮專注于產品和服務的數字化，第二波數字化轉型浪潮將專注于使用人工智能優化和提高組織的工作效率，生成更深入的數據驅動見解并自動執行智能業務決策。人工智能推動的數字化轉型浪潮將從金融服務、保險和制造業的早期采用者擴展到其他行業，并且人工智能和機器學習將嵌入到整個企業的多個業務功能中，從而不僅提高效率并且創造新的產品和服務。現在出現這種情況的主要原因之一是人工智能和機器學習自動化平臺的可用性，這使組織無需投資數據科學團隊即可快速輕松地實施人工智能。這些AutoML2.0平臺可自動執行人工智能/機器學習開發工作流程，以加快人工智能部署過程，并加快組織的數字化轉型計劃。

• 更多從事人工智能的商業智能團隊：疫情導致很多組織在2020年減緩了人工智能投資。盡管人工智能技術仍然是關鍵技術領域之一，但組織仍需要一種有效的方法來擴展其人工智能實踐，并加快采用人工智能的投資回報。隨著組織面臨優化工作流程的壓力，越來越多的組織將開始要求商業智能(BI)團隊開發和管理人工智能/機器學習模型。這種驅動新型的基于商業智能(BI)的“人工智能開發人員”的能力將受到兩個關鍵因素的驅動：首先，與雇用的數據科學家相比，使用AutoML2.0平臺等工具使商業智能(BI)團隊更具可持續性和可擴展性。其次，由于商業智能(BI)團隊比數據科學家更接近業務用例，因此從需求到工作模型的生命周期將得到加速。新的AutoML2.0平臺可幫助人工智能/機器學習開發流程實現自動化，從而使組織能夠構建更快、更有用的模型。

• 無代碼人工智能的演變：從拖放式可視化編程工具到真正的無代碼全周期人工智能自動化。隨著對其他​​人工智能應用程序需求的增長，組織將需要投資有助于其加速和民主化數據的技術科學過程。這產生了一些所謂的無代碼人工智能。這些無代碼平臺中有許多是工作流程驅動的可視化拖放工具(又稱可視化編程)，并聲稱可以幫助非技術人員簡化人工智能的開發。帶來的問題是，盡管簡單的工作流程易于構建和概念化，但大多數人工智能/機器學習模型都需要大規模、非常復雜的工作流程，這些工作流程很快變得笨拙，并給組織帶來了全新的挑戰。實際上，數據科學家必須執行的絕大部分工作通常與機器學習模型的選擇和優化之前的任務相關，例如特征工程-數據科學的核心。這意味著組織將需要尋找更復雜的AutoML2.0平臺，以實現真正的無代碼端到端自動化，從自動創建和評估數千個功能(基于人工智能的功能工程)到機器學習和人工智能模型，以及之間的所有步驟。

在2021年，人們將看到AutoML2.02.0平臺的興起，它將無代碼提升到一個新的水平，并最終開始實現“一鍵式無代碼開發”的承諾。

• 實時智能的興起：2021年實時智能將越來越成為一個因素。隨著從物理到數字化的不可避免的轉變，越來越多的組織開始看到訪問實時信息的好處。實時預測的能力將得到廣泛的關注。除了預測之外，從實時和流式數據源中理解和發現隱藏的和可操作見解的能力將成為實時智能決策的關鍵。易于使用的AutoML2.0平臺與實時預測和洞察相結合，將使組織能夠獲得實時情報并采取持續行動。

• 人工智能和機器學習將超越預測：雖然預測是最有價值的結果之一，但人工智能和機器學習必須產生超出預測可操作的見解，組織可以使用這些見解。AutoML2.0平臺可自動進行假設生成(又稱特征工程)，并探索成千上萬甚至上百萬個假設模式，而這是傳統方法無法實現的。隨著組織認識到數據功能不僅適用于預測分析，還可以使用提供數據特征的自動發現和工程設計的Auto機器學習 2.0平臺，以提供更多的清晰度、透明度和洞察力。通過允許組織發現未知的趨勢和數據模式的重要信息，從而為其業務增加價值。

• 通過敏捷人工智能將人工智能更快地集成到業務中：人工智能和機器學習只在將它們集成到業務中時才能產生業務價值。但是，許多組織致力于通過人工智能/機器學習貨幣化，并且許多人工智能/機器學習項目無法走出數據科學實驗室。MLOps是簡化人工智能和機器學習生產的重要趨勢之一。雖然MLOps是開發和部署人工智能/機器學習的重要方面，但它并不是成功的企業人工智能的最終目標。2021年將顯示出人們對平臺的興趣與使用的增加，這些平臺還可以自動化企業人工智能工作流的前半部分——數據工程和功能工程。通過能夠實現生命周期的100%自動化，組織將能夠開始擺脫耗時的瀑布式方法來進行人工智能開發，并開始采用依賴于執行速度和快速反饋的更加敏捷的流程。

英特爾公司無線接入網絡部門副總裁兼總經理Cristina Rodriguez：

隨著網絡的高速轉型，2021年將大規模地在vRAN架構上部署Massive MIMO(即在試用階段之后在數千個站點部署)。

Agora Inc.首席運營官兼CRO Reggie Yativ：

人工智能、AR、VR等技術將迎來下一代熱門應用和平臺，以及更多的技術作品將創建用例，其功能遠比任何人都能想象或預期的強大和可擴展。

英特爾公司智慧城市與智慧交通總經理Sameer Sharma：

2021年將是智慧和彈性城市、基礎設施和交通運輸的突破之年。在短期內，將看到采用智慧城市技術的中型城市急劇增加，這將導致在通常的技術中心之外的技術民主化。從長遠來看，隨著消費者開始看到生活質量的好處，更多的農村地區將采用智慧城市基礎設施。

人們還將看到技術投資的增長，從邊緣(人工智能)到(5G)網絡再到云計算。隨著城市繼續從疫情中復蘇，技術將成為確保進步和采用新的商業模式，促進經濟增長的主要動力。

Centrify公司網絡安全主管Torsten George：

人工智能將有助于優化治理模型：在身份治理和管理(IGA)中，建立廣泛的職責、分配給組等通常會導致為身份分配特定的權限。人工智能可以用來查看這些特權是否被使用，以及它們是如何被使用的。然后可以幫助提出建議，根據使用情況調整這些分配，到2021年，可能會導致更準確的訪問建模，以確定誰應該訪問哪些資產以及為什么要訪問這些資產。

人工智能可以幫助阻止病毒變異，這里所指的是計算機病毒。幾十年來，防病毒軟件解決方案一直都是基于簽名的，從而可以識別病毒的唯一簽名并將其放入其代碼中，希望病毒不會在軟件更新之間改變。人工智能技術可以用來解決這個問題?？梢蚤_發建立特定模式的復雜算法，因此它們不再受簽名限制。與傳統安全工具相比，在變異時捕獲這些病毒的機會要高得多，隨著威脅參與者加大努力在持續的不確定時期造成破壞，這種手段在2021年將變得越來越重要。

英特爾公司物聯網事業部副總裁兼健康、生命科學和新興技術總經理Stacey Shulman：

目前阻礙醫療保健行業發展的一個因素是規范醫療記錄和跨組織的數據共享。為了解決疾病和健康問題而在醫療行業進行合作可能是至關重要的，特別是在涉及公共衛生危機和跟蹤人口健康時，正如人們在2020年發生的疫情中看到的那樣。