533
使用合適的分析工具理解數(shù)據(jù)，挖掘可行的洞察，贏得競爭優(yōu)勢，是實現(xiàn)商業(yè)財富的一種方法。不過，成熟度曲線（Hype Cycle）特別的地方在于它是基于媒體曝光度和學術(shù)會議的宣傳——炒作周期這個名字似乎更形象——在時間段的變化來判斷趨勢，因此，它更多的是反映預期而非相關(guān)產(chǎn)業(yè)市場營銷的結(jié)果。不同于經(jīng)濟學理性預期學派所認為的“人們預期到的操作都是無效的”，就新興科技領(lǐng)域而言，前瞻性十分重要，成熟度曲線發(fā)揮的是引導作用。
在本周二（9月7日）發(fā)布的一份最新的《2021年AI成熟度曲線》報告中，Gartner提到了有關(guān)推動AI創(chuàng)新的四個趨勢，包括負責任的AI、小而廣的數(shù)據(jù)方法、AI平臺的可操作化、以及數(shù)據(jù)、模型和計算資源的有效利用，認為這些將是擴展AI規(guī)劃的關(guān)鍵。
圖1：2021年AI的成熟度曲線? ? 來源：Gartner
這張成熟度曲線圖反映出AI市場還在演進，有關(guān)AI的創(chuàng)新速度在加快，更多的創(chuàng)新集中在技術(shù)促動期。在2到5年內(nèi)，將有很多超過平均水平的技術(shù)達到主流應用，包括邊緣AI、計算機視覺、決策智庫和機器學習在內(nèi)的創(chuàng)新都將在未來幾年對市場產(chǎn)生變革性的影響。其中一個市場需求的趨勢是，用戶尋求定制化的技術(shù)能力，往往超出現(xiàn)有的AI工具的能力。筆者認為，這意味著未來幾年內(nèi)，AI的應用場景將更加多元和個性化。
下面，談一談筆者對該報告中有關(guān)AI創(chuàng)新四個趨勢的看法：
1、負責任的AI
一直以來，AI技術(shù)和用戶之間如何建立起信任、透明、公平和可審計的關(guān)系上存在廣泛的議論。Gartner的研究副總裁Svetlana Sicular認為，負責任的AI有助于實現(xiàn)公平，即使數(shù)據(jù)中存在偏見。盡管透明度和可解釋性方法還在發(fā)展，但仍能獲得信任，同時，在努力應對AI的概率特性時，確保法規(guī)遵從性。Gartner預計，到2023年，所有受雇于AI開發(fā)和培訓工作的人員都必須展示負責任的AI方面的專業(yè)知識。
這里有兩個關(guān)鍵：人和專業(yè)知識，這意味著未來，對AI從業(yè)人員的要求越來越高——不僅要具備AI技術(shù)的專業(yè)技能，還要具備確保其產(chǎn)品方案符合法規(guī)遵從性的專業(yè)知識。除非，你的公司有錢到不需要考慮任何巨大的沉沒成本的風險。
2、小而廣的數(shù)據(jù)方法
數(shù)據(jù)是實現(xiàn)AI的基礎(chǔ)。小而廣的數(shù)據(jù)方法支持更強大的分析和AI，減少機構(gòu)對大數(shù)據(jù)的依賴，并提供更豐富、更完整的情景感知。根據(jù)Gartner的數(shù)據(jù)，到2025年，70%的機構(gòu)會被迫將注意力從大數(shù)據(jù)轉(zhuǎn)到小而廣的數(shù)據(jù)，為分析提供更多的上下文，減少AI對數(shù)據(jù)的需求。
這并不是說大數(shù)據(jù)不再重要了，而是AI應用場景的下沉帶來了變化。典型的例子就是邊緣計算這類應用，側(cè)重于分析，不需要海量的數(shù)據(jù)就能提供有價值的洞察，而大數(shù)據(jù)的作用是將這些小數(shù)據(jù)源整合起來進行分析和協(xié)同。所以，完整的端到端的商業(yè)價值仍籍由大數(shù)據(jù)和小數(shù)據(jù)的結(jié)合來實現(xiàn)。
3、AI平臺的可操作化
向AI業(yè)務(wù)轉(zhuǎn)換的的緊迫性和重要性正在推動AI平臺的可操作化。這意味著在AI項目從概念轉(zhuǎn)向生產(chǎn)的過程中，可以依賴AI解決方案來解決企業(yè)范圍內(nèi)的問題。Gartner發(fā)現(xiàn)，目前只有50%的AI項目從試驗階段進入生產(chǎn)階段，而這些項目平均需要9個月的時間才能完成，一些創(chuàng)新應用，如人工智能編排、自動化平臺和模塊化操作正在實現(xiàn)可重用性、可擴展性和管理，加速AI的采用和增長。
筆者認為，這是企業(yè)實施AI項目過程的一個趨勢。顯然，它和前文提及的“AI的應用場景將更加多元和個性化”有著內(nèi)在的關(guān)聯(lián)：一個可操作化的平臺，提供了多元化應用場景一個靈活而不失統(tǒng)一的資源，減少成本和損耗，提升效率。
4、資源的有效利用
AI部署所涉及的資源包括數(shù)據(jù)、模型和計算資源，具有復雜性高和規(guī)模龐大的特性。AI創(chuàng)新要求能夠以最大效率來使用這些資源，由于能夠以更高效的方式解決廣泛的業(yè)務(wù)問題，多重體驗、復合AI、生成式AI等在AI市場上越來越引人注目。
事實上，這一趨勢隨著AI應用落地進程的加快變得越來越重要。例如多重體驗，不僅在AI的人機交互平臺，還有AR/VR/XR等應用，這些應用中，感知和交互的聯(lián)合轉(zhuǎn)變將導致未來的多感官、多模態(tài)體驗，這將對AI方案部署對各種資源的利用提出新的挑戰(zhàn)。
值得一提的是，相較于2020年，Gartner今年的這份AI成熟度曲線創(chuàng)新趨勢少了六個，去年有十個：超級自動化、多重體驗、技術(shù)民主化、人類增強、透明度和可追溯性、賦能型邊緣、AI安全、分布式云、自主化設(shè)備、加密貨幣和實用區(qū)塊鏈。
圖2：2020年AI的成熟度曲線? ? 來源：Gartner
大家可以自行對照一下兩張圖，看看哪些技術(shù)在發(fā)展，哪些消失了。去年，AI民主化和AI平臺的產(chǎn)業(yè)化被確立為兩個最重要的趨勢。前者強調(diào)了包括專家在內(nèi)的所有AI參與者的主體性，包括客戶、業(yè)務(wù)伙伴、業(yè)務(wù)主管、銷售人員、流水線工人、應用程序開發(fā)人員和IT操作專業(yè)人員，而開發(fā)人員將成為AI的主要力量；后者強調(diào)了AI的可重用性、可擴展性和安全性，加速了AI的應用和發(fā)展。平臺產(chǎn)業(yè)化使得AI新進應用者和早期采用者不相上下。
從十個變成四個，一方面說明新技術(shù)促動期到過高期望的峰值（泡沫）的時間窗口很短，另一方面，也說明峰值過后進入低谷將是一個去蕪存菁逐漸成熟的過程。對于做AI的企業(yè)而言，明白自己處在曲線的那一段，能在泡沫過后存活下來，那后面穩(wěn)步爬升和實現(xiàn)量產(chǎn)就可期待了。
