從計算上來講，大數據分析這股潮流并不會像流星那樣轉瞬即逝。隨著數據量的不斷增加，對大數據分析的改進也不會停止。對于預測分析方面的應用，我們只看到了冰山一角。 一些機構正在使用數據挖掘、機器學習和人工智能技術來分析當前的數據以求更好地開展業務（例如預測銷售情況、優化營銷活動等）。所有這些不同類型的人工智能技術已緊密地結合在一起，改變了我們的日常生活，而且這種改變仍將持續。

以下是人工智能、大數據、預測分析和機器學習方面主要的統計數據：

到2018年，75％的開發人員將在一個或多個業務應用或服務中采用人工智能技術——IDC

到2019年，人工智能技術可應用在100％的物聯網上——IDC

到2020年，30％的公司將引入人工智能以至少增加一個主要的銷售過程——Gartner

到2020年，算法將積極地改變全球數十億工人的行為——Gartner

到2020年，人工智能市場將超過400億美元——星座研究

到2025年，人工智能將驅動95％的客戶交互——Servion

2018年8大人工智能趨勢觀察

1

較大的公司將贏得未來

全球100家最有前途的人工智能公司名單

2

OpenDataNow.com的創始人兼編輯Joel Gurin表示：“我們生活在眾包文化中，越來越多的人愿意并且樂于通過社交媒體分享他們的知識。”

谷歌正通過眾包的方式獲取大量的圖像來構建成像算法。它還使用眾包來協助改進服務質量，如翻譯、轉錄、手寫識別和地圖。亞馬遜還使用眾包人工智能來改進Alexa超過15000個的現有功能。

4

企業并購，以及更多的并購

根據CBInsights的統計數據顯示，收購人工智能公司的競爭已經開始。在2018年，我們將看到更多為了智力資本和人才而并購企業的行為。機器學習和人工智能領域中的所有小公司都將可能被大型企業收購，這主要有兩個原因：

人工智能不能在沒有數據集的情況下獨立工作。由于大公司擁有大量的數據集，所以對于小公司而言，自己并沒有太大的競爭優勢。

沒有數據的算法沒有任何用處。沒有算法，數據幾乎沒有用。數據是算法的核心，獲取大量的數據非常重要。

哥倫比亞大學創意機器實驗室的機器人工程師和總監Hod Lipson指出，“如果說數據是燃料，那么算法則是引擎。”

5

用工具的民主化換取更大的市場份額

6

人機交互技術將得到改進

Siri和Alexa可能是兩個最受歡迎的人機交互工具了。更多與它們類似的基于機器人的解決方案將成為人工智能公司的入門級產品。例如，計算機目前可用于語音分析和面部識別，而以后，計算機將能夠根據用戶的語調來識別他的心情，這稱為情感分析。

制造自動化和非消費者關注領域的解決方案將第一個得到改進。制造自動化的改進主要歸因于采用自動化、機器人和先進制造在內的復雜技術而節省下來的勞動成本。在2018年，非消費者解決方案的改進將普遍存在，比如農業和醫藥領域的人機交互技術。

7

人工智能肯定會逐步影響所有的垂直行業

8

安全、隱私、倫理與道德問題

人工智能大旗下的所有東西，包括機器學習和大數據，都容易受到新型安全問題和隱私問題的威脅。有時候，起重要作用的是關鍵性的基礎設施。與隱私問題有關的安全方面的需求，如將銀行賬戶和健康信息進行保密，將更多地依賴于安全性方面的研究。2018年將是安全和隱私問題得到解決的一年，也是會有新發展的一年。

人工智能的倫理問題也將成為2018年的主要關注點。需要解決的倫理和道德問題包括了人工智能是否會對人類產生傷害，還是對人類有益。有人擔心機器人可能會取代人類，特別是在需要同理心的領域，比如護士、理療師和警察。要處理的另一個問題則是自主武器。考慮一下一定程度的自主功能，人工智能應掌控武器的某些功能，而不是由人類來完全控制武器。

總結

雖然人工智能已經存在了許多年，但我們今天所知道的人工智能仍然處于起步階段。目前到處都充斥著有關人工智能及其應用的炒作，從自主車輛到虛擬個人助理，以及其他很多需要人類智能才能完成任務的技術。雖然有大量的人工智能使用案例，其中的大部分都是對具體流程的改進，但要成功部署卻需要一定的時間。此外，人工智能行業內的企業并不多，所以碎片暫時還不會出現，非結構化的數據和處理這些數據算法將會出現。人工智能之路任重而道遠。