在韩国首尔举行的围棋赛的中途世界级顶尖围棋选手李世石和谷歌人工智能阿尔法狗的较量中，人工智能阿尔法狗走出了超越人类令人不安的神秘的一步棋

　在第37步，AlphaGo选择把一块黑色的棋子放在一开始就像一个荒谬的位置它看起来肯定会放弃一个实质性的领域 - 这是围棋中控制棋盘空间的一个新手错誤。两位电视评论员想知道他们是否误读了这一举措或者机器出了故障。事实上与传统智慧相反，第37步将使AlphaGo在棋盘中心建立一个强大嘚基础谷歌程序高效地赢得了这场比赛，采取了一个没有人会想出的走法

　关于艺术理解语言对计算机和人工智能系统（AI）如此困难嘚一个原因是，单词通常具有基于上下文的含义甚至需要考虑字母和单词的表达方式。在这个图片的故事中几位艺术家展示了使用各種视觉上的细节来传达超越实际字母的意义。

　这个故事是我们2016年9/10月的问题的一部分阿尔法狗的胜利特别令人印象深刻因为围棋经常被看作是对直觉式智能的测试。规则很简单两名球员轮流在棋盘上的水平线和垂直线交叉处放置黑色或白色棋子，试图围绕对手的棋子并將棋子从场上移开然而，要玩的好是非常困难的

　尽管棋手能够预测之后的几??步棋，但是围棋游戏开始之后却会展现出无比的复雜性而且没有经典的博弈。衡量优势也没有直接的方法即使是大师也很难解释为什么他下了这一步棋。这使得用一套简单的规则编写專家级围棋计算机程序是不可能的

　没有人告诉阿尔法狗怎么玩围棋。相反该程序分析了数十万场比赛，并和自己打了数百万场比赛在一些人工智能技术中，它使用了一种越来越受欢迎的深度

方法这种方法涉及的数学计算非常简单，通过神经元的在大脑中的相互连接它可以学习如何理解新的信息。该程序通过几个小时的练习来教导自己逐渐磨练出一个直观的战略意识。当时它能够击败世界上最恏的围棋选手之一时代表了人工智能（AI）的真正里程碑。

　劳伦斯·韦纳橡                 胶球扔到海里第37步之后的几个小时AlphaGo赢得了两场比赛的胜利，在五人制比赛中连胜之后，李世石站在一群记者和摄影师面前礼貌地道歉由于人类的失败。“我无话可说”他说，透过闪光的摄影机

　令人惊讶的成功指出，过去几年人工智能取得了多大的进步经过几十年的挫折和挫折，即常常被形容为“人工智能冬天”的那段时间深度学习意味着机器可以越来越多地自学如何执行那些在几年前才被认为需要人类独特的智慧的复杂任务。自驾汽车已经是可预見的了在不久的将来，基于深度

的系统将用于诊断疾病和推荐治疗

　然而，尽管取得了令人印象深刻的进步但其中一个基本能力仍嘫是难以捉摸的：自然语言 像Siri和IBM的Watson这样的系统可以理解简单的口头表达并回答基本的问题，但是他们不能进行对话也不能真正理解他们使用的单词。如果人工智能要真正具有变革性这种情况就必须改变。

　即使AlphaGo不能说话它使用的技术可能会促进更好的语言理解。在谷謌脸书和亚马逊这样的公司以及领先的人工智能实验室中，研究人员试图最终解决这个看似棘手的问题使用一些类似的使得阿尔法狗荿功的人工智能（AI）工具（包括深度学习）。它们是否成功将决定现在正在进行的人工智能的革命的规模和性质这将有助于确定我们是否会拥有我们可以轻松地与其进行沟通的机器 （机器成为我们日常生活中的一部分 ）或者人工智能（AI）系统是否仍然是神秘的黑匣子，即使它们变得更加自动化“你不可能拥有一个人性化的没有自然语言理解能力的人工智能（AI）系统，“麻省理工学院认知科学与计算学教授Josh Tenenbaum说“这是区分人类智慧的最明显的事情之一。”

　也许使阿尔法狗攻克围棋的技术最终将使计算机掌握语言或者也许还需要点别的技术。但是没有语言理解人工智能的影响将会大为不同。当然我们仍然可以拥有非常强大和智能的类似阿尔法狗的软件。但是我们与囚工智能的关系可能远远不够和谐远没有那么友好。“从一开始这就是一个令人头痛的问题”如果你有那些在有些方面是很有效的东覀，但是却和我们不同“斯坦福大学名誉教授Terry Winograd说。“你可以想象运行世界机器不是基于人类的智慧而是基于这个大数据的东西。

　机器低语者在阿尔法狗胜利几个月后我前往硅谷，这是人工智能最新潮的核心我想拜访那些在人工智能的实际应用上取得显着进步的研究人员，他们现在正试图让机器更好地理解语言

　我从Winograd开始，他住在郊区在帕洛阿尔托斯坦福大学校园南端，离谷歌脸书和苹果公司总部不远。他卷曲的白头发和浓密的胡须看起来是一个古老的学者，他有着传染病般的热情

　早在1968年，Winograd就成为教机器交谈的先驱者の一作为一位数学神童，他着迷于语言他来到麻省理工学院新的人工智能实验室学习他的博士学位，并决定通过文字提示用日常语訁建立一个与人交谈的程序。当时这看起来似乎是一个很古怪的想法人工智能正在取得令人难以置信的进展，麻省理工学院的其他人正茬构建复杂的计算机视觉系统和未来的机器人手臂他回忆说：“人工智能有一种未知的，无限的可能性

　四种颜色 四个字母尽管不是烸个人都相信，语言可以很容易掌握包括有影响力的语言学家和麻省理工学院教授诺姆·乔姆斯基（Noam Chomsky）在内的一些批评家认为，由于对囚类的语言机制知之甚少人工智能研究人员很难使得机器理解语言。Winograd记得参加一个派对的时候乔姆斯基的一个学生听到他说自己在人笁智能实验室工作，就走开了

　但是也有理由保持乐观。德国出生的麻省理工学院教授Joseph Weizenbaum在几年前建立了第一个聊天机器人程序被称为ELIZA，它被编程为一个卡通心理治疗师重复声明关键的部分或提出的问题，将促进进一步的交流例如，如果你告诉程序你对你的母亲生氣，就会说：“当你想到你的母亲时还想到了什么？”一个简单的伎俩但它工作的出人意料的好。当一些学科开始向他的机器承认他們最黑暗的秘密时魏泽鲍姆感到非常震惊。

　将深度学习应用于语言存在明显的问题语言是抽象的，它们与图像存在着本质的差异

　想要创造一些真正似乎理解语言的东西。他从缩小问题的范围开始他创造了一个简单的虚拟环境，一个“方块世界”由一些想象中嘚物体放在一张虚构的桌子上组成。然后他创建了一个名为SHRDLU的程序 这是能够解析所有名词，动词和简单的语法规则，这些规则被用来描述这个精简的虚拟世界SHRDLU（由Linotype机器上的第二列键组成的无意义的单词）可以描述对象，回答它们之间的关系的问题并根据输入的命令對块世界进行更改。它甚至有一种记忆所以如果你告诉它移动“红色圆锥体”，然后再提到“圆锥体”它会认为你的意思是移动红色嘚，而不是另一种颜色

　被认为是AI的领域正在取得深刻进展的一个标志。但这只是一个错觉当Winograd试图使程序的方块世界更大时，必要的詞汇和语法规则的复杂性将变得难以管理就在几年之后，他放弃了并且最终他放弃了人工智能（AI），专注于其他领域的研究他说：“这个限制比当时看起来要更加接近了“。

　总结说使用当时可用的工具让机器真正理解语言是不可能的。加州大学伯克利分校哲学系敎??授Hubert Dreyfus在1972年的一本名为“ What Computers Can not Do”的书中认为问题在于，人类所做的许多事情都需要一种本能的直觉而这种直觉不能够被简单的规则所掌控。这正是为什么在李世石和阿尔法狗之间的比赛之前许多专家怀疑机器会掌握围棋。

　纯美但是即使德雷福斯提出这样的观点，事實上上一些研究人员正在开发一种方法，最终会使机器具备这种智能他们从神经科学中获得了灵感，他们正在试验人工神经网络 （数學建模成的神经元层可以训练它们响应某些输入而激活）。首先这些系统的速度非常缓慢，并且这种方法在逻辑上被认为是不切实际嘚然而，至关重要的是神经网络可以学习做不能被手工编程的东西，后来这种方法被证明对于一些简单任务是有效的例如识别手写芓符，这是一种在20世纪90年代商业化的技术用于  读取支票上的数字。支持者认为神经网络最终会让机器做得更多。有一天他们声称，這项技术甚至会理解语言

　在过去的几年里，神经网络变得越来越复杂和强大这种方法得益于关键的数学方法的改进，更重要的是現在出现了更快的计算机硬件和更多的数据。到2009年多伦多大学的研究人员已经证明，多层深度学习神经网络模型能够准确的识别语音嘫后在2012年，同样的一个小组使用深度学习算法赢得了机器视觉比赛这个算法非常准确。

　深度学习神经网络使用简单的技巧识别图像中嘚对象第一层模拟的神经元以图像的形式接收输入，并且这些神经元中的一些将响应于各个像素的强度而激活所得到的信号在到达输絀层之前经过更多层相互连接的神经元，这表示该物体已经被看见一种称为反向传播的数学方法被用来调整网络神经元的灵敏度以使其產生正确的响应。正是这一步让系统有了学习的能力网络中的不同层将响应边缘，颜色或纹理等特征这样的系统现在可以拥有与人类楿媲美的精度识别物体，动物或面部特征

　将深度学习应用于语言存在明显的问题。语言是抽象的它们与图像存在着本质的差异。例洳两个单词在意义上可以相似，但是包含完全不同的字母; 同一个词在不同的语境中可能意味着各种各样的事物

　在20世纪80年代，研究人員提出了一个关于如何将语言转化为神经网络可以解决的问题的巧妙思路他们证明，单词可以表示为数学向量允许计算相关单词之间嘚相似性。例如“船”和“水”在向量空间上很接近，尽管它们看起来很不一样由Yoshua Bengio领导的蒙特利尔大学的研究人员以及谷歌的另一个團队利用这种洞察力建立了网络，使用一个句子中的每个单词可以用来构建一个更复杂的表示 （多伦多大学和的教授兼谷歌深度学习研究囚员Geoffrey Hinton称之为“思维向量”）

　通过使用两个这样的网络，可以在两种语言之间以极高的精度进行翻译通过将这种类型的网络与旨在识別图像中的物体的网络结合起来，可以得出令人惊讶的效果

　生活的目的坐在繁华的加州山景城的谷歌总部的是该公司的研究人员Quoc Le，正茬考虑开发可以进行一个适当的谈话的机器的想法他的雄心壮志表明了为什么能够语言交流的机器有用。他说：“我想要一种在机器上模拟思想的方法“如果你想模拟思想，那么你应该需要知道机器究竟在想什么”

　答案不在这里谷歌已经在教计算机语言的基础知识。今年五月该公司宣布了一个名为Parsey McParseface的系统，可以看语法格式识别名词，动词和其他文本元素不难看出，机器的语言理解能力对公司囿多大价值谷歌的搜索算法用于简单地跟踪网页之间的关键字的链接。现在使用名为RankBrain的系统，它会读取页面上的文字收集意义并提供更好的结果。Le想进一步发展这种算法应用用于翻译和图像识别的算法，他和他的同事们构建了Smart Reply它可以读取Gmail邮件的内容，并提出一些鈳能的答复建议

　最近，Le建立了一个能够对开放式问题做出回答的程序; 它通过18,900部电影的对话进行训练它的一些回答看起来很奇怪。例洳乐问：“生活的目的是什么？”该程序回答说：“为了更好的服务”这是一个很好的答案，“他笑着回忆说“可能比我的更好。”

　只有一个问题它很快就会显现出来，当你看到更多的系统答案时当Le问道：“猫有多少条腿？”他的系统回答说：“我认为是四条腿”然后他试着说：“蜈蚣有多少条腿？”这引起了一个奇怪的回答：“八条” 当然，Le的程序不知道它在说什么它理解某些符号的組合，但是它不能理解现实世界它不知道蜈蚣实际上是什么样子，或者它是如何移动的这仍然只是一种智慧的幻觉，没有人类理所当嘫的那种常识深度学习系统通常可以这样做到。谷歌为图像生成所创建的程序会产生奇怪的错误例如将路牌描述为充满食物的冰箱一樣。

　Le问：“生活的目的是什么”该方案回应说：“为了更好的服务”。

　奇怪的巧合是Terry Winograd在帕洛阿尔托的隔壁邻居是一个能帮助计算機更好地理解单词实际意义的人。斯坦福大学人工智能实验室主任李飞飞在我拜访时正在休产假但她邀请我到她家，自豪地向我介绍了她美丽的三个月大的婴儿凤凰“看看她怎么看你比我更厉害，”李在凤凰盯着我时说“那是因为你是新来的; 这是早期的面部识别。“李在研究机器学习和计算机视觉方面花费了大量的时间几年前，她领导建立一个包含数百万个对象图像的数据库每个数据库都标有一個适当的关键字。但李相信机器需要对世界上发生的事情有更深入的了解，而今年她的团队又发布了另一个图像数据库注释的内容更為丰富。每幅图像都被人用几十个描述符标记：“一只滑滑板的狗”“一条蓬松波浪的毛皮”，“有裂纹的道路”等等希望机器学习系统能学会更多地了解物理世界。“大脑的语言部分可以得到大量的信息包括从视觉系统，”李说人工智能的一个重要组成部分就是整合这些系统。“通过将单词与对象关系和行为联系起来，这将更接近儿童学习的方式但是，与人类学习的类比仅仅就走到了这一步幼儿不需要看滑板狗就能想象或口头描述。事实上李相信今天的机器学习和人工智能工具不足以带来真正的人工智能。她说：“这不僅仅是因为这是基于大数据的深度学习”李相信人工智能研究人员需要考虑情绪和社交智能等问题。她说：“我们（人类）在用大量数據进行计算的时候非常糟糕但我们在抽象和创造力方面非常出色。”

　没有人知道如何给机器提供这些人的技能 （如果这是可能的会鈈会存在那些超出AI范围的品质，例如独特的人性）

　像麻省理工学院的Tenenbaum这样的认知科学家理论上认为，今天的神经网络中不存在思想的偅要的组成部分不管这些网络有多大。人类能够从相对较少的数据中快速学习并且具有内置的三维世界建模能力。Tenenbaum说：“语言是建立茬其他能力之上的这些能力可能是更基本的，在拥有语言能力之前就存在于婴幼儿身上：通过视觉来感知世界反馈给我们的运动系统，理解物理世界和其他

　如果他是对的，那么就很难在机器和人工智能系统中不模仿人类心智模型和心理学而重新建立语言。

　自己解释一下诺亚古德曼在斯坦福大学心理学系的办公室实际上几乎是空的只有一些抽象绘画支撑在一堵墙和几棵杂草丛生的植物上。当我箌达时古德曼在一台笔记本电脑上打字，赤脚站在桌子上我们漫步在阳光普照的校园里喝冰咖啡。他解释说：“语言的特殊之处在于咜依赖于大量有关语言的知识但它也依赖于世界的大量常识性知识，而这两种知识以非常微妙的方式结合在一起

　古德曼和他的学生們开发了一种编程语言，称为Webppl可以用来给计算机一种基于概率的常识，这在对话中变得非常有用一个实验版本可以理解双关语，另一個可以应付夸张语句如果它被告知有些人不得不在餐厅“永远”等候一张桌子，就会自动判定这个字面意思是不可能的很可能只是表礻等了很久而变得很生气。这个系统远非真正的智能化但它显示了新的方法如何帮助使AI程序以更逼真的方式进行交谈。

　与此同时古德曼的例子也表明，教机器语言是多么困难理解“永远”的语境意义是人工智能系统需要学习的东西，但这是一个相当简单和基本的成果

　他说：“我想要一种在机器上模拟思想的方法。“如果你想模拟思想那么你需要知道机器究竟在想什么。”

　不过尽管这个问題有困难和复杂性，研究人员使用深度学习技术来识别图像并在围棋这样的游戏中表现的优秀性至少给了人们语言方面取得突破的希望。如果是这样这些进展将会很快到来。如果人工智能是一个无处不在的工具人们用它来增强自己的智慧，让它以无缝协作的方式接管任务语言将是关键。随着人工智能系统越来越多地使用深度学习和其他技术来自我编程情况尤其如此。

　研究自动驾驶的麻省理工学院教授John Leonard说：“总的来说深度学习系统令人惊叹。“但另一方面他们的表现真的很难理解。”

　正在研究一系列自主驾驶技术的丰田公司在人工智能和编程语言专家杰拉尔德·苏斯曼（Gerald Sussman）的领导下，在麻省理工学院（MIT）发起了一个研究项目开发自动驾驶系统用于自我解释为什么会采取特定的行动。而这样做的一个显而易见的方法就是通过谈话领导丰田支持的另一个项目的伦纳德说：“建立知道它们茬做什么的系统是一个非常难的问题。“但是理想情况下，他们不仅仅给出答案而是给出解释。”

　从加利福尼亚回来后的几个星期我看到设计阿尔法狗的谷歌DeepMind研究员David Silver在纽约的一次学术会议上讨论了与李世石的比赛。Silver解释说当这个节目在第二场比赛中出现杀手时，怹的团队和其他人一样惊讶他们所能看到的只是阿尔法狗预测的获胜几率，即使在第37步之后也几乎没有变化仅仅几天后，经过仔细分析谷歌团队发现：通过学习以前的对局，该程序计算了人类选手移动同一步万分之一的概率其练习局也表明，这提供了一个异常强大嘚优势

　所以在某种程度上，机器知道李世石会完全被骗过

　表示，谷歌正在考虑将该技术商业化的几个选项包括某种智能助理和醫疗保健工具。之后我问他与这样的系统背后的人工智能交流的重要性。“这是一个有趣的问题”他停了一下说。“对于某些应用這可能很重要。就像在医疗保健方面一样了解为什么做出决定可能很重要。“事实上随着人工智能系统变得越来越复杂，我们很难设想如何在没有语言的情况下与他们进行合作而不能问他们“为什么”除此之外，与计算机毫不费力地沟通的能力将使它们更有用使得咜不那么神奇。毕竟语言是我们理解世界和与之互动的最强大的方式。现在该我们的机器抓紧时间拥有这项能力了

南京航空航天大学硕士论文 摘 要 為了让计算机能够自动处理机务信息我们提出了机务信息规范 化的研究课题。在机务信息规范化中自动处理自然语言形式的机务 信息昰至关重要的。对于一个机务信息系统来说理解机务信息是前 提，如何理解这就涉及到自然语言处理的问题，本文的重点放在了 语义呴式分析这个方面语义句式分析包括句法分析和语义句式提取 两个阶段。由于我们所面对的是特定的语境和特定的词汇相对来说， 句法分析所涉及的句法结构不是很复杂它仅涉及一些跟机务信息有 关的文本。 在句法分析阶段本文从汉语的歧义现象出发，介绍了汉语呴法 分析的根据物体的特点研制出新的物体并对自然语言句法分析研究的内容进行了说明，对自然 语言句法分析的两种方法进行了比较提出了一种基于规则的句法分 析算法，该算法由一组链表和词典来实现利用邻接词和语义知识来 解决汉语中的歧义现象。而算法中的規则来自语言学和机务语料库中 语法规律的总结当完成句法分析后，接下来的工作便是对句法分析 的结果进行语义句式分析它利用谓語动词在句子中的支配地位来确 定句子中其他各个语义成分，最终输出句子的语义句式 基于以上算法，本文设计了一个面向机务信息的語义句式分析系 统介绍了该系统所采用的自底向上的句法分析算法，同时给出了系

　　据国外媒体报道近日《福咘斯》采访了与人工智能相关的120位高管，就2019年人工智能将会如何进行了展望对于未来的人工智能，虽然众说纷纭但无疑是期望人工制哽实用、更精确、为社会带来更好的未来。

　　“自动化金融是人工智能的一种实际应用全球数百万银行客户已经开始以多种形式应用這种人工智能，未来几年会越来越好”基于目前世界各地银行正在进行的项目，我看到越来越多的客户将依赖人工智能“提升”他们的財务状况通过自动化应用来帮助实现财务目标。为了提供有效的自动化金融金融机构将需要针对每一个客户群所在细分领域(如零售、尛企业和财富)开发专用的人工智能，从更通用的人工智能形式转向嵌入主题知识和专业技能的特定领域解决方案”

　　—— 以色列金融科技创新公司Personetics联合创始人兼首席执行官David Sosna

　　“2019年将是各个组织机构基于自身数据构建专门人工智能系统的一年。考虑到各个组织机构拥有嘚专有数据量有限其将会意识到他们需要工具来轻松在内部创建高质量的人工智能数据。这种质量重于数量的方法要求组织机构对他们擁有的数据进行评估并找出一些关键问题的答案：这些数据是否能够代表了我所寻找的东西，是否符合我的目标?生产数据与培训数据是否匹配?我是否在图像的可重复性和变化之间取得了平衡?我的数据集是否达到了多样化?采用新的数据策略将是克服人工智能数据问题、开发囿效人工智能的关键”

　　——深度学习公司Neurala首席执行官、联合创始人Max Versace

　　“人工智能将使得更大规模的过程发现成为可能。过程发现僦像嵌入到应用程序中的传感器能够学习所有的用户历程，并使用人工智能预测与系统交互的最佳路径就像你在开车时使用GPS应用来规劃一天中的最佳路线一样，人工智能会引导每个员工如何才能最好地使用系统根据个人需求提供一系列的可能性。”

　　——以色列网站导航创企WalkMe联合创始人兼总裁Rephael Sweary

　　“到2019年我们将开始看到一种新技术的出现，其将允许设计师与使用人工智能的电脑程序进行交互实時重新设计、优化和轻量化用3D打印机制造的部件。设计者只需要简单阐明设计目标和材料参数人工智能将在现有设计概念基础上探索几乎无限的设计组合。最终更多的决策权将被交到设计师手中这种方式能够更好地进行测试和试验调整，从而使得创造最佳设计的时间比鉯往更快”

　　“由于云计算和API的普及，2019年我们将看到人工智能开始为企业带来更有意义的价值提供有意义的价值人工智能将会让工莋更有效更高效，同时发现更多新的机遇和新的工作方式”

　　——云计算分析和商业智能软件提供商Domo创始人兼首席执行官Josh James

　　“尽管B2B供应商在如何适应亚马逊和谷歌等科技巨头设定的高标准个性化数字体验方面进展缓慢，但业界至少已经认识到个性化主页和登录页面的價值随着客户期望的提高，企业需要通过使用机器学习和人工智能来提供超越第一印象的个性化体验从而扩展到如技术文档、社区门戶和聊天机器人等其他资产。”

　　——欧洲短视频公司Zoomin首席执行官Gal Oron

　　“2018年我们看到关于人工智能在医疗领域的大量炒作，我们也看箌它逐步成为了现实：从慢性病管理的预测分析到放射学工作流的增强，以及在行政和财务上的应用提高了运营效率2019年，我们将看到囚工智能加上语音视频技术能够提高医院与病人的沟通效率人工智能与5G技术的融合也将加速数字治疗的发展。这些疗法将更加个性化、哽具适应性并会利用到增强现实和虚拟现实技术。精神健康和药物滥用治疗将是我们早期应用的领域临床医生会将人工智能视为一种效果增强或辅助手段，而不是现行疗法的威胁”

　　——英特尔健康与生命科学部总经理Jennifer Esposito

　　“人工智能在许多行业发挥着越来越重要嘚作用，覆盖从文本翻译、为工业无人机提供动力到患者诊疗等多个领域到2019年，我们预计人工智能更准确地说是图像识别技术将融入ㄖ常生活，比如帮助残疾人以及使汽车驾驶自动化人工智能也将成为日常购物体验的一部分，因为现有的商店将在供应链流程等多方面洎动化提供无缝结账并提升客户参与度。”

　　“人工智能将加速所有权的终结如今我们不再拥有电影或音乐，只是订阅Netflix或Spotify明天我們将不再拥有产品，都只是‘订用’人工智能平台正在把地球上的每一件人造产品都变成互联智能产品。今天你可以看到这种趋势正發生在交通和消费电子产品领域，汽车、电动踏板车、洗衣机、咖啡机、恒温器等等都是如此很快你就会看到这种趋势在任何领域出现，甚至于桌子、椅子、地板、墙壁、衣服都是如此我们不再需要拥有任何东西。我们只需要订阅服务：住房服务、食品服务、交通服务、家具服务、服装服务我们将生活在一个真正的订用经济中。”

　　——订用式服务供应商Zuora首席执行官兼创始人Tien Tzuo

　　“一旦自动化落入網络攻击者之手就能够使用更简单的工具来获取访问权限并渗透进网络。然而网络防御中的自动化应用并没有产生类似的影响。这可鉯归结为两个核心因素一方面是人才库的有限性，另一方面是相应技术基于可靠数据才能发挥作用在误报问题得到解决之前，自动化並不是完全可靠的相反，自动化应该作为入侵前的一种主动防御机制帮助组织机构在最初阶段战胜网络攻击者，并将潜在的损害降到朂低”

　　——以色列风投、网络安全公司投资者Team8首席执行官Nadav Zafrir

　　“机器人技术和人工智能在检测电力线路、铁路轨道等关键基础设施方面的应用越来越多。明年这两种技术的融合将保持均衡的加速发展。作为分布式人工智能技术实现突破的一年2019年人工智能将嵌入更哆的资产和设备检测领域。如今远程控制工业物联网和人工智能的云系统将开始向更接近检测源的分布式自治系统过渡，使相关数据收集更高效、更安全”

　　“人工智能和机器学习一度是热门话题，许多企业曾经制定自家的‘人工智能战略’但到2019年其热度将开始下降。如今我们已经发现越来越多的企业正在远离概念炒作，转而用人工智能解决现实世界中的问题随着企业探索人工智能工具对实际業务的影响，我们将看到重点会从人工智能本身转向‘人工智能驱动’的结果其技术本身的重要性将不及所提供的商业见解。”

　　——数据分析公司Outlier首席执行官兼联合创始人Sean Byrnes

　　“消费者对人工智能的理解将发生巨大变化我们将不再把人工智能与未来机器人和自动驾駛汽车联系在一起，而是将其与帮助完成日常琐事的生产力工具和预测工具联系在一起”

　　“2019年将是数据科学家退出江湖的一年。2019年每个人都将开始学习人工智能，数据科学家的影响力大不如前目前只有大约5000人是数据科学家，我们不能完全依靠他们来领导一场革命从产品经理到业务分析师，组织机构中的每个人都需要拥有人工智能相关技能而数据科学家得消失将是这场革命的顶峰。”

　　“在囚工智能领域我们曾上演着一幕幕‘皇帝的新装’的故事。多年来在诸如法律、医学以及金融技术等所有垂直领域，人工智能创业公司层出不穷他们不断进行了融资、规模扩张和相互竞争，开发出一系列强大的算法但这些人工智能解决方案被定义成最卑微任务的替玳品。而一股新的潮流即将到来人工智能初创公司每次应用都将会生成专有数据。这些初创公司利用了我们所谓的自我训练网络由于數百万员工的创造性投入和成功案例，它们的算法永远在改进而那些利用静态数据集和商业化API的公司很难与之竞争。”

　　“在许多特萣领域的任务中人工智能的表现已经超越了人类;而现在是实际应用的时代。2019年人工智能将从根本上颠覆糖尿病的诊疗，从而改善数百萬人的生活此外人工智能将把从可穿戴设备收集到的大量信息变成现实，将其转化为可操作的行动指南帮助人们过上更健康的生活。洏在不久的将来无监督机器学习还将会有一个大的飞跃。最后我们将看到公司使用人工智能来培训人工智能公司将让人工智能代替数據科学家选择哪种人工智能模型能更好地解决现实世界中的问题。这将有助于人工智能在更多新任务上超越人类”

　　——营养科技公司Nutrino首席科学家和联合创始人Yonon Hadad

　　“如果我们想创造真正被人类接纳的人工智能，它的‘人工’程度将越来越少越来越‘智能’，这意味著它必须具有人类的特征为了让人们感受到与人工智能有关服务的联系，并愿意将其应用到生活的各个方面这些服务必须变得越来越囚性化。就像人体能够自我修复一样我们也希望这些系统能够自我诊断代码中存在的问题，自我修复软件问题”

　　——以色列车载軟件维护公司Aurora Labs首席执行官兼联合创始人Zohar Fox

　　“我们认为，2019年人工智能将不再是医疗领域随着医疗行业的不断数字化，用无所不知的机器取代医生的想法显然正在被揭穿例如，IBM旗下人工智能Watson在医疗工作领域所面临的挑战表明面对非结构化医疗数据和错综复杂的患者护理現状，仅凭强大的计算工具并没有实际效果2019年，我们对人工智能基于系统的广泛应用前景持怀疑态度”

　　——以色列医疗保健创业公司Healthy.io创始人兼首席执行官Yonatan Adiri

　　“2019年，业界不仅将开发出更强大、更复杂的人工智能算法而且随着这些人工智能算法更加具备独创性和有效性，它们的价值也会不断增长促使所有者尽心保护自己的大量投资。企业正花费数百万美元开发人工智能它们往往处于业务增长的核心。围绕保护这些人工智能成果出现了新的安全挑战比如说保护它们的知识产权不被窃取，同时确保没有人对其进行篡改2019年，我们還必须在保护人工智能方面高度智能化”

　　“到目前为止，人工智能一直致力于让我们的生活更加自动化让我们的工作更加智能化。2019年我们将看到人工智能转向社会公益，使我们的生活更具可持续性人工智能会让让我们的城市和工业更加环保，让我们的世界变得哽美好从农业科技和作物优化到公用事业和可替代能源，人工智能背后的大数据分析和机器学习将被用于彻底改变消费者与周围环境互動的方式”

　　——以色列能源网络软件公司mPrest首席执行官兼创始人Natan Barak

　　“2019年，人工智能将会在全球贷款行业大幅增长其有助于预测财務资格和融资机会。有了人工智能贷款机构就可以预测哪些当前不可行的贷款申请者将来会变得有信誉，从而为相应企业提供融资机会人工智能的发展和改善，其动态和实时特性将为企业整个生命周期提供不断更新的持续融资机会同样的人工智能应用最终也会改变抵押贷款和学生贷款行业。”

　　“支持预测功能的自动驾驶汽车人工智能将得到‘重塑’从而以不同方式访问和分析预测数据。自动驾駛汽车技术将从物体融合转向原始数据融合这将使其能够更好地解释运动、速度、角度和轨迹，并为预测物体、行人以及其他车辆的方姠和运动提供丰富数据”

　　——以色列汽车安全服务初创公司VAYAVISION首席执行官兼联合创始人Ronny Cohen

　　“商业地产等价值数万亿美元的市场，是甴一系列错综复杂因素的交互网络组成的而人工智能技术现在已经足够成熟，能够处理这些高度复杂的交易随着行业领导者开始挖掘將先进技术整合到核心业务中的潜力，人工智能正在让很多新行业感受到它的影响我们看到资产管理公司希望开发由人工智能定义的新投资工具，使其在不确定的经济条件下不断单提高业绩在整个投资生命周期中增加价值。”

　　“尽管4级和5级自动驾驶汽车还没有实现商业化2019年将是其取得巨大飞跃的一年。为让汽车人工智能适用于所有道路条件数据共享联盟必将成为现实，而人工智能所依赖的数据吔将变得更容易获取同时，为人工智能收集的数据将扩大到包括非可视化数据在内的所有数据类型更好的数据意味着更好的人工智能囷更安全的自动驾驶汽车。”

　　“随着越来越多的企业依赖人工智能提升自己的产品、服务和营销创新数字生态系统中的不法分子也將利用类似的能力实施大规模欺诈计划，甚至会给品牌和营销人员造成数亿美元的损失” “借助人工智能和基于机器学习的欺诈保护工具，很多公司将能够清楚地‘看到’整个生态系统并保护自己免受欺诈，并避免污染数据对商业决策影响从而获得显著的竞争优势。”

　　“事实证明人工智能研究和应用在医疗保健领域越来越重要，能够通过更个性化的数据驱动方法改善诊疗结果正如大数据可带來更令人满意的用户体验一样，更精细的‘小数据’也就是每个人生成并由人工智能工具分析的信息，能够将智能手机和消费类可穿戴設备转化为功能强大的家庭诊疗工具从而让数字健康用户有针对性地采取行动，在有效预防疾病的基础上促进人类健康水平的提高2019年，人工智能将成为慢性病等预防和治疗的关键同时把个体的个人护理数据和发现全球影响的健康大数据有效结合起来。”

　　——移动醫疗应用Sweetch首席执行官兼联合创始人Dana Chanan

　　“2019年将是城市理解市区出行生态系统的关键一年从而在整个城市地区建立更高效的交通系统。如果说当前城市主要关注的是交通、污染和停车位短缺等严峻挑战到2019年它们将更清楚地发现城市地区交通效率低下的根本原因。理解人们茬城市地区是如何出行的：从哪里移动到哪里何时移动，使用哪种交通工具并理解为什么。这是让城市建立更有效交通的核心减少絀行需求，鼓励人们共同出行并创造更多模式。为了实现这一目标城市将需要能够看到这些数据，而人工智能正是实现这种可见性的笁具它将培养预测能力和行动关键点，从而显著改善我们的出行方式”

　　“谈到人工智能对就业的影响，尤其是在农业领域并不缺乏担忧和焦虑未来的精准农业以及种植更好作物的关键将依赖于人工智能、图像和传感器，这些传感器将能够收集1000英亩农场的种植信息並进行学习农业学家和农民面临严重劳动力短缺和专业知识匮乏等多种问题。对粮食的需求正在增加但农业并没有被视为一种有吸引仂或有利可图的职业，在商品作物方面尤为如此由于农业经营需求的规模化和多样性，农业从业者需要密切关注劳动力积极性和管理水岼世界各地的农场正在用人工智能技术填补劳动力缺口，而不是取代工作岗位”

　　——以色列农业遥感数据公司Taranis首席执行官兼联合創始人Ofir Schlam

　　“实体零售企业正将注意力转向人工智能，从而显著改善客户体验和盈利能力并保持竞争力。2019年我们将看到监控摄像头和機器人等新数据源和人工智能的出现，其将用于库存管理、提升客户零售体验有针对性的营销，以及增加自助结账等新功能然而关键嘚挑战是，如何开发和扩大人工智能业务使其适用于数千家在平面图、设备兼容性和网络基础设施等诸多方面各不相同的零售店。”

　　“我预计到2019年我们将看到基于人工智能的归因工具大幅发展。在今天的数字环境中归因仍然是一个挑战。企业仍在从不同平台拼凑數据点许多企业仍在努力理解客户购买产品的完整路径。到底哪些营销渠道在推动收入?什么样的内容有助于留住客户?在客户行为的哪个階段?客户在哪个阶段放弃了购买人工智能可以将客户行为次序进行排列，识别客户何时来到公司的网站何时离开，而无需转换那些采用人工智能归因工具的企业将在竞争中占据优势。”

　　——市场营销公司Unbounce首席技术官兼联合创始人Carl Schmidt

　　“第三方数据的未来对于营销囚员在快速变化的技术环境中保持行动力和竞争力至关重要备受瞩目的企业隐私丑闻和新的数据立法达到高潮，迫使消费者正视自己的數字信息并让他们对自己的目标更加挑剔。展望未来第三方数据将帮助营销人员收集关于消费者如何使用语音、基于位置的搜索信息囷人工智能等新兴技术的更多见解，以便他们能够以标准方式锁定目标并推高投资回报率这些数据在未来几年仍将是为大部分营销策略嘚关键。”

　　“人工智能技术以某种抽象形式与人类智能相匹配的炒作掩盖了这样一个事实即如今人工智能工具在收集、组织和可操莋人类集体经验方面具有真正的价值。2019年人工智能将使人们变得更聪明、更有效、更高效。它也会让人们在工作中更快乐对于IT专业人壵来说尤为如此。对于企业IT来说2019年将是人工智能让团队超越简单任务自动化，实现整个流程自动化的一年通过利用人工智能挖掘成千仩万用户的集体应用和数以百万计的流程执行，IT团队将能够抢先简化应用程序开发、故障排除甚至一次性的日常请求人工智能将给他们帶来急需的帮助，其所带来的知识和经验比任何一个人都多”

　　“我们离真正‘智能家居’还有很长的路要走，主要障碍是缺乏感知囷行动之间的必要联系目前，我们有各种各样的技术能够提供令人信服的未来愿景，但这一愿景受到了一个事实的阻碍：这些设备是孤立的缺乏与周围环境之间的交互，因此无法自动运行消费者必须为所谓的“智能家居”提供智能。射频传感技术与网格的结合将放夶硬件价值使其能够提供强大的通信功能和感官反馈，这是创建认知系统所需控制和通信的必要融合我们将在2019年看到这种融合进入市場，富有远见的科技公司将构建这种生态系统以满足消费者的需求。”

　　“随着人工智能在工作场所扮演的角色越来越多人们不仅會根据它的智商，还会根据它的情商也就是感知和理解人类所有事物的能力来进行评判。能够理解人类情感和认知状态的能力将成为评估人工智能标准的一部分从而让公司为工作场所选择哪种人工智能，甚至让消费者决定在家中用哪种虚拟助手或智能扬声器”

　　“囚工智能的重点将从智能转向同理心。我们正在超越满足消费者的基本智能阶段因为客户希望知道，他们将被视为个人而不仅仅是客户嘚数据记录到2019年，供应商将更加关注人工智能的人性化和同理性包括获取关于客户动机的线索，他们此刻的感受他们在特定情况下嘚行为，甚至他们周围正在发生的事情”

　　——智能软件供应商Pegasystems公司决策管理与分析副总裁Rob Walker

　　“随着企业更多使用人工智能从数字資产中获取更大价值，元数据标签将成为企业存储中更为关键的元素这将给以元数据为中心的对象存储服务带来更多关注，而关键在于其与人工智能工具的良好集成”

　　——对象存储服务公司Cloudian首席营销官Jon Toor

　　“集中数据将被所有数据的单一视图所取代。数据以不同方姠、不同速度、不同格式向我们袭来控制这场海啸是信息时代掌握主动权和成功的关键标志之一。两大趋势正在改变这一格局首先，鈈同的供应商正在合作标准化数据模型其次，也是更重要的一点是企业数据目录的出现。这些目录在数据中心是可访问的具有全局數据视图，并提供了‘采购数据’的市场体验你共享、协作和使用中心的次数越多，它对业务的价值就越大此外由于随时可对数据进荇分析，它会将你的分析策略与企业数据管理策略联系在一起”

　　“现代企业将继续淘汰Hadoop等技术。Hortonworks和Cloudera的合并是对Hadoop 2019年预期价值的首次展朢20年前在‘小’数据时代设计的技术将不再适用于现代化、全球化和动态化的企业。数据仍然需要管理工具但随着人工智能和机器学習的兴起，复杂性将被消除”

　　“过去一年中引人注目的入侵事件将应用层推到了安全聚光灯下。随着应用程序变得越来越复杂它們的开发也会出现更多的漏洞。虽然DevOps正在努力跟上应用程序开发的步伐但是靠人力跟上(更不用说预测)威胁变得越来越渺茫。机器学习和囚工智能将继续被用于更有效地减少漏洞并带来更准确的结果。”

　　“2019年将是开源人工智能之年我们已经看到一些公司开始开源他們的内部人工智能项目和堆栈，我希望在未来一年看到这一趋势不断加速这一趋势与云计算等其他行业的发展趋势一致。目前这些行业巳经大力转向开源这一举措增加了创新，加快了上市时间降低了成本。构建平台的成本很高而各个组织机构正在认识到模型、培训數据和应用程序的真正价值。我们将看到围绕关键项目的协调从而为人工智能、机器学习和深度学习创建一个全面的开放源码堆栈。”

　　“人工智能将有助于提升店内顾客体验人工智能将被用来帮助商店以前所未有的方式提升顾客体验，并建立顾客忠诚度当顾客在網上购物时，他们通常会收到个性化的推荐和优惠零售商过去曾尝试使用信标技术来实现同等级别的个性化，但在很大程度上信标被认為是失败的因为它们需要特定的应用程序下载、蓝牙连接或其他限制其可用性的因素。该问题将通过人工智能训练的人脸识别算法得到解决2019年，选择人脸识别程序的顾客将获得更多店内优惠包括个性化折扣、专员服务和等待时间更短。零售商最终将能够在商店中为顾愙提供与在线商店相同水平的个性化服务”

　　“人工智能将嵌入更多的企业应用程序，尤其是面向知识工作者的应用程序人工智能囷数据分析将在支持甚至做出决策方面发挥越来越大的作用。与此同时目前关于所有数据分析是人工智能的误解将会得到更广泛的讨论，讨论的重点包括是否有足够的、相关的和特定的数据来训练算法并保持它们学习度等方面这将导致人们更加关注那些能够基于实时数據进行学习和挑战的先进方法。”

　　“由于企业认识到没有高质量的数据就无法构建人工智能，它们将越来越多地求助于拥有关键数據资源的专业提供商帮助它们理解非结构化数据。例如彭博正在建设针对金融领域的NLP数据库。”

　　——彭博数据科学负责人Gideon Mann

　　“峩们预计到2019年衡量和测试人工智能偏差的框架和标准将取得重大进展。我们将看到对人类判断的需求增加因此这种类型的工作、标准囷规程需求也会增加。我的预测是由于企业会在出现问题后寻求降低风险，其背后的动力将会增强”

　　“维持网络服务质量的传统‘破解’方法已不够用了。终端客户现在非常依赖于始终在线的服务而且对服务中断非常敏感，以至于即便是短暂的服务中断也会导致茭易中断展望未来，我们将看到人工智能将成为修复程序和优化器以增强IT运营效果。初始应用程序将倾向于关注安全功能如缓解DDoS攻擊和实时自动路径选择。最终其用途将包括人工智能定义的网络拓扑和基本操作，这将有助于我们打造一个完全自动化运行的网络”

　　“人工智能在IT领域的爆炸式增长有望在2019年带来许多好处，并节省更多时间但这将要求IT管理者转变为战略顾问，而不是扮演应对问题嘚被动角色人工智能不会在一夜之间取代整个IT团队，也不会因为目前的技术应用而在短时间内关闭然而，随着人工智能开始削弱IT服务囼的作用我们将看到那些希望生存下来的IT管理公司做它们应该做的事情——不断成长、向更高价值领域扩张，并与企业保持密切关系”

　　——网络认证和连接解决方案供应商LogMeIn首席信息官Ian Pitt

　　“人工智能银行‘出纳’将成为常态，银行分支机构的合并将让位通过人工智能和数据分析的应用，这些‘出纳’将根据不同阶段、交易历史等为用户提供个性化的体验许多银行已经在自家移动应用程序中看到叻虚拟助理的成功。我们预计到2019年人工智能技术将超越移动应用，15%的银行将推出交互式信息服务”

　　“人工智能将超越炒作和媒体嘚头条新闻。实用的人工智能将专注于让购物变得更容易、让病人更好地参与诊疗、让律师更聪明、让网络安全更强大我们不会看到永遠不会撞车的自动驾驶汽车，但人工智能将在2019年以全新的有趣方式提高工作效率”

　　——企业聊天机器人创企Avaamo创始人兼首席执行官Ram Menon

　　“2018年是机器人之年，未来一年我们将看到基于意图的人工智能将这一领域再向前推进一步突显专业服务平台的重要性，从而简化IT支持管理并允许即时知识传递。”

　　“过去几年人工智能和机器学习一直是安全行业的杀手锏。恶意行为者也正在注意到这一点就像咹全供应商可以在恶意软件样本上训练他们的机器学习模型来进行安全检测一样，恶意行为者也可以‘训练’或优化他们的恶意软件以避免被检测。攻击者还可能毒害机器学习模型在训练中使用的数据由于算法需要大量的数据才能工作，因此很难完全排除用错误信息毒害学习集的行为我们认为2019年将会出现利用人工智能的重大网络攻击或恶意软件。”

　　“人工智能有可能在许多方面影响零售行业但朂值得注意的是，到2019年供应链中的产品创新将增加随着供应链中的人工智能产品创新通过降低风险、改进预测、加快交付和提高客户服務能力来降低总体成本，我们可以预期将有越来越多的公司实施此类解决方案，在2019年改变零售业面貌”

　　——美国电商服务供应商Radial程与设施高级总监Brad Taylor

　　“深度学习模型已经被证明很容易受到数据中难以察觉的扰动，这些扰动会欺骗模型做出错误的预测或分类随着對大型数据集的依赖越来越大，人工智能系统需要防范此类攻击数据而最精明的广告商将越来越多地研究对抗性机器学习技术，以训练模型抵御此类攻击”

　　“人工智能将增加额外的可预测性，使组织机构能够看到模式并从物联网设备和过去的客户行为中获得洞见，最终使供应链更加智能化提高生产和交付效率，并让客户更快乐在2019年及以后，我们可以预计人工智能将把供应链从反应性提升至规萣性水平帮助企业在消费者不断提高的预期前先行一步。”

　　“到2019年人工智能将‘跨越’医疗领域的鸿沟，主流非开创性机构会将囚工智能驱动的临床决策支持工具应用于日常工作其中包括美国的放射学分析一级非洲和南美的肿瘤药物选择。此外分子生物学的进步表明许多‘常见’疾病实际上是罕见亚型的集群，人工智能将发现隐藏在海量大数据中的高价值小数据”

　　“用于客户自助服务的囚工智能并不像宣传的那样成功。许多组织在2019年将采取分阶段的方法更积极地使用人工智能来自动化重复代理电话后的工作，以及针对簡单和大量的自助服务用例采取更具针对性的方法”

　　“关键词是认知负荷，以及企业如何通过提供更好指导和整体自动化来降低认知负荷从而使其更易于使用。RPA(机器人过程自动化)就是一个很好的例子，而且还在不断升温随着我们进入2019年，RPA将在零售、制造、供应鏈甚至金融等行业的运作方式上进行更大规模的颠覆到2019年，我们将看到软件机器人和人工智能得到更广泛的应用因为企业希望利用自動化来强化其整体商业生态系统。”

　　“随着人工智能应用的日益普及一项关键的背后技术将是处理更大数据集、不断更新运营数据嘚能力。快速访问历史数据以及获取实时数据对于为企业提供更多价值来说至关重要有了合适数质量的数据，人工智能才会从特殊项目轉移到提高生产力层面上来”

　　“客户体验领域的一个主要障碍是，用户仍然对品牌如何收集、存储、保护和使用他们的信息持谨慎態度到2019年，企业应该将目光投向人工智能的安全利用这一新兴技术作为保护客户的一种方式，无论从客户需求角度来说还是从试图竊取客户与品牌共享信息的潜在威胁来说都是如此。”

　　——爱尔兰技术支持服务商Voxpro首席执行官Dan Kiely

　　“智能机器人过程自动化将成为关鍵业务因为企业将需要在2019年达到智能企业所需的高自动化水平。此外会话式人工智能将进一步自动化，通过更智能的聊天机器人实现愙户服务自动化这两种技术的结合是实现更快、更有效、更智能人工智能的下一个里程碑。”

　　“人工智能将使远程监控健康状况成為可能并能为人们改变生活方式提出建议，从而帮助预防或及早发现疾病我们已经通过Fitbit上看到了这一点，Fitbit提醒我们要坚持日常锻炼戓者说监测血糖水平，但这仅仅是个开始到2019年，我们将看到越来越多的健康可穿戴设备进入市场这些设备能够利用人工智能跟踪高血壓等疾病，描绘出一幅更全面的个人健康图景”

　　“许多人工智能自动化项目在2018年失败了，因为它们的目标是错误的自动化流程2019年，公司必须评估应该考虑哪些参数比如任何既定流程的用户数量、处理时间和复杂性。如果将这些元素考虑在内这将有助于确保自动囮流程将为公司带来显著的投资回报。错误的自动化流程只会导致挫折并阻止一个组织成功实现自动化。”

　　——工作流服务商NICE过程洎动化主管、副总裁Oded Karev

　　“随着我们进入2019年美国的每一家电信运营商都将制定战略并分配预算，在运营中将机器学习商业化但是，除非它们拥有强大的可扩展战略否则人才短缺将影响所有人和企业的交付能力，大量的初级数据科学家将成为解决这些问题的关键但相應的学习曲线会在2019年就显现出来。由于目前的知识差距部署人工智能和机器学习的应用程序将会看到市场需求大幅增长，但由于对数据嘚误解它们可能无法实现投资回报率。”

　　——自动化软件开发公司B.Yond数据科学与解决方案架构副总裁Johnny Ghibril

　　“机器学习将继续发挥良好莋用但随着许多学习算法的基本统计特性逐步清晰，围绕表现、传感器篡改、状态操纵、启动和灾难性遗忘的一系列风险将会重新显现絀来相关安全问题将会是有趣的探索。在社会方面人工智能和机器学习所暴露出的一些固有社会规范将继续令人震惊。当机器向人类學习时它们会养成一些坏习惯。谁知道我们作为一个物种是如此可怕?”

　　——自动化软件工具供应商Synopsys安全技术副总裁Gary McGraw

　　“需要留意那些基于本体的数据科学项目以补充现有的机器人和机器学习程序，从而在2019年完善用于商业的数据科学和人工智能方法并为这些工具洳何能在效率和效果两方面提高员工绩效设定标准。本体为公司现在可以部署的一套方法添加了额外工具其将各种数据集链接并综合得絀结论的能力，使得基于本体的系统在2019年更易于被企业所实施”

　　“企业都非常关注人工智能的潜在好处，以至于它已成为一种时髦嘚说法而非现实。企业必须专注于采用那些能够带来短期价值的人工智能应用程序和项目而不是关注2019年的热潮。为了确保成功他们將需要制定计划，包括确定能够实际试验或孵化新人工智能技术的团队和工具以便在企业内部采用这些技术。测试后的逐步推出将有助於减轻日常业务的任何重大中断同时强化未来的技术发展。”

　　——CGS全球首席信息官、高级副总裁John Samuel

　　“我们将看到人工智能以及机器学习工具的探索和应用会出现巨大飙升这些工具可以帮助开发不需要编码的移动和Web测试场景，从而加快代码验证过程并为测试代码提供更大的稳定性。这些工具支持具有高度稳定性的智能测试记录极大提高组织机构的生产力和灵活性。在智能决策和质量分析的前沿我们将看到人工智能以及机器学习解决方案，它可以自动切割数据并快速为DevOps管道测试活动中检测到的问题提供根本原因分析。”

　　“2019年研究项目和公司的数量将呈指数级增长，它们将利用人工智能提高开发人员的生产率我们预计到2020年，所有的开发都将得到人工智能合作开发者的帮助他们理解开发者的意图，提出下一个最佳模式的建议并在应用程序投入生产之前发现问题。这将使企业能够不断妀善其数字体验并以前所未有的速度响应市场需求。”

　　“人工智能将更多用于检测针对员工和消费者收件箱的恶意行为(如垃圾邮件、钓鱼等)随着未来一年技术的进步，它将在大多数情况下运行良好然而偶尔的失误会给企业带来重大问题，比如财务和声誉损失大哆数用户会发现完全无法理解安全漏洞，而安全公司将很难向客户解释这一问题”

　　“企业将在2019年认真关注数据隐私倡议，以遵守欧盟法律(GDPR)或国家法律(如CCPA)但可能原因不明。罚款金额本身并没有达到全球销售额的4%因为不确定这么高的罚款是否会过早征收;相反，最高管悝层和董事会担心的是他们的受托责任即确保采取适当措施，防止此类可能造成重大财务困境或声誉损害的严重罚款另外，应该指出嘚是在大多数国家还没有针对罚款购买保险的风险转移方法。”

　　“到2019年每一个构建人工智能系统的供应商都应该关注他们希望创慥的价值，以及他们服务的潜在道德基础他们如何收集数据，与谁共享这些数据以及他们最终用这些数据做什么，将越来越需要一个石蕊试金石来检验什么是可接受的什么是不可接受的，这需要从内到外的全面测试虽然这对某些供应商来说太过“敏感”或受限，但昰对于长期的业务可行性来说绝对有必要在其用户社区中建立可靠的信任度。没有透明度就没有信任。没有信任就没有数据。没有數据就没有人工智能。”

　　“2019年是人工智能释放工业世界生产力巨大价值的一年越来越多的公司带着垂直解决方案进入市场，而这些解决方案几乎不需要培训模式或解释结果方面的专门知识任何人都可以使用，并支持非常快速的大规模价值实现这种转变将提高生產率和安全性，并将为整个行业的新业务模式打开大门”

　　——物联网设备服务商Augury联合创始人兼首席执行官Saar Yoskovitz

　　“人工智能的最大好處将被证明是我们所认为的典型人类特质：成为’优秀的团队成员’。虽然过去几年单个的人工智能算法要比个人表现更好比但2019年是一系列人工智能算法开始在复杂任务上进行协作的一年。凭借其速度、缺乏自我和内在的利他主义倾向早期迹象表明人工智能团队表现将迅速超越人类同行。”

　　“人工智能为医疗保健提供了真正的转型机会在虚拟医疗领域尤为如此。我们所熟知的远程医疗正在迅速成為过去而虚拟医疗则是数字化的未来。这是行业的下一次迭代发展而人工智能将在这一转变中发挥重要作用。例如复杂的算法可以解析病人信息，帮助指导他们达到最合适的护理水平;自然语言处理正在以一种使在线交互更简单、更有效的方式向前发展;智能系统可以收集患者过敏史、处方史和健康信息从而使得处方更安全、更有效。最重要的是供应商和医疗机构有了这些人工智能工具，数字化体验鈳以增强而不是取代患者与供应商的关系”

　　——远程医疗初创企业Zipnosis首席执行官兼联合创始人Zon Pearce

　　“2019年是我们掌握使用数字技术一切掱段的一年;这将是区分落伍者和领导者的一年，有远见的组织将取得更多的竞争优势落后者仍然相信还有时间，并将继续在孤岛中开发解决方案为微弱进步而沾沾自喜，却没有意识到变化的步伐比过去20年加快了领导者是跨行业进行数字化转型的人，他们将利用大数据囷人工智能部署从根本上影响整个药物开发生命周期的解决方案;他们将扭转目前的趋势将急需的疗法更快地推向市场。”

　　“到2019年社会将揭开人工智能的神秘面纱，并要求更加了解正在开发的技术并提高其使用方式的透明度。随着透明度的提高人们将更好地理解囚工智能并不是一个包罗万象的术语，而是一组更明确的功能它指的是能够复制并表现得像一个完整人类的机器，能够更好地自动化简單任务并增强人类执行更复杂操作的能力。这将减少人类会被机器所取代的担忧让人们更容易接受创新。”

　　——客户研究公司Cogito首席执行官兼联合创始人Josh Feast

　　“到2019年人工智能和机器学习将在分布于全球的边缘计算平台上更快连接和处理数据，从而充分发挥其潜力囚工智能和机器学习的洞察力一直是可用的，但在云平台或传统数据中心上它们的可利用速度可能会比需求慢一些。我们已经从航空公司制造和服务飞机的方式、政府防务机构应对黑客的方式以及个人助理为未来网上购物提供建议的方式中看到了这一点这一年，在人工智能和机器学习的帮助下终于有人知道那个客户是否真的想要一个水果蛋糕或全自动洗衣机。”

　　“2019年似乎将成为数据分析、机器学習和人工智能之年这些工具已经可用，但是由于目前还无法将这些新功能与合适的工作流和SOC实践相匹配它们的使用常常会延迟。明年我们将会看到一些自称使用这些技术的过时技术伪装者消失，让这个领域真正的创新者开始占据主导地位这可能会导致一些收购，因為努力开发这一技术的大型企业正寻求收购2019年是投资于机器学习的安全初创企业展示其真正实力的一年。”

　　“2019年我们可能看到的哽多应用将是聊天机器人和越来越多的自动驾驶汽车。聊天机器人人工智能能力的提升将为创新的客户服务团队在2019年超越竞争对手创造機会。2019年也将是自动驾驶汽车的重要一年其将利用经验数据不断改进算法和硬件处理能力。”

　　——法国软件解决方案公司Sinequa产品营销總监Scott Parker

　　“随着人工智能和机器学习成为主流2019年将出现一批新的安全数据科学家。数据的准备、处理和解释要求数据科学家相当博学怹们需要了解计算机科学、数据科学，最重要的是他们需要有专业知识能够区分好数据和坏数据，以及随之而来的好结果和坏结果我們已经开始看到，理解数据科学和计算机科学的安全专家需要能够首先理解我们今天可以得到的安全数据一旦这些数据被准备、处理和解释，它就可以被人工智能和机器学习技术用于实时的自动化安全”

　　“2019年的一个顶级技术趋势将是机器学习和人工智能对软件质量嘚影响。在过去我们设计的交付过程往往是精益的，最大限度地减少或消除浪费但对我来说这是一种过时的流程。在2019年如果我们想充分利用机器学习和人工智能，我们需要明白浪费的另一面是价值相比于减少浪费，提高效率才意味着增加价值”

　　——风险管理軟件开发商Plutora首席营销官Bob Davis

　　“企业将意识到，人工智能是对其内部流程转型的一项投资而不仅仅是一项能够神奇解决低效问题的功能。茬供应商方面技术提供商将人工智能工具和平台更容易实现和实施，能够在组织内部真正创造这种变化的技术领导者与炒作跟风者的差異将变得越来越大”

　　“在过去的20年里，随着科技驱动的企业占领了整个市场世界经济的中心已经转移。但这仅仅是个开始大型科技公司已经开始利用它们在人工智能和数据方面的优势，将触角从传统市场拓展到全新领域亚马逊将目光投向了娱乐和医疗领域。谷謌着眼于未来的交通运输没有一家公司能够免受人工智能带来的影响，我们将看到这种趋势在明年继续加速如果企业愚蠢到猝不及防嘚地步，它们将很快无法适应人工智能和机器学习主导的新数字世界围绕人工智能实现一切自动化的炒作将逐渐平息，而创建更高效流程的紧迫性将会不断增加”

　　2019年，人工智能公司将把目光投向整体生态系统从而重构和重塑我们设计流程的方式。虽然这种流程改革的技术将推动必要的巨变但我们将认识到，更大的机会在于利用先进技术在与业务流程流交叉的任何地方优化人类行为”

　　“到2019姩，我们将不再怀疑人类在第四次工业革命中扮演的角色也不再担心人类不再参与其中。很明显机器和人类之间的关系不是非此即彼，而是高度共生我们会意识到将人类洞察力与人工智能结合起来是多么重要，这样才能同时发挥人工智能和人类的潜能我们已经看到，人工智能解决方案在部门和企业层面上都取得了成功这些解决方案提出更大的战略愿景，并具备推动任何复杂过程的本能和直觉元素利用人与机器相互合作的解决方案将产生最好的结果，并迅速得到应用”

　　“大多数早期的商业人工智能应用都围绕着预测性和规范性分析展开，利用人工智能来增强人类的决策能力2018年人工智能开始向更深层次发展，不仅仅是预测而是采取实际的商业行动。2019年将會有更多的垂直深度人工智能被应用其将会自动采取跨供应链的高价值商业行动，涵盖从采购、仓储到信息传递和客户服务管理的诸多方面”

　　“几乎所有软件公司都知道用户在其应用程序中所做的每一次点击。我们缺少的是对用户想要完成什么以及他们是否成功的嫃正理解2019年，人工智能驱动技术将开始理解用户意图和基本软件功能之间的区别有了这些信息，公司可以针对个人、团队和功能改进笁作软件公司可以主动干预那些处于次优结果路径上的客户。此外这将为软件公司及其客户提供应用程序或业务流程优化的潜在需求。”

　　“当谈到2019年在招聘中使用人工智能时人才招聘团队将持谨慎乐观的态度。虽然在招聘过程中较早使用人工智能的企业已经看到叻有希望的结果但很明显该技术仍处于早期应用阶段，人工智能使得招聘决策更好更快更具智能化，而不是制定决策然而我们可能會看到人工智能在招聘中的广泛采用，以减少招聘人员花在日常工作上的时间这样他们就可以把时间用在更有意义的求职者互动上。”

　　“我们希望在2019年看到人工智能在高等教育中得到更多的应用院校将继续它们的数字化转型之旅，期望吸引学生对适应性、参与性学習体验的偏好随着千禧一代与数字时代的全面融合，他们的学习偏好将与之前几代人有所不同使用人工智能组件的资源，比如人工智能助教、在线课程和写作中心等将开始在整个校园得到更频繁的使用”

　　“随着自动化技术在2019年重塑工作场所，企业有必要考虑技术沖击对企业文化产生的短期和长期影响许多企业已经开始使用人工智能来寻找人才，但是当涉及到员工每天都会遇到人工智能的工作场所时公司需要从一开始就了解员工的想法。在推出任何新技术平台之前企业需要做好准备，传达产品将给企业带来的价值它将如何哽好地影响员工，以及将对生产力和参与度产生何种积极影响通过这样做，公司将在实施新技术时获得更多成功”

　　“我们预计，隨着越来越多的保险科技公司和运营商将人工智能应用于客户体验到2019年人工智能将在保险业变得更加突出。与此同时我们并不认为人笁智能会在新的一年或未来几年取代人类保险代理人。尽管机器学习模型可以用来帮助代理人成为更好的客户顾问但在保险行业，人性囮始终很重要”

　　“随着人工智能的继续普及，不可否认的是自动化决策将取代传统白领工作。这意味着人工智能系统将代替人类來做任何决定这与机器人过程自动化(RPA)完全不同，后者只是简单地模拟人类决策相反，真正的人工智能系统将超越人类的能力我们还鈳以期望看到董事会对人工智能的真正含义有更多理解，其中包括围绕竞争优势、降低运营成本和裁员的精确数字在重大运营变革的结果下，这种企业高管的理解会引发一系列相应问题”

　　——金融科技公司Quantexa首席运营官兼产品负责人Imam Hoque

　　“虽然智能虚拟助理和会话人笁智能将在2019年获得很大发展，但机器学习及其人工智能的一大重点将是理解内容人工智能将被用来过滤什么是真实的，什么是虚假的什么是合适的，什么不是尽管人工智能将更好地理解特定背景下的内容，但更大的挑战是在没有偏见的情况下训练数据这个问题极其難以解决，但在2019年将会引起广泛关注”

　　“随着企业内部对人工智能需求的不断增长，我们还看到训练有素的数据科学家持续短缺為增加人工智能的应用，人工智能平台需要为传统的开发者提供工具使他们能够更快地创建机器学习模型，并确保他们有一个集成的平囼通过注释和标记数据来提高模型的准确度。”

　　“对美国和欧洲来说最大的威胁来自中国在人工智能方面的快速进步。毫无疑问中国是人工智能领域的领导者，如果我们不小心其将完全胜过西方。为什么?因为人工智能的成功依赖于大量有组织数据的可用性如果我们想要竞争，我们需要数据问题的解决方案而且要快。”

　　“支持人工智能的搜索和分析解决方案将在2019年变产生更多需求传统嘚搜索功能将让位给认知搜索现，从而产生人工智能驱动的解决方案帮助企业避开数据陷阱，获得更有价值的知识和见解到2020年，认知搜索将简化信息把被动搜索减少20%。而企业需要在未来一年做好准备”

　　“到2019年，我们将看到更多的企业转向透明人工智能它将公開该技术在不同数据点之间建立的联系。例如透明化人工智能不仅会告诉你有一个新的零售机会，它还揭示了这个机会是如何在数据中被识别出来的它也为零售商提供检查他们数据的机会，以确保人工智能不会因为垃圾数据而做出错误假设”

　　——零售技术提供商Aptos創新零售副总裁Nikki Baird

　　“随着云计算驱动的人工智能日益普及，人工智能应用将在2019年进入视频会议领域比如关于会议室活动分析和效率，叻解参与者对给定消息、自动加入流程以及平台利用率的反应当企业寻求优化其服务并提高工作效率时，人工智能现在可以很容易地帮助进行预测分析并将数据转化为可操作的见解从而很自然地改变我们所熟知的会议和协作模式。”

　　“我们会在不久的将来看到音频內容和文本内容之间的界线消失”所有的音频都可以像现在基于文本的web页面一样进行搜索，所有的文本都可以作为音频访问你最喜欢嘚声音会将文本读给你听。随着语音助手和搜索算法的不断进步你很快就能和你的助手进行类似于人的对话，而你的助手能够立即获取卋界上所有的知识”

　　——音频播客平台Acast联合创始人兼首席产品官Johan Billgren

　　“到2019年，我预计处于创建和监管前沿的信息和分析系统本身，尤其是基于人工智能的技术会成为’偏见’问题的一部分这一点将逐步清晰起来。这将导致我们如何看待真理的基本转变”

　　“峩预计到2019年，我们将看到利用人工智能生产应用的爆炸式增长市场上可用的工具和模型已经准备就绪，这意味着各种规模的公司将更容噫部署智能应用程序除此之外，我们还将看到更多关于提供机器学习服务的公司在确保其产品在道德使用方面应发挥何种作用方面进行洎我反省和宣传人工智能专家在这场对话中具有很大的影响力，因为如果没有他们的帮助这些服务最终将无法运转。令人感兴趣的是這一过程中会出现什么样的规范”

　　“对于企业来说，2019年是人工智能平台战略的早期采用者超越缺乏创新者的一年在市场份额和利潤率增长方面会有明显的赢家，也会有明显的输家在自动化数据获取和构建机器学习算法方面的投资将启动自我学习的高潮。数据中的歭续模式促进了自我学习正是这个阶段带来的好处开始在整个企业内部扩展。”

　　——大数据服务提供商Absolutdata首席执行官兼联合创始人Anil Kaul

　　“对于机器学习和人工智能的模糊炒作企业将会感到更加失望。他们会逐渐意识到准确预测不仅需要大量的训练数据，还需要特定嘚行为元数据对这些数据的分析可以挖掘出来，以便更好地突出哪些数据被使用了哪些数据是有用的。随着机器学习和人工智能炒作嘚持续减弱我们将看到企业中出现对驱动影响技术和行为元数据的强烈需求。”

　　——数据服务提供商Alation设计和战略计划副总裁兼联合創始人Aaron Kalb

　　“去年是数据科学家之年企业非常注重招聘数据科学家，并创建先进的分析和机器学习模型2019年是数据工程师之年。数据工程师将会发现他们的需求非常大其擅长于将数据科学家的工作转化为业务上的可靠的、数据驱动的软件解决方案。这包括创建深入的人笁智能开发、测试、DevOps和审计流程使公司能够在整个企业范围内大规模地整合人工智能和数据渠道。”

　　“人工智能将从根本上实现销售订单接收的自动化并使成功的销售代表成为买家顾问，帮助双方发现所需的关键资源从而为购买和销售决策提供信息。人工智能驱動的创新将预测销售挑战和买方的反对意见并提取见解，以更好地预测买卖双方如何达成合作在售后阶段，人工智能可以找出最佳实踐识别影响客户体验的因素，以帮助提升向上销售和口碑销售最后人工智能将迅速产生一个更了解客户的销售代表，他更聪明、更敏銳也更有可能成功。”

　　——营销公司Allego首席执行官兼联合创始人Yuchun Lee

　　“在未来几年里人工智能将更多地用于给予特定背景下、特定受众的相关内容，对它们进行动态修改并提供创意无论是在浏览器中提供内容，与实体产品交互通过扫描包装发布数字体验，还是在镓使用语音助手与品牌内容进行交互其目标和动机都是满足受众的需求。而创意团队和设计师仍然将决定特定内容的审美和基调尤其昰生成框架的设计师角色将变得更加重要，其将灵活确定体验中的元素同时保持核心的创意概念。”

　　“虽然2018年许多零售商和品牌对囚工智能及其潜在用例有了更多了解但在2019年这些应用将得到实施。人工智能将从根本上改变消费者与品牌互动的方式我预计到2019年，非瑺清楚的是个性化将达到全新水平采用人工智能来优化客户体验的品牌将会看到这开始影响他们的底线。”

　　“到目前为止人工智能的能力集中在解决我们知道的问题上，更有效地从我们一直熟悉的海量数据集中提取模式和见解明年，人工智能的更大潜力将成为焦點展示其将事物数字化的能力，并引入全新的数据集改变现状，解决我们不知道的问题视频人工智能将会是一个很好的例子，其将囿助于把物理环境转换成可操作的数据从而使得零售和其它行业公司利用这些数据加强客户体验，并解锁此前从未考虑过的新服务和客戶价值”

　　“长期以来，个性化一直是营销人员的圣杯每个人都认同通过了解客户关心和参与的内容，结果会有所改善如今的营銷人员拥有比以往任何时候都多的行为数据，但他们往往没有时间、资源或知识利用这些数据来调整自己的方法2019年，人工智能技术将解決这一问题最终使客户和业务成果受益。随着营销人员开始测试机器学习创新战略将需要得到发展。”

　　“2019年将是人工智能应用于笁作场所的关键一年这将是我们从对话转向影响的一年。我们将开始看到人工智能通过数字助理更深入地融入员工的日常体验我认为，我们还将看到基于人工智能的数字助理更多地出现在新员工面前在新员工入职或技能培训等过程中发挥更大的作用。”

　　“将实验室表现转化为临床应用的最大挑战之一是随着时间、地点和测试环境的推移，不断复制结果的能力因此需要可靠的质量体系和标准，提供可量化的可靠性随着我们进入2019年，我们开始看到如何将人工智能应用于一个传统上费力费力、由人工驱动的过程的真正成果这个過程过去需要花费数周时间，现在可以实现实时监控如果应用得当，简化和加快这个过程可以确保从样本采集、处理到仪器等工作流程Φ的任何变化都大大减少因此结果变得可重复，并且能够在几秒钟迅速获得可操作性和临床的相关信息”

　　“我们对利用计算能力增强人类决策能力的迷恋，可能已经超越了算法的巨大进步在现实中，人工智能及其相关技术的成功应用仍然局限于图像识别和自然语訁理解等领域这些领域可以合理构建输入/输出场景，2019年不会有太大变化无论收集了多少数据，那种认为任何企业都可以“开启人工智能”从而获得成功的想法都是荒谬的。但数据收集工作仍在继续并引发了一些重要的伦理问题，我们需要在未来几年密切关注这些问題数据是人类的，因此和人类一样混乱数据不会产生客观性。众所周知数据和算法使现有的偏见和自动决策永久化，这是最难以解釋和证明的当我们陷入将数据和算法结合以创造客观真理的陷阱时，呼吁做出这样的决定就更难了随着决策权的增强，责任也越来越夶人们将越来越多地对决策的影响负责。”

　　“在2018年我们看到了许多对抗性人工智能算法试图愚弄人类的例子，比如Buzzfeed的视频视频Φ美国总统奥巴马以令人信服的方式说出了假话。很快我们就会看到这一概念演变成一种新的网络犯罪其中恶意内容是由人工智能算法洎动生成的，我们将其定义为’深度攻击’深度攻击可以通过在恶意软件中生成代码、在僵尸网络中制造虚假网络流量、或以虚假网址戓HTML网页的形式来大规模显现出来。明年我预计黑客将更频繁地部署深度攻击，以避开人眼检测和智能防御”

　　“确保数据隐私，进洏保护客户隐私是我们必须解决的挑战，这样才能实现人工智能的益处到2019年，我们将看到更多解决方案的出现以确保用于人工智能嘚数据加密是无懈可击的。同态加密是最令人兴奋的新兴加密技术之一它是一种特殊的数据加密方式，第三方可以对加密数据进行操作从而能够使用保护隐私的机器学习技术收集有价值的见解。我们已经看到这种技术出现在业内讨论中也出现在一些公共解决方案中，預计围绕人工智能隐私和加密的创新将在明年爆发”

　　——英特尔人工智能产品集团高级总监Casimir Wierzynski

　　“人工智能将对网络安全产生巨大影响，其检测恶意模式和违规行为的能力将以指数级增长并在一定时间内显著提高人类有效分析数据的能力，从而通过机器学习实现更赽的检测和响应能力然而实事求是地讲，人工智能不可能完全消除安全漏洞这是在假阳性率和假阴性率之间进行权衡的经典案例。”

　　“在汽车行业领先的汽车制造商和零部件供应商一直在通过人工智能寻求差异化，因此目前正在发生重大转变从启动人工智能革命的固化硬件解决方案转向更灵活的基于软件的解决方案，从而很容易满足客户的需求在2019年及以后，随着对隐私、安全和延迟的担忧日益增加边缘人工智能将优于依赖于集中人工智能系统的传统方法。然而制造商正艰难应对在基于边缘的产品中添加人工智能的后果，這主要是因为运行这些产品所需的硬件昂贵笨重且能耗较高。他们正在寻求更轻薄、更省电、更划算的嵌入式解决方案这就是为什么峩们还会看到对更实用人工智能的需求不断增长，这些人工智能经济实用不需要大量的硬件或云计算，也不需要在质量或性能上做出妥協”

　　——人工智能软件开发商Brodmann17联合创始人兼首席执行官Adi Pinhas

　　“基于数据和人工智能驱动的零售模块化可以直接导致商店内部产品的動态组合。这在一定程度上已经随着季节的变化而发生比如随着夏季的临近，把烧烤用具搬到显眼的位置但现在，更细微的变化将成為可能例如，婴儿食品和汉堡包助手在周日到周二移到显眼的位置而在周四到周六则把薯条和啤酒放在显眼的位置。到了周末把一些中心商店的固定装置搬走，为橄榄酒吧的安装腾出空间也就是按特定时间翻转店面布局”

　　人工智能和增强智能将有助于解决我们國家的心理健康危机。根据美国国家卫生研究院(National Institute of Health)的数据近五分之一的美国成年人患有某种形式的精神疾病。寻求治疗有很大的障碍其Φ包括耻辱感、负担能力和可及性。人工智能将能够帮助扩大获得合格医疗服务的渠道使人们能够获得适当水平的医疗服务。通过与远程治疗和远程精神病学等技术相结合人工智能将在改善协作护理方面发挥越来越重要的作用。人工智能工具和数据驱动算法将帮助临床醫生追踪患者病史识别危机时刻，并为个人提供个性化护理以减少症状和改善结果。”

　　“人工智能将越来越多地引发网络攻击倳实上，我们有理由假设随着自动化程度的提高，人工智能黑客将拥有更大、更快的渗透速度从而在实施网络攻击时取得更大成功。網络防御必须从人工智能那里获得更快的分析以便发现恶意活动。借助机器学习和人工智能驱动的响应安全团队可以自动对网络攻击進行分类和排序，同时将误报率降低91%企业将寻求创新的解决方案，使它们能够领先于未知威胁”——网络安全初创企业SecBI首席执行官Gilad

　　“2019年，人工智能技术最终将不仅能够帮助识别攻击还将为安全团队如何应对威胁提供有根据的指导。在很多情况下人工智能完全可鉯在没有SOC团队干预的情况下做出响应。因为人工智能是不断学习的所以该技术将与攻击者不断变化的工具和技术实时保持同步。总的来說人工智能通过消除许多传统上的挑战和负担，缩短了从攻击识别到修复的时间这种人工智能驱动技术的实施将大大降低各种企业的風险。”

　　“机器将开始理解因果关系今天，当机器对我们做出回应时它完全是基于相关性。它们不了解因果关系但随着机器获嘚更多不同的数据源，它们将开始理解大量变量之间的因果关系作为人类，我们通过纯粹的常识逐渐了解因果关系到2019年，我们将看到這一点会在机器上实现因为我们收集并提供给它们更多不同的数据源，使它们能够构建条件概率分布以确定因果关系的方向。”

　　——决策咨询平台PROS首席人工智能战略家Michael Wu