2019年人工智能的120个预测

发布时间:2018-12-27 访问量:458

  2019年AI产业将会是什么样的状态呢?近日,外媒Forbes采访了120位AI行业创始人和高官,他们有的拥有深厚的人工智能学术研究背景,有的来自产业端,对市场需求理解十分透彻。他们分享的观点涉及人工智能底层技术、以及金融、零售、医疗、供应链、房产、教育甚至伦理、隐私等几乎所有AI所能渗透的领域和问题,这些观点摈弃了传统的夸大和炒作,更为贴合实际,更为精准、更为聚焦。

  一

  Personetics联合创始人David Sosna:

  “自驱性财务管理是AI技术的一种实际应用。许多银行客户已经体验过这项服务,并且有逐年增多的趋势。银行业正在开展的这个项目让我看到了庞大的需求。为了帮助不同的客户通过自驱性财务管理达到他们的财务目标,金融机构需要嵌入更为专业知识的特殊形式的人工智能,即从普适性的人工智能向细分领域专业人工智能的转变。”

  Neurala的联合创始人兼CEO Max Versace:

  “2019年将是机构基于自有数据构建专门的人工智能系统的一年。机构在认识到有时仅有有限的数据之后,便知道他们需要一种能在内部轻松创建优质人工智能数据的工具。这种重质胜于重量的方法要求他们审视这些数据,并责问自己:这些数据是否是自己追寻的?生产数据与训练数据是否想匹配?是否在图像的重复性与变化性之间取得了平衡?数据集中的数据是否足够多样化?采用新的数据策略是有助于还是有害于克服人工智能数据问题的挑战,能否帮助人工智能在真实世界中行之有效?”

  WalkMe联合创始人兼总裁Rephael Sweary:

  “人工智能极大有助于流程探索。这就类似于安装了一个传感器到一个应用程序中,用以学习用户的行为轨迹,最终通过人工智能预测出系统交互的最优路径。使用GPS(如Waze)可以让你解锁今天最佳的行车路线,与之类似,人工智能可以解锁每个职员最好的使用系统的方法,根据个人应做事项提供一系列的可能方案。”

  XponentialWorks创始人兼CEO Avi Reichental:

  “在2019年,我们可以开始看到设计师直接与人工智能的程序对话,重新设计、优化和用3D打印轻量级部件。设计师只需要简单阐述设计目标和材料参数,剩下的人工智能都能解决—探索基于现有设计概念的所产生的无数组合。这样能够使设计师们将更多的精力投入选择和尝试,更快的获得最佳的设计。”

  Domo创始人兼CEO Josh James:

  “因为云服务和API的普遍性,人工智能将在2019年向企业传递一个重要的价值,它将帮助机构内的每个人发现机遇和新的方法使工作变得更有效率。”

  Zoomin CEO Gal Oron:

  “虽然B2B供应商在适应谷歌和亚马逊设置的高标准的个性化体验上进展缓慢,但业界至少承认了个性化主页和登录页面的价值。随着客户期望值的提高,企业需要亦步亦趋地通过机器学习和人工智能提高客户初见之下的个性化体验。”

  英特尔健康与生命科学部总经理Jennifer Esposito:

  “在2018年我们看到了大量关于健康领域人工智能的宣传,但我也应该看到这些正逐步应用到实际中。在2019年我们将看到结合了视频与音频的人工智能用以帮将任意地点的病人快速转移到医院护理点。人工智能与5G技术的交融也将加快数字疗法的发展,让它们更加个性化、更具适应性、更能利用VR和AR的优势。心理健康和药物滥用将是最早应用这项技术的领域。接受人工智能作为一种辅助,而不是忧心人工智能会替代他们工作的临川医生与持有相反观点的同倸区别开来。”

  Trigo Vision的CEO Michael Gabay:

  “人工智能在许多行业扮演着越来越重要的角色。在2019年我们认为人工智能在图像识别领域会更加的精确,它将会被集成到日常生活任务内,例如照顾残疾人和自动驾驶。人工智能同样会参与购物体验的变革,现有的商店将会自动化,它将推动供应链环节,提供无缝结账和增强客户参与度。”

  Zuora创始人兼CEO Tien Tzuo:

  “人工智能将加速所有权的终结。今天我们不在拥有一个歌或者一部电影,我们只需要订阅Netfix或者Spotify即可。未来,我们同样可以订阅其他的产品。人工智能平台是将全球普通工业产品转变为互联网智能产品的关键一环。现在我们交通工具和消费电子领域已经可以看到这种趋势,很快这种趋势将无处不在,例如桌子、椅子、地板、墙壁、衣服。我们不需要拥有这一切。我们只需要轻轻的点击订阅这些服务,居住服务、家具服务、食品服务、交通服务、服装服务。我们将真正的生活在一个订阅经济中。”

  Team8 CEO Nadav Zafrir:

  “网络攻击者利用自动化创造了简化工具用以渗透网络。但在网络安全方面自动化却并没产生类似的影响。这主要有两个原因:有限的人才库和依赖于数据可靠性的技术。在这些问题解决之前,自动化并不是那么可靠。相反,自动化应该应用于攻击之前,作为一种主动防御手段帮助组织在初期就以策略胜过攻击者并且减小其所带来的损失。”

  二

  GE Ventures数据科学管理总监Ashish Jain:

  “机器人和人工智能越来越多的应用于检查和保证我们赖以运转的关键基础设施的正常运作。比如电力线路、铁路等等。伴随着2019年分布式人工智能的井喷式发展,这两种技术的结合将被加快。分布式人工智能将分散化,直接嵌入设备中执行检查故障的功能。今天那些能够远程控制物联网和人工智能的云系统正在向更接近检查点的分布式自治系统过渡,后者使得收集的检查数据更为有效和安全。”

  Outlier联合创始人兼CEO Sean Byrnes:

  “人工智能和机器学习话题曾经红极一时,但在2019年他们热度将会下降。随着更多的企业建立了‘人工智能策略’,我们能够发现人工智能的话题正在远离炒作,更多的关注于解决实际问题。我们将目光从人工智能转向由人工智能所带来的结果,例如公司们将专注于寻找人工智能工具所能带来的商机。技术本身不会再比它能带来的商机重要。”

  Domino数据实验室首席数据科学家Josh Poduska:

  “普通消费者对于人工智能的理解将会有很大改观。我们不会一提及人工智能就联想到科幻的未来机器人和自动驾驶汽车,而是更多的联想到帮助我们处理日常琐碎事物的更有效率的工具。”

  Demandbase技术总监Aman Naimat:

  “2019年将会是数据科学家消亡的一年。在这一年中,每个人都开始学习人工智能,数据科学不再是数据科学家专有的领域。现在只有5000个左右数据科学家,我们不能单纯的指望他们来领导一场工业革命。组织中的每一个人都需要学会人工智能相关技能。数据科学家之‘死’将会是这场改革的高潮。”

  Emergence合伙人Gordon Ritter:

  “我们许多的人工智能国王都没有“穿衣服”。近些年,所有热门的人工智能公司都热衷于扩大规模、研在所有垂直领域研发更先进的算法。这些人工智能解决方案为定位为帮您解决琐碎的事物。这些人工智能初创公司会利用培训网络不断改进算法,使自己更为强大。”

  Nutrino的首席科学家Yaron Hadad:

  “人工智能在很多特定领域能够超越人类。现在将会是其应用于真实世界的元年。人工智能将从可穿戴设备中获取大量数据,利用这些提供极具可行性的健康意见。另外,在无监督机器学习方面将会有跳跃式进展,我们能看到利用人工智能去训练人工智能。利用人工智能替代数据科学家去解决实际问题,将使我们在许多任务上会有更好的表现。”

  Aurora Lab的联合创始人兼CEO Zohar Fox:

  “如果我们要创造一个能被我们采用的人工智能,那么我们将更难看到它人工的痕迹,更具有人类的特征。为了人们愿意在他们的生活中使用人工智能服务,这些服务必须要变得更加人性化。如人体的自愈能力一样,我们期待这些系统能够自动定位并纠正代码或者软件的错误。”

  Healthy.io的创始人兼CEO Yonatan Adiri:

  “我们相信人工智能在医疗领域作为一种流行语将会逐渐丧失热度。作为成熟行业数字化的一种方式,用全知全能的机器去取代医生被证明是不可行的。IBM Watson在医疗领域的尝试恰恰证明以上观点。因此,在2019年我们怀疑那些基于人工智能的系统能否带来非特定见解。”

  DualityTechnologies联合创始人兼CEO Alon Kaufman:

  “在2019年不仅是要将人工智能算法发展到更加强大和复杂,而且随着这些算法不可替代性和影响力的增加,它们的价值也在随之增长,这就要求算法的所有者们投入巨资来保护它们。人工智能算法是一个公司的核心竞争力,而它的知识产权保护问题开始浮现出来。2019年将会是人工智能知识产权保护工作上深耕细作的一年。”

  mPrest的创始人兼CEO Natan Barak:

  “到现在为止,我们利用人工智能扔集中于让我们的生活自动化和智能化。在2019年,我们将用它让社会变得更美好。人工智能将使我们的城市更加环保。从农业科技到公共事业和新型能源,人工智能背后的大数据和机器学习将彻底改变人们与周围环境的互动方式。”

  三

  Lending Express联合创始人兼CFO Eden Amirav:

  “在2019年,全球的贷款部门将会使用人工智能来推断借款资格和寻找融资机会。利用人工智能,贷款人预测未达标客户的潜在价值。人工智能的动态和实时特性可以透过整个商业周期看到机会。人工智能的应用最终也同样的会改变抵押贷款和助学贷款的业态。”

  VAYAVISION联合创始人兼CEO Ronny Cohen:

  “支持自动驾驶汽车预测的人工智能将被重塑,用以评估和分析不同的预测数据。无人驾驶汽车将从目标融合转向原始数据融合,这将使汽车更好的理解运动、速度、角度和轨迹,提供丰富数据去预测路况中各种物体的运动方向。”

  Skyline AI的CEO Guy Zipori:

  “类似商业地产这样的万亿级市场包含了错综复杂的相互影响关系,现在人工智能足够成熟去处理这种复杂的任务了。人工智能将影响越来越多的行业,许多资产管理人在寻觅由人工智能定义的新型投资工具来避险和实现价值增长。”

  Tactile Mobility创始人兼CEO Boaz Mizrachi:

  “尽管第4、5级自动驾驶汽车还不能投入商业化生产,但2019年仍将会是实现巨大跳跃式进步的一年。得益于数据共享联盟,人工智能所需要的数据变的更容易获取。这样有助于自动驾驶等级的提升。”

  AppsFlye全球市场部副总裁Ran Avrahamy:

  “越来越多的公司利用人工智能来推动他们的产品创新,提升服务质量。在这个数字生态系统中的不怀好意者也可以通过同样的方法使得企业遭受巨额损失。而聪明的公司通过投资基于人工智能和机器学习的保护工具来保护自己,从而获得巨大竞争优势。”

  Sweetch联合创始人兼CEO Dana Chanan:

  “人工智能研究在健康医疗领域愈发重要。人工智能通过分析每个人的独特生活数据来诊断和预防疾病。智能手机和可穿戴设备为收集这些数据提供了可能,并将变为诊断和治疗的重要工具。将可以优化每个个体的治疗方案的小数据与发现具有全球影响解决方案的大数据相结合可以极大的预防和治疗许多疾病,人工智能正是其中关键的一环。”

  HERE Mobility高级副总裁Liad Itzhak:

  “2019年是建立高效的城市交通生态系统关键的一年。现在我们的城市主要面临交通、污染、缺少停车位的挑战,在2019年我们能更直观地看到这些的根本原因—城市交通的低效率。构建高效的城市交通系统核心是理解人们是如何出行。城市需要清晰地了解人们始发点与目的地、出发时间和交通方式。人工智能恰恰能精准的透视这一切,帮助培养预测能力,极大改善我们的出行方式。”

  Taranis的联合创始人兼CEO Ofir Schlam:

  “人们总是担忧人工智能对农业的影响。事实上,未来的精准农业和获得更好收成的关键离不开人工智能、图像和传感器。它们可以掌握1000英亩农场的种植数据。现在农场主们正在面临劳动力短缺和缺乏专业性的问题。食物的需求正在增加,但农业却并不具有吸引力,尤其是商品粮作物。全世界范围内的农场都将用人工智能技术来弥补劳动力的缺口。”

  Teradata全球新兴实践的副总裁Atif Kureishy:

  “实体零售行业将投入更多的精力关注人工智能,用以提高客户体验、利润和保持竞争力。在2019年我们能够看到新的数据源(监控摄像头、机器人等)和实现以上目的的人工智能模型。但现在面临的主要挑战是如何将人工智能应用于数以千计不同布局和基础设施情况的零售网点中。”

  Unbounce联合创始人兼CTO Carl Schmidt:

  “我预计基于人工智能的归因工具将会取得进步。在今天的数码环境下,总结归因仍是一项富有挑战性的工作。企业们仍然是从各个方面拼凑数据,试图掌握各个市场渠道创造的利润。人工智能能排列出客户的历程并识别客户何时来何时走。运用了人工智能归因工具的公司将会获得竞争优势。”

  GlobalWebIndex高级趋势分析师Chase Buckle:

  “第三方数据的未来对市场营销人员在科技飞速发展的环境中保持竞争力十分重要。一些著名公司的隐私丑闻和全面数据立法达到高潮,迫使消费者重视他们的浏览数据,更在意他们是如何被定位成目标人群的。进一步看,第三方数据可以帮助市场营销人员收集消费如何使用新兴技术的。这些数据在制定营销策略时仍是至关重要的。”

  Redwood Software首席创意官Neil Kison:

  “围绕着人工智能在某种抽象形式能够与人类相匹敌的炒作掩盖了一个事实。即能够收集、组织和可操作化人类经验的人工智能工具才是有价值的。人工智能将使人类变得更聪明、更有效率。它同样能是人们更开心的工作,尤其是IT行业。对于IT公司,2019年将实现全流程的自动化。人工智能可以利用用户的集体经验知识和演练千百次流程,IT项目组可以使用人工智能早一步完成流水线应用的开发、故障排除。人工智能将提供他们亟需的帮助,比任何人所能提供的都更经验老到。”

  Cognitive Systems Corp的产品工程部执行副总裁Nebu Mathai:

  “我们离真正的‘智能住房’还很远,这里主要的障碍就是在感觉与行动之间没有联系起来。现如今我们有琳琅满目的技术为我们描述一个美好的未来,但各个设备之间相互独立却把我们拉回现实。消费者要为‘智能住房’赋予智能。射频传感技术和其他网络方案将提高网络硬件的价值。创建认知系统必须结合上述技术,而我们在2019年将看到这些。由一些有远见的公司引领,创建有远见的生态系统来满足消费的需求。”

  Affectiva创始人兼CEO Rana el Kaliouby:

  “随着人工智能在越来越多的应用场景扮演角色,人们不仅会根据它的智商,还会根据情商,以及感知和理解人类所有事物的能力来判断它的好坏。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,因为机构会决定为他们的应用场景选择哪种人工智能解决方案,甚至当消费者决定在家里拥有虚拟助理或智能扬声器等系统时也是如此。”

  Pegassystems决策管理和分析副总裁Rob Walker博士:

  “人工智能的焦点将从智力转移到移情,我们正在超越满足面向消费者的人工智能基本智力,客户希望知道他们被视为个人,而不仅仅是客户数据记录。2019年,供应商将更加注重用同情心使人工智能更加人性化,包括从顾客动机、实时感受、行为,甚至他们周围发生的事情等方面寻找线索。”

  Cloudian CMO Jon Toor:

  “随着企业越来越多地使用人工智能来从其数字资产中获取更大的价值,元数据标记将成为企业存储的一个更加重要的元素。这将使人们更加关注以元数据为中心的对象存储,关键是要与人工智能工具很好地集成。”

  Qlik高级总监Dan Sommer:

  “集中式数据将被所有数据的单一视图所取代,数据来自不同的方向、不同的速度和不同的格式。未来两大趋势正在改变这一局面,首先,不同的供应商正在联手标准化数据模型。其次,更重要的是企业数据目录的出现。这些目录可以在一个中心访问,可以查看整个联合数据产业,并提供一种以商店换数据的市场体验。你共享、协作和使用该中心越多,它对企业越有价值。此外,它将你的分析策略与你的企业数据管理策略联系起来,因为数据已经可以分析了。”

  GoodData首席执行官Roman Stanek:

  “现代企业将继续超越Hadoop等技术。Hortonworks和Cloudera的融合是Hadoop 2019的趋势。二十年前在‘小’数据时代设计的技术将不再支持现代、全球和动态的企业。数据仍然需要管理工具,但是随着人工智能和机器学习的兴起,复杂性将会消失。”

  Wallarm首席执行官Ivan Novikov:

  “随着AI应用程序变得越来越复杂,也暴露出越来越多的漏洞。单靠人工手动修补漏洞已经越来越不可能,机器学习和人工智能将继续被用来更有效地减少漏洞,并获得更准确的结果。”

  Linux基金会研究主任Ibrahim Haddad:

  “2019年将是开源人工智能的一年。我们已经看到公司开始开源他们的内部人工智能项目和堆栈,我预计这将在未来一年加速。这与云计算类似,云计算已经大力转向开源——增加了创新,加快了上市速度,降低了成本。但构建平台的成本很高,业界正在认识到模型、训练数据和应用程序的真正价值。我们将看到围绕一系列关键项目的协调,为人工智能、机器学习和深度学习创建一个全面的开源堆栈。”

  FaceFirst首席执行官Peter Trepp:

  “人工智能将被用来帮助商店提升顾客体验,以以前不可能的方式建立用户粘性。当顾客在网上购物时,他们经常收到个性化的推荐和优惠。2019年,选择参加面部识别计划的顾客将获得众多店内优惠,包括个性化折扣、白手套服务和更短的等待时间。零售商最终将能够在商店中为顾客提供与在线同等水平的个性化服务。”

  OXX联合创始人Mikael Johnsson:

  “人工智能将开始嵌入到更多的企业应用程序中,尤其是知识工作者的应用程序中,人工智能和数据分析将在支持甚至决策方面发挥越来越大的作用。它还会不断推出新的方法,这些方法可以根据实际的实时数据进行学习和调整。”

  彭博首席技术官办公室数据科学主管Gideon Mann:

  “因为公司认识到,没有高质量的数据,人工智能是无法构建的,所以他们将越来越多地求助于专门的供应商,这些供应商利用关键的数据资源来帮助他们理解非结构化数据。例如,彭博正在建设金融领域特有的NLP图书馆。”

  Finn AI首席执行官Jake Tyler:

  “2019年,我们预计人工智能中测量和测试偏差的框架和标准会有重大进展。我们将会看到对人类判断力的需求增加,因此,这类工作、标准和协议也会增加。我的预测是,这背后的势头将会随着企业在事情出了问题后寻求降低风险而增强。”

  Ciena软件和服务副总裁Kailem Anderson:

  “我们将看到人工智能( AI )作为修复者和优化者的角色出现,以增强IT运营。初始应用程序将倾向于关注安全功能,如DDoS攻击缓解和实时自动路径选择。最终,使用将包括人工智能定义的网络拓扑和基本操作,这将帮助我们打造一个以自动驾驶为基础的网络。”

  LogMeIn首席信息官Ian Pitt:

  “2019年,IT内部人工智能( AI )的爆炸式增长将带来许多好处和节省时间的机会,但这将要求IT决策者( ITDMs )发展成为战略顾问,而不是被动的角色。人工智能不会在一夜之间取代整个IT团队,也不会因为当前技术的应用而很快关闭。然而,随着人工智能开始侵蚀IT服务台对人员的需求,我们将看到那些希望生存的ITDMs做着他们应该做的事情——成长,扩展到更高价值的领域,并与业务保持密切关系。未能发展到这一战略领导地位的ITDM将被淘汰。”

  Mitek Payments的总经理Mike Diamond:

  “人工智能驱动的银行‘出纳员’将成为常态。银行分支机构的整合将让位给下一个大趋势——interactive kiosks。使用人工智能和数据分析,这些“柜员”将根据生命周期、交易历史等,提供个性化体验,让用户与合适的柜员相匹配。许多银行已经看到虚拟助理在他们的移动应用中取得了成功。2019年,我们预计人工智能技术将超越移动应用,15 %的银行将推出interactive kiosks。”

  Avaamo创始人兼CEO Ram Menon:

  “人工智能将越过炒作期,实用人工智能将会前行并专注于让购物变得更容易,让患者参与更好,让律师更聪明,让网络安全更强。在2019年,我们不会看到无人驾驶的汽车不会撞车,但是人工智能将会以新的有趣的方式提高工作效率。”

  Sutherland首席分析官Phani Nagarjuna:

  “2018年是机器人的一年,在接下来的一年里,我们将看到普遍的分析和基于意图的人工智能进一步跨越这一步,它更强调专业服务平台的重要性,这些服务平台可以简化IT支持管理,并允许即时提供知识。”

  Nyotron CTO Nir Gaist:

  “人工智能和机器学习( ML )在过去几年里一直是安全行业的‘silver bullets’。但恶意软件作者可以“训练”或调整他们的恶意软件,以避免使用相同的精确算法进行检测。攻击者还可以毒害ML模型在训练中使用的数据,因为算法需要大量的数据才能工作,所以很难消除用虚假信息毒害学习环境的情况。我们认为,2019年,恶意软件的重大攻击或压力将是来自于利用人工智能。”

  六

  Radial工程和设施部高级总监Brad Taylor:

  “人工智能有可能以多种方式影响零售业,但最显著的是,在2019年,我们可以预见供应链中产品创新的增加。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、加快交付和客户服务能力来降低总体成本,我们可以预期越来越多的公司会实施这样的解决方案,从而改变2019年零售业的面貌。”

  MediaMath首席科学家Prasad Chalasani:

  “深度学习模型被证明容易受到数据中难以察觉的干扰,这使得模型做出错误的预测或分类。随着对大型数据集的依赖越来越大,人工智能系统将需要防范此类攻击数据,精明的广告商将越来越多地研究对抗性ML技术,以训练模型抵御此类攻击。”

  SAP数字供应链总裁Hala Zeine:

  “人工智能将增加一层额外的可预测性,使公司能够从物联网设备和过去的客户行为中看到模式并获得总结,最终使供应链更加智能,导致更快、更高效的生产和实现,以及更快乐的客户。在2019年及以后,我们可以期待人工智能将供应链从反应性提升到规定性水平,帮助公司比消费者不断增长的期望领先一步。”

  Quest Analytics董事会成员Frank Ingari:

  “2019年,随着主流非先锋机构将人工智能驱动的临床决策支持工具应用于日常工作,包括美国的放射分析以及非洲和南美洲的肿瘤药物选择,人工智能将在医疗保健领域“跨越鸿沟”。此外,随着分子生物学的进步,许多“常见”疾病实际上是罕见的子形式集群,人工智能将发现隐藏在大量大数据中的高价值小数据(如不寻常的基因特征)。

  NICE Inconact细分和产品营销副总裁Chris Bauserman:

  “顾客自助服务的人工智能并不像炒作所显示的那样成功。2019年,许多公司将采取一种分离的方法——更积极地使用人工智能来自动化重复性的代理电话后工作,以及更有针对性地使用简单和大量的自助服务用例。”

  CommerceCX战略和客户体验主管Rob Maille:

  “随着我们进入2019年,RPA(机器人过程自动化)将对零售、制造、供应链甚至金融等行业的运作产生更大的破坏性。在2019年,我们可以预计软件机器人和人工智能( AI )将会得到更广泛的应用,因为企业希望利用自动化来增强其整体商业生态系统。”

  Actian研发和支持服务公司SVP Ragu Chakravarthi:

  “随着人工智能应用越来越受欢迎,一项关键的技术将是能够处理不断用操作数据更新的更大数据集。快速访问历史数据以及当前事务和实时输入对于为企业提供更多价值至关重要。有了正确的数据货币和质量,人工智能将从特殊项目进入生产。”

  Voxpro首席执行官Dan Kiely:

  “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态度。进入2019年,企业应该关注人工智能的安全性,利用新兴技术来保护他们的客户。从购买的角度来看,也从潜在的数字威胁来看,这些威胁试图窃取客户与品牌共享的信息。”

  SAP 机器学习 SVP Markus Noga:

  “智能机器人流程自动化将成为业务关键,因为公司将需要高自动化水平,才能在2019年成为智能企业。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来自动化企业的客户支持。这两种技术的结合是实现更快、更有效和更智能人工智能的下一个重大里程碑。”

  Quanterix总裁兼董事长Kevin Hrusovsky:

  “人工智能( AI )将使远程监控我们的健康成为可能,并自动建议改善生活方式,这有助于预防疾病,或者在疾病更容易治疗的时候发现疾病。我们已经开始看到这一点,FitBits提醒我们按照日常步骤或糖尿病技术监控我们的血糖,但这只是开始。2019年,我们将看到健康可穿戴设备在市场上的增长,这些设备使用人工智能来跟踪大量的情况,如血压,描绘一个人健康的更全面的画面,因为它会实时变化。”

  七

  NICE机器人流程自动化负责人Oded Karev:

  “2018年,许多启用人工智能的自动化项目都失败了,因为它们瞄准了错误的自动化流程。2019年,公司必须评估应该考虑哪些参数——例如任何给定流程的用户数量、处理时间和复杂性(即涉及的应用程序数量、执行的操作类型等)。)中。如果将这些因素考虑在内,这将有助于确保自动化的流程将为公司带来可观的投资回报。自动化错误的流程只会导致挫败感,并阻止组织走向成功的自动化之旅。”

  B.Yond数据科学VP Johnny Ghibril:

  “随着我们进入2019年,美国的电信运营商都将制定一项战略,并分配预算,将运营中的机器学习货币化。然而,人才短缺会影响每个人,并使公司的交付能力受到压力,除非他们有强大的扩展战略。有大量初级数据科学家,他们将是解决这些短缺的关键。”

  Synopsys安全技术副总裁Gary McGraw:

  “机器学习将继续发展,但偶尔也会遭遇荒谬的失败。在社会方面,人工智能/ML所揭示的一些固有的社会规范将继续受到冲击。当机器向人类学习时,它们会养成一些坏习惯和一些道德上可疑的习惯。谁知道我们作为一个物种如此可怕?”

  Bigttincan联合创始人兼首席执行官David Keane:

  “请注意寻找那些基于知识本体的数据科学项目,以是对现有的机器人和机器学习的补充,并将在2019年完善数据科学和人工智能的业务方法,并为这些技术如何提高工作效率方面设定标准。知识本体具有将各种数据集链接在一起并从中得出结论的能力,使基于本体的系统在2019年成为企业和企业组织的一个尝试”。

  CGS高级副总裁兼全球CIO John Samuel:

  “企业不应该关注2019年的人工智能热门话题,而应该关注人工智能如何为企业提供价值。人工智能应该有助于减轻日常业务的干扰,同时增强公司未来的技术实力。”

  Perfecto软件传播总监Eran Kinsbruner:

  “我们将会看到ML/AI工具的探索和采用大幅增加,这些工具可以帮助开发移动和web测试场景,而无需编码(无代码测试),还可以加快代码验证过程,稳定性也更强。在智能决策和质量分析方面,基于ML/AI的解决方案可以自动进行数据切片和切割,并为DevOps(一组过程、方法与系统的统称)测试中检测到的问题提供快速分析。”

  Outsystems AI主管Antonio Alegria:

  “2019年,利用人工智能提高开发者生产力的研究项目和公司数量将呈指数级增长。我们预计到2020年,所有开发者都将得到人工智能的帮助,AI能理解开发人员的意图,并提出下一个最佳模式,并在产品投入生产之前发现问题。这将使公司能够持续改善产品体验,并以前所未有的速度响应市场需求。”

  Mimecas首席科学家Nathaniel Borenstein:

  “人工智能将越来越多地用于检测垃圾邮件、网络钓鱼等虚假行为。未来一年技术将继续进步,应该会发展良好。然而,它偶尔的错误会给企业带来重大问题,比如财务和声誉损失。”

  ZL Technologies首席执行官兼联合创始人Kon Leong:

  “2019年,企业将更加关注数据隐私行为,以遵守欧盟法律( GDPR )或州法律(如CCPA )。企业高管会十分关心他们的受托责任,以确保采取适当措施防止这种严重罚款,这种罚款可能造成严重的财务困难或声誉损害。”

  MobileIron首席战略官Ojas Rege:

  “在2019年,数据将会更加透明。包括如何收集数据,与谁分享这些数据,以及他们最终对这些数据做了什么。虽然这将会感觉过于“敏感”并且对一些供应商有所限制,但是对于长期的商业生存能力来说,在他们的用户群体中建立信任是绝对必要的。没有透明度,就没有信任。没有信任,就没有数据。没有数据,就没有人工智能。”

  八

  Augury联合创始人兼首席执行官Saar Yoskovitz:

  “ 2019年是人工智能释放工业生产力巨大价值的一年。越来越多的公司将通过垂直解决方案进入市场,这些解决方案在培训模型或解释结果方面几乎不需要专业知识,任何人都可以使用这种专注的方法,并且可以在很大程度上实现非常快速的价值实现。这种转变将提高生产力和安全性,并将为整个行业的新业务模式打开大门。“

  SAP首席创意官Timo Elliott:

  “人工智能最大的价值将是我们认识到我们是‘优秀的团队成员’。前几年业界关注的是单一算法比个人做得更好,2019年将开始关注在复杂任务上合作的算法集合。机器凭借它们的速度、缺乏自我意识和内在利他倾向,目前迹象表明人工智能团队的表现将很快超越人类同行。”

  Zipponosis首席执行官兼联合创始人Jon Pearce:

  “人工智能为医疗保健提供了真正的变革机会,尤其是在虚拟医疗领域。我们所知的远程医疗正在迅速成为过去,而虚拟医疗才是数字未来,人工智能将引领行业的下一次迭代。最重要的是,随着这些人工智能工具掌握在供应商和医疗保健机构手中,数字化体验可以增强而不是取代患者与供应商之间的关系。”

  Parxel综合解决方案副总裁Isabelle deZegher:

  “2019年是我们拥有一切可以使用数字技术的一年,这一年将区分落后者和领导者,为有远见的组织提供竞争优势。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,取得微小进展,但没有意识到变革的速度比过去20年加快。领导者是那些准备在他们的组织中进行数字转型的人,将利用大数据和人工智能来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——药物开发时间表增长25 %,平均达到惊人的12年,并更快地将急需的疗法推向市场。”

  Cogito CEO兼联合创始人osh Feast:

  “2019年,随着人工智能透明度的提高,人们会更好地理解人工智能并不是一个包罗万象的术语,而是一套更明确的功能,可以更好地运用于简单的任务,一些更复杂的事情才需要人类来做。这将减少对机器收购的恐惧,并让更多人接受新的创新。”

  Scale Computing CTO Alan Conboy:

  “2019年,人工智能( AI )和机器学习( ML )将通过分布在全球的边缘计算平台更快地连接和处理数据。人工智能和ML理解已经可用,但可能比云平台或传统数据中心要慢一些。我们已经从航空制造和服务、政府防御机构对黑客的反应以及个人助理对未来在线购买的建议中看到了这一点。”

  Exabeam的解决方案架构师Stephen Galey:

  “2019年似乎将是机器学习和人工智能的一年。这些工具已经有了,但由于无法将这些新功能与适当的新工作流和SOC实践相匹配,这些工具的使用往往会被延迟。明年应该会看到一些不靠谱的人工智能项目逐渐消失,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,因为一直在努力开发这项技术的大公司试图收购这项技术。2019年是投资有真正能力的机器学习安全初创公司的一年。”

  Sinequa产品营销总监Scott Parker:

  “到2019年,我们可能会看到更多的聊天机器人和无人驾驶汽车。聊天机器人AI能力的提升,将为创新客户服务团队创造机会,从而让他们超越竞争者。2019年也是无人驾驶计划的重要一年,将利用经验数据,不断改进算法和硬件处理能力。

  WhiteHat Security公司战略VP Setu Kulkarni:

  “随着人工智能和ML成为主流,一种新型职位——数据安全科学家将在2019年出现,他们需要了解计算机科学、数据科学等多门学科,最重要的是,他们要能够区分好数据和坏数据,以及好结果和坏结果。我们发现,数据安全专家能够首先理解我们今天可以获得的安全数据,一旦处理和解释了这些数据,人工智能和ML技术就可以使用这些数据来实时实现安全自动化。”

  Plutora CMO Bob Davis:

  “2019年最大的技术趋势将是机器学习/人工智能对软件质量的影响。过去,我们设计的交付流程是精益的,减少或消除浪费,但对我来说,这是一种过时的、半杯空的流程。在2019年,如果我们想充分利用ML/AI,我们需要理解浪费的反面是价值,并从另一个角度看待变得更有效率意味着增加价值,而不是减少浪费。”

  九

  Mya Systems产品管理VP Connie Schiefer:

  “公司会意识到人工智能是对内部流程转型的投资,而不仅仅是一种可以提升效率的功能。AI技术供应商将使人工智能工具和平台更容易实施和安装,能够在组织内真正创造这种变化的技术领导者和试图利用这种炒作的技术领导者之间的差异将变得越来越鲜明。”

  ThoughtSpot首席执行官Thudheesh Nair:

  “过去20年来,随着以Sears为代表的传统公司逐渐退出市场,世界经济的中心已经发生了变化。但这只是开始,大型科技公司已经开始利用他们在人工智能和数据方面的优势,超越传统市场,进入全新的市场。亚马逊专注于娱乐和医疗保健,谷歌正在关注交通的未来,没有一家公司可以避免人工智能驱动的经济,我们将看到这一趋势在明年继续加速。如果公司愚蠢到止步不前,他们将很快跟随Sears的脚步,无法适应人工智能和ML主宰的新数字世界。”

  Everseen CEO Alan O’Herliy:

  “2019年将是人工智能公司开始摒弃提升硬件和流程的一年。相反,他们将着眼于整体生态系统,重新想象和重塑我们设计过程的方式。这一流程改革的技术将会带来巨变,但我们将会意识到,更大的机会在于使用先进的技术来优化与业务流程交叉的任何地方的人类行为。”

  Albert Technologies首席执行官Or Shani:

  “2019年,我们将不再怀疑也不担心人类在第四次工业革命中的角色,很明显,机器和人类之间的关系不是独立的,而是高度共生的。我们将会意识到将人类洞察力与人工智能结合起来对于发挥人工智能和人类的潜力是多么重要。我们已经看到人工智能解决方案在部门和企业层面都取得了成功,这些解决方案利用人类提出更大的战略愿景,并促使我们更加了解人类复杂过程的本能和直觉。

  Bluecore CEO Fayez Mohamood:

  “大多数早期的商业人工智能应用都围绕着预测性和规定性分析,利用人工智能来增强人类的决策能力。2018年,随着人工智能深入研究,不仅能预测,而且采取了商业行动。2019年,Bluecore将会更多地采用深度垂直特定的AIthat,这将会在整个供应链中自主采取高价值的商业行动——从采购、仓储、信息传递到客户服务管理。”

  Epilogue Systems CEO, Michael Graham:

  “几乎所有软件公司都知道用户在应用程序中的每一次点击,但缺少对用户需求以及他们成功还是失败的真正理解。2019年将是人工智能驱动技术开始理解用户意图和基本软件功能之间区别的一年。有了这些信息,公司可以针对个人、团队和功能改进工作。软件公司可以主动干预那些正在走向次优结果的客户。此外,这将告知软件公司及其客户应用程序或业务流程优化的潜在需求。”

  Montagon首席执行官Kurt Heikkinen:

  “2019年,虽然在招聘过程中早期使用人工智能的机构已经看到了有希望的结果,但是很明显,这种技术仍处于早期阶段,人工智能正在被用来告知更好、更快和更明智的招聘决策,而不是做出这些决定。然而,我们可能会看到人工智能得到更广泛的应用,以减少招聘人员花在日常工作上的时间,这样他们就可以将时间用于和更有意义的候选人互动。”

  Noble教育公司数字解决方案总裁Kanuj Malhotra:

  “我们预计2019年人工智能将在高等教育中得到更多的应用,因为各机构将继续其数字转型之旅,并希望吸引学生对适应性、参与性学习体验的偏好。尤其是千禧一代,他们的学习偏好将会与他们之前的几代人有所不同。人工智能教学助理、在线课程和写作中心,将开始在校园中更频繁地使用。”

  HighGround/YouEarnedIt总裁Andee Harris :

  “随着自动化技术在2019年创造了很多应用场景,对于公司来说,思考技术的冲击在短期和长期内将如何影响他们的企业文化是很重要的。在一些每天都会接触人工智能的公司,需要从一开始就了解员工的看法。在推出任何新技术平台之前,企业需要想好改产品将给公司带来的价值,它将如何更好地影响员工,以及将对生产率和参与度产生的积极影响。只有通过这样做,当实施新技术时,公司才能建立成功的团队。”

  Insureon总裁Jeff Somers:

  “我们预计,人工智能将在2019年保险业变得更加突出。但同时我们也不认为人工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帮助代理商成为他们客户的更好顾问,但在保险行业,人情味总是很重要的。”

  十

  QuantExa公司COO兼产品主管Imam Hoque:

  “随着人工智能继续流行,不可否认的是,自动化决策将取代传统白领。这意味着人工智能系统将代替人类来决定从批准贷款或决定客户是否应该被解雇到识别腐败和金融犯罪的任何事情。这与机器人过程自动化( RPA )不同,RPA只是模拟人类的决策。相反,真正的人工智能系统将超越人类的能力。我们还可以期待人工智能有更深入的理解——包括竞争优势分析、降低运营成本和裁员。期望看到这种C-suite理解会引发工会和工作保障方面的问题,这是重大运营变化的结果。”

  Filetack首席执行官Sameer Kamat:

  “虽然智能虚拟助理和会话式人工智能在2019年将获得很大的注意力,但机器学习及超级人工智能的一大焦点将是理解内容。人工智能将被用来过滤出什么是真实的,什么不是,什么是适当的,什么不是。虽然在更好地理解这种背景下的内容方面会有所进步,但更大的挑战是在不施加偏见的情况下训练数据。这种‘第22条规则’使得这个问题极难解决,但在2019年,这个问题将会引起很多关注。”

  Figure Eight 业务开发副总裁Dale Brown :

  “除了公司内部对人工智能的需求增加,我们还看到专业数据科学家持续短缺。为了推动人工智能的应用,人工智能平台需要赋予传统开发人员工具,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台,允许开发人员注释和标注提高模型准确性所需的数据。”

  Anki的联合创始人兼总裁Hanns Wolfram Tappener:

  “对美国和欧洲最大的威胁是来自中国的人工智能的快速发展。毫无疑问,中国是一个人工智能大国,如果我们不小心的话,它将完全超过西方。为什么?因为人工智能的成功取决于大量结构化数据的可用性。在中国,用私人的个人信息换取少量的货币价值/福利是社会可以接受的。,这给了在该国经营的公司比我们的公司更大的优势。如果我们想要竞争,需要一个快速解决数据问题的方案。”

  埃森哲应用智能公司搜索和内容分析常务董事Kamran Khan:

  “对支持人工智能的搜索和分析解决方案的需求将在2019年变得更加普遍。传统的搜索功能将让位给认知搜索的出现,从而产生人工智能驱动的解决方案,帮助企业摆脱数据陷阱,获得更有价值的知识和见解。到2020年,认知搜索将精简信息,将被动搜索减少20 %,企业需要在未来一年为此做好准备。”

  Aptos零售创新副总裁Nikki Baird:

  “2019年,我们将看到更多的公司转向‘玻璃盒’人工智能——更透明的人工智能,能看到技术在不同数据点之间的联系。例如,‘玻璃盒’AI不仅告诉你有一个新的零售机会,还揭示了这个机会是如何在数据中被识别出来的。这也为零售商提供了一个机会来检查他们的数据——他们获取的任何公共或聚合数据,以确保人工智能没有在“垃圾输入,垃圾输出”下做出错误的假设。

  Pexip建筑副总裁Jordan Owens:

  “随着云计算驱动的人工智能( AI )功能的日益普及,AI将在2019年进入视频会议,涵盖从会议室活动效率分析、理解参会者对信息的反应、自动加入程序以及平台利用率等各个方面。正如我们所知的那样,人工智能现在可以随时帮助预测性分析并将数据转化为可操作的见解。”

  Acast联合创始人兼首席产品官Johan Billgren:

  “我们将在不久的将来看到音频内容和书面内容之间的界线消失。所有的音频将以今天基于文本的网络一样的方式进行搜索,所有的文本都可以用你最喜欢的声音作为音频读给你听。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人类的对话,他能即时获得世界上所有的知识。”

  BluVector CEO Kris Love Joy:

  “2019年,我预测很明显,那些基于人工智能技术处于创造和监管真相边缘的信息和分析系统,本身就是‘偏见’问题的一部分。这将导致我们看待真相的方式发生根本性转变——不是以二进制方式,而是作为一个光谱上的点,潜在的信息系统和分析系统因为无法衡量或加强其潜在数据集和分析方法的完整性而受到攻击。”

  ISG首席分析师Blair Hanley Frank:

  “我预计2019年将是利用人工智能生产应用激增的一年。市场上可用的工具和模型已经准备好迎接黄金时代,这意味着各种规模的公司部署智能应用程序将更加容易。除此之外,我们还将看到关于人工智能伦理道德争论会更多,而人工智能专家在这一争论中有很大的影响力,因为没有他们的帮助,这些服务最终无法运作。看看这个过程中会出现什么样的规范将会很有趣。”

  Absolutdata首席执行官兼联合创始人Anil Kaul:

  “对于企业来说,2019年是早期选择做人工智能平台公司的一年,他们将会比创新性较低的竞争对手有更大的飞跃。就市场份额和利润增长而言,将会有明显的赢家和输家。正是在这个阶段,持续的数据模式刺激了深度学习,从而带来了更大的市场发展。

  Alion设计和战略计划副总裁,联合创始人Aaron Kalb:

  “对于所有关于机器学习和人工智能的模糊宣传,行业将会经历进一步的幻灭。他们会越来越意识到,准确的预测不仅需要大量的训练数据,还需要一种特殊的数据类型——行为元数据。对这些数据的分析可以被挖掘出来,以便更好地让人们关注哪些数据被使用,哪些数据有用。随着ML/AI越来越流行,我们将会看到行业对这种影响驱动的技术和行为元数据产生强烈的兴趣。”

  Kinetica首席技术官和联合创始人Nima Negahban:

  “去年是数据科学家的一年——企业非常注重雇佣数据科学家并赋予他们权力,以创建先进的机器学习模型。2019年也是数据工程师年,数据工程师的需求很大,他们专门将数据科学家的工作转化为针对企业的强化的、数据驱动的软件解决方案。这包括创建深入的人工智能开发、测试、开发和审计流程,使公司能够在整个企业中大规模整合人工智能和数据管道。”

  Allego首席执行官兼联合创始人Yuchun Lee:

  “人工智能将使销售的接单环节更自动化,并推荐成功的销售代表成为买家顾问,帮助双方发现为他们的购买和销售决策提供信息所需的关键资源。人工智能驱动的创新将预测销售问题和买家的反对意见,并加以分析以更好地预测买卖双方合作成功率。在售后阶段,人工智能可以精确定位最佳实践,并确定影响客户体验的因素,以帮助口碑销售。最后,人工智能将迅速培养出一名更易于指导、更了解客户的销售代表,他更聪明、更敏捷,更容易成功销售。”

  Vaynersmart总监Claire Mitchell:

  “在接下来的几年里,人工智能将越来越多地被用来根据特定环境中的相关内容,为特定受众动态修改和提供创造性内容。虽然创意团队和设计师仍将决定给定内容的美感和基调,但作为生成框架的设计师,他们的角色变得更加重要,他们决定了体验中哪些元素可以变得灵活,同时仍然保持创意概念的核心。”

  TechStyle首席执行官兼联合创始人Adam Goldenberg:

  “2018年许多零售商和品牌对人工智能及其潜在的使用案例更加熟悉,2019年这些应用将付诸实施。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2019年将通过新的个性化设计更加明显,采用人工智能优化客户体验的品牌将会看到效果。”

  Deep North总裁兼首席执行官Michael Adair:

  “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——更有效地从我们历史上一直熟悉的大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点,通过引入全新的数据集来改变现状,解决我们不知道能够解决的问题。视频人工智能将是一个很好的例子,有助于将物理环境转变为可操作的数据,零售和其他行业的公司可以利用这些数据来加强前所未有的客户体验,并释放出他们甚至没有想过要推向市场的新服务和客户价值。”

  Campaign Monitor营销活动监测部首席产品官Cody Bender:

  “个性化长期以来一直是营销人员的圣杯,每个人都通过了解顾客关心和参与的内容来提高业绩。今天的营销人员拥有比以往更多的行为数据,但是他们通常没有时间、资源或知识来恰当地使用这些数据来定制他们的方法。2019年,人工智能技术将解决这一问题,最终惠及客户和业务成果。”

  甲骨文HCM Strategy GVP Gretchen Alarmcon:

  “2019年将是人工智能应用落地的关键一年——这将是我们从谈话转向影响力的一年。我们将开始看到人工智能通过数字助理,无论是语音、短信还是其他渠道,更深入地融入到日常员工体验中。我认为,我们还会看到基于人工智能的数字助理对新员工来说更具前沿性,在入职或技能培训等过程中发挥更大的作用。”

  Intersen Bioscope首席执行官Aldo Carrasco:

  “2019年,我们开始看到在如何将人工智能应用到一个传统上且由人驱动的过程上取得了真正的成果,这个过程过去需要几周的时间,现在需要实时监控。如果应用得当,简化和加快这一过程可以确保工作流程中的任何变化,从样品收集、处理,一直到仪器摄取都被极大地减少。因此结果变得极其可重现,并且在几秒钟内就可以获得潜在的可操作和临床相关信息。”

  十二

  Sumo Logic的联合创始人兼首席技术官Christian Beedgen:

  “支持人类和算法的数据收集仍在继续,并提出了重要的伦理问题,这是我们在未来几年需要密切关注的问题。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永久化,自动决策很难以解释和证明。当我们陷入思考数据和算法结合起来创造客观事实的陷阱时,对这样的决定提出质疑就更加困难了。随着更大的决策权带来了更大的责任,人们将越来越多地为自己企业所做决策的影响负责。”

  Avest软件AI主管Rajarshi Gupta:

  “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,其中奥巴马总统以令人信服的方式发表了假句。很快,我们可以期待看到这一概念演变成一种新的网络犯罪,在这种犯罪中,恶意内容由人工智能算法自动生成。我们将这一新的类别定义为“深度攻击”深度攻击可以通过在恶意软件文件中生成代码、在僵尸网络中创建虚假网络流量,或者以虚假URL或HTML网页的形式来大规模展示自己。明年,我预计黑客会更频繁地部署深度攻击,试图避开人眼和智能防御。”

  英特尔人工智能产品集团首席技术官Casimir Wierzynski:

  “确保数据隐私,进而确保客户隐私,是我们实现人工智能优势必须解决的挑战。在2019年,我们将看到更多的解决方案出现,以确保用于人工智能的数据加密。最令人兴奋的新兴加密技术之一是同态加密(homomorphic encryption),这是加密数据的一种特殊方式,这样第三方就可以对加密数据进行操作,并仍然使用保护隐私的机器学习技术来收集有价值的见解。我们看到这项技术已经出现在神经科的讨论中和一些公共解决方案中,并且预计人工智能隐私和加密方面的创新将在明年爆发。”

  OXX联合创始人Richard Anton:

  “人工智能将指数级提高检测恶意行为的能力,这对网络安全产生巨大影响,并最终显著提高人类有效分析数据的能力,这将通过机器学习带来更快的检测和响应能力。然而,实事求是地说,人工智能不可能完全消除安全漏洞。这是可接受的误报率(合法活动因被错误评估为恶意而被阻止)和误报率(恶意活动未被识别为恶意活动)之间权衡取舍的典型案例。要将假阴性率降至接近零,合法活动的高得令人无法接受的比率将不得不被阻止。”

  Brodmann17联合创始人兼首席执行官Adi Pinhas:

  “在2019年及以后,人工智能将越来越多地存在于边缘,因为对隐私、安全和延迟的担忧使得边缘人工智能优于依赖集中式人工智能系统的传统方法。然而,制造商们正努力应对在基于边缘的产品中运用人工智能的后果,这主要是由于运行人工智能所需的昂贵、庞大和耗电的硬件。他们正在寻找更轻薄、低耗能电池、更经济实惠的嵌入式解决方案。”

  Digimarc CTO Tony Rodriguez:

  “基于数据和人工智能驱动的零售模块化实际上会导致商店内部的动态重组。随着季节的变化,这种情况已经发生了,比如随着夏天的临近,烧烤用品会被移到显眼的位置。但是现在有可能进行更精细的改变。例如,婴儿食品和汉堡在周日-周二移动到上限,但是薯条和啤酒在周四-周六移动到上限。周末扔掉几个中心商店的固定装置,为橄榄酒吧的安装腾出空间,按周翻转商店布局。”

  Ginger.io联合创始人Karan Singh:

  “人工智能和增强智能将有助于解决我们国家的精神健康危机。根据美国国家健康研究所的数据,近五分之一的美国成年人患有某种形式的精神疾病。人工智能将有助于扩大获得合格医疗服务的范围,并使人们能够负担得起获得适当水平的医疗服务。结合远程治疗和远程精神病学等技术,它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有助于临床医生跟踪患者历史,识别危机时刻,并为个人提供个性化护理,以减轻症状和改善结果。

  SecBI的CEO Gilad Peleg:

  “人工智能将越来越多地为网络攻击提供动力。事实上,可以合理地假设,人工智能黑客大军将拥有更大、更快的渗透率和更高的自动化程度,从而让黑客在执行网络攻击时取得更大的成功。通过机器学习和人工智能驱动的响应,安全团队可以自动进行分类和优先排序,同时将误报率降低高达91 %。企业将寻求创新的解决方案,使他们能够在下一个未知威胁面前保持领先。”

  IRONSCALES创始人兼 CEO Eyal Benishti:

  “在2019年,人工智能技术将最终不仅能够帮助识别攻击,还能为安全团队如何应对威胁提供循证指导。在许多情况下,人工智能将能够在没有SOC团队干预的情况下做出反应。因为人工智能在不断学习,所以该技术随时准备与攻击者保持同步,不断改变工具和技术。总的来说,人工智能消除了许多传统上减缓进程的挑战和负担,从而加快了从攻击识别到补救的时间。这种人工智能驱动技术的实施将大大降低各种规模的企业的风险。”

  PROS首席人工智能策略师Michael Wu:

  “机器将开始理解因果关系——今天,当机器(如聊天机器人和虚拟助手,如Siri和Alexa )回应我们时,它纯粹是基于相关性。他们不了解因果关系。但是随着机器获得更多不同的数据源,它们将开始更好地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了解因果关系。2019年,我们将看到这一点随着机器的出现而实现,因为我们收集并提供给它们更多不同的数据源,使它们能够建立条件概率分布来理解因果关系的方向。”