人工智能作为技术前沿备受瞩目，但一些预期中的成果却难以兑现。本成熟度曲线将追踪AI的发展轨迹及未来创新，旨在明确其技术范围、现状、价值及风险。
2018年曲线五个阶段的关键技术
（一）上升阶段
-
人工智能管理
通过预测模型和算法指导AI应用，优化决策权分配，确保组织对风险的问责。数据源需真实可信，并汇聚不同甚至矛盾的数据，以减轻AI偏见风险。
-
通用人工智能
通用AI（强AI）目前仅限于弱AI，缺乏人类智能的常识、适应能力及广泛自我维护手段。未来实现通用AI可能需要数十年，且很可能是多种特殊用途AI技术结合的结果。
-
人工智能开发工具包
AI开发工具包包括云基AI服务、虚拟助手工具包、设备开发工具包及AI服务SDK，支持软件工程师集成AI到应用中。云基AIaaS平台降低数据科学复杂性，但各供应商在数据准备、模型选择等方面差异显著。
-
知识图谱
知识图谱由节点和链接边组成的网络图数据，适合存储从非结构化资源中提取的数据，并能处理多种用例。应用程序领导者应利用知识图谱丰富数据并发现数字资产间的动态关系。
-
神经形态硬件
神经形态硬件受神经生物学启发，采用非von-Neumann体系结构，适用于深层神经网络及图形分析。尽管面临编程挑战，但随着技术进步，神经形态硬件可能改变DNN的主流道路。
-
人工智能相关咨询与系统服务
此服务帮助客户构思用例、设计业务或优化IT流程，涉及机器学习、深度学习等先进技术。应用于预测及智能搜索，提高数据洞察力和个性化信息提供。
-
人环众包
结合人类智能与算法自动化，提高数据管理解决方案。谷歌、Facebook等公司采用此方法提高机器学习模型准确性，面对质量、安全等挑战。
-
自然语言生成
NLG自动生成数据洞察力的自然语言描述，减少重复分析时间和成本，应用于业务和监管报告、金融服务收益报告等。
-
聊天机器人
独立会话接口，用于社交媒体、服务台等领域。尽管多数聊天机器人依赖简单决策树，但其影响巨大，特别是在客户服务领域。
（二）顶部位置
-
人工智能平台即服务
AIPaaS提供AI模型构建工具、API和相关中间件，使机器学习模型的构建、培训、部署和使用成为云服务。集中在机器学习、自然语言处理和计算机视觉领域。
-
深度神经网络专用芯片
DNN专用芯片加速系统计算速度，谷歌TPU系列提供语音和图像识别等业务推断。其他专用芯片如Graphcore和英特尔LakeCrest也在开发中。
-
智能机器人
自主工作的机电主体，用于制造、分销、零售等领域。智能机器人替代并补充人力资源，提高生产率和安全性。典型用例包括医用材料处理、病人保健等。
-
会话用户界面
用户和机器的会话交互主要发生在自然语言中。CUI呈爆炸式增长，得益于聊天机器人和虚拟助理的普及。
-
智能应用
采用嵌入式或集成人工智能技术，取代人工活动并改进决策支持。AI将成为数字业务的核心，影响企业应用的各个方面。
-
数字伦理
包括进行电子互动的价值体系和道德原则，涉及安全、隐私等方面。随着数据隐私保护法规的增强，数字伦理成为热议话题。
-
图形分析
分析组织、人员和事务间关系的技术，适用于路径优化、市场篮子分析等场景。图形分析技术在多个领域展现强大潜力。
-
目标分析
指定满足预先定义目标的行动方针的分析能力，常用于客户处理、贷款审批等场景。目标分析帮助用户探索多种方案并比较推荐行动方案。
-
深度神经网络（深度学习）
大规模神经网络支持AI最新进展，如亚马逊Alexa、Google搜索能力等。尽管建立和培训系统困难重重，但DNNS对所有行业具有变革潜力。
-
支持VPA的无线扬声器
连接用户与虚拟个人助理服务，如Alexa、Google助理等。随着多模式交互的引入，消费者对VPA音箱的采纳程度高于预期。
-
机器学习
利用数学模型解决业务问题，包括有监督学习、无监督学习和强化学习。机器学习对企业有广泛影响，驱动因素包括数据量增长和复杂性提升。
-
自然语言处理
实现人类与系统间的直接交流，处理语用、语义等方面。随着功能提高和新用例的出现，企业NLP使用增加，但仍需人工干预确保准确性。NLP为企业改善运营和服务提供重要机会。
-
机器人应用自动化软件
结合用户界面识别技术和工作流执行技术，模拟人类使用屏幕和键盘驱动应用程序和执行系统工作。作为“胶水”技术，允许系统将粘合在一起。
© 版权声明
本网站上的所有资源均来源于本网站，所有网址和文章版权均归原作者所有。如有侵权行为，请将相关证明发送至以下电子邮件地址：dxsen@qq.com
