什么是人工智能？看穿炒作，关注商业价值（英）

什么是人工智能？看透炒作，关注商业价值Erick Brethenoux，副总裁分析师 Gartner, Inc. | 730970页 页1/15什么是人工智能？看透炒作，关注商业价值2020 年 7 月 17 日发布 - ID G00730970 - 15 分钟阅读分析师 Erick Brethenoux倡议：人工智能围绕人工智能潜在利益的过热言论正在夸大相关预期。数据和分析领导者必须揭开 AI 的神秘面纱，去除技术术语，并将对话重点放在实际业务问题和可实现的用例上。其他观点■ 摘要翻译：什么是人工智能？看透炒作，关注商业价值（2020 年 9 月 10 日）概述主要挑战■ 营销夸张正在增加围绕人工智能 (AI) 的混乱，导致许多企业努力为创新和差异化的重要来源赋予现实价值。■ 业务领导往往高估人工智能的影响并低估其复杂性——要求数据和分析领导者管理他们的期望，否则冒着代价高昂的项目失败的风险。■ 组织面临的挑战——涉及集成、安全和隐私问题——阻碍了他们有效地将人工智能实践从原型转移到生产。1建议负责评估和实施人工智能技术的数据和分析领导者应该：■ 通过采用基于 Gartner 的 AI 技术框架并通过多渠道教育计划教授的 AI 技术通用分类法来化解炒作。■ 通过识别可以从实施中快速受益的特定业务相关用例，展示 AI 技术的价值。■ 通过在您的组织中展示 AI 技能、解决原型阶段的集成问题并结合各种 AI 技术以实现其完整的表示能力，加强您的 AI 生产工作。 Gartner, Inc. | 730970页 页2/15战略规划假设到 2023 年，供应商销售的 85% 的 AI 解决方案将专注于具体领域和垂直行业。到 2022 年，所有从事人工智能项目的人员都将被要求展示其在负责任的人工智能实践方面的能力和理解。介绍人工智能技术解决了广泛的业务问题并产生了可观的投资回报（从大约 20% 到超过 800% - 请参阅“人工智能和机器学习提供业务影响的五种方式”）。然而，行业、媒体和过度热情的软件供应商所产生的肆无忌惮的炒作正在造成混乱，使组织难以对业务成果设定正确的期望。这种肆无忌惮的炒作催生了没有成功机会的项目。随后，抱有不切实际期望的商业领袖将指责技术和科学无法将铅转化为黄金。人工智能应用先进的分析和基于逻辑的技术（包括机器学习）来解释事件、支持和自动化决策并采取行动。— Gartner 词汇表Gartner 的 2019 年 CIO 调查发现，尽管 92% 的受访者表示他们要么关注人工智能，要么已经启动了项目，但目前只有 19% 的人已经部署了项目。2 在 Gartner 客户调查中，最终用户确定了这些 AI 部署不可持续的广泛原因。数据和分析领导者如何减轻围绕人工智能的炒作的负面影响，同时保持与其创造真正价值的能力相关的热情？这项研究提供了数据和分析领导者可以用来管理业务领导者对人工智能的期望、设定现实目标和提高人工智能项目成功率的方法。分析采用基于 Gartner 人工智能技术框架的通用人工智能技术分类法人工智能技术有各种各样的名称——包括： Gartner, Inc. | 730970页 页3/15■ 专家系统■ 数据挖掘■ 预测分析和机器学习■ 神经网络■ 遗传算法■深度学习许多客户对此感到困惑。 Gartner 的 AI 技术框架由一组计算工程技术组成，这些技术分为七个主要集合（见图 1）。该框架本质上是用例驱动的，但尊重 Stuart Russell 和 Peter Norvig 的参考教科书“人工智能：现代方法”中确立的基本原则。3这是试图在与人工智能相关的术语的“狂野西部”上强加一些秩序。简而言之，人工智能主要是一门计算机工程学科。该学科由旨在解决问题的软件工具组成，而不是复制人脑（更不用说大脑了）。从这个角度来看，人工智能学科（和工具箱）包括一系列基于数学或逻辑的技术——发现、捕获、编码知识，以及使用复杂而巧妙的机制来解决问题。使用这个框架，数据和分析领导者可以看穿炒作，将概念分解成有形的部分，并从 AI 讨论中删除哲学元素。然后他们可以展示这些技术如何解决现实世界的问题。 Gartner, Inc. | 730970页 页4/15图 1：Gartner 的 AI 技术框架今天，三大类技术构成了人工智能的大部分用例。这些类别是不同的，体现了非常不同的方法和技术，这些方法和技术是稳健和成熟的：■ 概率推理：那些从企业收集的大量数据中提取价值的技术（通常被概括为机器学习——见注 1）。这包括旨在揭示大量数据（或维度）中包含的未知知识的技术。这是通过发现与该数据中的特定目标或标签相关的有趣相关性来完成的。例如，这可能包括筛选大量客户记录并确定因素是什么，以及这些因素是如何相互关联的——让组织能够预测这些客户是否是潜在的流失者。■ 计算逻辑：通常被称为基于规则的系统，这些技术使用并扩展了组织的隐含和显式专有技术。这些技术旨在以结构化方式（通常以规则的形式）获取已知知识。这些规则可以被业务人员操纵，而技术保证规则集的连贯性（通过确保规则不会相互矛盾或导致循环推理——这是 Gartner, Inc. | 730970页 页5/15当您处理数以万计的规则时并不那么明显）。一系列新的合规法律将基于规则的方法带到了最前沿。■ 优化技术：传统上由运筹学小组使用，优化技术在管理业务权衡的同时最大化收益。他们通过在给定时间内在给定许多约束条件下找到最佳资源组合来做到这一点。优化求解器通常会生成可执行的行动计划，有时被描述为规范性分析技术。数十年来，以资产为中心的行业（例如制造和公用事业）或职能部门（例如物流和供应链）的运营研究小组一直在使用优化技术。下面的三层代表按成熟度降序排列的新兴技术：■ 自然语言处理 (NLP)：NLP 提供了人类和系统之间直观的通信形式。 NLP 包括旨在识别、解析、解释、自动标记、翻译和生成（或总结）自然语言的计算语言技术（符号和子符号）。语音部分通常留给本质上是信号处理系统的语音处理技术。这就是为什么处理语音到文本或文本到语音功能的应用程序通常由不同的软件解决方案提供的原因。额外的知识能力，例如字典或本体，也是 NLP 系统的一部分。■ 知识表示：知识图或语义网络等能力旨在促进和加速对数据网络和图的访问和分析。通过它们对知识的表示，这些机制对于特定类型的问题往往更直观。例如，在需要绘制实体之间的特定关系（例如调查研究、流程优化或制造资产管理）的情况下，新的知识表示为 AI 技术提供了肥沃的土壤。这些技术包括图遍历、记忆和混合学习（同时使用复合 AI 系统）。例如，在 2020 年上半年，知识图谱技术的采用率出现了关键加速。■ 基于代理的计算：这是该框架中分类的人工智能技术中最不成熟的，但它正在迅速普及。软件代理是代表用户或其他程序的持久、自主、面向目标的程序。例如，聊天机器人是越来越受欢迎的代理。按照复杂度递增的顺序，有五种主要类型的代理系统：■基于反射的代理■基于模型的代理■基于目标的代理 Gartner, Inc. | 730970页 页6/15■基于实用程序的代理■学习代理当今现有的解决方案通常使用两类主要的代理应用程序：1.任务自动化代理可以是通用的（例如，电子邮件系统中的会议安排助理），也可以是更具体的（例如，用于销售自动化应用程序的合同验证软机器人）。2.自主对象程序可以提供诸如自动温度设置之类的功能（例如，在汽车诊断系统或家用恒温器中）。鉴于其操作的分布式和自主性，基于代理的技术还必须处理特定的编排原则。这意味着他们有能力管理分散计算和自组织系统的集体行为，以及这些系统的新兴属性。博弈论和其他复杂系统理论学科可以提供解决软件机构编排问题的技术。图 1 所示框架的左列包括向框架的所有技术提供数据的系统：■ 感知和环境智能系统包括各种先进技术，不断捕获不同类型的数据，包括音频、视觉（如计算机视觉）、嗅觉、触觉和化学数据。这些技术还捕获环境和地理空间输入——并提供上下文和精度，以便开发更有效的分析资产。框架的右栏包括利用洞察力或执行来自框架其他技术的决策的系统：■ 智能流程自动化和智能机器人系统将人工智能技术应用于（数字或物理）执行的自适应和复杂协调，包括反馈处理和“学习”。它还指增强和高级人机交互所需的技术。这需要超越标准机器工程和过程自动化的算法。与普遍看法相反，机器人过程自动化 (RPA) 和非自适应机器人系统不被视为人工智能系统。有关提供本研究中概述的 AI 技术的供应商的代表性列表，请参见注 2。确定从哪里开始实际实施人工智能技术 Gartner, Inc. | 730970页 页7/15人工智能不会生产你购买的很多产品。套用巴斯夫标志性的标语：人工智能不会让你购买的很多软件变得更好，它会让你购买的很多软件变得更好。清楚了解其最终业务影响应该是每个使用 AI 技术的项目的开始。业务线利益相关者应该能够通过以下问题清楚地表达他们期望的有形业务收益：■ 企业试图解决的业务问题是什么？■ 谁是技术的主要消费者？■ 承载该技术的业务流程是什么？■ 如何衡量实施该技术的影响（与更传统的技术相比）？■ 技术提供的价值将如何监控和维护？和谁？■ 哪些业务领域的主题专家可以指导解决方案的开发？任何人工智能战略计划都必须首先关注组织的准备情况。在开始一个宏大的人工智能计划之前，它必须允许学习和实际使用。在没有首先尝试其组件技术的情况下参与人工智能策略是本末倒置。在任何规模的组织中实际引入人工智能技术可以通过五个步骤来实现：1.用例 — 构建有影响力、可衡量和可快速解决的用例组合。2.技能——集合一组与要解决的用例相关的人才。3.数据——收集与所选用例相关的适当数据。4.技术——选择与用例、技能和数据相关的人工智能技术。5.组织——构建专业知识和积累的人工智能知识。这个五步公式（见图 2）是一种引入人工智能技术的战术方法，有利于快速实现价值的观点。这不是一个战略性的、长期的展望，一旦组织在使用这些技术方面确定了其当前的优势和劣势（在文化和技术上），就可以制定它。请参阅“实际实施 AI 技术的 5 个步骤”和“如何从数据和分析投资中优化业务价值......最后”。 Gartner, Inc. | 730970页 页8/15图 2：引入 AI 技术的正确公式在预测即将到来的关键人工智能趋势的同时加强生产工作■ 人工智能集成和操作化：正如 Gartner 2019 年人工智能在组织调查中的受访者所指出的那样，1 在构建了许多成功的原型之后，人工智能社区面临着将原型扩展到企业级系统的挑战（也就是说，将它们构建为组织生态系统的一个组成部分）。将人工智能从探索转向可持续生产需要理解和掌握各种人工智能技术，以及必要的基础设施、入门方法和实施最佳实践。■ 人工智能技能：然而，虽然组织仍在努力在生产中部署人工智能技术，但似乎获得人工智能人才可能不像人们普遍认为的那么严重。 Gartner 的 2019 年 AI 组织调查显示，在计划在三年内使用 AI 的组织中，近 70% 表示他们要么拥有技能，要么有能力发现内部能力或聘请外部人才来满足他们的需求（见图 3 ）。1■ 复合 AI：COVID-19 危机加速了我们在过去几年中目睹的趋势。组织正在结合不同的人工智能技术来提高学习效率，扩大知识表示的水平，并最终以更有效的方式解决更广泛的业务问题。我们将这种趋势称为“复合 AI”。■ 决策智能：人工智能与数据科学和业务流程管理相结合。这三个学科在决策建模层面相遇——用户可以描述人工智能如何 Gartner, Inc. | 730970页 页9/15技术通过建模的专有技术和数据证据来改进决策。决策智能是一门能够重新设计这些决策，使其具有适应性和弹性的学科。图3：人工智能人才荒被夸大了首字母缩略词和词汇表术语人工智能人工智能自然语言处理自然语言处理RPA机器人过程自动化证据 Gartner, Inc. | 730970页 页10/151Gartner 的 2019 年 AI 组织调查于 2019 年 11 月和