“不久之后，人工智能将潜移默化地逐步融入我们的日常工作，使我们在工作中更有效率。”与人们在电影中看到的‘杀手机器人’不同，这种人工智能几乎是隐形的，而且随着越来越多自动化的使用，领导者应该提前对那些工作职责将发生改变的员工进行持续培训。在招聘时还需要强调求职者的一些软技能，比如沟通能力、团队协作能力、同理心等，这些都是算法无法替代的软技能。”

“曾经的 Hadoop 平台团队如今是 AI 分析团队。过去的统计模型现在已经与计算机科学融合，变成了人工智能和机器学习。因此，数据、分析和人工智能团队无法再分开来看。事实上，他们需要共同协作，从共用数据中获取更多价值。2020 年，我们将看到更多的组织围绕数据栈建立专门的团队。”

“企业最终都要经历将复杂的人工智能模型部署到大规划生产中的过渡。目前为止，大多数人工智能应用要么停留在实验阶段（即不在生产中），要么只是到达了推荐 / 预测 / 回归模型这些简单程度，又或者用于解决一些小问题。2020 年，我们将看到更多的企业在人工智能方面做出更大胆的尝试，并要求它们的供应商支持人工智能的大规模部署。”

“到 2020 年，人工智能将缩小资源有限的小企业与大公司之间的差距。有了人工智能，小企业可以通过自动化工作流程（如员工管理、IT 服务管理或法规遵循管理）和更好的库存和交付管理，无缝而高效地管理公司。基于人工智能的聊天机器人和虚拟助理进一步简化了商业交易流程，提高了运营效率，同时还回馈了更好的用户体验。”

“人工智能的边缘处理为物联网带来更好的体验。物联网设备制造商已经认识到边缘处理的红利，但到目前为止，这种技术在成本、性能和安全性方面仍然面临许多挑战，这也是其无法在消费品和系统中实现的原因之一。人们已经开始越来越多地使用边缘处理和云连接，这种状况在 2020 年仍然会继续。从消费者的角度来看，这一趋势将带来更快、更可靠、更私密的物联网体验。”

“在未来的几年，企业的关注点不应停留在如何利用技术取代传统工作，而应该更多关注人工智能和人类所长之间如何互补。我们深信人工智能可以与人类专家很好地共融，我们称之为科学与艺术的结合。科技总是比人类做事更快速，但在一些领域中，科技永远无法取代人类。例如，谈判需要计算机无法复制的感受、信心和实战经验。我们仍需不断努力，争取在 2020 年找到科学和艺术之间的完美平衡。”

“现在比以往任何时候都更容易在数据库内进行索引和分析，我们的工具可以保证这些数据处于正确的位置。数据这层神秘面纱已经被揭开：2019 年 Hadoop 经销商的整合和迅速消亡就是这种转变的一个信号。下一个重点领域范围很广，或者称之为“广泛的数据”。数据格式变得更加多样化和碎片化，因此适合不同数据类型的数据库的数量增加了一倍多。”

“机器学习和神经网络是席卷全球的人工智能创新背后的力量。在过去的三年里，Udemy 平台完成了向人工智能和数据科学课程服务平台的转变，因为企业主体都试图解决他们在这个领域知识匮乏的问题。随着对数据科学家和人工智能专家需求的增加，类似 Udemy 这种平台会继续增长。”

“自然语言处理（NLP）结合人工智将会不断做出人类无法做出的决策，比如通过分析股票数据决定是否进行投资，解析大量的非结构化的社会媒体普遍认知来分析一个品牌或特定的目标产品。但是，这一切都离不开训练。很多这样的算法都是针对人类现有的实践进行训练的，而这些实践本身就存在偏见和问题。我们很难在一开始就把它从 NLP 算法中消除。”

“通过 Echo 和 Siri 等服务，物联网（IoT）已经普及到家庭用户中。2020 年，物联网将被广泛应用于工作场所中，届时将出现价格低廉、即插即用的技术，提高用户体验和会议效率。人工智能在这一过程中至关重要。”

“到 2020 年，人工智能将在推动数据双向对话方面发挥更大的作用。人工智能做着繁重的工作，进一步深入研究数据，剖析见解（剖析那些被团队忽视的见解）。随着时间的推移，人工智能可以了解终端用户最需要什么，并相应地满足搜索需求。它延续了人与机器之间的和谐，将人类创造力和环境因素与机器能量和规模融合在一起。AI 可以填补资源缺口，作为一个‘随时待命’的助手，AI 能解放劳动力，让他们从事更具创造性和更高价值的工作。”

2020 年，越来越多技术通过了图灵测试，而深度造假视频和对话聊天机器人的有力结合，让这些类人的人工智能‘野蛮生长’。这些人工智能进入了客户服务、购物和医疗领域，它们在社交媒体、黑帽安全和政治竞选方面采取了‘更黑暗’的态度。最后，我们甚至分不清哪些是人们做出的虚假行为，哪些是虚假的人类。”

“人工智能正在推动软件领域的范式转变，广义来讲，是推动各企业如何提供数字体验的范式转变。2020 年及未来，公司会为客户设计出特定任务的自动化工具，优化用户体验，为传统软件添加‘智能’功能，使用 AI 不再成为一个问题，而是一种解决方式。”

“人工智能最大的潜力不是‘人工’，而是‘增强’智能。我们要思考的是如何设计和制造出可落地的机器智能，从而帮助我们做出最优的决策和行动。当我们让人工智能和各个群体都能相互协作，友好共处时，团队的绩效就会提高。探索增强智能潜力的漫长之旅我们才刚刚启程。”

“我们如今所称的人工智能将在 2020 年进一步细分成几个领域。这些细分领域包括：机器人流程自动化；自动特征工程与筛选；物理感知的自动化和细化——感知人工智能；和资源分配人工智能——优化技术去感知和回应实时需求。”

物联网的大规模扩张和软件植入的迅猛发展将使人们在 2020 年更加关注时间序列数据。智能汽车和联网机器开始产生大量公司需要去收集和分析的、带有时间戳的数据，而新的软件监控和测量指标产生了大量需要类似处理的事件日志。这些趋势很大程度上得益于数据的大爆炸，从这些资源中得来的数据总有一个对分析至关重要的时间核心要素。许多企业都要意识到他们需要一个特定的时间序列来收集其所有潜在商业价值。

“随着可解释性技术定义新标准的发展，可解释的人工智能以及将在 2020 年及以后一直持续下去针对商业领袖和非技术受众的可解释的新技术也紧随其后有序发展着。例如，在房地产领域，随着人工智能的应用，AI 需要提供一个令人信服的解释来说明为什么贷款申请会被人工智能驱动平台拒绝。尽管技术工具和标准在不断进步和完善，但对于某些特定领域来说，外行人一时间还是难于理解。这就像上世纪 90 年代普通大众对‘网络’的理解一样，随着人工智能应用范围和技术的普及，人们对它的认识、理解和信任也将逐渐增强。

“2020 年将是人工智能深度进军医疗行业的一年。2019 年已经呈现出了这种早期趋势，随着社区对人工智能医疗认可度的提高，越来越多医疗中心开始意识到人工智能的红利。但与我们所想象的不同，人工智能医疗企业整体数量将不增反降，这是因为市场是优胜劣汰的。”