计算分析大数据远远没有过时。反而，随着数据量不断增大，数据分析的水平也逐渐提高。我们看到的预测分析(Predictive Analytics)的应用，仅仅只是冰山一角。很多公司采用数据挖掘，机器学习和人工智能的方法预测销售额，从而达到优化市场营销的目的。这些做法对公司的发展有很大的帮助，不同类型的人工智能结合在一起，深刻地改变着我们日常生活的方方面面。未来，我们还将看到更多的改变。
以下是来自人工智能，大数据，预测分析和机器学习领域的关键统计数据：
- 到2018年，75%的开发者会在1个及以上商业应用程序或服务中加入人工智能功能 —— 来源于 IDC
- 到2019年，100%的物联网方案都会具备人工智能性能 —— 来源于IDC
- 到2020年，30%的公司会采用人工智能来增加至少一个主要销售渠道 —— 来源于Gartner
- 到2020年，算法会提升全球数十亿工人的工作方式 —— 来源于Gartner
- 到2020年，人工智能市场总额会超过400亿美元 —— 来源于Constellation Reserach
- 到2025年，95%的人际关系互动会基于人工智能 —— 来源于Servion
2018年人工智能的8大趋势看点
趋势1——大公司稳赢
Amazon，Google，Facebook和IBM将会在人工智能行业中居于领先地位。这些大公司拥有完整的搜集数据渠道，因此他们在数据量上具有很大的优势。
以下是领先的几个大公司在AI方面的动作：
Amazon：
- 在AI领域投资超过20年
- 从超过50亿网页上抓取数据
- 一个Amazon履行中心(fulfillment center)运行时储存有 50万张JPEG图片及其相应的产品介绍JSON文件
- 跟进全球广播，出版和网路新闻，每天更新超过2.5亿条记录
- 拥有将近1亿图片和视频。视频具有音频，视觉效果和注释功能
- Amazon的Echo引领声控助手的市场，市场份额超过70%
Google：
- 全球最大的数据库之一，拥有10-15 百京字节的数据 —— 来自Cirrus Insigh
- 注重于应用程序和产品开发，而不是长期AI研究
- Google Brain有超过1300名研究员 ——来源于Google Brain
- Voicebot占有23.8%声控市场份额 —— 来源于Voicebot
- 开源平台TensorFlow可以让每个人都有机会使用机器学习平台
- Google Earth数据库的大小预计为3017 兆字节，或者说大约是3千兆 ——来源于 Google Earth 博客
- Google Street View 拥有大小约为20千兆字节的街道图片——来源于Peta Pixel
Facebook:
- 每天处理25亿则信息和超过500 兆字节的数据 ——来源于Tech Crunch
- Facebook 人工智能研究者(Facebook Artificial Intelligence Reserachers, FAIR)机构目前有大约80名研究员和工程师——来源于FAIR
- 每天新增的“喜欢”有20亿，新上传的图片有3亿张——来源于Tech Crunch
- 每30分钟读取约105兆字节的数据——来源于Tech Crunch
- 建了一个5760平方米的数据中心，可容纳500个冷储存为1百京比特的机柜。
- 每天翻译大约20亿用户发布的帖子，涉及的语言有40种。翻译后的帖子每天阅读量为8亿。——来源于Fortune
IBM：
- 计划进行为期10年，总额2.4亿美元的投资。投资用来建立麻省理工学院-IBM Watson实验室——来源于IBM
- 全球超过2000名雇员，其中超过600名在纽约总部——来源于IBM
- Watson client engagements产品遍布6大洲和超过25个国家——来源于IBM
- IBM将要为Watson Group投资10亿美元，其中1亿美元为风险投资资金，用于支持IBM的创业公司以及Watson内开发认知应用的业务——来源于IBM
- 经过Watson Ecosystem 项目开发的应用程序超过7000个——来源于Fortune
关于将机器学习融入应用程序和产品开发服务这一方面，Google最有可能领跑。原因有几个方面，首先，Google最先开始研究人工智能。其次Google是拥有超过7万名员工的大公司。此外，深度学习人工智能研究项目Google Brain拥有整个科学家团队，他们自己的研究日程包括机器学习，自然语言理解，机器学习算法和技术，以及机器人技术。
全球100家最有希望的AI公司
图片第一行AI创业公司行业分类(从左到右)：
广告，销售和客户关系管理 、汽车技术、商业智能和数据分析、贸易、聊天AI/机器人、AI核心技术、网络安全、金融科技、卫生保健、物联网、机器人、文本挖掘/生成、计算机视觉、其他
趋势2 —— 算法和技术的合并将会发生
所有投资AI领域的第二梯队的公司，比如说Intel, Salesforce 和 Twitter, 都会追随拥有数据的大公司，开始用大公司的算法和AI。行业中公司之间会出现数据的交易，并且很大概率会出现算法和技术合并。数据交易和算法技术合并会提高AI的效率。
Google和Facebook这样的大公司会并购小公司，并将算法整合到他们的核心平台/解决方法中。为了抢占先机，取得竞争优势，Google收购了AI公司DeepMind。这家公司总部在伦敦，主营业务是开发通用学习算法。另一方面，Facebook并购了Wit.ai公司，借此提高语音识别和语音接口的水平。Facebook还并购了另一家AI创业公司Ozlo来提升虚拟助手M的水平。
趋势3 —— 大量通过众包获取数据
所有的AI公司都会追求大数据，然后找寻方式方法来实现他们自己的AI目标。这些公司都会开始采用众包(Crowdsource, 众包，个人或组织可以利用大量的网络用户来获取需要的服务和想法)的方法来获取数据。很多公司已经找到众包获取数据的不同方法，这些方法不仅可以让公司获益，还可以提供给消费者一个表达观点的渠道。
Joel Gurin是OpenDataNow.com的创始人和编辑，他表示，“我们生活在众包的文化中，越来越多人愿意并且有兴趣通过社交网站分享他们知道的事。”
Google通过众包获得大量图片数据，并利用这些数据开发他们的图片算法。Google还开发了一个众包app用来提升他们推出的其他服务，比如翻译，转录，手写识别和地图。Amazon也采用众包人工智能的方法来提高Alexa的技能。相关技能的数量超过了1万5千个。
趋势4 —— 并购和更多的并购
CBInsights有统计数据显示，收购AI公司的竞赛已经开始/ 2018年将是当公司竞争智力资本和人才时产生越来越多的兼并和收购的一年。机器学习/ AI空间中的所有较小的玩家将被大型公司收购。有两个原因：
- AI不能在没有数据集的情况下孤立工作。由于较大的公司拥有大量的数据集，所以对于较小的企业来说，这些数据将具有非常大的竞争力。
- 没有数据的算法没有任何用处。没有算法，数据几乎没有用。数据是算法的核心，获取大量数据是至关重要的。
作为机器人工程师和哥伦比亚大学创意机器实验室的主管，霍普·利普森(Hod Lipson)说，“数据是燃料，算法是引擎。”
趋势5 —— 获得市场份额的工具民主化
较大的公司将开始开源其算法和其他工具集，以获得市场份额。基于市场的数据和算法访问障碍将会减少，AI的新应用将会增加。通过民主化，获得有限或无法获得AI工具的小型公司将可以获得大量数据进行训练和使用复杂的AI算法。
Google的首席执行官Sundar Pichai对人工智能的民主化表示说，“我们大家可以做的最令人兴奋的事情之一就是揭开机器学习和AI的神秘面纱。所有人都可以获得访问权这一点是很重要的。”
此外，框架、SDK和API将成为所有主要参与者面向消费者开放使用的标准。基于SaaS和PaaS的模型将成为所有这些公司将遵循的商业模式。
趋势6 ——人机交互将会改善
Siri和Alexa可能是两个最受欢迎的人机交互工具。与这些相似的更多基于机器人的解决方案将成为AI公司的入门级别的东西。例如，虽然机器已被编程用于语音分析和面部识别，但机器将能够基于您的声音的语调来识别您的心情，这叫做情感分析。
针对非消费者的解决方案的制造自动化和方方面面将成为第一类被改进的解决方案/应用。制造自动化将主要用于：使用包括自动化、机器人和先进制造在内的复杂技术而节省劳动成本。在2018年，针对非消费者解决方案有所改善，如在农业和医药领域执行任务的人机交互也将普遍存在。
趋势7 —— AI将开始缓慢但一定会影响所有的垂直领域
制造业、客户服务、金融，医疗保健和交通运输已经受到AI的影响。自动驾驶汽车已经预计到2018年上市。明年AI将影响更多的垂直行业。行业的简要示例以及人工智能将如何影响他们包括：
- 保险 —— AI将通过自动化改进索赔流程
- 法律 —— 自然语言处理可以在几分钟内总结数千页的法律文件，从而缩短时间并提高效率效率
- 公关与媒体 —— AI将帮助快速处理数据
- 教育 —— 虚拟导师的发展; AI辅助判卷; 适应性学习计划，游戏和软件; 由AI推动的个性化教育课程将改变学生和教师的互动方式
- 健康 —— 机器学习可用于创建更复杂，准确的方法来预测患者出现症状之前的疾病年数
正如100年前工业革命几乎改变所有事物一样，AI将在未来几年内改变所有行业。
趋势8 —— 安全，隐私，伦理与道德问题
人工智能的分支，如机器学习和大数据，都容易受到新兴的安全和隐私问题的影响。有时候在关键的基础设施起到重要作用。或者是一些与隐私问题有关的安全需求，如将银行帐户和健康信息保密，这些都将会对安全性研究产生更大的需求。2018年将是安全和隐私问题一定会得到解决的一年，未来，也可能会有新的发展。
人工智能的伦理也将是2018年的一个主要关注点。需要解决的伦理和道德问题包括“AI对人类的伤害或使人类受益”，“人担心机器人取代人类的可能性”等议题。特别是，关于“AI将被用于那些人类的同情心起重要作用的领域”如护士、治疗师或警察等工作范畴中。另一个需要处理的问题是自主武器。假如达到一定自主功能级别，与人类控制的武器不同，AI需要超越某些特定功能。
