計算分析大數據絕不僅是一時的流行而已。隨著數據量的不斷增長，對大數據的分析也將隨之改進。當涉及到預測分析的應用時，我們還只看到了冰山一角。預測分析已經通過使用數據挖掘、機器學習和AI技術分析當前數據，從而幫助企業(例如預測銷售，優化營銷活動)。所有這些不同類型的人工智能都以一種深刻改變我們日常工作的方式結合在一起，而且還有待改進。
以下是AI、大數據、預測分析和機器學習領域的主要統計數據：
* 到2018年，有75%的開發商將在一個或多個業務應用或服務中包含AI功能——IDC
* 到2019年，AI功能將支持100%的物聯網舉措——IDC
* 到2020年，有30%的公司將雇傭AI來至少增加一個主要銷售流程——Gartner
* 到2020年，算法將積極改變全球數十億工人的行為——Gartner
* 到2020年，人工智能市場將超過400億美元——Constellation Research
* 到2025年，AI將驅動95%的客戶互動 ——Servion
世界AI八大趨勢
趨勢1——大公司將獲勝
亞馬遜、谷歌、Facebook和IBM都將在人工智能領域遙遙領先。 作為大型公司，他們有合適的資源來收集數據，因此有更多的數據可以使用。
這是行業中頂尖公司在AI方面所做的工作：
亞馬遜：
* 投資人工智能二十多年
* 抓取超過5B網頁的數據
* 超過500,000張JPEG圖像和相應的JSON元數據文件，運營亞馬遜物流中心分析產品
* 每天監測世界廣播、印刷和網絡新聞的報道超過25億條
* 近100M的圖像和視頻，且帶有視聽功能和注釋
* 亞馬遜的Echo主導70%聲控助手市場
谷歌：
* 最大的數據庫之一，擁有10-15EB數據——?Cirrus Insight
* 專注于應用和產品開發，而不是長期的AI研究
* 擁有超過1300名研究人員的團隊—— Google Brain
* 23.8%的聲控助手市場的用戶份額—— Voicebot
* 使用開源平臺進行機器學習，TensorFlow可讓任何人訪問機器學習平臺
* Google Earth數據庫的大小估計為3,017 TB或約3 PB(Google Earth Blog)
* Google街景服務有大約20PB的街景照片—— Peta Pixel
Facebook：
* 每天處理2.5B的內容和500多TB的數據——Tech Crunch
* Facebook人工智能研究(FAIR)有大約80名研究人員和工程師——FAIR
* 每天生成2B“點贊”和300M照片——Tech Crunch
* 每30分鐘可掃描大約105 TB的數據——Tech Crunch
* 建有一個62,000平方英尺的數據中心，500個機架，可儲存1EB數據
* 每天為20億用戶翻譯超過40種語言，每天8億用戶使用翻譯——財富雜志
IBM：
* 計劃為期10年，2.4億美元投資打造麻省理工學院—IBM沃森 AI實驗室——IBM
* 全球有超過2000名員工，在紐約總部有超過600名員工——IBM
* 沃森客戶合作跨越六大洲和25個國家——IBM
* IBM正在向沃森集團投資10億美元，其中包括1億美元用于風險投資，以支持IBM的初創企業和建立由沃森制造的認知應用程序業務——IBM
* 通過沃森生態系統已建成7,000多項應用——財富雜志
在應用程序和產品開發和服務方面部署機器學習，谷歌很有可能處于最前沿。谷歌不僅是第一家開展AI研究的公司，而且擁有超過70,000名員工，是當之無愧的龍頭公司。此外，Google Brain是一個深度學習AI研究項目，谷歌擁有整個團隊，其自己的研究日程涵蓋機器學習、自然語言理解、機器學習算法和技術以及機器人等領域。
全球百大最有前途AI公司
趨勢2 —— 將會發生算法和技術的整合
所有二級公司都對AI進行投資，如英特爾、Salesforce和Twitter，都將追隨擁有數據的大型公司，并開始使用其數據算法和AI。 數據交易將發生在行業內的公司之間，算法和技術是最有可能整合的。 數據交易以及算法和技術的整合將使AI更加高效。
隨著像谷歌和Facebook這樣的大型公司收購小型公司，算法將被集成到他們的核心平臺/解決方案中。 位于倫敦的AI公司深度思維，構建了通用學習算法，被谷歌收購，從而獲得與其他科技公司競爭的商業優勢。 另一方面，Facebook收購了Wit.ai來幫助語音識別和語音接口。 它還收購了AI創業公司Ozlo，以改善其M虛擬助手。
趨勢3 —— 眾包數據將是巨大的
所有的AI公司都會追逐巨大的數據集，找到方法和手段來執行他們對AI的野心。 這些公司將開始收集大量數據。 公司已經找到不同的方式來評估眾包數據的質量和真實性，不僅企業有能力從這些數據中受益，而且還能回應消費者。
OpenDataNow.com的創始人兼編輯Joel Gurin表示：“我們生活在眾包文化中，越來越多的人愿意并且有興趣通過社交媒體分享他們所知道的知識。”
谷歌通過眾包來獲取大量圖像來構建其成像算法。 它還使用眾包來幫助改進服務，如翻譯、轉錄、手寫識別和通過其Crowdsource應用程序的地圖。 亞馬遜還使用眾包人工智能來提高Alexa當前超過15,000個技能。
趨勢4 —— 與日俱增的并購
CBInsights有統計數據顯示，收購AI公司的競爭已經開始，在公司競爭智力資本和人才之際，2018將是越來越多兼并和收購的一年。機器學習/ AI空間中的所有小型公司將被大型公司收購。 有兩個原因：
AI不能在沒有數據集的情況下孤立工作。 由于大型公司擁有大量的數據集，所以對于小型公司來說，這些數據將具有太大的競爭力。
沒有數據的算法沒有任何用處。 沒有算法，數據幾乎也沒有用。 數據是算法的核心，獲取大量數據至關重要。
作為機器人工程師和哥倫比亞大學創意機器實驗室的主管， Hod Lipson巧妙的將之比喻為，“數據是燃料，算法是引擎。”
2012年以來大型公司收購人工智能初創公司數量
趨勢5 —— 工具民主化以獲得市場份額
大型公司將著手開源算法和其他工具集以獲得市場份額。 基于市場的數據訪問和算法進入障礙將會減少，AI的新應用將會增加。 通過民主化，有限或無法獲得AI工具的小型公司將可以獲得大量數據，從而進行訓練和啟動復雜的AI算法。
谷歌首席執行官桑達爾·皮查伊談起人工智能的民主化，“我們大家可以做的最令人興奮的事情之一就是揭秘機器學習和AI。 所有人都可以訪問這一點很重要。”
此外，框架、SDK和API將成為所有主要公司開放消費者使用的標準。 基于SaaS和PaaS的模型將成為所有這些公司遵循的商業模式。
趨勢6—— 人機交互將會改善
Siri和Alexa可能是兩個最受歡迎的人機交互工具。 與這些相似的更多基于機器人的解決方案將成為AI公司第一道門檻。 例如，雖然機器已被編程用于語音分析和面部識別，但機器將能夠基于您聲音的語調來識別您的心情，稱為情感分析。
制造自動化和圍繞非消費者方面聚焦的解決方案，將成為第一套改進的解決方案/應用。 制造自動化的改進主要是由于勞力成本的節省，使用包括自動化、機器人和先進制造在內的復雜技術。 在2018年，非消費者解決方案的改善，如在農業和醫藥領域執行任務的人機交互也將普遍存在。
趨勢7—— 毋庸置疑，AI將慢慢影響垂直行業
制造業、客戶服務、金融、醫療保健和交通運輸已經受到AI的影響。無人車已經預計到2018年就要推出。明年AI將影響更多的垂直行業。行業的簡要示例以及人工智能對它們的影響包括：
a. 保險—— AI將通過自動化改進索賠流程
b. 法律—— NLP可以在幾分鐘內總結數千頁的法律文件，從而縮短時間，提高效率
c. PR和媒體——AI將幫助快速處理數據
d. 教育——虛擬導師的發展; AI輔助的論文分級;適應性學習計劃，游戲和軟件;由AI推動的個性化教育課程將改變學生和教師的互動方式
e. 健康——機器學習可用于創建更復雜、準確的方法來預測患者出現癥狀之前的患病年數
正如100年前工業革命幾乎改變一切一樣，AI將在未來幾年內顛覆行業。
趨勢8 —— 安全、隱私、道德與倫理問題
人工智能麾下的一切，如機器學習和大數據，與隱私問題有關的安全需求，如將銀行帳戶和健康信息保密，將會對安全性研究產生更大的需求。 2018年將是安全和隱私問題一定會得到解決的一年，也可能會有新的發展。
人工智能的倫理也將是2018年的主要關注點。需要解決的倫理和道德問題包括AI對人類的傷害或使人類受益。還有人擔心機器人取代人類的可能性，特別是如果AI將被用于人類同情心的重要領域，如護士、治療師或警察。將要處理的另一個問題是自主武器。鑒于自主功能水平，與人類控制武器不同，AI需要超越某些功能。
我們的觀點
雖然人工智能已經存在了許多年，但我們今天所知道的AI仍然處于起步階段。 圍繞AI和各種應用程序，從自主車輛到虛擬個人助手，以及各種其他技術——執行通常需要人工智能的任務，已經有了數不清的高調宣傳。 雖然有眾多AI使用案例，但其中大部分旨在改進具體流程，成功部署還需要時間。 此外，人工智能行業的公司數量不多，所以崩潰不會出現，將能夠以非結構化的數據和算法來處理它們。屬于AI的生命旅程才剛剛開始，它還有更長的路要走。
