對企業至關重要的人工智能技術趨勢

2021.10.06

本文旨在概述2020年出現並在2021年仍在增長的人工智能新趨勢和當前趨勢。企業可以根據趨勢預測2022年人工智能的未來,成功降低風險。

根據 2020 年麥肯錫全球人工智能 (AI) 調查,2020 年,超過 50% 的公司已在至少一個業務部門或職能部門採用了人工智能,因此我們見證了新的人工智能趨勢的出現。組織應用人工智能工具來創造更多價值、增加收入和客戶忠誠度。人工智能領先公司將至少 20% 的息稅前利潤 (EBIT) 投資於人工智能。隨著 COVID-19 加速數字化,這個數字可能會增加。封鎖導致在線活動激增,並在商業、教育、行政、社交等領域大量採用人工智能。


本文旨在概述2020年出現並在2021年仍在增長的人工智能新趨勢和當前趨勢。企業可以根據趨勢預測2022年人工智能的未來,成功降低風險。

 

人工智能採用趨勢

人工智能採用水平因行業而異。使用麥肯錫全球人工智能調查中提到的數據,我們可以突出四個領先行業:高科技、電信、汽車、裝配。

 

公司將人工智能應用於服務運營、服務或產品設計、廣告和銷售。在投資方面,藥物發現和開發領域獲得的資金最多——2020年,資產總額超過138億美元,比上年增長4.5倍。

 

如果應用於庫存和零件優化、定價和促銷、客戶服務分析、銷售和需求預測,人工智能將推動最高的收入增長。報告成本降低的用例與優化人才管理、聯絡中心自動化和倉庫自動化有關。


人工智能技術趨勢

2021 年和接下來的幾年裡,人工智能將被用來簡化運營並提高效率。企業應嘗試通過改善 IT 基礎設施和數據管理,從人工智能的商業應用中受益。但並非每個部署的 AI 模型都可以對公司有所幫助並適用於績效監控。我們將關注可能成為主流的 2021-2022 年人工智能趨勢。

 

趨勢 1:用於安全和監控的 AI

人工智能技術已經應用於人臉識別、語音識別和視頻分析。這些技術構成了監視的最佳組合。因此,到 2021 年,我們可以預見人工智能在視頻監控中的大量利用。

 

人工智能有利於安全系統的靈活設置。以前,工程師花費大量時間配置系統,因為它會在屏幕上特定數量的像素發生變化時被激活。所以,誤報太多了。這些警報是由落葉或奔跑的動物引起的。多虧了人工智能,安全系統可以識別物體,這有助於更靈活的設置。

 

視頻監控中的人工智能可以通過關注異常行為模式而非面部來檢測可疑活動。這種能力可以通過識別潛在威脅來創建更安全的公共和私人空間。這種人工智能驅動的視頻解決方案也可能有助於物流、零售和製造。

 

另一個為人工智能應用提供前景的利基是語音識別。與語音識別相關的技術可以確定身份。身份是指一個人的年齡、性別和情緒狀態。用於監控的語音識別所基於的原理可能與 Alexa Google Assistant 的情況相同。一個適用於安全和監視的功能是內置的反欺騙模型,可檢測合成和錄製的語音。

 

最關鍵的安全技術之一是生物特徵人臉識別。不同的惡意應用程序試圖通過提供虛假照片而不是真實圖像來欺騙安全系統。為了防範這種情況,目前正在開發和大規模使用多種反欺騙技術。

 

趨勢2:實時視頻處理中的人工智能

處理實時視頻流的挑戰是處理數據管道。工程師的目標是確保准確性並最大限度地減少視頻處理的延遲。而人工智能解決方案可以幫助實現這一目標。

 

為了在實時視頻處理中實現基於 AI 的方法,我們需要一個預訓練的神經網絡模型、一個雲基礎設施和一個用於應用用戶場景的軟件層。處理速度對於實時流傳輸至關重要,因此所有這些組件都應緊密集成。為了更快的處理,我們可以並行化進程或改進算法。進程並行化是通過文件拆分或使用管道方法實現的。這種流水線架構是最佳選擇,因為它不會降低模型的準確性,並且允許使用 AI 算法實時處理視頻而沒有任何復雜性。此外,對於管道架構,可以應用暗示面部檢測和模糊的附加效果。


現代實時流處理與背景去除和模糊的應用密不可分。由於 COVID-19 對視頻會議新趨勢的出現和普及做出了貢獻,對這些工具的需求有所增加。這些趨勢將得到積極發展,因為據 GlobeNewswire 稱,全球視頻會議市場預計將從 2021 年的 92 億美元增長到 2026 年的 225 億美元。

 

有多種方法可以開髮用於實時視頻中背景去除和模糊的工具。挑戰在於設計一個能夠將框架中的人與背景分開的模型。可以執行此類任務的神經網絡可以基於現有模型,如 BodyPixMediaPipe PixelLib。選擇模型後,仍然面臨著將其與適當框架集成並通過 WebAssemblyWebGL WebGPU 的應用程序組織最佳執行過程的挑戰。

 

趨勢 3:用於內容創建和聊天機器人的生成式人工智能

現代 AI 模型可以生成非常高質量的文本、音頻和圖像,幾乎與非合成的準確數據無法區分。

 

文本的核心是自然語言處理 (NLP) NLP 的快速發展導致了語言模型的出現。例如,谷歌和微軟成功地使用 BERT 模型來補充他們的搜索引擎。

 

NLP 相關的技術的發展還能如何推動公司發展?首先,結合 NLP AI 工具可以創建聊天機器人。據 Business Insider 稱,聊天機器人市場預計在 2024 年將達到 94 億美元,所以讓我們強調企業從 AI 驅動的聊天機器人實施中受益的方式。

 

聊天機器人試圖了解人們的意圖,而不僅僅是執行標準命令。在不同領域工作的公司使用人工智能驅動的聊天機器人為其客戶或用戶提供人類級別的交流。聊天機器人的應用廣泛應用於以下業務領域:醫療保健、銀行、營銷、旅遊和酒店。

 

人工智能驅動的聊天機器人有助於自動化管理任務。例如,在醫療保健領域,他們減少了體力勞動。在這裡,聊天機器人幫助安排約會,發送與服藥相關的提醒,並為患者提供問題的答案。在其他領域,聊天機器人被引入來傳遞有針對性的信息,提高客戶參與度和支持,並為用戶提供個性化的服務。

 

除了聊天機器人,NLP 是其他尖端技術解決方案的核心。示例之一是可用於業務應用程序的 NLP 文本生成。

 

最近推出的 GPT-3 模型使 AI 工程師每天平均可以生成 45 億個單詞。這將使 AI 的大量下游應用能夠用於對社會有益和價值較低的目的。這也促使研究人員投資於檢測生成模型的技術。請注意,在 2021-2022 年,我們將見證 GPT-4——“人工通用智能 AI”的到來。


回到生成式 AI,我们要关注 GAN,即生成式对抗网络,它能够创建与人工生成的图像无法区分的图像。这可能是不存在的人、动物、物体和其他类型媒体(例如音频和文本)的图像。现在是实施 GAN 发挥其能力的最佳时机。他们可以对真实数据分布进行建模并学习有用的表示,以改进 AI 管道、保护数据、发现异常并适应特定的现实世界案例。


趨勢 4. AI 驅動的 QA 和檢驗

計算機視覺最引人注目的分支是人工智能檢查。由於應用深度學習模型提高了準確性和性能,這個方向近年來一直在蓬勃發展。公司開始投資計算和財務資源,以更快的速度開發計算機視覺系統。

 

製造中的自動化檢查意味著對產品是否符合質量標准進行分析。該方法也適用於設備監控。

以下是AI檢測的幾個用例:

·         檢測流水線上的產品缺陷

·         識別機械和車身零件的缺陷

·         行李檢查和飛機維修

·         核電站檢查

 

趨勢 5:醫療保健領域顛覆性的 AI 突破

近年來,與在醫療保健行業實施 AI 相關的下一個趨??勢已得到廣泛討論。科學家使用 AI 模型和計算機視覺算法來對抗 COVID-19,包括大流行檢測、疫苗開發、藥物發現、熱篩查、帶口罩的面部識別和分析 CT 掃描等領域。

 

為了抵消 COVID-19 的傳播,人工智能模型可以檢測和分析潛在威脅並做出準確預測。此外,人工智能通過識別使疫苗有效的關鍵組件來幫助開發疫苗。

 

人工智能驅動的解決方案可用作醫療物聯網上的有效工具,並處理特定於醫療保健行業的保密問題。如果我們將醫療保健中的 AI 用例係統化,很明顯它們的目標是一致的——確保快速準確地診斷患者。


趨勢 6:至少三個領域的無代碼 AI 平台

無代碼 AI 平台使即使是小公司也能夠將以前可用的強大技術僅應用於大企業。讓我們找出為什麼此類平台是 2021 年企業的關鍵 AI 趨勢。

 

從頭開始開發 AI 模型需要時間、費用和相關經驗。採用無代碼人工智能平台簡化了任務,因為它降低了進入門檻。優點是:

 

·         快速實現——與從頭編寫代碼、處理數據和調試相比,節省時間達 90%

·         更低的開發成本——通過自動化,企業消除了對大型數據科學團隊的需求。

·         易於使用——拖放功能簡化了軟件開發,無需編碼即可創建應用程序。


醫療保健、金融部門和營銷領域都需要無代碼 AI 平台——儘管生成的解決方案無法高度定制。在最受歡迎的無代碼 AI 平台中,您可以找到 Google Cloud Auto MLGoogle ML KitRunaway AICreateMLMakeMLSuperAnnotate 等。

 

企業規模的公司和中型企業利用無代碼平台來開發旨在圖像分類、識別姿勢和聲音以及對象檢測的軟件解決方案。


人工智能的演變和未來

趨勢表明,人工智能的未來充滿希望,因為人工智能解決方案正變得司空見慣。用於製造業預測分析的自動駕駛汽車、機器人和傳感器、用於媒體報導的虛擬醫療助理、用於媒體報導的 NLP、虛擬教育導師、人工智能助理和可以在客戶服務中取代人類的聊天機器人——所有這些人工智能驅動的解決方案都在向前邁進一大步。