2020年预测:AI, ML, RPA领域的前景

每年年底,eWEEK都喜欢发表IT思想领袖关于他们认为来年我们将期望的新产品,创新服务,发展趋势等方面的观察。像往常一样,到目前为止,我们已经发布了其中一些文章,但是在12月和1月初我们有一些发布过程的麻烦,而其余许多文章却没有及时发布。

我们要说的是:“好,对此感到抱歉,即使是二月,这些预测仍然有效!” 这是eWEEK现在发布的有关2020年预测的文章列表中的另一篇文章(有时甚至更久!)。

Landing AI的AI转型副总裁Wang Dongyan:

人工智能在非消费互联网行业中的采用仍处于早期阶段,许多项目由于缺乏数据,了解如何管理复杂的机器学习工作流程等挑战而陷入炼狱。在2020年,我们将看到端到端,垂直化的AI平台的出现,这将使客户能够脱离炼狱,并将其AI项目一路推向终点。

布鲁斯·米尔恩(Bruce Milne),数据透视表3:

IT将开始认识到基于视频的计算的力量:随着视频分析在2020年得到改进,IT将会出现无穷的机会。目前,基于视频的数据占所收集数据的60%,并且在过去几年中,企业很大程度上将其视为责任和支出。2020年,我们将开始看到一个转变,企业将转向视频以优化其产品或支持战略计划。例如,某城市可能会使用视频来保护其公交系统,但会合并分析以挖掘数据以获取诸如容量需求之类的洞见。

LogicGate的首席执行官Matt Kunkel:

RPA在风险和合规性方面优于AI: AI和RPA(机器人流程自动化)和机器学习有多种形式。关于风险和合规性,RPA将在2020年继续流行。原因:当需要为《财富》 500强公司分析大量数据时,只是没有足够的数据量来使对AI的预测有意义。RPA之所以运作良好,是因为许多风险和合规性功能遵循一个正式流程,并且随着公司通过特定流程存储越来越多的数据,存在更加清晰的途径来使这些步骤自动化。然后,问题就变成了如何在该系统上进行优化和迭代。RPA应用程序的其他成熟领域包括第三方风险,IT,政策和程序以及内部审核。

AODocs市场营销副总裁David Jones:

AI并不是解决内容管理的灵丹妙药:我们倾向于将AI视为灵丹妙药,它可以通过一种算法实现解决所有业务问题。但是,这是一个谬论。我们需要摆脱一种怪异的AI算法可以完成此工作的想法,而应转向许多AI机器人共同努力以优化先前存储的数据的想法。2020年,将针对传统数据库部署AI,以首先识别存储哪些数据,删除不再需要的数据,并分配丰富的元数据,以实现更好,更精致的搜索和简化的记录保存。一个庞然大物不会执行此操作,而是执行一组相互关联的算法。

Teradata工业智能咨询业务主管Cheryl Wiebe:

当今世界所称的AI将在2020年分为几个领域,营销中的人将不可避免地为其创造更贵的名称。其中包括RPA;自动特征工程和选择;感知AI,是对物理感知的自动化和完善;和资源分配AI,这是优化技术的结合,可以实时感知和响应需求。

人工智能将开始改善数据管理本身的过程。例如,对于系统资源分配,自动化特征工程,操作元数据收集以及更好的知识管理(例如标记)。

Lexalytics首席执行官Jeff Catlin: 

NLP和文本分析将成为RPA解决方案的重要组成部分: Forrester和Gartner均报告说,许多RPA供应商在支持流行的文本分析用例方面均处于落后状态,缺乏涉及PDF的“非结构化文档用例”的功能,并且在拟合文本分析时遇到了麻烦/ NLP组件进入其较大的环境。随着公司自动化越来越大的流程,NLP供应商会提供满足RPA要求的可行解决方案,例如本地/混合云选项,易于集成的API,可定制性和快速的ROI,这些都将迅速填补空白。

Teradata市场营销副总裁Chad Meley:

—在过去几年中成功进行了几次AI试点之后,企业将重新把重点放在企业数据管理和集成上,为扩展成千上万个狭窄定义的AI用例奠定基础。今天围绕我们的各种机器智能都是狭窄的AI。到2020年,成功的企业AI计划将产生数百个(如果不是数千个)用例,每个用例均由一个狭窄定义的算法支持。

将引起极大的兴趣并采用“无代码分析”。通过自动化某些艰苦的工作,例如要素工程和模型选择,我们已经看到了高级分析的稳定民主化。但是,当机器学习和其他高级过程分析成为绝对不需要编码或SQL技能的东西时,高级分析就会真正普及。无代码分析将嵌入到工作流中,或通过简单的下拉菜单调用。他们不会使编码在分析世界中过时,但会使大型企业中受益于分析的用例数量增加100倍。

Lexalytics首席执行官Jeff Catlin: 

人工智能最大的研究进展将是理论上的:在过去五年中,人工智能的应用远远超出了我们对这一切的理解。随着2019年下半年在实用方面取得重大进展,我预计我们将获得更少的世界级算法发明,并在理论上取得更多进展,以解释其中任何一项都行得通。这个领域一直在快速发展,因此到2020年底,理论工作将为新一代算法铺平道路,平衡将再次发生变化。

Lexalytics首席执行官Jeff Catlin: 

更少的魔力,更多的解决方案:人工智能将有美好的一年,并将巩固其作为下一个十年的决定性技术的地位。提供者似乎已经明智了,不再向神奇的AI角度倾斜,而是向人们传达正确的信息,即AI可以帮助人类,从而使他们更快,更好地完成工作。

Aisera.com首席执行官Muddu Sudhakar:

AIOP将破坏传统的IT /云/ DevOps: DevOps的核心在于提高敏捷性和灵活性。AIOps通过自动执行从开发到生产的关键步骤,预测生产结果以及自动化对生产环境变化的响应来提供帮助。即使微服务,混合云,边缘计算和物联网提高了应用程序的复杂性并增加了搜索根本原因的日志量,AIOps仍简化了来自多个系统的数据聚合,而DevOps通过集成先前孤立的系统来提高效率。像DevOps一样,AIOps刺激了文化变革,因为它需要在整个系统范围内进行查找,而不是缩小特定技术或基础架构层的范围。它还需要高自动化率的舒适度。

Lexalytics首席执行官Jeff Catlin: 

自动驾驶……还有很长的路要走:虽然公司环境中的AI确实会做得很好,但AI也会出现一些令人瞩目的失败,尤其是在自动驾驶汽车领域。特斯拉的新Smart Summon令人印象深刻,但还有一段路要走。它在特斯拉社区的广泛使用将产生许多慢速事故的视频,这些事故会撞到汽车,灯杆甚至是人身上。

本文由 RPA Club 作者:Editor 发表,其版权均为 RPA Club 所有,文章内容系作者个人观点,不代表 RPA Club 对观点赞同或支持。如需转载,请注明文章来源。

发表评论