最近有關(guān)人工智能進(jìn)展的相關(guān)調(diào)查、研究、預(yù)測和其他定量評估，結(jié)果直指一些趨勢：消費者對聊天機器人的接受度不斷增長，特別是在執(zhí)行日常任務(wù)方面；關(guān)于醫(yī)療AI算法缺少患者最糟結(jié)果的問題；以及2020年乃至未來關(guān)于人工智能和就業(yè)的最新預(yù)測。
 

 

 

　　澳大利亞、英國和法國消費者對聊天機器人的使用率最高，過去一年中，有超過70％的受訪者曾經(jīng)使用過聊天機器人與品牌進(jìn)行互動。美國和德國略微落后，比例為50％多；在過去一年中與聊天機器人交互的受訪者中，有80％使用聊天機器人獲得客戶服務(wù)，而去年這一比例為67％；美國消費者對于通過發(fā)送信息與品牌互動的興趣明顯增加，從2018年的52％增加到今年的62％；受訪的歐洲國家或者地區(qū)對信息通訊的平均需求量最高，占比65％；這也是年輕銷售者群體最感興趣的功能，年齡在18-34歲的群體中有70％多的人希望可以通過發(fā)送信息與企業(yè)交互；消費者對機器人能夠完成日常任務(wù)的信心越來越高，例如有超過50％的受訪者表示，他們更喜歡機器人，而不是人工客服來告訴他們帳戶余額或者更新地址信息；相反，消費者對于機器人執(zhí)行更復(fù)雜的任務(wù)信息較低——只有15％的消費者愿意讓機器人幫助他們糾正訂單中的錯誤 [來源/LivePerson對六個國家或者地區(qū)的5000多名成年人進(jìn)行的調(diào)查]

 

　　64％的受訪組織計劃明年增加AI投資；有77％的受訪者認(rèn)為，雖然AI越來越多地剝離了那些較為簡單的客戶服務(wù)請求，但同時人工客服則需要具備更多技能來處理更復(fù)雜和更高價值的客戶查詢；有74％的受訪者表示，今年人工客服的數(shù)量將有所增長或者保持不變； 79％的受訪者認(rèn)為AI將呼叫中心能夠提供一致的、及時的、有關(guān)聯(lián)性的體驗[來源/NICE inContact和Forrester Consulting對美國、英國和澳大利亞307個企業(yè)組織進(jìn)行的在線調(diào)查]

 

 

　　Manpower France每年要收到來自80000家企業(yè)的130萬張發(fā)票。Manpower對Sidetrade的Aimie機器學(xué)習(xí)工具進(jìn)行了為期9個月的測試，結(jié)果發(fā)現(xiàn)發(fā)票收集量增加了12％[來源/財富]

 

　　在過去12個月中，F(xiàn)annie Mae的8個IT團隊使用Moogsoft的AIOps工具使其IT事件減少了35％，將解決問題所需的時間縮短了25％至75％（取決于具體問題）；據(jù)Fannie Mae預(yù)計，在他們把AI系統(tǒng)部署到所有業(yè)務(wù)部門并且該系統(tǒng)能夠更好地找出根本原因的情況下，明年的每月IT事件量將減少50％至60％[來源/WSJ]

 

 

　　家族性高膽固醇血癥（Familial hypercholesterolaemia，F(xiàn)H）是一種常見的遺傳性疾病，相比威脅生命的心血管疾病的風(fēng)險高20倍，但如今，天生患有該疾病的130萬美國人中，只有不到10％的人被診斷出此病。FIND FH篩查算法對939名臨床診斷的個體和83136名不含F(xiàn)H的個體的數(shù)據(jù)進(jìn)行訓(xùn)練的，然后該模型被應(yīng)用于國家醫(yī)療就診數(shù)據(jù)庫（1.7億人）和綜合醫(yī)療交付系統(tǒng)數(shù)據(jù)集（174000個人）。在FH專家審查的病例中，國家數(shù)據(jù)庫有87%和醫(yī)療交付系統(tǒng)數(shù)據(jù)集有77%被歸類為具有足夠高的FH臨床可能性，因此值得進(jìn)行基于指南的臨床評估和治療[來源/The Lancet Digital Health ]

 

　　古代文字或者銘文很容易被損壞，難以辨認(rèn)的文字部分必須由碑文學(xué)家進(jìn)行修復(fù)，經(jīng)過訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)可以幫助填補缺失的部分，字符錯誤率為30.1％，而人類文字學(xué)家的錯誤率為57.3％[來源/DeepMind]

 

　　研究人員認(rèn)為，醫(yī)學(xué)AI算法在檢測與患者病情最糟情況相關(guān)的疾病特征方面的方式，遠(yuǎn)遠(yuǎn)比算法測試集合的平均表現(xiàn)更為重要。他們認(rèn)為，即使人類醫(yī)生對所有疾病類型診斷的平均表現(xiàn)要比機器差，但人類醫(yī)生也往往對這些異常值滿意。大部分醫(yī)療AI沒有對這些出現(xiàn)異常值的疾病子集進(jìn)行嚴(yán)格的算法測試，因此，很多結(jié)果的安全性可能是有偏差的。我們應(yīng)該對醫(yī)學(xué)AI給實際患者治療和患者病情帶來的影響進(jìn)行評估——很大程度上是目前測試藥物的方式——而不僅僅是看測試集的表現(xiàn)如何[來源/Fortune和arXiv]

 

　　Mayo Clinic的研究人員使用面部識別軟件將84位志愿者的照片與其頭部輪廓MRI圖像進(jìn)行了識別。該軟件正確識別出了其中70人，準(zhǔn)確率為73%[來源/紐約時報和新英格蘭醫(yī)學(xué)雜志]

 

　　荷蘭皇家飛利浦公司和美國國防部利用41000個感染病例（從一個包含700多萬例住院患者的大型數(shù)據(jù)庫中提取數(shù)據(jù)集）開發(fā)了一種AI工具，該工具最多可以在臨床懷疑48小時之前，通過篩選生命體征和其他生物標(biāo)記物預(yù)測出感染的可能性[來源/Healthcare IT News]

 

　　未來的工作方式

 

　　新興技術(shù)實際上并不會很快取代美國100萬多倉庫工人。但在未來十年，人工智能技術(shù)可能會讓他們的生活變得更加舉步維艱[來源/Recode和UC Berkeley]

 

　　數(shù)據(jù)的生命，人工智能的動力

 

　　數(shù)據(jù)以平均每個月63％的速度增長著；12％的受訪者稱，他們每個月的數(shù)據(jù)量增長速度在100%甚至更高；超過20％的受訪者稱，他們從1000個甚至更多數(shù)據(jù)來源提取數(shù)據(jù)；有超過90％的受訪者表示，以可用于分析的格式提供數(shù)據(jù)是一項有挑戰(zhàn)性的任務(wù)；大家普遍認(rèn)為數(shù)據(jù)可移植性（45％）和可擴展性（46％）是現(xiàn)代數(shù)據(jù)轉(zhuǎn)換方法的兩大優(yōu)勢[來源/Matillion和IDG對來自于規(guī)模在1000人以上的北美企業(yè)的200名IT、數(shù)據(jù)科學(xué)和數(shù)據(jù)工程專業(yè)人員進(jìn)行的調(diào)查]

 

　　過去兩年中，有85％的托管服務(wù)提供商（MSP）報告了針對中小企業(yè)（SMB）的攻擊，高于2018年的79％; 64％的受訪者稱，中小企業(yè)客戶正蒙受著業(yè)務(wù)生產(chǎn)力的損失，有45%的受訪者稱企業(yè)遭遇宕機。宕機的平均成本為141000美元，比2018年增加200％[來源/Datto對全球1400多家托管服務(wù)提供商的調(diào)查]

 

　　人工智能市場預(yù)測

 

　　根據(jù)Redpoint Ventures的數(shù)據(jù)，到2023年數(shù)據(jù)標(biāo)簽服務(wù)市場規(guī)?？赡軙鲩L2倍達(dá)到50億美元[來源/經(jīng)濟學(xué)人]

 

　　到2024年，全球AI保險市場規(guī)模將從13億美元增長至200億美元[來源/Juniper]

 

　　2019年亞太地區(qū)（不包括日本）在人工智能系統(tǒng)上的支出將達(dá)到62億美元，比2018年增長近54％；到2023年人工智能系統(tǒng)的支出將增加到214億美元，在2018-23預(yù)測期間的復(fù)合年增長率（CAGR）為39.6％[來源/IDC]

 

　　預(yù)測人工智能的未來

 

　　到2023年，人工智能和新興技術(shù)的出現(xiàn)將使殘疾人就業(yè)人數(shù)增加兩倍，從而降低了就業(yè)門檻；到2024年，人工智能對情感的識別能力將影響一半以上的在線廣告；到2023年，G7國家中至少有4個國家將建立自我監(jiān)管的人工智能和機器學(xué)習(xí)設(shè)計者監(jiān)督協(xié)會；到2023年，“行為互聯(lián)網(wǎng)”將以數(shù)字化的方式追蹤個人行為，從而影響全球40％的人的利益和服務(wù)[來源/Gartner]

 

　　到2022年，使用人工智能決策的企業(yè)組織中，將有30%會會遇到“影子AI”（即那些在構(gòu)建AI模型的IT部門所有權(quán)范圍之外的數(shù)據(jù)）的問題，而這也是有效的、道德決策的最大風(fēng)險；到2023年，超過75％的大型企業(yè)將聘請行為取證、隱私和客戶信任方面的AI專家，以降低品牌和聲譽風(fēng)險；到2022年，網(wǎng)絡(luò)攻擊中將有30％涉及：AI系統(tǒng)訓(xùn)練數(shù)據(jù)“中毒”、竊取AI模型、將導(dǎo)致做出錯誤決策的樣本滲透到AI模型中；到2022年，30％的企業(yè)將投資可解釋的AI（也就是可以解釋AI算法如何得出結(jié)論的技術(shù)）[來源/Gartner]

 

　　中國目前在使用中的監(jiān)控攝像頭約有2億個，預(yù)計到2020年將增長213％，達(dá)到6.26億個。全球10個受監(jiān)視程度最高的城市中，中國占了8個[來源/南華早報]

 

　　展望美國人工智能的未來

 

　　“為了執(zhí)行以人為本的國家AI戰(zhàn)略，我們建議美國政府在教育、研究和企業(yè)家精神方面打造一個新的AI生態(tài)，并在未來十年投資至少1200億美元，”李飛飛和John Etchemendy指出，“我們需要一個人工智能的國家愿景”。

 

　　人工智能相關(guān)引言

 

　　“將因果關(guān)系整合到AI中是一件大事?，F(xiàn)有機器學(xué)習(xí)方法是，假設(shè)受過訓(xùn)練的AI系統(tǒng)運用于和訓(xùn)練數(shù)據(jù)類型相同的數(shù)據(jù)上，而在現(xiàn)實生活中情況往往并非如此。”——Yoshua Bengio

 

　　“在監(jiān)督或者多任務(wù)學(xué)習(xí)的情況下，我們不會實現(xiàn)像人類一樣的普遍智力，我們將不得不尋求實現(xiàn)其他方面，”——Yann LeCun

 

　　“……把新聞報道自動標(biāo)記為虛假新聞引起了……關(guān)于公平性和算法透明性的諸多問題，這表明，未來很長一段時間內(nèi)最終還是要依賴于專家用于檢測虛假新聞的監(jiān)督學(xué)習(xí)” ——Julio CS Reis、Andre Correia、FabrcioMurai、Adriano Veloso和Fabrcio Benevenuto。

 

　　本周關(guān)于人工智能“模仿大腦”的引言

 

　　“ [機器閱讀]需要全面理解大腦語言。要明確的一點是，到目前為止我們并沒有完全理解大腦的語言。”——John Dylan Haynes，柏林查理特大學(xué)醫(yī)學(xué)院神經(jīng)科學(xué)教授。