風云變幻，誰主沉浮！在人工智能 60 年的發(fā)展歷程之中，從 1956 年美國達特茅斯會議中人工智能概念的落地，到成本太高難以實現(xiàn)商用的寒冬，再到神經(jīng)網(wǎng)絡(luò)、機器學習等技術(shù)的爆發(fā)，跌宕起伏的人工智能開始從小步慢走迭代進入大步快跑時代。

不過，在技術(shù)的逐漸成熟背后，人工智能的商業(yè)化究竟該如何實現(xiàn)？其規(guī)模化落地還存在哪些痛點？技術(shù)、產(chǎn)品與平臺又該如何高效結(jié)合？接下來，在探討這些問題的解決方案之前，我們不妨先對人工智能的下一步走向及商業(yè)前景進行一波深入的分析。

人工智能將變得更加智能

近幾年，我們親眼見證了人工智能在自動駕駛、醫(yī)療、工業(yè)等多個行業(yè)的深入應(yīng)用，在此過程中，不少用戶會把人工智能誤認為是預定義的輸出，即研發(fā)者從一開始“培訓”了人工智能機器，設(shè)置了固定的輸出程序。

但事實上，人工智能具備不斷自我學習的能力，也可以產(chǎn)生開箱即用的想法。2018 年，佐治亞理工學院和谷歌大腦的研究者開發(fā)了 GAN 的可視化工具 GAN Lab（https://poloclub.github.io/ganlab/）實際就證實了這一點，該工具無需安裝也無需專門的硬件，通過網(wǎng)頁瀏覽器就可以應(yīng)用，使機器學習超越了傳統(tǒng)方法。未來，人工智能可以學習并產(chǎn)生高質(zhì)量的結(jié)果。

糾正錯誤

人工智能最基礎(chǔ)層面上，是人為設(shè)計的程序。然而就像人的大腦一樣，它們也會出現(xiàn) Bug。雖然人類傾向于以自己的道德操守來糾正自己，但人工智能卻會忽略這一點。

現(xiàn)如今，人工智能被引入到了全球很多重要的領(lǐng)域，如醫(yī)療、銀行、運輸?shù)?，在這些領(lǐng)域中，一旦發(fā)生 Bug，將會帶來嚴重的后果。因此，科學家們正努力在不降低性能的情況下增強神經(jīng)網(wǎng)絡(luò)及其功能，并制定了一系列有目標的計劃，以實現(xiàn)自動化決策?？梢哉f，AI 的可解釋性逐步有了進展，它將遵循了我們一直在談?wù)摰牡赖乱?guī)范，隨著時間的流逝，人工智能會變得更好。

將創(chuàng)造自己的環(huán)境

雖然現(xiàn)在難以想象，但在未來一定會成為現(xiàn)實，即人工智能有能力成為企業(yè)新的業(yè)務(wù)操作系統(tǒng)，對此，據(jù)外媒 Dzone 報道，其曾討論了人工智能是如何被訓練與逐步管理機器學習模型的，可大致將其分為 6 個步驟：

模型部署

模型評分/服務(wù)

收集指標/故障

監(jiān)控模型性能

分析結(jié)果和錯誤

再訓練模型

B2B 變得更加簡化

認識超自動化

Gartner 將超自動化（ Hyperautomation）引入 2020 年的十大戰(zhàn)略技術(shù)趨勢中。正如它所聲稱的那樣，“ 超自動化通常會導致組織數(shù)字孿生的產(chǎn)生。”

為什么不呢？它包含了組織提高人工智能決策能力所需的一切，例如機器人流程自動化、智能業(yè)務(wù)流程管理軟件等等。