IT行業(yè)媒體eWEEK每年都會分享IT思想領袖對未來一年IT行業(yè)的預測，其中包括新產品、創(chuàng)新服務、發(fā)展趨勢等。這些行業(yè)專家對2020年的人工智能、機器學習和基于機器人的自動化領域的未來發(fā)展進行了預測，并分享自己的見解。

Landing AI公司人工智能轉型副總裁Wang Dongyan表示：在非消費性互聯網行業(yè)中，人工智能的采用仍處于早期階段。許多項目由于面臨缺乏數據、需要管理復雜的機器學習工作流程等挑戰(zhàn)而陷入困境。在2020年，端到端、垂直化的人工智能平臺將出現，這將使企業(yè)能夠擺脫困境，并繼續(xù)完成其人工智能項目。

Pivot 3公司首席執(zhí)行官Bruce Milne表示：IT行業(yè)將開始認識到基于視頻計算的力量：隨著視頻分析技術在2020年得到改進，IT行業(yè)將會出現無窮的機會。目前，基于視頻的數據占所收集數據的60%，并且在過去幾年中，企業(yè)很大程度上將其視作一種負債和支出。 2020年將開始看到一種轉變，企業(yè)將轉向視頻以優(yōu)化其產品或支持戰(zhàn)略計劃。例如，某些城市可能會使用視頻監(jiān)控技術來監(jiān)控其公共交通系統(tǒng)的安全運營，合并分析以挖掘數據以獲取諸如容量需求之類等洞察信息。

LogicGate公司首席執(zhí)行官Matt Kunkel表示：機器人流程自動化(RPA)在風險和合規(guī)性方面優(yōu)于人工智能：人工智能和機器學習有多種形式。關于風險和合規(guī)性，機器人流程自動化(RPA)將在2020年繼續(xù)取得進展。其原因是：當分析名列財富500強公司的大量數據時，數據量只是不足以使人工智能的預測具有相關性。機器人流程自動化(RPA)之所以運作良好，是因為許多風險和合規(guī)職能部門遵循一個正式流程，并且隨著企業(yè)通過特定流程存儲越來越多的數據，因此存在更加清晰的途徑來自動執(zhí)行這些步驟。然后，其問題就變成了如何在該系統(tǒng)上進行優(yōu)化和迭代。機器人流程自動化(RPA)應用程序的其他成熟領域包括第三方風險、IT、策略和過程以及內部審核。

AODocs公司市場營銷副總裁David Jones表示：人工智能并不是解決內容管理的靈丹妙藥：但很多人認為人工智能可以通過一種算法解決所有業(yè)務問題，這是一個謬論。人們需要擺脫一種怪異的人工智能算法可以完成此工作的想法，而應轉向許多人工智能機器人共同努力以優(yōu)化先前存儲的數據的想法。2020年，將針對傳統(tǒng)數據庫部署人工智能，以首先確定存儲哪些數據，刪除不再需要的數據，并分配豐富的元數據，以實現更好、更完善的搜索和簡化的記錄保存。用戶不會執(zhí)行此操作，而是執(zhí)行一組相互關聯的算法。

Teradata公司工業(yè)智能咨詢業(yè)務主管Cheryl Wiebe表示：當今的人工智能將在2020年分為幾個領域，市場營銷人員將不可避免地為這些領域創(chuàng)建更簡潔的名稱。其中包括機器人流程自動化(RPA);自動特征工程和選擇;感知人工智能，物理感知的自動化和精細化;資源分配人工智能，優(yōu)化技術與實時感知和響應需求的結合。

人工智能將開始改善數據管理本身的過程。例如，對于系統(tǒng)資源分配、自動化特征工程、操作元數據收集以及更好的知識管理(例如標記)。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：自然語言處理(NLP)和文本分析將成為機器人流程自動化(RPA)解決方案的重要組成部分：調研機構Forrester公司和Gartner公司發(fā)布的調查報告指出，許多機器人流程自動化(RPA)供應商在支持流行的文本分析用例方面均處于落后狀態(tài)，缺乏涉及PDF的“非結構化文檔用例”的功能，并且難以使文本分析/自然語言處理(NLP)組件進入其較大的運行環(huán)境。隨著企業(yè)自動化越來越大的流程，自然語言處理(NLP)供應商會提供滿足機器人流程自動化(RPA)要求的可行解決方案，例如內部部署/混合云選項、易于集成的API、可自定義性和快速的投資回報率(ROI)，它們將迅速填補這一空白。

Teradata公司市場營銷副總裁Chad Meley表示：在過去幾年中成功進行了幾次人工智能試點之后，企業(yè)將重新把重點放在企業(yè)數據管理和集成上，為擴展成千上萬個狹義定義的人工智能用例奠定基礎。如今圍繞各種機器智能都是狹窄的人工智能。到2020年，成功的企業(yè)人工智能計劃將產生數百個用例，每個用例都由一個狹義定義的算法支持。

“無代碼分析”將會引起人們極大的興趣和采用。通過自動消除某些麻煩的方面(例如要素工程和模型選擇)，人們看到了高級分析技術的穩(wěn)定民主化。但是，當機器學習和其他高級過程分析完全不需要編碼或SQL技能時，高級分析就會變得普及。無代碼分析將嵌入到工作流程中，或通過簡單的下拉菜單調用。他們不會使編碼在分析領域中過時，但會使大型企業(yè)中受益于分析的用例數量增加100倍。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：人工智能最大的研究進展將是理論上的：過去五年來，人工智能的應用遠遠超出了人們對這一切的理解。他預計，隨著2019年下半年在人工智能實用方面取得重大進展，人們有望減少在世界范圍內領先的算法發(fā)明，并在理論上取得更多進步，從而說明這些都有效。這個領域一直在快速發(fā)展，因此到2020年底，理論工作將為新一代算法鋪平道路，其平衡將再次發(fā)生變化。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：更少的魔力和更多的解決方案：人工智能將有美好發(fā)展的一年，并將鞏固其作為未來十年技術的地位。人工智能供應商似乎更加明智，而是向正確的信息傳達人工智能可以幫助人類，從而使他們更快、更好地完成工作。

Aisera.com公司首席執(zhí)行官Muddu Sudhakar表示：AIOP將會顛覆傳統(tǒng)的IT/Cloud/DevOps：DevOps的核心在于提高敏捷性和靈活性。AIOps通過自動執(zhí)行從開發(fā)到生產的關鍵步驟、預測生產結果以及自動化對生產環(huán)境變化的響應來提供幫助。即使微服務、混合云、邊緣計算和物聯網提高了應用程序的復雜性，并增加了用于查找根本原因的日志量，AIOps仍簡化了來自多個系統(tǒng)的數據聚合，而DevOps通過集成先前孤立的系統(tǒng)來提高效率。像DevOps一樣，AIOps刺激了文化變革，因為它需要在系統(tǒng)范圍內尋找而不是縮小特定技術或基礎設施層。它還需要更高自動化程度的舒適度。

Lexalytics公司首席執(zhí)行官Jeff Catlin表示：自動駕駛還有很長的路要走：雖然企業(yè)環(huán)境中的人工智能確實會做得很好，但人工智能也會出現一些引人注目的失敗案例，尤其是在自動駕駛汽車領域。特斯拉公司的Smart Summon的功能令人印象深刻，但還有一段路要走。它在特斯拉社區(qū)中的廣泛使用將導致許多關于低速事故的視頻，這些事故視頻通常是撞到汽車、燈桿甚至是行人。