福布斯评出2017年最热门的10大AI技术

来源：http://www.jckbocps.com/

据《福布斯》报道，人工智能市场正在快速发展。除了引发的讨论和媒体的高度关注，以及不断涌现的创业公司和试图收购这些创业公司的互联网巨头之外，这一领域吸引的投资和企业使用也越来越多。

　　NarraTIve Science进行的调查显示，去年38%的企业已经在使用人工智能，而到2018年将增长至62%。Forrester Research则预计，2017年人工智能领域获得的投资将同比增长超过300%。IDC估计，人工智能行业的规模将从2016年的80亿美元增长至2020年的超过470亿美元。

　　人工智能的概念包含多种技术和工具，一些出现的时间已经很长，而另一些则刚刚出现。为了让外界更好地了解当前趋势，Forrester发布了关于人工智能的TechRadar报告，对13种企业应当关注的人工智能技术进行了分析。

　　基于Forrester的分析，以下是《福布斯》列出的10大热门人工智能技术：

　　1.自然语言生成：利用计算机数据生成文本。目前被用在客户服务、报告生成，以及商业情报信息总结等方面。范例供应商：AtTIvio、Cambridge SemanTIcs、Digital Reasoning、Lucidworks、NarraTIve Science、SAS。

　　2.语音识别：听写人类语言，并将其转换为对计算机应用有用的形式。目前被用在互动语音响应系统和移动应用中。范例供应商：NICE、Nuance Communications、OpenText、Verint Systems。

　　3.虚拟助手：用Forrester的话来说，这是“当前媒体的宠儿”，其中既包括简单的聊天机器人，也包括可以与人类联网沟通的先进系统。目前被用在客户服务和支持，以及智能家居管理工具中。范例供应商：亚马逊、苹果、Artificial Solutions、Assist AI、Creative Virtual、谷歌（微博）、IBM、IPsoft、微软、Satisfi。

　　4.机器学习平台：提供算法、API（应用程序接口）、开发和训练工具包、数据，以及计算能力，从而设计、训练计算模型并将其发展成为应用、流程和机器。目前被广泛用于企业应用，大部分都包含预测或分类功能。范例供应商：亚马逊、Fractal Analytics、谷歌、H2O.ai、微软、SAS、Skytree。

　　5.经过人工智能优化的硬件：用于运行人工智能计算任务、经过专门设计和架构的GPU（图形处理单元）和应用。目前被用于改变深度学习应用。范例供应商：Alluviate、Cray、谷歌、IBM、英特尔、英伟达。

　　6.决策管理：向人工智能系统插入规则和逻辑的引擎，可用于初始化设置/训练，以及持续的维护和优化。这是一种成熟的技术，被用于多种不同的企业应用，辅助或进行自动化决策。范例供应商：Advanced Systems Concepts、Informatica、Maana、Pegasystems、UiPath。

　　7.深度学习平台：一种特殊形式的机器学习平台，包含多层的人工神经网络。目前主要被用于基于大数据集的模式识别和分类。范例供应商：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、Saffron Technology、Sentient Technologies。

　　8.生物信息：赋能更多人机之间的自然互动，包括但不限于图像和触控识别、语音和身体语言。目前主要被用于市场研究。范例供应商：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera、Tahzoo。

　　9.机器处理自动化：使用脚本和其他方法实现人类操作的自动化，以支持更高效的商业流程。目前被用于某些人力成本高昂或低效的任务和流程。范例供应商：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath、WorkFusion。

　　10.文本分析和自然语言处理：自然语言处理技术利用统计和机器学习方法去理解语句的结构、含义、情绪和意图。目前被用于欺诈探测和信息安全，多种自动化助手，以及非结构化数据的挖掘。范例供应商：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd、Synapsify。

　　目前，人工智能可以给企业带来许多帮助。但根据Forrester去年的调查，在不计划投资人工智能的公司中，许多公司认为，人工智能的普及存在障碍。

　　这些障碍包括：

　　1.没有清晰定义的商业场景：42%

　　2.不清楚人工智能可以如何使用：39%

　　3.缺乏必要的技能：33%

　　4.需要首先投资，推动数据管理平台的现代化：29%

　　5.缺乏预算：23%

　　6.不确定配置人工智能系统需要具备哪些元素：19%

　　7.人工智能系统尚未得到证明：14%

　　8.缺乏适当的流程或管理方法：13%

　　9.人工智能只是噱头，没有实质的东西：11%

　　10.不掌握，或是无法获得所需的数据：8%

　　11.不确定人工智能是什么：3%

　　Forrester认为，在克服这些障碍之后，企业可以加速向以用户为导向应用的转型，以及发展企业智能的互联网络。