1、用于文本、語音和視覺的人工智能將繼續(xù)成為主流。

信息的寶藏隱藏在客戶與呼叫中心高管的對話中。這些非結(jié)構(gòu)化的語音和文本對話正在迅速成為最簡單的信息來源之一。在某些情況下，有可能獲得改進(jìn)產(chǎn)品和服務(wù)的關(guān)鍵消費(fèi)者洞察力，設(shè)計(jì)虛擬助手，幫助員工解決復(fù)雜的客戶問題，提高客戶滿意度。其他有價(jià)值的信息包括識別常見問題，為他們創(chuàng)建適當(dāng)?shù)淖灾?wù)渠道，增加客戶參與度，識別和規(guī)定交叉銷售和追加銷售的機(jī)會(huì)，以及大量其他相關(guān)機(jī)會(huì)。

在構(gòu)建這些解決方案時(shí)，有幾個(gè)障礙，例如從不同的語言、不同的方言和口音中清晰地轉(zhuǎn)錄，識別不同類型的場景詞匯，消除環(huán)境噪聲，并使用不同的渠道(如單聲道或立體聲)來記錄對話。多年來，大型科技公司提出了許多解決方案。他們建立了一個(gè)強(qiáng)大的專有模型，具有非常高的精度。然而，主要挑戰(zhàn)是數(shù)據(jù)需要通過網(wǎng)絡(luò)發(fā)送，這可能與機(jī)密性和隱私問題相沖突。此外，這些專有模型在特定領(lǐng)域的定制訓(xùn)練中范圍有限。

在未來的日子里，利用強(qiáng)大的深度學(xué)習(xí)來構(gòu)建編碼器解碼器網(wǎng)絡(luò)，利用預(yù)訓(xùn)練的組件和遷移學(xué)習(xí)是不同的。這些計(jì)算密集型模型利用高性能GPU計(jì)算的硬件加速來避免翻譯和語音細(xì)微差別帶來的挑戰(zhàn)。

在接下來的幾天里，像BERT和GPT-3這樣的大型語言模型將變得更加復(fù)雜，擴(kuò)展其處理不同語義相似性和場景關(guān)系的能力，改進(jìn)現(xiàn)有的文本摘要和生成、聊天機(jī)器人、提高翻譯準(zhǔn)確性、增強(qiáng)情感挖掘、搜索、代碼生成等應(yīng)用。

在計(jì)算機(jī)視覺領(lǐng)域，人們正在構(gòu)建一個(gè)更新和更強(qiáng)大的模型，用于物體檢測、分割、跟蹤和計(jì)數(shù)。這些模型提供了前所未有的精度水平。通過強(qiáng)大的GPU，這些模型將變得越來越普遍。

人們可以期待看到混合解決方案利用上述所有進(jìn)步，將下一代人工智能助手帶入生活。這些解決方案將具有人類對話的溫暖觸感，結(jié)合快速實(shí)施和推理的能力，最終降低運(yùn)營成本，大大提高客戶滿意度。

2、在藝術(shù)和創(chuàng)意空間中生成人工智能。

吸引和保持客戶的注意力是大多數(shù)企業(yè)一直在努力應(yīng)對的挑戰(zhàn)。為了提高企業(yè)的品牌知名度，需要不斷生成高質(zhì)量的內(nèi)容，這些內(nèi)容是相關(guān)的、有吸引力的，適當(dāng)應(yīng)用于各種渠道的傳播。生成人工智能提供了增強(qiáng)內(nèi)容創(chuàng)作的新功能。利用生成人工智能，企業(yè)可以創(chuàng)建圖像、視頻、書面材料等各種內(nèi)容，減少周轉(zhuǎn)時(shí)間。生成人工智能網(wǎng)絡(luò)采用遷移學(xué)習(xí)或一般對抗網(wǎng)絡(luò)，從不同來源創(chuàng)建身臨其境的內(nèi)容。除了市場營銷中明顯的影像應(yīng)用，它還可以改變電力量。

在這里，像GPT-3這樣的大型語言模型將再次發(fā)揮作用，在小說、非小說和學(xué)術(shù)文章中創(chuàng)造引人入勝的內(nèi)容。在許多公開可用的網(wǎng)站上，高質(zhì)量的抽象概念圖像已經(jīng)可以從用戶的簡單書面提示中產(chǎn)生。在音頻合成等領(lǐng)域，可以創(chuàng)建成千上萬種語氣和頻率的敘述和聲音。人們需要警惕的惡意應(yīng)用程序之一是創(chuàng)建深度偽造(人工生成的虛假圖像和視頻)，這將導(dǎo)致虛假新聞的傳播和進(jìn)一步有害的宣傳等新的威脅。因此，生成型人工智能將成為一種商業(yè)力

3、可以解釋的人工智能使道德和負(fù)責(zé)任的人工智能成為現(xiàn)實(shí)。

越來越多的企業(yè)意識到需要可解釋的人工智能來提高透明度，建立問責(zé)制度，暴露自動(dòng)決策系統(tǒng)中的偏見?？山忉尩娜斯ぶ悄芤彩墙档推髽I(yè)人工智能固有風(fēng)險(xiǎn)的主要工具。事實(shí)也證明，可解釋的人工智能也增加了整個(gè)企業(yè)對人工智能的采用，因?yàn)楫?dāng)人工智能模型在給出理由和基本原理的同時(shí)進(jìn)行預(yù)測時(shí)，人們會(huì)更加信任。在醫(yī)療保健或金融服務(wù)等環(huán)境下，由于需要理解和澄清推薦治療或診斷的原因，或者拒絕貸款申請。

一些技術(shù)，如LIME，可以通過擾動(dòng)輸入和評估對輸出的影響來提高模型的可解釋性。另一種流行技術(shù)（SHAP）基于博弈論的方法是通過分析特征組合及其對結(jié)果增量的相應(yīng)影響來實(shí)現(xiàn)的。它創(chuàng)建了一個(gè)可解釋的分?jǐn)?shù)，以突出對輸出有更大貢獻(xiàn)的輸入。例如，在圖像的預(yù)測中，可以突出導(dǎo)致輸出的主導(dǎo)區(qū)域或像素。隨著人工智能對商業(yè)和社會(huì)的影響越來越大，人們也面臨著這些復(fù)雜用例帶來的各種道德問題。為了保持符合法律和社會(huì)結(jié)構(gòu)，我們正在研究適當(dāng)?shù)臄?shù)據(jù)治理框架、揭示偏見的工具和透明因素。模型將被徹底測試為漂移、謙遜和偏見，以防止重復(fù)的道德檢查。適當(dāng)?shù)哪Ｐ秃徒忉?/span>

4、自適應(yīng)人工智能銳化，提升顧客和品牌體驗(yàn)。

行業(yè)領(lǐng)先的零售商正在通過人工智能大力投資，提高運(yùn)營效率和客戶體驗(yàn)。零售店將越來越成為提升品牌知名度和客戶體驗(yàn)的焦點(diǎn)，而不是簡單的交易中心。Adaptive人工智能將成為這種轉(zhuǎn)型背后的力量。基于計(jì)算機(jī)視覺和邊緣的人工智能系統(tǒng)的無障礙購物體驗(yàn)將減少等待時(shí)間和麻煩，這將是一個(gè)主要的增長領(lǐng)域。未來的零售店也將基于內(nèi)置基礎(chǔ)設(shè)施支持的視頻分析，提供高度個(gè)性化的建議，創(chuàng)造無縫的實(shí)時(shí)洞察。

店內(nèi)分析將根據(jù)店內(nèi)不同渠道的停留時(shí)間提供智能見解。通過多渠道整合過去的購物歷史，并將人口統(tǒng)計(jì)數(shù)據(jù)納入其中，豐富客戶體驗(yàn)，使體驗(yàn)式購物具有很高的沉浸感和樂趣。全渠道管理將通過自適應(yīng)人工智能得到加強(qiáng)，這將提供與場景高度相關(guān)的幫助。對話人工智能，加上AR、VR等新技術(shù)，將增強(qiáng)店員完全重新定義實(shí)體店購物體驗(yàn)的能力。

5、邊緣人工智能將變得更加普遍。

通過強(qiáng)大的深度學(xué)習(xí)，邊緣人工智能使普通消費(fèi)設(shè)備具有場景感知能力，具有很大的改變?nèi)藗內(nèi)粘Ｉ畹哪芰?。由于更輕的模型和高性能GPU計(jì)算的可訪問性，基于邊緣的人工智能將變得更加便宜。邊緣模型采用本地基于場景的學(xué)習(xí)，并在適當(dāng)?shù)臅r(shí)間與中心模型同步，從而減少帶寬和能源需求。這類價(jià)格合理的智能設(shè)備將徹底改變零售、制造、能源公用事業(yè)等各個(gè)領(lǐng)域，用于質(zhì)量檢驗(yàn)、預(yù)測維護(hù)、健康安全等用例。

由于計(jì)算需求低，成本下降將導(dǎo)致智能和響應(yīng)設(shè)備市場。對于醫(yī)療保健和金融等數(shù)據(jù)管理受到嚴(yán)格監(jiān)管的行業(yè)來說，數(shù)據(jù)要求的降低將是一個(gè)福音。每個(gè)邊緣設(shè)備的模型都是根據(jù)特定的邊緣環(huán)境定制的，關(guān)鍵數(shù)據(jù)永遠(yuǎn)不會(huì)出現(xiàn)在邊緣網(wǎng)絡(luò)之外。邊緣人工智能將在智能倉庫、制造業(yè)和公共事業(yè)中普及。隨著企業(yè)對笨重模型的巨大能源需求越來越意識到，基于邊緣的人工智能將用于減少人工智能的碳足跡，并實(shí)現(xiàn)每次剎車時(shí)的可持續(xù)發(fā)展目標(biāo)。

標(biāo)簽：人工智能,人工智能技術(shù),AI人工智能,AI人工智能技術(shù)