770
使用合适的分析工具理解数据，挖掘可行的洞察，赢得竞争优势，是实现商业财富的一种方法。不过，成熟度曲线（Hype Cycle）特别的地方在于它是基于媒体曝光度和学术会议的宣传——炒作周期这个名字似乎更形象——在时间段的变化来判断趋势，因此，它更多的是反映预期而非相关产业市场营销的结果。不同于经济学理性预期学派所认为的“人们预期到的操作都是无效的”，就新兴科技领域而言，前瞻性十分重要，成熟度曲线发挥的是引导作用。
在本周二（9月7日）发布的一份最新的《2021年AI成熟度曲线》报告中，Gartner提到了有关推动AI创新的四个趋势，包括负责任的AI、小而广的数据方法、AI平台的可操作化、以及数据、模型和计算资源的有效利用，认为这些将是扩展AI规划的关键。
图1：2021年AI的成熟度曲线 来源：Gartner
这张成熟度曲线图反映出AI市场还在演进，有关AI的创新速度在加快，更多的创新集中在技术促动期。在2到5年内，将有很多超过平均水平的技术达到主流应用，包括边缘AI、计算机视觉、决策智库和机器学习在内的创新都将在未来几年对市场产生变革性的影响。其中一个市场需求的趋势是，用户寻求定制化的技术能力，往往超出现有的AI工具的能力。笔者认为，这意味着未来几年内，AI的应用场景将更加多元和个性化。
下面，谈一谈笔者对该报告中有关AI创新四个趋势的看法：
1、负责任的AI
一直以来，AI技术和用户之间如何建立起信任、透明、公平和可审计的关系上存在广泛的议论。Gartner的研究副总裁Svetlana Sicular认为，负责任的AI有助于实现公平，即使数据中存在偏见。尽管透明度和可解释性方法还在发展，但仍能获得信任，同时，在努力应对AI的概率特性时，确保法规遵从性。Gartner预计，到2023年，所有受雇于AI开发和培训工作的人员都必须展示负责任的AI方面的专业知识。
这里有两个关键：人和专业知识，这意味着未来，对AI从业人员的要求越来越高——不仅要具备AI技术的专业技能，还要具备确保其产品方案符合法规遵从性的专业知识。除非，你的公司有钱到不需要考虑任何巨大的沉没成本的风险。
2、小而广的数据方法
数据是实现AI的基础。小而广的数据方法支持更强大的分析和AI，减少机构对大数据的依赖，并提供更丰富、更完整的情景感知。根据Gartner的数据，到2025年，70%的机构会被迫将注意力从大数据转到小而广的数据，为分析提供更多的上下文，减少AI对数据的需求。
这并不是说大数据不再重要了，而是AI应用场景的下沉带来了变化。典型的例子就是边缘计算这类应用，侧重于分析，不需要海量的数据就能提供有价值的洞察，而大数据的作用是将这些小数据源整合起来进行分析和协同。所以，完整的端到端的商业价值仍籍由大数据和小数据的结合来实现。
3、AI平台的可操作化
向AI业务转换的的紧迫性和重要性正在推动AI平台的可操作化。这意味着在AI项目从概念转向生产的过程中，可以依赖AI解决方案来解决企业范围内的问题。Gartner发现，目前只有50%的AI项目从试验阶段进入生产阶段，而这些项目平均需要9个月的时间才能完成，一些创新应用，如人工智能编排、自动化平台和模块化操作正在实现可重用性、可扩展性和管理，加速AI的采用和增长。
笔者认为，这是企业实施AI项目过程的一个趋势。显然，它和前文提及的“AI的应用场景将更加多元和个性化”有着内在的关联：一个可操作化的平台，提供了多元化应用场景一个灵活而不失统一的资源，减少成本和损耗，提升效率。
4、资源的有效利用
AI部署所涉及的资源包括数据、模型和计算资源，具有复杂性高和规模庞大的特性。AI创新要求能够以最大效率来使用这些资源，由于能够以更高效的方式解决广泛的业务问题，多重体验、复合AI、生成式AI等在AI市场上越来越引人注目。
事实上，这一趋势随着AI应用落地进程的加快变得越来越重要。例如多重体验，不仅在AI的人机交互平台，还有AR/VR/XR等应用，这些应用中，感知和交互的联合转变将导致未来的多感官、多模态体验，这将对AI方案部署对各种资源的利用提出新的挑战。
值得一提的是，相较于2020年，Gartner今年的这份AI成熟度曲线创新趋势少了六个，去年有十个：超级自动化、多重体验、技术民主化、人类增强、透明度和可追溯性、赋能型边缘、AI安全、分布式云、自主化设备、加密货币和实用区块链。
图2：2020年AI的成熟度曲线 来源：Gartner
大家可以自行对照一下两张图，看看哪些技术在发展，哪些消失了。去年，AI民主化和AI平台的产业化被确立为两个最重要的趋势。前者强调了包括专家在内的所有AI参与者的主体性，包括客户、业务伙伴、业务主管、销售人员、流水线工人、应用程序开发人员和IT操作专业人员，而开发人员将成为AI的主要力量；后者强调了AI的可重用性、可扩展性和安全性，加速了AI的应用和发展。平台产业化使得AI新进应用者和早期采用者不相上下。
从十个变成四个，一方面说明新技术促动期到过高期望的峰值（泡沫）的时间窗口很短，另一方面，也说明峰值过后进入低谷将是一个去芜存菁逐渐成熟的过程。对于做AI的企业而言，明白自己处在曲线的那一段，能在泡沫过后存活下来，那后面稳步爬升和实现量产就可期待了。
下载ECAD模型
