至顶网软件频道消息:根据IDC全球半年度认知人工作职能系统支出指南预测,2018年认知和人工智能(AI)系统的支出将达到191亿美元,相比2017年增长54.2%。该指南预测,随着各行业积极投资于那些采用认知/人工智能软件功能的项目,到2021年认知和人工智能支出将增长至522亿美元,在2016-2021年预测期内实现46.2%的复合年增长率(CAGR)。
IDC认知/人工智能研究总监David Schubmehl表示:“人们对人工智能的兴趣和意识正在增强,每个行业和每个组织都应该对人工智能进行评估,看看人工智能会如何影响他们的业务流程和上市效率。IDC预计,到2019年40%的数字化转型举措将采用人工智能服务,到2021年75%的企业应用将采用人工智能。从预测、推荐和建议,到自动化客户服务代理和智能流程自动化,人工智能改变我们与计算机系统交互的方方面面。”
2018年零售业超过银行业,成为认知/人工智能支出方面的领跑行业。零售企业今年在一系列人工智能使用案例上的投入将达到34亿美元,其中包括自动化客户服务代理、专业购物顾问和产品推荐、全渠道运营销售。银行业的33亿美元支出中大部分将用于自动化威胁情报和预防系统、欺诈分析和调查、计划顾问和推荐系统。离散制造将成为人工智能支出的第三大行业,该行业将支出20亿美元用于自动预防性维护、质量管理调查和推荐系统等方面。医疗是第四大行业,该行业的17亿美元支出中大部分将投资用于诊断和治疗系统。
IDC客户洞察与分析研究经理Marianne Daquila表示:“企业数字化转型战将越来越多地把多种认知/人工智能用例涵盖进来。所有行业都在进行业务转型,因为成功的企业都会接受这些解决方案的一系列潜在影响。自动化的客户服务代理、增强的公共安全、预防性维护、减少欺诈以及改善医疗诊断,这些都只是推动支出增长的冰山一角。IDC预计,通用案例将会呈现增长趋势,以及针对特定行业用例进行的改进,这预计同比支出增幅将达到两位数。
2018年支出总额最大的认知/人工智能用例包括:自动化客户服务代理(24亿美元),投资主要来自于零售和电信行业;自动化威胁情报和预防系统(15亿美元),投资主要来自于银行业、公用事业和电信行业;销售流程推荐和自动化(14.5亿美元),投资主要来自于零售和媒体行业。另外三个用例紧随其后:自动化预防性维护;诊断和治疗系统;欺诈分析和调查。在2016-2021年预测期内,支出增长最快的用例包括:公共安全和应急响应(复合年增长率75.4%)、药物研究和发现(70.5%)、专家购物顾问和产品推荐(67.3%)。
在2016-2021预测期内,认知/人工智能支出中有一半以上将用于认知软件。最大的软件类别是认知应用,其中包括认知启用流程和(可自动学习、发现并提出建议或预测的)行业应用。另外一个软件类别是认知平台,这种平台有助于开发智能的、咨询和认知功能的应用。各行业还将投资于IT服务,以帮助开发和实施他们的认知/人工智能系统及业务服务,例如与这些系统相关的咨询和横向业务流程外包。技术支出最小的类别将是支持系统所需的硬件(服务器和存储)。
从地域来看,2018年美国将占到所有认知/人工智能系统支出的3/4,其中以零售业和银行业为主。西欧是第二大地区,以零售业、离散制造业和银行业为主。5年预测内支出增长最强劲的将是日本(复合年增长率73.5%)和亚太地区(日本和中国除外)(复合年增长率72.9%)。中国在整个预测期内也将呈现强劲的支出增长(复合年增长率68.2%)。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。