当前位置:叉车网首页 > 资讯中心 > 权威报告

【德勤报告】未来8年,机器智能如何创造价值

2017/2/27 16:58:57来源:作者:

德勤发布报告《2017德勤技术趋势》,以“运动中的企业”为主题,全面分析未来 8 年影响商业领域的核心技术及其影响,还包括企业应用和策略上的建议。报告特别提出了机器智能(MI)这个新概念,MI 包含机器学习、深度学习、认知分析,到 2019年全球商业支出将达 313 亿美元。


关键词: 机器智能 创造价值

今年德勤技术趋势报告的主题是“运动中的企业”(the kinetic enterprise),这一概念描述了正在发展灵活性和愿景的公司——如今,公司不仅要克服运营上的惯性,还要在一个不断发展并将持续变动的商业环境中茁壮成长。

要做到这一点很难。虽然科技进步让我们看到了潜力 ,但只有少数几种技术可能最终让我们实现真正的价值。更多的实际上是炒作。只有认真鉴别、主动出击,才能将潜能转化为现实。

在这样的理念推动下,德勤推出了他们迄今第8份《德勤技术趋势报告》。在这份最新报告中,五大宏观领域——数字化、分析、云、核心系统和基础设施重构,以及IT在企业中不断变化的作用——保持不变,这些都是年复一年推动企业创新和转型的力量。不过,尽管这五大力量无处不在,各个企业在采用方面仍然存在很大差异。



今年报告新增的3个分领域:机器智能(MachineIntelligence,MI)、混合现实和区块链。其中,机器智能更是作为新增技术之首,在今年的报告中占据了很大的篇幅。根据德勤预测,到2019年,全球商业在机器智能(MI)的支出将达到313亿美元。

值得注意的是,德勤报告认为,人工智能(AI)是机器智能(MI)的一部分,机器智能是一个更加广泛,也是更加重要的领域。机器智能的几个主要分支包括:机器学习(ML)、深度学习(DL)、认知分析、机器人过程自动化(RPA)和Bot。报告指出,“总体来说,这些技术和其他工具共同构成了机器智能(MI)”,我们可以将MI理解为算法的能力,这些算法能够增强员工绩效、将日益复杂的工作自动化,并开发出模拟人类思维、参与人类工作的“认知代理”。

德勤指出以下三个因素推动了MI的发展:

数据呈指数级增长:如今企业中充斥着数据,迫切需要工具来分析和处理信息。德勤报告指出,公司收集的数据量每12个月翻一番,到2020年将达到约44ZT。

更快的分布式系统:与数据暴增一样,计算能力和速度也在飞速提升,现在的物联网、各种传感器和嵌入式智能设备构成了规模庞大的分布式网络。

更智能的算法:报告指出“MI算法稳步发展,在实现认知计算模拟人类思维过程初衷的方面有了初步成果”,报告还预测在未来18到24个月的时间里,MI算法将得到广泛的使用,包括优化、规划和调度;确定概率;实现机器人过程自动化及其他任务。

总的来说,语音识别、自然语言处理和机器学习等MI技术将帮助企业自动执行传统上由人类完成的许多任务,从而提高效率和生产力。诸如Alphabet、亚马逊和苹果这样的大型科技公司则打算向企业提供这些服务。反过来,风险投资公司也将其投资组合加到整个食物链的底层。



以下为报告节选

机器智能——技术模拟人类认知来创造价值


人工智能快速的进化已经带来了大量独特的东西,尽管它们总是被误解的。AI的能力,比如机器学习、深度学习、认知分析、机器人自动化(RPA)、bot等等。总体上,这些和其他的工具组成了机器智能:算法的能力可以增强雇员的表现、将越来越复杂的工作自动化,并且开发出能够模拟人类思维和参与的“认知智能体”,在高级的分析方法中,机器智能代表了未来。

数据(DATA)作为一种关键商业资产的崛起一直是每个“技术趋势”报告中的一个主题,从管理其爆炸式增长的数量和复杂性所需的基础功能到越来越复杂的分析工具技术,再到从数据库中挖掘业务洞察都是如此。

通过利用分析来发掘在不断增长的数据存储中隐藏的模式,洞察和机会,一些公司已经能够开发新的用户参与方式、增强员工的技能和智力、培育新产品和服务、探索新的商业模式。今天,越来越多的CIO正在积极奠定让其组织更具洞察能力所需的基础。

人工智能(AI)——能够执行通常需要人来完成的任务的人工智能(AI)技术—正在成为这些分析工作的重要组成部分。然而,AI只是认知计算领域中更大、更引人注目的一系列发展的一部分。比AI更大的是机器智能(MI),这是代表新的认知时代的一系列进步的总称。我们在报告中提到了近年来取得快速发展的一些认知工具:机器学习,深度学习,高级认知分析,机器人自动化和bot,仅举几例。



我们已经在各个领域看到开始出现机器智能的早期使用案例。例如,在美国,一家运行全美最大的医学研究计划之一的医院正在“训练”其机器智能系统以分析存储在医院数据库中的100亿张遗传和基因图像。在金融服务中,认知销售助理使用机器智能与有希望的销售线索发起联系,然后锁定,跟进并维持这种联系。这个认知助手可以解析自然语言,以了解客户的对话问题,同时处理多达27,000个会话和几十种语言。

在接下来的几个月中,我们会看到类似的应用案例,因为会有更多的公司正在试图利用机器的力量。在机器智能各个方面的投入已经增加,预计2019年将达到近313亿美元。机器智能也成为CIO的优先考虑事项。德勤的2016年全球CIO调查中,1,200名IT高管提到了他们计划在未来两年内大幅投资的新兴技术,其中64%的人提到了认知技术。

机器智能如何创造价值?


对CIO而言,转向机器智能需要一种新的理解数据分析的方式。数据分析不仅仅是一种创建静态的报告的方式,还是一种利用更大型、更丰富的数据库来自动执行任务并提高效率的方式。

在机器智能中,CIO可以考虑的机会包括:


认知洞察(Cognitive insights):机器智能可以提供深入、可操作的洞察,不仅对已经发生的事情,而且包括现在正在发生的事情和接下来可能发生的事情。这可以帮助企业制定程序来提高员工效率。例如,在全球的呼叫中心中,服务代表可以使用多功能的客户支持程序来回答有关产品的问题,接受订单,调查定价,以及解决客户的其他问题。许多这样的系统还需要工作人员在屏幕间来回跳转以找到回答特定查询所需要的信息。

认知参与(Cognitive engagement):机器智能价值树的下一级是认知智能体(cognitive agents),即采用认知技术与人类进行交互的系统。目前,这项技术主要服务对象是消费者而非企业。例如,认知智能体可以相应人类的语音命令来降低恒温器温度或打开某个电视频道。但是,有可以从这种认知参与中受益的企业业务,并且新的应用领域开始出现。认知智能体将能够接入复杂信息,执行诸如处理患者入院,为用户推荐产品或服务等任务。它们可能在客户服务领域有更大的商业潜力。

认知自动化(Cognitive automation):第三个,可能也是最具颠覆性的机器智能机会,是利用机器学习,RPA,以及其他认知工具开发深度的专业领域知识(例如,按行业、职能或地区区分),然后自动化执行相关的任务。我们已经看到有机器智能的系统能够自动化执行从前需要经过训练的人力进行的工作。例如,有医疗公司应用深度学习技术进行医学图像的分析,在测试中,系统在判断恶性肿瘤方面比人类专家的能力高50%。


在教育领域,嵌入在在线学习程序中机器智能可以通过跟踪学习者解题时的“心理步骤”来模拟一对一辅导,为学习者提供及时的指导、反馈和解释。


如何在企业中运用机器智能(MI)?


很少有机构能够宣布在数据上和数据相关方面取得了胜利。即使数据是大部分是结构话的,并被限制在公司限制在内部信息中,管理和分析也是极具挑战性的。今天,复杂的算法和分析技术使我们能够解决复杂的情况,我们可以从被动描述发生了什么过渡到主动自动化业务响应。然而,即使具有快速发展的能力,一些组织仍然在数据上苦苦挣扎。



好消息是,机器智能提供了新的方法和技术,可以帮助我们最终克服一些长期的数据难题:

策略数据:MI技术可以以很大程度上自动化的方式应用于数据分类和本体以定义,合理化和维护主数据。MI可以分析每一块数据,其中关系,并创建与数据的质量相近的派生导出。同样,它可以潜在地提供用于补救出现的内容或上下文问题的手段。

有限和有目的:专注于获得商业问题的洞察,如果解决,就能提供更加有意义的价值。让问题陈述的范围决定所需的数据输入、适当的MI技术以及周围的架构和数据管理需求。通过解决这些问题中的一些,您可以获得更大的认可,以将MI应用于更复杂的问题。


夏尔巴人的欢迎(Sherpaswelcome):MI正在享受自己的启蒙时代,学术界,初创企业和成熟的供应商都在争相提高能力和添加新技术。考虑与供应商的合作,将是对你的努力的联合投资、与能够提供无限访问宝贵专业知识的学者和思想领袖合作也是如此。

产业化分析:数据已成为关键的战略性企业资产。但是,进行有目的的投入的、全面承诺培养、策划、并在整个企业中利用此资产的企业数量还是很少。工业化分析指的是,为所有维度的数据企业包括机器智能,推动方法、平台、工具和人才的一致性和可重复性的。在策略上,这可能会带来数据摄取,集成,归档,访问,授权,加密和管理的服务。

  德勤发布报告《2017德勤技术趋势》,以“运动中的企业”为主题,全面分析未来 8 年影响商业领域的核心技术及其影响,还包括企业应用和策略上的建议。报告特别提出了机器智能(MI)这个新概念,MI 包含机器学习、深度学习、认知分析,到 2019年全球商业支出将达 313 亿美元。


关键词: 机器智能 创造价值

 

  今年德勤技术趋势报告的主题是“运动中的企业”(the kinetic enterprise),这一概念描述了正在发展灵活性和愿景的公司——如今,公司不仅要克服运营上的惯性,还要在一个不断发展并将持续变动的商业环境中茁壮成长。

  要做到这一点很难。虽然科技进步让我们看到了潜力 ,但只有少数几种技术可能最终让我们实现真正的价值。更多的实际上是炒作。只有认真鉴别、主动出击,才能将潜能转化为现实。

  在这样的理念推动下,德勤推出了他们迄今第8份《德勤技术趋势报告》。在这份最新报告中,五大宏观领域——数字化、分析、云、核心系统和基础设施重构,以及IT在企业中不断变化的作用——保持不变,这些都是年复一年推动企业创新和转型的力量。不过,尽管这五大力量无处不在,各个企业在采用方面仍然存在很大差异。



今年报告新增的3个分领域:机器智能(MachineIntelligence,MI)、混合现实和区块链。其中,机器智能更是作为新增技术之首,在今年的报告中占据了很大的篇幅。根据德勤预测,到2019年,全球商业在机器智能(MI)的支出将达到313亿美元。

值得注意的是,德勤报告认为,人工智能(AI)是机器智能(MI)的一部分,机器智能是一个更加广泛,也是更加重要的领域。机器智能的几个主要分支包括:机器学习(ML)、深度学习(DL)、认知分析、机器人过程自动化(RPA)和Bot。报告指出,“总体来说,这些技术和其他工具共同构成了机器智能(MI)”,我们可以将MI理解为算法的能力,这些算法能够增强员工绩效、将日益复杂的工作自动化,并开发出模拟人类思维、参与人类工作的“认知代理”。

德勤指出以下三个因素推动了MI的发展:

数据呈指数级增长:如今企业中充斥着数据,迫切需要工具来分析和处理信息。德勤报告指出,公司收集的数据量每12个月翻一番,到2020年将达到约44ZT。

更快的分布式系统:与数据暴增一样,计算能力和速度也在飞速提升,现在的物联网、各种传感器和嵌入式智能设备构成了规模庞大的分布式网络。

更智能的算法:报告指出“MI算法稳步发展,在实现认知计算模拟人类思维过程初衷的方面有了初步成果”,报告还预测在未来18到24个月的时间里,MI算法将得到广泛的使用,包括优化、规划和调度;确定概率;实现机器人过程自动化及其他任务。

总的来说,语音识别、自然语言处理和机器学习等MI技术将帮助企业自动执行传统上由人类完成的许多任务,从而提高效率和生产力。诸如Alphabet、亚马逊和苹果这样的大型科技公司则打算向企业提供这些服务。反过来,风险投资公司也将其投资组合加到整个食物链的底层。



以下为报告节选

 

机器智能——技术模拟人类认知来创造价值


人工智能快速的进化已经带来了大量独特的东西,尽管它们总是被误解的。AI的能力,比如机器学习、深度学习、认知分析、机器人自动化(RPA)、bot等等。总体上,这些和其他的工具组成了机器智能:算法的能力可以增强雇员的表现、将越来越复杂的工作自动化,并且开发出能够模拟人类思维和参与的“认知智能体”,在高级的分析方法中,机器智能代表了未来。

数据(DATA)作为一种关键商业资产的崛起一直是每个“技术趋势”报告中的一个主题,从管理其爆炸式增长的数量和复杂性所需的基础功能到越来越复杂的分析工具技术,再到从数据库中挖掘业务洞察都是如此。

通过利用分析来发掘在不断增长的数据存储中隐藏的模式,洞察和机会,一些公司已经能够开发新的用户参与方式、增强员工的技能和智力、培育新产品和服务、探索新的商业模式。今天,越来越多的CIO正在积极奠定让其组织更具洞察能力所需的基础。

人工智能(AI)——能够执行通常需要人来完成的任务的人工智能(AI)技术—正在成为这些分析工作的重要组成部分。然而,AI只是认知计算领域中更大、更引人注目的一系列发展的一部分。比AI更大的是机器智能(MI),这是代表新的认知时代的一系列进步的总称。我们在报告中提到了近年来取得快速发展的一些认知工具:机器学习,深度学习,高级认知分析,机器人自动化和bot,仅举几例。



我们已经在各个领域看到开始出现机器智能的早期使用案例。例如,在美国,一家运行全美最大的医学研究计划之一的医院正在“训练”其机器智能系统以分析存储在医院数据库中的100亿张遗传和基因图像。在金融服务中,认知销售助理使用机器智能与有希望的销售线索发起联系,然后锁定,跟进并维持这种联系。这个认知助手可以解析自然语言,以了解客户的对话问题,同时处理多达27,000个会话和几十种语言。

在接下来的几个月中,我们会看到类似的应用案例,因为会有更多的公司正在试图利用机器的力量。在机器智能各个方面的投入已经增加,预计2019年将达到近313亿美元。机器智能也成为CIO的优先考虑事项。德勤的2016年全球CIO调查中,1,200名IT高管提到了他们计划在未来两年内大幅投资的新兴技术,其中64%的人提到了认知技术。

机器智能如何创造价值?


对CIO而言,转向机器智能需要一种新的理解数据分析的方式。数据分析不仅仅是一种创建静态的报告的方式,还是一种利用更大型、更丰富的数据库来自动执行任务并提高效率的方式。

 

在机器智能中,CIO可以考虑的机会包括:


认知洞察(Cognitive insights):机器智能可以提供深入、可操作的洞察,不仅对已经发生的事情,而且包括现在正在发生的事情和接下来可能发生的事情。这可以帮助企业制定程序来提高员工效率。例如,在全球的呼叫中心中,服务代表可以使用多功能的客户支持程序来回答有关产品的问题,接受订单,调查定价,以及解决客户的其他问题。许多这样的系统还需要工作人员在屏幕间来回跳转以找到回答特定查询所需要的信息。

认知参与(Cognitive engagement):机器智能价值树的下一级是认知智能体(cognitive agents),即采用认知技术与人类进行交互的系统。目前,这项技术主要服务对象是消费者而非企业。例如,认知智能体可以相应人类的语音命令来降低恒温器温度或打开某个电视频道。但是,有可以从这种认知参与中受益的企业业务,并且新的应用领域开始出现。认知智能体将能够接入复杂信息,执行诸如处理患者入院,为用户推荐产品或服务等任务。它们可能在客户服务领域有更大的商业潜力。

认知自动化(Cognitive automation):第三个,可能也是最具颠覆性的机器智能机会,是利用机器学习,RPA,以及其他认知工具开发深度的专业领域知识(例如,按行业、职能或地区区分),然后自动化执行相关的任务。我们已经看到有机器智能的系统能够自动化执行从前需要经过训练的人力进行的工作。例如,有医疗公司应用深度学习技术进行医学图像的分析,在测试中,系统在判断恶性肿瘤方面比人类专家的能力高50%。


在教育领域,嵌入在在线学习程序中机器智能可以通过跟踪学习者解题时的“心理步骤”来模拟一对一辅导,为学习者提供及时的指导、反馈和解释。


如何在企业中运用机器智能(MI)?


很少有机构能够宣布在数据上和数据相关方面取得了胜利。即使数据是大部分是结构话的,并被限制在公司限制在内部信息中,管理和分析也是极具挑战性的。今天,复杂的算法和分析技术使我们能够解决复杂的情况,我们可以从被动描述发生了什么过渡到主动自动化业务响应。然而,即使具有快速发展的能力,一些组织仍然在数据上苦苦挣扎。



好消息是,机器智能提供了新的方法和技术,可以帮助我们最终克服一些长期的数据难题:

策略数据:MI技术可以以很大程度上自动化的方式应用于数据分类和本体以定义,合理化和维护主数据。MI可以分析每一块数据,其中关系,并创建与数据的质量相近的派生导出。同样,它可以潜在地提供用于补救出现的内容或上下文问题的手段。

有限和有目的:专注于获得商业问题的洞察,如果解决,就能提供更加有意义的价值。让问题陈述的范围决定所需的数据输入、适当的MI技术以及周围的架构和数据管理需求。通过解决这些问题中的一些,您可以获得更大的认可,以将MI应用于更复杂的问题。


夏尔巴人的欢迎(Sherpaswelcome):MI正在享受自己的启蒙时代,学术界,初创企业和成熟的供应商都在争相提高能力和添加新技术。考虑与供应商的合作,将是对你的努力的联合投资、与能够提供无限访问宝贵专业知识的学者和思想领袖合作也是如此。

产业化分析:数据已成为关键的战略性企业资产。但是,进行有目的的投入的、全面承诺培养、策划、并在整个企业中利用此资产的企业数量还是很少。工业化分析指的是,为所有维度的数据企业包括机器智能,推动方法、平台、工具和人才的一致性和可重复性的。在策略上,这可能会带来数据摄取,集成,归档,访问,授权,加密和管理的服务。