四大趋势推动近期人工智能创新

9月24日消息，Gartner 发布了 2021 年人工智能技术成熟度曲线，指出当前推动人工智能创新的四大趋势分别是：负责任的人工智能、小而宽数据策略、人工智能平台的落地运营，以及在数据、模型和计算资源方面的高效利用。

Gartner 高级首席研究分析师 Shubhangi VasHisth 表示，人工智能的创新速度非常快，成熟度曲线上的大部分技术将在未来二至五年内走向主流。边缘智能、计算机视觉、决策智能和机器学习等领域的创新将在未来几年对市场产生深远影响。

尽管人工智能市场仍在逐步发展阶段，初期阶段的创新占比较高，表明终端用户正在寻求超出当前工具功能的特定技术能力这一市场趋势。

图一、人工智能技术成熟度曲线

来源：Gartner（2021 年 9 月）

Gartner 指出，以下四项趋势正在推动人工智能的进一步创新：

负责任的人工智能（Responsible AI）

研究副总裁 Svetlana SiCulaR 指出，提高人工智能的可信性、透明度、公平性与可审计性对各类利益相关者的意义持续增加。负责任的人工智能有助于实现公正、建立信任，并在确保合规的前提下推进对“不确定性”问题的应对。

Gartner 预测到 2023 年，所有参与 AI 开发与训练的人员都应具备负责任的人工智能专业知识。

小而宽数据（Small and Wide Data）

数据始终是成功人工智能计划的基础。小而宽数据策略能够提升分析与人工智能的能力，降低对大数据的依赖，并提供更丰富、完整的情境信息。

据 Gartner 预测，到 2025 年，70% 的企业将需要将重点从“大数据”转向“小而宽数据”，为分析工具提供更多上下文并减少对数据量的依赖。

SiCulaR 指出，小数据的核心在于通过较少数据实现实用洞察的分析方法，而宽数据则支持对多源数据的分析与协同。两者结合可带来更强的分析能力和对业务问题的更全面洞见。

人工智能平台的落地运营（Operationalization of AI Platforms）

将人工智能驱动的变革落地，成为企业级需求的核心之一，也推动了对可在全企业范围内应用的 AI 解决方案的需求增长。

SiCulaR 指出，根据 Gartner 的研究，只有大约一半的 AI 项目能够从试点进入生产阶段，且平均完成时间约为 9 个月。人工智能编排与自动化平台（AIOAPs）以及模型运营（ModelOps）等创新正在提升可重用性、扩展性和治理能力，加速 AI 的应用与扩展。

资源高效利用（Efficient Use of Resources）

鉴于 AI 部署涉及到庞大且复杂的数据、模型与计算资源，提升资源利用效率成为必要趋势。多模态体验、混合式 AI、生成式 AI 以及变换器（Transformer）架构因在解决各类业务问题时的高效性而受到关注。