Gartner：2016?智能機器成熟度曲線圖（更新版）

　　新智元mp2016-08-12 13:41:10

　　1 新智元推薦

　　來源：Kenneth F. Brant, Tom Austin

　　作者：羽姿

　　智能機器是真正的顛覆性技術——但是它們還沒有做好被大規模使用的準備。但是CIO和CTO現在就該探索這些技術，否則競爭差距和錯失的機會成本將無法衡量。

　　你需要知道的

　　只有「創新者」和「早期使用者」的企業應該考慮在目前的市場環境中大規模部署智能機器。這其中最成功的企業將具備以下特性：

　　有遠見者，為智能機器的任務進行了大量準備工作

　　數據驅動的管理風格

　　不斷學習的企業和文化

　　雙模式IT能力

　　可測試的商業案例，包括行業特定的商業案例，它們能夠從大數據、機器學習以及自然語言處理的結合中受益。

　　為特定用例建立和管理有潛在價值的「語義庫」

　　展示出承認，接受並從過往失敗中學習的能力

　　在變化管理中投入大量資源和研發技能

　　能夠有清晰的政策和有效的溝通對員工解釋項目的影響和結果。

　　然而「早期多數」和「晚期多數」使用者依然從今年起開始準備智能機器的商業案例，並進行測試，因為智能機器所帶來的轉型影響，以及在技術能力上落後先行者太多的風險非常巨大。

　　Hype Cycle

　　在2016年，我們「重新介紹」了智能機器的定義：」智能機器技術根據經驗調整它們的行為，它們不完全依靠人們的指令（也就是說它們自我學習），並能夠給出出乎意料的結論。」

　　Gartner迴避了關於技術模仿人類智能的斷言。我們認為對比人類和機器智能爭論過大，並且偏離了技術定義和商業計劃。我們希望更實用主義一些。我們不認為重塑或者模仿人類智能對於智能機器實現商業價值來說是必要的。系統硬體沒有必要模仿一個大腦。人機交互界面也不必讓我們誤以為在與人進行對話。因此，智能機器不需要完成人類大腦計劃或者通過圖靈測試才能傳遞商業價值。

　　

　　2016智能機器成熟度曲線圖

　　

　　2015智能機器成熟度曲線圖

　　一.上升期

　　1.1機器人 bots

　　定義：機器人是能夠在其他機器人，app或服務上運行回應事件觸發或用戶請求的微服務或app。它們可通過模仿用戶或是app喚起其他服務或應用程序，或是通過API介面達到相同的效果。這些請求通過對話式UI發起，或是回應後端程序或資料庫的狀態變化。機器人會根據預定義的規則，或是更複雜的演算法（可能包括機器學習）自動執行任務。

　　定位和成熟度說明：雖然機器人已經存在了結近十年，它們大部分都是實驗性的，或者適用範圍很窄。僅僅在近幾年機器人才作為一個有潛力轉型工作流的技術出現。將事件驅動的編程模型和機器人相結合，能夠將應用程序從請求驅動的活動轉型為自動化的活動，將信息和選擇按需推送給用戶。

　　當與對話式UI相結合時，機器人賦予用戶以類人交互的方式與應用程序交互的能力。以這種方式使用機器人通常被稱為「聊天機器人」。如果你講機器人與對話式UI和機器學習相結合，你就得到了虛擬個人助理或虛擬客戶助理。機器人能夠與更大型的機器人相結合，來完成更複雜的任務或是一系列任務。機器人通常都在雲端的伺服器中，但是它們在特定情況下也可做本地不熟。

　　把機器人視作能夠像人類一樣行事的微app，它們啟動其他的程序，並與使用它們的用戶一同運行。

　　用戶建議：企業需要熟悉機器人開發架構，這些架構提供以下能力：

　　機器人能夠改變應用程序搭建的方式

　　由機器人的使用轉型成事件驅動的編程模型，能夠改變用戶與技術交互的方式。

　　機器人能夠在無需用戶發起業務流程的情況下發起應用程序，並將結果按需傳遞給勞動力。

　　然而，企業應該小心，不要將機器人與已有的企業消息平台捆綁。此外，企業不應該自己部署自然語言處理，它們應該使用某個架構。最後，如果你在使用聊天機器人，要賦予它們個性以免看起來無聊。

　　商業影響：考慮到機器人的潛力，企業應該尋找能夠由機器人處理或監管的業務流程，來釋放勞動力。常規任務能夠由機器人自動完成，這能夠讓勞動力去處理更加非常規的工作。此外，機器人能夠保證僱員能夠更及時地獲得需要的信息。機器人的恰當使用能夠增加員工參與度，因為員工能夠更關注於非常規的任務。這反過來會增加企業總體的生產力。

　　代表企業：Kore，微軟。

　　新出現。距穩定應用還有5-10年。

　　1.2通用機器智能General-PurposeMachine Intelligence

　　定義：在學習，推理，適應及理解領域表現出類人能力的機器被視為「有智能」。通用機器智能能夠被運用在非常廣的範圍。特定機器智能被運用在限定領域。通用機器智能對於智能機器來說不是基礎。擁有通用機器智能，能夠自我維護和繁衍的機器只存在於科幻小說中。

　　代表企業：無

　　位置無變化。距穩定應用還有超過10年。

　　1.3情境適應表現SituationallyAdaptive Behavior

　　定義：情境適應表現指的是在業務環境跨度中人，技術系統和「事物」之間的非結構性交互模式和關係被指向為客戶，交易等帶來最佳結果的方向。支持情境適應表現的解決方案使用運營智能技術，智能機器，演算法，集成和社交技術來支持運行時間表現的協同，因為表現不能夠完全在設定時間內決定。

　　代表企業：Appian; Axway;Feedzai; IBM; Interfacing Technologies; Oracle; Pegasystems; Software AG; TIBCOSoftware; XMPro

　　新出現。距穩定應用還有5-10年。

　　1.4演算法市場Algorithm Marketplaces

　　定義：演算法市場是一個技術性的基礎設施，它支持可復用演算法的發布和消費。有些市場在企業內部使用來支持在數據科學家之間分享內部未發布的演算法。但是大部分市場都是作為外部的基礎設施來推動免費或付費的演算法，有時候還包括分享和貨幣化數據集。

　　代表企業：Algorithmia;Apervita; FICO; IBM; Microsoft (Azure); Teradata

　　新出現。距穩定應用還有5-10年。

　　1.5神經形態硬體NeuromorphicHardware

　　定義：神經形態硬體使用非二進位信號來模仿生物學上的神經元。非二進位信號的例子包括類比和尖峰信號。這些方法比數字信號傳遞的信息更多，但是速度較慢。慢速讓信息能夠在低耗能的情況下大規模傳遞。生物學的神經元展示出在成千上萬輸入以及數十億神經元之間的慢速處理。

　　代表企業：AMD; IBM;Nvidia; Qualcomm

　　位置無變化。距穩定應用還有超過10年。

　　1.6深度加強學習Deep ReinforcementLearning

　　定義：深度加強學習是使用深度神經網路來加強學習的過程。加強學習是一種機器學習的技巧，它的目標是繪製結果和行為之間的關係圖。只有散發性獎勵，而不是監督式學習能夠影響系統的行為：積極的獎勵增強現下表現，消極的反饋懲罰現下或之前的行為。

　　代表企業：Google (CloudPlatform); Nvidia; OpenAI

　　新出現。距穩定應用還有5-10年。

　　1.7數字化道德Digital Ethics

　　定義：數字化道德由人，商業和事物之間電子化交互的價值系統和道德原則組成。有一些領域包括個人隱私，安全，社會交互，良好表現和自由意志。關鍵的技術領域是大數據，移動化，智能機器，自動化技術和物聯網。

　　代表企業：無

　　新出現。距穩定應用還有5-10年。

　　1.8對話式UIConversationalUser Interfaces

　　定義：對話式UI是一個高等級的設計模型，用戶和機器以用戶的自然語言語音或文本進行交互。這種交互通常是雙向且非正式的，從簡單的表達到高度複雜的交互再到高度複雜的結果。作為設計模型，對話式UI取決於應用程序和有關服務的部署。

　　代表企業：Amazon; Baidu;Facebook; Google; IBM; IPsoft; Microsoft; NextIT; Salesforce

　　新出現。距穩定應用還有5-10年。

　　1.9自然語言生成Natural-LanguageGeneration

　　定義：自然語言生成結合了自然語言處理和機器學習，以及人工智慧來確定數據中最相關的見解和情境（趨勢，關係，模式等）。然後它會自動為每一個用戶根據他們的所在情境生成個性化的陳述，來解釋數據中的含義或是重要結論。

　　代表企業：Arria NLG;Automated Insights; BeyondCore; Narrative Science; Yseop

　　較2015年大幅前進。距穩定應用還有2-5年。

　　1.10虛擬個人助理Virtual PersonalAssistants

　　定義：虛擬個人助理具備個人助理的部分功能。當用戶允許時，它：

　　可以觀察用戶內容和行為

　　建立、維護數據模型（它可以從中對用戶、內容和情境進行推斷）

　　預測用戶需求

　　建立信任

　　主動代表用戶處理事務

　　虛擬個人助理可以讓日常生活更容易（比如按優先順序順序排列郵件），也能突出用戶日程中最重要的內容讓用戶更有效率。

　　代表企業：Apple; Google;IBM; Microsoft; Nuance; x.ai

　　較2015年大幅前進。距穩定應用還有5-10年。

　　1.11認知計算Cognitive Computing

　　定義：認知計算是一系列能夠提高人類在認知任務上表現的技術。我們承認「認知計算」這個術語正迅速在市場上獲得關注，但是我們不認為認知計算系統有認知能力。它們在對話當中是交互性，可迭代，有狀態的，能夠根據之前的交互適應信息和目標的改變。它們從數字化或者感應數據中抽取情境元素，參與到人類的理解當中來。

　　代表企業：Accenture;CognitiveScale; Deloitte; Digital Reasoning; Google; IBM; IPsoft; KPMG;Microsoft; Saffron (an Intel company)

　　較2015年大幅前進。距穩定應用還有5-10年。

　　1.12商業無人機Commercial UAVs(Drones)

　　定義：商用無人機類似於微型直升機、飛機或者潛艇，它們由人類駕駛員在地面遙控，或配備自動巡航系統，被用於執行飛行和海底的探測任務。無人機一般都配備了能引導無人機前進的GPS技術，聲吶感測器和導航代理，同時還有用作圖片、熱敏和光譜分析的感測器。高速緩存和通信線路讓無人機能夠將數據收集並傳輸給分析師和項目經理。

　　代表企業：Aeryon Labs;Amazon; Boeing; DJI; Facebook; Google (Titan Aerospace); Parrot; PrecisionHawk;Skycatch; Trimble

　　位置無變化。距穩定應用還有5-10年。

　　1.13圖譜分析Graph Analytics

　　定義：圖譜分析發展為建立實體之間關係的模型。它們通常通過可視化工具展現給業務用戶。連接，例如關係或影響的強度，交互的頻率，或是腐敗的可能性可能是明確的也可能是推斷的。分析可以是描述性的，診斷性的，預測性的或規定性的。

　　代表企業：Ayasdi;Cambridge Semantics; Centrifuge Systems; Databricks; Emcien; Maana; Palantir;Saffron Technology; SynerScope

　　較2015年小幅前進。距穩定應用還有5-10年。

　　1.14主動搜索Proactive Search

　　定義：主動搜索是搜索、多種分析能力（比如內容分析）、和互動式用戶體驗的結合，這些都是被用來創造關聯和個性化的。它能夠在非常寬泛的信息輸入基礎上（而不是一個明確的問題），在問題被問出來之前就給出答案。

　　代表企業：Apple; Coveo;Google; HPE; IBM Watson; Sinequa

　　較2015年小幅前進。距穩定應用還有2-5年。

　　二. 快速發展期

　　2.1智能APPSmartApps

　　定義：智能APP戰略通過使用超個性化的移動app體驗和服務以及知識抽取流程幫助提供商增強用戶體驗。通過四個步驟，這個戰略依靠大數據和簡單規則集來增加有關消費者的個人及商業信息：與我同步，見我所見，了解我，成為我。

　　代表企業：Amazon; Apple;Facebook; Google; Here; Salesforce

　　較2015年大幅前進。距穩定應用還有2-5年。

　　2.2智能機器人Smart Robots

　　定義：智能機器人是電動機械結構的一種智能機器，它能夠在現實世界里自動工作，同時還能夠從過往的經驗里學習。智能機器人能感應它們所處的環境，識別並解決基本問題，並學習如何改善。有些有根據功能特製的形態，例如倉庫機器人，其他一些則是比較通用的形態，或是擬人形態。因為它們有感知能力，智能機器人可以和人類一同工作。

　　代表企業：Aethon; AmazonRobotics; ARxIUM; Google; iRobot; Panasonic; Rethink Robotics; SoftBankRobotics; Symbotic

　　較2015年大幅前進。距穩定應用還有5-10年。

　　2.3規範分析Preive Analytics

　　定義：術語「規範分析」指的是一系列能夠指定最佳行動方案的分析能力。最常見的案例是最優化方法，比如線性規劃；決策分析方法，和影響圖；以及基於規則的預測分析。和描述性、診斷性以及預測性分析不同的是，規範分析輸出的結果是一個決定。

　　代表企業：Angoss;Decision Lens; FICO; Gurobi Optimization; IBM; River Logic; SAS; SparklingLogic; Veriluma

　　較2015年小幅前進。距穩定應用還有超過5-10年。

　　2.4自然語言處理Natural-LanguageProcessing

　　定義：自然語言處理使用了超過20種不同的自然語言工具。它能夠緩解人機交互，幫助人們找到，理解並根據自然語言內容作出行動，並提供推理的依據，讓人們更加高效。

　　代表企業：Brainspace;Clarabridge; CognitiveScale; Digital Reasoning; Microsoft; Narrative Science;SAS; Yseop

　　較2015年大幅前進。距穩定應用還有5-10年。

　　2.5認知專家顧問Cognitive ExpertAdvisors

　　定義：今年認知專家顧問替代了智能顧問。認知專家顧問至少使用了一種專用演算法，以及機器學習和自然語言處理，基於特別建立的大數據，來生成見解，發現，推薦和決策。CEA必須是為特定目的設計和建立的，並且經過嚴格訓練來產生「專業」建議——在開發和運營過程中，如果沒有人類專家的參與，它們既不可能有效也不可能「認知」。

　　

代表企業：CognitiveScale;IBM; Infosys; IPsoft; Saffron (an Intel company); Wipro

　　較2015年小幅前進。距穩定應用還有5-10年。

　　2.6深度神經網路Deep Neural Nets

　　定義：深度神經網路（也被稱作深度學習）是一種機器學習的變體，它包括了超過兩個處理層的神經網路。神經網路是模仿人類大腦建模的演算法，被設計用於識別模式和進行預測。使用額外的處理層能夠進行更高級別的自動化抽取，從而大幅增加預測的準確性。

　　代表企業：Dato;Ersatz Labs; Google; H2O.ai; Kaggle; Microsoft; TunedIT

　　較2015年大幅前進。距穩定應用還有5-10年。

　　2.7機器學習Machine Learning

　　定義：機器學習是一種旨在從一系列觀察中抽取知識或模式的技術規則。根據不同的觀察種類，它共分為三種：監督式學習，非監督式學習和增強學習。

　　代表企業：Dato;Dell; H2O.ai; IBM; KNIME; Microsoft; Oracle; RapidMiner; SAP; SAS

　　位置無變化。

　　距穩定應用還有2-5年。

　　2.8無人駕駛汽車Autonomous Vehicles

　　定義：自動駕駛汽車是能夠在使用多種車內技術和感測器，在無人干預的情況下自己從起點駕駛到預設終點的車。這些技術包括激光雷達，雷達，攝像頭，控制系統，軟體，地圖數據，GPS和無線數據傳輸等。

　　代表企業：Continental;Delphi Automotive; General Motors; Google; Mobileye; Nokia; Nvidia; RobertBosch; Uber; ZMP

　　較2015年小幅前進。距穩定應用還有超過10年。

　　2.9計算機視覺Computer Vision

　　定義：計算機視覺是一個包括了捕捉，處理和分析真實世界圖像和視頻的過程，它讓機器能夠從真實世界中抽取有意義，有情境的信息。在供應側，有多重不同且重要的計算機視覺技術領域，包括機器視覺，光學字元辨識，圖像識別，模式識別，面部識別。邊緣檢測和動作監測。

　　代表企業：Amazon;Apple; Baidu; Facebook; Google; Herta Security; Luxoft; MathWorks; Microsoft

　　新出現。距穩定應用還有5-10年。

　　2.10預測分析Predictive Analytics

　　定義：預測分析是先進分析的一種，它審核數據或內容來回答問題：「會發生什麼」，或者更精確的：「可能發生什麼」。它以回歸分析，多變數統計，模式匹配，預測建模和預測為特點。

　　代表企業：Dell(Statistica); IBM (SPSS); KNIME; MathWorks; RapidMiner; SAS

　　較2015年小幅前進。距穩定應用還有2-5年。

　　三. 下降期

　　3.1學習BPOLearningBPO

　　定義：「學習業務流程外包（BPO）」指的是將企業的學習，訓練，培訓，或指導項目的部分或全部進行外包。它可能包括在學習管理流程當中任何一步的輔助，例如項目戰略，目錄開發，項目設計/內容開發，交付方式和相關工具，交付，項目邏輯，反饋工具，追蹤和報告。

　　代表企業：Accenture;Aon Hewitt; CGI; Global Knowledge; IBM; Infosys; NGA Human Resources; RaytheonProfessional Services; Talent2; Tata Consultancy Services

　　新出現。距穩定應用還有2-5年。

　　3.2消費級智能家電Consumer SmartAppliances

　　定義：智能家電能夠通過家用網路（比如wifi），或手機數據網路，或專門的電力管理網路來接入網路。例子之一就是能夠「學習」主人特定食物喜好並將預防分析和維護服務信息發送給生產廠家的智能冰箱。

　　代表企業：GE;Haier Group; LG; Samsung; Whirlpool

　　較2015年小幅前進。距穩定應用還有2-5年。

　　3.3虛擬客戶助理Virtual CustomerAssistants

　　定義：虛擬客服助理（VCA）能夠以企業身份模擬對話來傳遞信息，並能夠以用戶身份來辦理業務。它由四個技術組成：

　　一個自然語言處理引擎

　　一個能夠接收請求並通過語音或文本答覆的用戶界面（UI）

　　一個能夠在大量知識和內容庫里檢索的知識搜索引擎

　　一個能夠分析用戶意圖並給出個性化回答的情境引擎

　　有一些VCA也具備機器學習能力

　　代表企業：[24]7;Arti?cial Solutions; Creative Virtual; eGain;IBM Watson; IPsoft; Microsoft; Next IT; Nuance; Xiaoi

　　較2015年小幅前進。距穩定應用還有2-5年。

　　3.4增強現實Augmented Reality

　　定義：增強現實(AR）是通過文字、圖片、音頻和其他虛擬的增強方式將信息實時疊加於實際物品之上。這些信息通過頭戴式顯示器顯示或者以圖像形式投射在真實物品上。將AR和虛擬現實區別開來的是「真實世界」的元素。AR旨在增強用戶和環境的互動，而不是把用戶和環境分離開。

　　代表企業：Blippar;Catchoom; Daqri; Google; Kudan; Microsoft; Wikitude

　　較2015年小幅前進。距穩定應用還有5-10年。

　　3.5知識管理工具Knowledge ManagementTools

　　定義：運營和基礎設施機構使用知識管理工具來建造支撐IT部門的知識庫，並保證其中的內容對於IT和業務人員來說是有用的、和業務相關的，並能夠實時更新。KM工具通常與門戶相連，門戶支持自助服務，用戶可以自行處理簡單的事件。這類產品由它們能夠收集、貯存和獲取數據的能力所定義。KM工具既能作為獨立工具，也能作為ITSSM工具里的一個組成模塊。

　　代表企業：Knowesia;RightAnswers

　　較2015年小幅前進。距穩定應用還有5-10年。

　　四. 爬坡期

　　4.1虛擬現實Virtual Reality

　　定義：虛擬現實通過頭戴式顯示器提供圍繞用戶的由電腦生成的3D環境，這個環境能夠以自然的方式回應用戶的行動。手勢識別或手柄控制器提供了手部和身體追蹤，也可能會集成觸摸反饋。連網電視系統為多位用戶提供了3D體驗。

　　代表企業：HTC;Mechdyne; NextVR; Oculus VR; Samsung; Sony; Valve; Virtual Heroes; WorldViz

　　較2015年小幅前進。距穩定應用還有5-10年。

　　4.2集成學習Ensemble Learning

　　定義：集成學習技術是運用了一系列預測性模型的機器學習演算法，而這些模型的結果被結合成一個統一的集成結果。這個方法論極大的利用了「群體智慧」原則，多樣化的觀點和模型結果是關鍵。最有名的集成技術模式是隨機預測和梯度上升。

　　代表企業：Dato;Dell; FICO; IBM (SPSS); KNIME; Microsoft; Oracle; RapidMiner; SAP; SAS

　　較2015年小幅前進。距穩定應用還有少於2年。

　　五. 穩定應用期

　　5.1語音識別Speech Recognition

　　定義：語音識別系統能將人類語音轉化為文字或是機器指令。

　　代表企業：Amazon; Apple; Google; IBM; LumenVox; Microsoft; Nuance; Sensory;Spansion; Telisma

　　位置無變化。距穩定應用還有少於2年。

　　

　　新智元Top10智能汽車創客大賽招募！

　　新智元於7月11日啟動2016年【新智元100】人工智慧創業公司評選，在人工智慧概念誕生60周年之際，尋找中國最具競爭力的人工智慧創業企業。

　　智能駕駛技術是汽車行業的重點發展方向之一，同時也是人工智慧相關產業創新落地的重要賽道之一。為此新智元聯合北京中汽四方共同舉辦「新智元Top10智能汽車創客大賽」，共同招募智能汽車相關優質創業公司，並聯合組織人工智慧技術專家、傳統汽車行業技術專家、關注智能汽車領域的知名風投機構，共同評審並篩選出Top 10進入決賽，在2016年10月16日「國際智能網聯汽車發展合作論壇」期間，進行路演、頒獎及展覽活動。