AI、大数据、预测分析和机器人学习领域的主要数据统计分析

计算分析大数据绝不仅是一时的流行而已。随着数据量的不断增长，对大数据的分析也将随之改进。当涉及到预测分析的应用时，我们还只看到了冰山一角。预测分析已经通过使用数据挖掘、机器学习和AI技术分析当前数据，从而帮助企业(例如预测销售，优化营销活动)。所有这些不同类型的人工智能都以一种深刻改变我们日常工作的方式结合在一起，而且还有待改进。  以下是AI、大数据、预测分析和机器学习领域的主要统计数据：

* 到2018年，有75%的开发商将在一个或多个业务应用或服务中包含AI功能——IDC

* 到2019年，AI功能将支持100%的物联网举措——IDC

* 到2020年，有30%的公司将雇佣AI来至少增加一个主要销售流程——Gartner

* 到2020年，算法将积极改变全球数十亿工人的行为——Gartner

* 到2020年，人工智能市场将超过400亿美元——Constellation Research

* 到2025年，AI将驱动95%的客户互动 ——Servion

 世界AI八大趋势

趋势1——大公司将获胜

亚马逊、谷歌、Facebook和IBM都将在人工智能领域遥遥领先。 作为大型公司，他们有合适的资源来收集数据，因此有更多的数据可以使用。

这是行业中顶尖公司在AI方面所做的工作：

亚马逊：

* 投资人工智能二十多年

* 抓取超过5B网页的数据

* 超过500,000张JPEG图像和相应的JSON元数据文件，运营亚马逊物流中心分析产品

* 每天监测世界广播、印刷和网络新闻的报道超过25亿条

* 近100M的图像和视频，且带有视听功能和注释

* 亚马逊的Echo主导70%声控助手市场

谷歌：

* 最大的数据库之一，拥有10-15EB数据—— Cirrus Insight

* 专注于应用和产品开发，而不是长期的AI研究

* 拥有超过1300名研究人员的团队—— Google Brain

* 23.8%的声控助手市场的用户份额—— Voicebot

* 使用开源平台进行机器学习，TensorFlow可让任何人访问机器学习平台

* Google Earth数据库的大小估计为3,017 TB或约3 PB(Google Earth Blog)

* Google街景服务有大约20PB的街景照片—— Peta Pixel

Facebook：

* 每天处理2.5B的内容和500多TB的数据——Tech Crunch

* Facebook人工智能研究(FAIR)有大约80名研究人员和工程师——FAIR

* 每天生成2B“点赞”和300M照片——Tech Crunch

* 每30分钟可扫描大约105 TB的数据——Tech Crunch

* 建有一个62,000平方英尺的数据中心，500个机架，可储存1EB数据

* 每天为20亿用户翻译超过40种语言，每天8亿用户使用翻译——财富杂志

IBM：

* 计划为期10年，2.4亿美元投资打造麻省理工学院—IBM沃森 AI实验室——IBM

* 全球有超过2000名员工，在纽约总部有超过600名员工——IBM

* 沃森客户合作跨越六大洲和25个国家——IBM

* IBM正在向沃森集团投资10亿美元，其中包括1亿美元用于风险投资，以支持IBM的初创企业和建立由沃森制造的认知应用程序业务——IBM

* 通过沃森生态系统已建成7,000多项应用——财富杂志

在应用程序和产品开发和服务方面部署机器学习，谷歌很有可能处于最前沿。谷歌不仅是第一家开展AI研究的公司，而且拥有超过70,000名员工，是当之无愧的龙头公司。此外，Google Brain是一个深度学习AI研究项目，谷歌拥有整个团队，其自己的研究日程涵盖机器学习、自然语言理解、机器学习算法和技术以及机器人等领域。

 全球百大最有前途AI公司

趋势2 —— 将会发生算法和技术的整合

所有二级公司都对AI进行投资，如英特尔、Salesforce和Twitter，都将追随拥有数据的大型公司，并开始使用其数据算法和AI。 数据交易将发生在行业内的公司之间，算法和技术是最有可能整合的。 数据交易以及算法和技术的整合将使AI更加高效。

随着像谷歌和Facebook这样的大型公司收购小型公司，算法将被集成到他们的核心平台/解决方案中。 位于伦敦的AI公司深度思维，构建了通用学习算法，被谷歌收购，从而获得与其他科技公司竞争的商业优势。 另一方面，Facebook收购了Wit.ai来帮助语音识别和语音接口。 它还收购了AI创业公司Ozlo，以改善其M虚拟助手。

趋势3 —— 众包数据将是巨大的

所有的AI公司都会追逐巨大的数据集，找到方法和手段来执行他们对AI的野心。 这些公司将开始收集大量数据。 公司已经找到不同的方式来评估众包数据的质量和真实性，不仅企业有能力从这些数据中受益，而且还能回应消费者。

OpenDataNow.com的创始人兼编辑Joel Gurin表示：“我们生活在众包文化中，越来越多的人愿意并且有兴趣通过社交媒体分享他们所知道的知识。”

谷歌通过众包来获取大量图像来构建其成像算法。 它还使用众包来帮助改进服务，如翻译、转录、手写识别和通过其Crowdsource应用程序的地图。 亚马逊还使用众包人工智能来提高Alexa当前超过15,000个技能。

趋势4 —— 与日俱增的并购

CBInsights有统计数据显示，收购AI公司的竞争已经开始，在公司竞争智力资本和人才之际，2018将是越来越多兼并和收购的一年。机器学习/ AI空间中的所有小型公司将被大型公司收购。 有两个原因：

AI不能在没有数据集的情况下孤立工作。 由于大型公司拥有大量的数据集，所以对于小型公司来说，这些数据将具有太大的竞争力。

没有数据的算法没有任何用处。 没有算法，数据几乎也没有用。 数据是算法的核心，获取大量数据至关重要。

作为机器人工程师和哥伦比亚大学创意机器实验室的主管， Hod Lipson巧妙的将之比喻为，“数据是燃料，算法是引擎。”

2012年以来大型公司收购人工智能初创公司数量

趋势5 —— 工具民主化以获得市场份额

大型公司将着手开源算法和其他工具集以获得市场份额。 基于市场的数据访问和算法进入障碍将会减少，AI的新应用将会增加。 通过民主化，有限或无法获得AI工具的小型公司将可以获得大量数据，从而进行训练和启动复杂的AI算法。

谷歌首席执行官桑达尔·皮查伊谈起人工智能的民主化，“我们大家可以做的最令人兴奋的事情之一就是揭秘机器学习和AI。 所有人都可以访问这一点很重要。”

此外，框架、SDK和API将成为所有主要公司开放消费者使用的标准。 基于SaaS和PaaS的模型将成为所有这些公司遵循的商业模式。

趋势6—— 人机交互将会改善

Siri和Alexa可能是两个最受欢迎的人机交互工具。 与这些相似的更多基于机器人的解决方案将成为AI公司第一道门槛。 例如，虽然机器已被编程用于语音分析和面部识别，但机器将能够基于您声音的语调来识别您的心情，称为情感分析。

制造自动化和围绕非消费者方面聚焦的解决方案，将成为第一套改进的解决方案/应用。 制造自动化的改进主要是由于劳力成本的节省，使用包括自动化、机器人和先进制造在内的复杂技术。 在2018年，非消费者解决方案的改善，如在农业和医药领域执行任务的人机交互也将普遍存在。

趋势7—— 毋庸置疑，AI将慢慢影响垂直行业

制造业、客户服务、金融、医疗保健和交通运输已经受到AI的影响。无人车已经预计到2018年就要推出。明年AI将影响更多的垂直行业。行业的简要示例以及人工智能对它们的影响包括：

a. 保险—— AI将通过自动化改进索赔流程

b. 法律—— NLP可以在几分钟内总结数千页的法律文件，从而缩短时间，提高效率

c. PR和媒体——AI将帮助快速处理数据

d. 教育——虚拟导师的发展; AI辅助的论文分级;适应性学习计划，游戏和软件;由AI推动的个性化教育课程将改变学生和教师的互动方式

e. 健康——机器学习可用于创建更复杂、准确的方法来预测患者出现症状之前的患病年数

正如100年前工业革命几乎改变一切一样，AI将在未来几年内颠覆行业。

趋势8 —— 安全、隐私、道德与伦理问题

人工智能麾下的一切，如机器学习和大数据，与隐私问题有关的安全需求，如将银行帐户和健康信息保密，将会对安全性研究产生更大的需求。 2018年将是安全和隐私问题一定会得到解决的一年，也可能会有新的发展。

人工智能的伦理也将是2018年的主要关注点。需要解决的伦理和道德问题包括AI对人类的伤害或使人类受益。还有人担心机器人取代人类的可能性，特别是如果AI将被用于人类同情心的重要领域，如护士、治疗师或警察。将要处理的另一个问题是自主武器。鉴于自主功能水平，与人类控制武器不同，AI需要超越某些功能。

 分析

虽然人工智能已经存在了许多年，但我们今天所知道的AI仍然处于起步阶段。 围绕AI和各种应用程序，从自主车辆到虚拟个人助手，以及各种其他技术——执行通常需要人工智能的任务，已经有了数不清的高调宣传。 虽然有众多AI使用案例，但其中大部分旨在改进具体流程，成功部署还需要时间。 此外，人工智能行业的公司数量不多，所以崩溃不会出现，将能够以非结构化的数据和算法来处理它们。属于AI的生命旅程才刚刚开始，它还有更长的路要走。