如果您正在考虑使用人工智能 (AI)来完善您的基础IT和数据功能，那么如何将炒作与现实区分开?
无论您是在探索人工智能对企业的承诺，还是想知道何时才能看到真正的变革性结果，以下五个行业趋势将有助于实现人工智能的未开发潜力。让我们分解一下：
1.黑匣子与可解释的AI
对于我们大多数人来说，深度学习系统本质上是难以理解的。使用数百万个数据点作为输入，将相关数据作为输出，通常无法使用纯语言解释其内部逻辑。
但是，如果自动化系统要协助做出关键决策，例如要使用哪些操作和流程，而我们却无法理解这些决策是如何制定的，我们如何识别和解决错误?这种缺乏常识的现象(约翰·麦卡锡(John McCarthy)在50年代首次在AI的上下文中定义)限制了AI在现实世界中的应用。我们需要一个更清晰，更简单的AI系统，以更好地与世界和人们建立联系。
我们需要一个更清晰，更简单的AI系统，以更好地与世界和人们建立联系。
2. 机器学习与机器教学
根据 麦肯锡全球研究所的数据，到2030年，预计在物理和手工技能以及基本认知技能上花费的工作时间将分别减少14%和15%。相反，我们将花费更多的时间使用更高的认知技能，例如回答“为什么”和决定要做什么。
这种新的工作方式将导致对支持它的工具的需求。PARC的科学家 马克·施特菲克的研究 mechagogy (机器教学)介绍，在未来，人与机器从对方的长处。将来，我们可以将AI系统想象为工作场所的重要组成部分-我们的“思想”合作伙伴。
3.冯·诺依曼计算与神经形态计算
在接下来的十年中，IT的主要中断之一将是从传统的von Neumann计算架构到 神经形态计算的过渡。随着摩尔定律 变慢并且遇到 冯·诺依曼瓶颈，我们可以从迄今为止最高效的计算机(大脑)中学到什么?
生物大脑在同一电路中具有记忆和计算功能，而传统的冯·诺依曼数字计算机将记忆与计算分开。生物大脑高度并行化，而数字计算机以串行方式执行计算。生物大脑很密集，只需要数字计算机所用能量的一小部分。这些瓶颈是现代数字计算机努力处理庞大的AI程序的主要原因。
4.数字与量子计算机
大小限制使常规数字计算机无法满足AI计算的需求。量子计算机使用量子位和并行性来处理大量数据并同时查看所有解决方案。像IBM和 Google AI Quantum 这样的老牌公司以及像Bleximo 这样的初创公司 正在努力将通用处理器和NISQ应用程序专用的量子协处理器(称为量子加速器)结合起来，以构建针对特定业务和工程领域的系统。早期的潜在行业应用包括化学(用于材料)，制药(用于药物设计)和金融(用于优化)。