为什么AI,机器学习将在2017年成为主流

简介: 本文讲的是为什么AI,机器学习将在2017年成为主流【IT168 编译】人工智能将在2017年达到主流,因为机器学习和分析的价值已经变得愈发明显。这里是一些企业高管的预测。

本文讲的是为什么AI,机器学习将在2017年成为主流【IT168 编译】人工智能将在2017年达到主流,因为机器学习和分析的价值已经变得愈发明显。这里是一些企业高管的预测。

  AI将通货膨胀

  “AI对于许多投资者来说是一个大的主题,包括我自己,虽然我们正处在技术变革周期AI的开端,但是创业公司和投资者需要保持耐心,专注于未来的挑战。”- Rick Yang,NEA合作伙伴。

  机器学习是潮流趋势

  “现在有很多关于机器学习的炒作,但在大多数情况下,它并没有非常有效地被使用。 在我们前进的过程中,组织机构正在学习如何将机器学习所需的所有成分汇集到一起,我认为这将是2017年的故事。我们将看到机器学习从一个神秘的,过度模仿的时代移动到更多的现实世界中,并拥有成功的应用。 那些认为这是骗人的人最终会明白这是真的;那些不信任它的人也会看到它的潜力; 而一些公司将会利用它的能力来获得膨胀。几年前机器学习曾被认为只是一个潮流,但在2017年,它将是明确的。” - Jeff Everham,北美咨询总监。

  智能网络导致数据云兴起

  “随着通过任何互联网(IoAT)和机器到机器的连接不断发展,数据孤岛将被数据云替代。 现代分布式数据应用中的实时机器学习算法将成为能够实时判断“对等”决策的算法。 我们将开始看到从事后和实时到预发性分析的转变,这可以驱动交易,而不仅仅是修改或优化它们。 这将对以数据为中心的业务识别新的收入流,节省成本和提高客户亲密度的能力产生变革性影响。” - HortonWorks首席技术官Scott Gnau

  机器学习和人工智能将被民主化

  “在2017年,我期望看到更加强调机器学习和人工智能的民主化。 我们已经看到机器学习从几年前的IBM Watson发展到最近的Salesforce和Oracle。 虽然许多人认为机器学习已经成为主流,但还有更多的潜力,如性能监控和智能警报。 虽然公司在试图破解代码时可能会面临错误的启动和初始错误,但是越来越多的组织转向AI和机器学习将致使明年更多的成功。 这种增加的采用将有助于将创新更快地推向市场。” - Mike Kelly,Blue Medora首席技术官。

  预测分析工具将成为2017必备品

  预测分析不仅仅是品牌的附加物,它将成为必须了解和保留用户的必备条件。 在Tinder,捕获丰富的数据和预测未来的行为是一个良好的用户体验的关键。 Leanplum使我们能够永远了解用户的喜好。 在不久的将来,预测分析将进一步提高我们对趋势和模式的理解,帮助我们为Tinder上的每个人带来更多的价值。” - Jeffrey Morris,Tinder产品管理和收入总监。

  AI将被视为解决劳动力危机

  “随着退休,企业正处在失去重要核心人员和知识的边缘。失去了这些价值员工的企业正在转向知识管理和机器学习,以培训人工智能来捕获机构想要的东西,并为我们服务。 在未来一年及以后,我们将看到人工智能的采用不仅是来自于它本身的技术需求,人工智能还将会捕获员工的洞察力和专业知识。” - Infosys大数据和分析平台高级副总裁兼平台主管Abdul Razack

  AI-as-a-Service将起飞

  “在2016年人工智能更多的是应用于解决已知问题。 在未来,我们将开始使用AI来获取未知领域的探索。 使用AI来发现这些“未知”将使我们赢得更多地合作,有趣的创新以及改变生活的挑战。”- Infosys大数据和分析平台高级副总裁兼平台主管Abdul Razack。

原文发布时间为:2016-12-13 

本文作者:朱丽娜

本文来自云栖社区合作伙伴IT168,了解相关信息可以关注IT168

原文标题:为什么AI,机器学习将在2017年成为主流

目录
相关文章
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI 生成式】如何利用生成式人工智能进行机器学习的数据增强?
【5月更文挑战第4天】【AI 生成式】如何利用生成式人工智能进行机器学习的数据增强?
|
1天前
|
机器学习/深度学习 人工智能 算法
【AI 初识】讨论深度学习和机器学习之间的区别
【5月更文挑战第3天】【AI 初识】讨论深度学习和机器学习之间的区别
|
1天前
|
机器学习/深度学习 数据采集 人工智能
【AI 初识】机器学习中维度的诅咒是什么?
【5月更文挑战第2天】【AI 初识】机器学习中维度的诅咒是什么?
|
1天前
|
机器学习/深度学习 人工智能 算法
【Python 机器学习专栏】强化学习在游戏 AI 中的实践
【4月更文挑战第30天】强化学习在游戏AI中展现巨大潜力,通过与环境交互和奖励信号学习最优策略。适应性强,能自主探索,挖掘出惊人策略。应用包括策略、动作和竞速游戏,如AlphaGo。Python是实现强化学习的常用工具。尽管面临训练时间长和环境复杂性等挑战,但未来强化学习将与其他技术融合,推动游戏AI发展,创造更智能的游戏体验。
|
1天前
|
机器学习/深度学习 人工智能 算法
【机器学习】探究Q-Learning通过学习最优策略来解决AI序列决策问题
【机器学习】探究Q-Learning通过学习最优策略来解决AI序列决策问题
|
1天前
|
机器学习/深度学习 人工智能 供应链
【专栏】阿里云RPA的Rap程序是自动化流程脚本,基于AI和机器学习,实现业务流程自动化
【4月更文挑战第29天】阿里云RPA的Rap程序是自动化流程脚本,基于AI和机器学习,实现业务流程自动化。具有灵活性、易用性、高效稳定和智能学习等特点。广泛应用于财务、人力资源、客服和供应链等领域,未来将与AI深度融合,跨平台应用,行业定制化,并构建完善生态,助力企业效率提升和创新。
|
1天前
|
机器学习/深度学习 人工智能 测试技术
自动化测试中AI与机器学习的融合应用
【4月更文挑战第29天】 随着技术的不断进步,人工智能(AI)和机器学习(ML)在软件测试中的应用越来越广泛。本文将探讨AI和ML如何改变自动化测试领域,提高测试效率和质量。我们将讨论AI和ML的基本概念,以及它们如何应用于自动化测试,包括智能测试用例生成,缺陷预测,测试执行优化等方面。最后,我们还将讨论AI和ML在自动化测试中的挑战和未来发展趋势。
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
|
机器学习/深度学习 存储 人工智能
人工智能(AI)、机器学习(ML)和深度学习(DL):有什么区别?
我们经常交替使用人工智能(AI)、机器学习(ML)和深度学习(DL)这些术语,尽管我们几乎每天都阅读或听到它们。本文解释了这些技术是如何演变的以及它们有何不同。
399 0
人工智能(AI)、机器学习(ML)和深度学习(DL):有什么区别?
|
机器学习/深度学习 数据采集 人工智能
GitHub上AI岗位面试笔记(机器学习算法/深度学习/ NLP/计算机视觉)
GitHub上AI岗位面试笔记(机器学习算法/深度学习/ NLP/计算机视觉)
GitHub上AI岗位面试笔记(机器学习算法/深度学习/ NLP/计算机视觉)

热门文章

最新文章