2017德勤技术趋势报告：未来8年机器智能如何创造价值

德勤发布最新报告《德勤技术趋势报告 2017》，聚焦于当下正在发展的企业环境。这份报告围绕八大核心技术展开，对企业应用与策略提出了一系列的建议。这份报告的核心概念为“运动中的企业”，旨在描绘那些在不断变化的商业环境中灵活成长的公司景象。

报告首次提出了机器智能（MI）这一新概念，它涵盖了机器学习、深度学习、认知分析等各个领域。根据德勤的预测，全球商业在机器智能领域的支出将在未来几年内激增，预计至 2019 年将达到惊人的 313 亿美元。机器智能不仅代表着科技的进步，更是企业转型升级的关键驱动力。

报告深入解析了五大宏观领域：数字化、分析、云技术、核心系统和基础设施重构以及 IT 在企业中的新角色。这些领域是推动企业创新和转型的核心力量。报告还新增了三大领域：机器智能、混合现实和区块链。其中，机器智能因其巨大的潜力占据了报告的显著篇幅。

报告指出，机器智能的发展受到了三个主要因素的推动。首先是数据的指数级增长，企业需要工具来分析和处理海量数据；其次是分布式系统的快速发展，为信息处理提供了强大的计算能力；最后是 MI 算法的进步，它们正逐步实现认知计算的愿景，模拟人类的思维过程。

德勤强调，机器智能技术如语音识别、自然语言处理和机器学习等，将帮助企业自动化执行许多传统上由人类完成的任务，从而提高效率和生产力。大型科技公司如 Alphabet、亚马逊和苹果已经开始向企业提供这些服务。

在德勤的报告中，对于如何应用机器智能给企业提出了建议。企业应当深入分析客户群的需求，积极了解客户的核心需求，并思考如何通过机器智能技术使他们的生活更加便捷。报告也鼓励企业勇于创新，不要害怕为客户创造出他们尚未意识到但真正需要的东西。如果企业在客户体验方面做到正确聚焦，那么其他的问题自然会得到解决。

《德勤技术趋势报告 2017》为我们揭示了未来商业领域的发展趋势和潜力。机器智能作为报告的重点，正引领着一场科技革命，而那些灵活适应的企业将在这一变革中占据先机。德勤的报告不仅提供了深入的行业洞察，还为企业提供了宝贵的建议和策略方向。在不断增长的数据存储中，潜藏的模式、洞察和机会正在被发掘出来。一些公司运用先进的分析技术，已经实现了新用户体验方式的开发、员工技能和智力的提升、新产品的培育和新商业模式的探索。如今，越来越多的首席信息官（CIO）正在积极构建他们组织所需的基础，以加强这种洞察力。

在人工智能（AI）蓬勃发展的我们也见证了认知计算领域更为宏大的发展——机器智能（MI）的崛起。机器智能，代表着新的认知时代的来临，其中涵盖了机器学习、深度学习、高级认知分析、机器人自动化和Bot等技术。这些技术的发展代表着机器智能的进步，正被广泛应用于各个领域。

比如在美国的一家大型医院，正在利用机器智能系统来分析存储在医院数据库中的大量遗传和基因图像。而在金融服务领域，认知销售助理利用机器智能寻找潜在的销售线索，然后跟进并维持联系。这种认知助手可以理解客户的自然语言问题，同时处理多种语言和大量的会话。

未来几个月内，随着更多的公司开始利用机器智能的力量，类似的应用案例将会不断涌现。对机器智能的投入正在增加，预计将在不久的将来达到近313亿美元。在德勤的2016年全球CIO调查中，有1,200名IT高管提到了他们未来两年内打算大幅投资的新兴技术，其中超过一半的人选择了认知技术。

我们如今所谈论的认知计算，实际上源于半个世纪前的远见卓识。虽然早在上世纪80年代就有原始的AI技术开始商业化，但直到二十一世纪，随着构成机器智能的AI和认知计算能力的飞速提升，才真正迎来了腾飞。推动这一趋势的三股强大力量分别是数据的指数级增长、更快的分布式系统和更智能的算法。

数据的增长是前所未有的。我们创建和复制的数据每12个月就会翻一番。预计到2020年，全球数据量将达到惊人的44泽字节。物联网、暗数据分析等数据源的增加使得数据增长更加迅速。从商业角度看，这种爆炸式增长为我们提供了比以往任何时候都更有价值的数据源。除了传统的分析技术处理结构化和非结构化数据外，深层网络中的大量非结构化数据对机器智能的发展也至关重要。这些系统处理的数据越多，它们在发现关系、模式和潜在影响等问题上就会变得更聪明。

更快的分布式系统让数据对个体用户更加可访问。随着数据量的增加和分析的复杂性提高，分布式网络的能力得到了指数级的提升。当前的微处理器性能已经比最初的单芯片微处理器高出数百万倍。这种能力使得高级系统设计成为可能，如支持多核和并行处理的系统以及高级数据存储技术。分布式网络还可以与云基础设施无缝连接，消化和分析不断增长的数据。它们提供了分析和驱动来自物联网、传感器和嵌入式智能设备等边缘功能的流数据所需的能力。

更智能的算法也在推动机器智能的进步。近年来，随着机器智能算法的进步，实现认知计算的最初目标——模拟人类思考过程——已经取得了稳步的进展。在接下来的十八到二十四个月内，随着机器智能的应用案例不断涌现，优化、规划和调度等算法能力将在公共和私有部门得到更广泛的应用。机器学习是这些算法的核心，通过数据自动发现模型并做出预测。这些进步将推动机器智能的发展，并为我们提供更多前所未有的机会和可能性。在深度学习的领域，开发人员正不断探索涉及人工神经网络的机器学习算法。这些算法模拟人脑的结构和功能，通过互相连接的模块运行数学模型，并可根据大量输入的结果进行微调。深度学习包括有监督学习和无监督学习两大类别。

概率推理成为AI领域的新焦点，借助图形分析和贝叶斯网络，AI能够识别随机变量中的条件依赖性。

语义计算涵盖了计算机视觉、语音识别以及文本分析能力。这些技术能够解析自然语言的意图和内容，广泛应用于数据分类、映射和检索。

自然语言引擎以人类的方式理解书面文本，但处理文本的方式更为复杂。它可以自动识别文本中的人名和地址，识别文本主题，甚至从合同中提取条款并制成列表。自然语言引擎主要包括针对人类语言的自然语言处理技术和生成自然语言输出的技术。

机器人过程自动化（RPA）通过模仿人类与软件应用程序的交互，执行例行的业务流程。现如今，RPA正与认知技术结合，自动化执行基于知觉或判断的任务，这些任务曾被认为是只能由人类完成的。

对于CIO而言，机器智能的转变需要他们对数据分析拥有全新的理解。机器智能不仅可以创建静态报告，更能利用大规模数据库自动执行任务并提高效率。机器智能提供了深入、可操作的洞察，帮助企业在员工效率方面制定更高策略。例如，全球呼叫中心的服务代表可以通过多功能的客户支持程序回答各种问题。机器智能还能带来认知参与和认知自动化等领域的机遇。认知智能体是采用认知技术与人类交互的系统，它们在客户服务领域具有巨大的商业潜力。利用机器学习、RPA等认知工具开发深度专业领域知识，然后自动化执行相关任务，可能是最具颠覆性的机会。比如医疗公司应用深度学习进行医学图像分析，已经超越了人类专家的能力。

探索未来工作新模式：协同机器人与机器学习在业务中的融合应用

随着科技的飞速发展，AIG公司引领了一场革新风暴，开发出一款前沿的协作机器人程序——“协同机器人”。这一程序融合了内置的算法能力、机器学习与机器人过程自动化，为现代商业带来了全新的工作面貌。这些虚拟工作者被视为“协同机器人”，旨在成为每个人的得力助手和延伸。

时光回溯到2015年10月，AIG公司推出了首款机器学习虚拟工程师——“ARIES”。它的主要任务是解决全球网络问题事件。在为期90天的试验期间，ARIES接受了“策展和监督”模式的培训，这一模式下，机器与人类并肩作战，并从人类的行为中学习。通过这种独特的方法，ARIES迅速掌握了如何评估运行中断的来源、确定原因并做出应急响应。仅仅在第91天，协同机器人就已经做好了全面部署的准备。令人惊讶的是，这并不是因为机器本身的高效率，而是因为人类平均需要8到10分钟解决一个典型问题，而协同机器人也能在相同时间内完成。机器人的真正优势在于其规模：它们可以全天候不间断工作，迅速解决事件，从不排队或积压。

在ARIES参与工作的六个月内，这一自动化系统识别和解决了超过60%的网络运行中断问题。一年内，随着AI环境的传感器增加，监测AIG环境健康状况的ARIES机器智能得以在问题影响业务之前，以编程方式解决各种警报。虚拟工程师不仅能自动识别设备故障、执行诊断测试并尝试修复，还能向技术人员提出“建议”。如果数据模式显示某设备频繁造成问题，IT团队就能迅速作出反应并更换设备。这些问题不仅减少了严重性等级1和2的问题数量达50%，还提高了技术人员的工作满意度。技术人员现在能够专注于更具挑战性和趣味性的任务，不再需要执行常规和重复性的工作。

除了网络问题处理方面的应用，AIG还推出了四个由管理人员操作的协同机器人，分别负责治理、工作、培训和学习，甚至绩效管理。这些机器人已经成功融入工作岗位。随着IT中协同软件程序的成功应用，AIG正积极寻找在业务操作中使用机器学习的机会。该公司希望将机器学习视为资源而非成本，并正在开展内部试验以确定协同机器人是否能审查损害索赔并立即授权付款检查。其他潜在的用例包括增强型认知的自助服务、增强代理辅助渠道等。

与此作为美国最大的健康福利公司之一的Anthem，正在探索如何利用认知计算的力量来提供高度个性化的客户服务。为了满足患者对于与零售商和银行相同水平的客户服务期望，Anthem正在利用机器智能的三个维度：洞察、自动化和参与。在第一阶段，公司正在应用认知洞察来改善索赔裁定流程，为索赔审查人员提供关于每个案例的更好理解。Anthem的战略是利用机器学习的力量来简化并增强与客户的联系，使客户服务更加高效、灵敏和直观。最终目标是改变公司与保险用户在整个受保周期的交流方式，而不仅仅是在理赔时。

Anthem的战略涉及将认知洞察融入索赔处理流程中。通过整合内部数据、外部数据以及患者信息，新系统能够从一开始就提供全面的图像。这将帮助审核员更快速地识别潜在问题并采取行动。未来，Anthem还将增加认知自动化来处理索赔问题，腾出时间让审核员专注于更复杂的案例。随着系统的成熟和机器学习算法的应用，它将能够自行解决某些问题并提高处理效率。最终目标是实现一个更为智能化、自动化的客户服务体验，满足客户的期望并提供高度个性化的服务。随着Anthem公司不断加深参与，其利用神经网络和深度学习的范围也在不断扩大。通过与医疗保健提供者的紧密合作，Anthem将能够针对每位患者推荐个性化的护理计划。这一转变不仅仅是简单的反应到索赔，而是主动参与到客户的护理过程中。通过审查病人的病史并与医疗机构联系，Anthem能够提供更具洞察力的护理建议。

Anthem的半监督机器学习系统已经学会了如何分解问题、组织信息并做出最佳响应。在测试阶段，观察者将通过比较系统行为和传统人为驱动方法的性能来评估其效率和准确性。该公司已经取得了一系列全面的积极成果，包括数据处理、系统培训、解决方案架构和技术简化的进展。自动化裁决系统的原型计划在2017年推出，紧接着将推出一个最低可行产品版本（MVP）。

Anthem在认知能力的提升方面已建立广泛的知识储备。多个团队通过案例学习实现成果，评估证明价值，并优化数据准备、算法调整和程序可用性等方面的工作。最终，Anthem的目标是在价值分析、人口健康管理、质量管理等领域利用这一平台，洞察医疗服务和医疗成本之间的差距。Anthem期望其认知智能服务能够帮助企业更好地为会员服务，通过训练模型、优化计划和利用认知智能来实现这一目标。

在企业的数据管理和分析中，机器智能（MI）的应用显得尤为重要。许多机构在数据管理和分析方面面临挑战，即使数据大部分是结构化的并且仅限于公司内部信息。复杂的算法和分析技术使我们能够解决复杂的情况，从被动描述发生了什么过渡到主动自动化业务响应。机器智能提供了新的方法和技术，帮助我们克服长期的数据难题。例如，MI技术可以应用于数据分类、本体定义、主数据的管理和维护等方面。专注于获得商业问题的洞察，并解决这些问题中的一些，可以获得更大的认可，并将MI应用于更复杂的问题。与供应商的合作以及与学者和思想领袖的合作也是推动MI应用的关键。

亚马逊的团队正在经历人工智能历史上的一个令人兴奋的时期。随着语音技术的不断发展，亚马逊相信语音将在许多方面从根本上改善人们与技术的交互方式。Amazon Echo的原始灵感来源于星际迷航计算机，旨在创建一个完全由语音控制的云上计算机。Alexa背后的语音和大脑是云中的一项服务，它在自然语言理解方面变得越来越聪明，并不断提高准确性。自Echo推出以来，已经为Alexa增加了7000多项技能，展现出了巨大的潜力。她的足迹遍布亚马逊Echo系列设备及其他硬件领域。如今，Alexa已嵌入到其他亚马逊硬件（如Fire TV和Fire平板电脑）和第三方设备中，包括Nucleus对讲系统、Lenovo Smart Assistant扬声器以及LG Smart InstaView冰箱等。她的影响力甚至还延伸至汽车行业，成功嵌入福特和大众汽车公司的车载系统中。

Alexa在涉及的领域里展现出了惊人的用户理解力，尤其在搜索材料的准确性方面。语音技术仍面临持续挑战。技术的从无到有，背后是我们团队不断创新研发的努力。我们深感幸运，借助AWS云的力量，集结了顶尖语音专家团队，包括才华横溢的语音学家们，共同应对这些挑战。

我们对AI为客户带来的好处和机会充满期待。目前，Alexa主要在Echo设备上运行，但未来将通过无数的系统和应用程序实现扩展。我们提供一系列免费、自助的公共API给开发人员使用，如vAlexa Skill Kit（ASK）、Smart Home Skill API以及Alexa Voice Service API等，使实施过程更加便捷。

随着机器智能、神经网络和语音识别领域的进步，我们将为客户提供更多新功能。但人工智能也带来了一些挑战，特别是在网络安全领域。人工智能可以通过高速高效的机器自动化来帮助保证风险控制某些方面的自动化，快速识别潜在威胁并采取相应措施。人工智能还能借助预知作用的风险和网络模型进一步挖掘暗网等未知领域的新威胁。

企业在利用人工智能推动项目和制定策略时，也应注意人工智能的客户侧写能力可能带来的潜在风险。人工智能可能会做出错误的推断，产生新的风险隐患，尤其是在建立关联时可能会引发隐私泄露等问题。因此企业在面对人工智能带来的品牌和信誉危机时，必须谨慎评估基于推理和关联的原始数据。随着人工智能在高效和节约成本方面的优势逐渐显现，和道德问题也引发了广泛的讨论。企业需考虑人工智能如何影响社会、经济和个体组织获取机会等问题。在后工作经济时代长期生存的问题也值得企业深思。关于人工智能技术的暗箱操作风险也应引起重视。当前尚无法明确解释某些决策和推荐是如何做出的，算法的透明化需求迫切。企业需要评估透明度不足的风险并采取相应的计划调整措施。在面对这些未知领域时，CIO、CEO和其他领导者应以股东利益为出发点权衡风险包括名誉风险、安全风险以及财务风险等综合考虑企业未来的方向和目标作出明智决策。