近日，世界公认的人工智能风向标，Gartner 2019年人工智能技术成熟度曲线图公布。它由69位Gartner国际分析师定制编写，揭示了人工智能在全球市场的成熟度以及未来发展趋势。
相较2018年，2019曲线表明有更多的人工智能技术处在创新触发阶段，反映出全球人工智能正不断涌现新创意，例如，增强学习、人工智能云服务、边缘人工智能、可解释的人工智能等。
01
2019年人工智能技术成熟度曲线共有36项技术出现，其中成熟度周期包含了很多新技术，但被大众所知晓的有价值或有目标的很少，而被主流应用的则少之又少。
在这36项技术中，有16项技术需要2到5年才能达到成熟期。有15项技术需要5到10年才能达到成熟期，它们基本处于创新萌芽期与期望膨胀的顶峰期。而“稳步爬升的光明期”和“实质生产的高峰期”都比较空，出现的技术寥寥无几。
在曲线的峰值处，可以看到，AI Paas（人工智能平台服务）、Auto ML（自动化机器学习）、智能应用、聊天机器人等14项技术成为顶峰期人们对AI最大的期待。
相比之下，Robitic Process Automation Software（机器人流程自动化软件）、GPU Accelerators（GPU加速器）、Speech Recognition（语音识别）达到高峰期仅需要不到2年，或将成为最快落地的AI项目。
而Artificial General Intelligence（通用人工智能）、Quantum Computing（量子计算）、Autonomous Vehicles（无人驾驶）等技术实现难度仍有待探索，或许还需要超过10年的时间才能实现。
02
对比2018，这些技术发生了什么变化？
为了更直观地与2018年人工智能成熟度曲线进行对比，我们把2019年曲线与2018年曲线中各项技术按照所处的阶段进行了归类，上下顺序也按照曲线中的时间顺序进行了排列。
相较于2018年，2019年的曲线表明有更多的人工智能技术处在创新萌发阶段，反映出全球人工智能正不断涌现新创意。
通过两条曲线的比较，可以发现，集成学习、虚拟现实、知识管理工具、商用无人机、预测分析、人环众包等8项技术已从2019年技术成熟度曲线中消失（表中※标注）。
相反，强化学习、决策智能、数据标注和注解服务、可解释人工智能、边缘人工智能、洞察引擎、量子计算等11项新技术则登上了2019人工智能曲线。
聊天机器人、人工智能Paas由2018年的萌芽期开始进入2019的顶峰期。NLP、VPA无线扬声器、机器人流程自动化软件、虚拟助手则从期望膨胀期进入泡沫化低谷期。还有一些技术同时存在于两条曲线上，但是其位置发生了比较大的移动，近两年火爆的Autonomous Vehicles（自动驾驶）则遭遇了期望的下降与实现时间延长的双重冲击。
03
报告得出五大结论
Gartner的这种技术成熟度周期凸显出了人工智能正以多种不同的方式影响企业。
Gartner副总裁分析师Svetlana Sicular认为，今年的成熟度周期包含了很多新技术，但被大众所知晓或应用的很少，这并不代表AI是不可用的，这表示它将会发生改变，为了评估AI的价值和风险，CIO需要为其设定现实的预期。
结论一：部署AI企业的比例翻了近四倍
根据Gartner的年度CIO（首席信息官）调查，部署了人工智能的企业比例已从2018年的4%增长到了2019年的14%，几乎翻了四倍。
结论二：稳步爬升和实质生产的技术较少
结论三：建议学习“机器学习”技术
报告指出，“2019年数据科学和机器学习技术成熟度曲线”已进入“顶峰期拥挤”，与当前的技术成熟度曲线重叠，因为机器学习是人工智能的核心。因此，建议企业学习机器学习技术，以便在不出现期望膨胀的情况下采用人工智能。
结论四：重点关注趋势
1.自动化机器学习和智能应用的发展势头最强劲，其他方法也颇受欢迎，包括人工智能平台即服务（PaaS）、人工智能云服务、人工智能市场等。
2.人工智能的伦理和治理工作蓄势待发。
3.对于人工智能解决方案的信任是用户接受的关键。增强智能在建立信任方面比自动化更有效。通过为用户说明预测和建议，可解释人工智能也能提供帮助。
4.对话式人工智能。在开发聊天机器人和语音支持的策略时，实施者应注意对话式用户界面、虚拟助理、自然语言处理（NLP）和语音识别等技术达到平稳期所需的实践。
5.计算基础设施推动着人工智能的发展，报告建议在设计计算基础设施策略时平衡使用案例驱动型功能的成本和性能。
6.鼓励开发人员尝试使用人工智能开发人员工具包、人工智能云服务、人工智能PaaS和吸引人的全新强化学习产品。
结论五：关注新技术
报告称，自2018年以来，以下技术在人工智能领域的受关注程度明显提高：人工智能云服务出现得相对较晚，但将产生重大影响；自动化机器学习是热炒最多的人工智能方法之一，它用于人工智能的大众化，并将机器学习交付给数据科学家和商业专家；作为通过人工智能胜出的设计方法，增强智能技术则使人工智能自动化黯然失色。它采用人工智能来弥补人类的局限性，并利用人来扩大人工智能的可能性。
除此之外，可解释人工智能也颇受关注。边缘人工智能则可克服与延迟隐私和安全相关的挑战，并改善客户体验；作为赢得日益复杂的游戏的一种手段，强化学习技术也取得了重大进展。
04
2019年，哪些技术将迎来商业化？
对于困扰人工智能企业久矣的商业化问题，Gartner认为，Custom-developed AI Solutions、AI cloud services and APIs、Search and insight engines、AI embedded in ERP， CRM， HR applications、Automated ML将最先进入企业，成为最有可能实现商业化的技术。
但是，要实现上述技术，以及曲线中提到的其他稍显遥远的技术，道德和伦理的建立至关重要。特别是在人工智能面前，我们可能会面临一场前所未有的认知革命。（综合整理自：全球AI艺术大赛、动脉网等）
