一、人工智慧的理解能力會有所提高其應用範圍將會擴大
人工智慧系統擁有的數據越多，其能力提高的速度就越快。然而，對於擁有較少數據的部分企業和組織而言，如何滿足人工智慧對數據的需求則是一個難題。但是，這並不意味著此類企業和組織無法使用人工智慧。明年，更多人工智慧系統會開始依賴集學習能力和邏輯性於一身的「神經符號 (neuro-symbolic)」技術。神經符號技術是突破自然語言處理（NLP）技術的關鍵，它能夠結合常識性推理和各領域的專業知識來幫助計算機更好地理解人類語言和對話。此類突破將幫助企業部署對話能力更強的自動化客戶關懷工具和技術支持工具，同時還大大減少了訓練人工智慧所需的數據量。
二、人工智慧不會搶奪工作但會改變工作方式
未來數年，人工智慧將持續影響職場。但是，人類根本無需擔心機器會搶奪自己的飯碗。相反，人工智慧還能通過自動化改變人們的工作方式。MIT-IBM Watson 人工智慧實驗室的最新研究顯示，人工智將越來越多地幫助我們完成日程安排之類的任務，但是，對於需要一定技能的崗位來說，人工智慧的影響較小，比如設計專業和行業策略。預計到 2020年，隨著人工智慧進入世界各地的工作場所，員工們會見證其影響。企業僱主必須開始進行崗位調整，而員工則應該專注於拓展自己的技能。
三、人工智慧將會設計值得信賴的人工智慧
為了提高人們對人工智慧的信任度，相關係統必須可靠、公正、負責。我們必須讓公眾確信人工智慧技術是安全的，人工智慧提供的結論或建議不偏不倚且未被操控。2020年，影響可信度的種種要素將被融入人工智慧的生命周期之中，幫助我們構建、測試、運行、監控並認證不僅具有卓越性能，而且值得信賴的人工智慧應用。正如 AutoAI 的崛起——即利用人工智慧來構建人工智慧，我們還會看到「利用人工智慧來管理人工智慧」這種技術的崛起。我們可以利用這種技術在各行各業創建值得信賴的人工智慧工作流，尤其是那些受到嚴厲監管的行業。
四、人工智慧對能源的需求要求我們採用更環保的技術
數據中心，是現代世界的關鍵設施。無論是進行企業運算、使用社交媒體，還是播放我們最愛的電影，都依賴數據中心。數據中心還是人工智慧的基礎，其能耗量占全球能源消耗總量的 2%。對雲計算和人工智慧的需求不會消失，預計到 2020年，人們會更加努力提高人工智慧技術的可持續性。此類努力包括開發新材料（如可製造更靈活設備的過渡性金屬氧化物）、可實現模擬和混合信號處理的全新晶片設計，以及基於近似算法的新軟體技術，其目的在於支持不斷增長的人工智慧工作負荷，同時減少碳排放量。
五、基於人工智慧的實驗室助手將會發現新材料
兩個多世紀以來，有機分子合成一直是工業化學領域的一個重要研究方向。正因為如此，人們才研製出了能夠挽救生命的藥物和合成纖維。在創造不同分子的過程中，研究人員需要確定成千上萬種可能發生的反應，所以他們仍面臨著巨大的挑戰。如此龐大的信息量，意味著一位科學家有可能需要記住其研究領域內的幾十種反應，但實際上他們不可能成為所有領域的專家。如今，他們大可不必完成這個不可能的任務。IBM 開發了一款能夠預測數百萬種化學反應的人工智慧工具，它既能向前預測，也能向後預測，同時還能在雲端合成分子—即 RXN for Chemistry。預計到 2020年，利用人工智慧和自動化技術實現材料開發突破的案例將大幅增加。
展望未來
2019年即將成為歷史，IBM 研究院在人工智慧領域的研究成果正在悄無聲息的發揮作用，影響世界。我們很榮幸能夠在這個技術不斷突破的星球上陪伴人類的每一天，未來，人工智慧無疑將成為驅動世界向前的重要技術之一，未來，讓我們一同見證人類美好時代的到來！
本文轉自鳳凰網。轉載目的在於傳遞更多信息，並不代表贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題，請在30日內與我們聯繫，我們將在第一時間刪除內容！