2023年Gartnar技术成熟度曲线中人工智能的新变化

2023年Gartner人工智能(AI)技术成熟度曲线确定了能够提供显着甚至变革性效益的创新和技术，同时还能解决易出错系统的局限性和风险。人工智能战略应考虑哪些提供最可信的投资案例。

Gartner总监分析师Afraz Jaffri表示：“人工智能技术成熟度曲线中有许多创新值得特别关注，这些创新将在两到五年内成为主流，其中包括生成式人工智能和决策智能。”“早期采用这些创新将带来显着的竞争优势，并缓解与在业务流程中使用人工智能模型相关的问题。”

两种类型的生成式人工智能创新占主导地位

生成式人工智能正在主导人工智能的讨论，它使用ChatGPT等系统以非常真实的方式提高了开发人员和知识工作者的生产力。这导致组织和行业重新思考其业务流程和人力资源的价值，将生成式人工智能推向技术成熟度曲线上期望过高的顶峰。

Gartner现在认为生成式人工智能运动在走向更强大的AI系统的道路上有两个方面的作用：

生成式人工智能将推动创新。
将推动生成式人工智能进步的创新。

生成式人工智能将推动创新

生成式人工智能影响业务，因为它涉及内容发现、创建、真实性和法规。它还具有自动化人类工作以及客户和员工体验的能力。

属于此类别的关键技术包括：

通用人工智能（AGI）是机器的（目前假设的）智能，它可以完成人类可以执行的任何智力任务。
人工智能工程是企业大规模交付人工智能解决方案的基础。该学科创建连贯的企业开发、交付和基于人工智能的运营系统。
自主系统是执行领域限定任务的自我管理物理或软件系统，具有三个基本特征：自主性、学习性和代理性。
云人工智能服务提供人工智能模型构建工具、预构建服务的API和相关中间件，支持构建/训练、部署和使用在预构建基础设施上作为云服务运行的机器学习(ML)模型。
复合人工智能是指不同人工智能技术的组合应用（或融合），以提高学习效率，拓宽知识表示的层次。它以更有效的方式解决更广泛的业务问题。
计算机视觉是一组技术，涉及捕获、处理和分析现实世界的图像和视频，以从物理世界中提取有意义的上下文信息。
以数据为中心的人工智能是一种专注于增强和丰富训练数据以推动更好的人工智能成果的方法。以数据为中心的人工智能还解决数据质量、隐私和可扩展性问题。
边缘人工智能是指在非IT产品、物联网端点、网关和边缘服务器中嵌入人工智能技术的使用。它涵盖消费、商业和工业应用的用例，例如自动驾驶汽车、增强的医疗诊断功能和流视频分析。
智能应用程序利用学习适应来自主响应人和机器。
模型运营化(ModelOps)主要关注高级分析、人工智能和决策模型的端到端治理和生命周期管理。
运营型人工智能系统(OAISys)支持生产就绪型企业级人工智能的编排、自动化和扩展，包括机器学习、DNN和生成型人工智能。
即时工程是以文本或图像的形式向生成式人工智能模型提供输入以指定和限制模型可以产生的响应集的学科。
智能机器人是由人工智能驱动的、通常是移动的机器，旨在自主执行一项或多项物理任务。
合成数据是人工生成的一类数据，而不是从对现实世界的直接观察中获得的数据。

推动生成式人工智能进步的创新

“得益于稳定扩散、中程、ChatGPT和大型语言模型的流行，生成式AI探索正在加速。大多数行业的最终用户组织都在积极尝试生成式人工智能，”Gartner副总裁分析师Svetlana Sular表示。

“技术供应商组建生成式人工智能小组，优先交付生成式人工智能应用程序和工具。2023年出现了众多利用生成式AI进行创新的初创公司，我们预计这种情况将会增长。一些政府正在评估生成式人工智能的影响并准备出台法规。”

属于此类别的关键技术包括：

人工智能仿真是人工智能和仿真技术的结合应用，共同开发人工智能代理以及可以训练、测试甚至部署人工智能代理的模拟环境。
人工智能信任、风险和安全管理（AI TRiSM）确保人工智能模型治理、可信性、公平性、可靠性、稳健性、有效性和数据保护。
因果人工智能识别并利用因果关系，超越基于相关性的预测模型，转向能够更有效地规定行动并更自主地行动的人工智能系统。
数据标记和注释 (DL&A) 是一个对数据资产进行进一步分类、分段、注释和增强的过程，以丰富数据，以实现更好的分析和人工智能项目。
第一原理人工智能(FPAI)（又名物理信息人工智能）将物理和模拟原理、控制定律和领域知识融入人工智能模型中。FPAI将人工智能工程扩展到复杂系统工程和基于模型的系统
基础模型是大参数模型，以自我监督的方式在广泛的数据集上进行训练。
知识图是物理和数字世界的机器可读表示。它们包括遵循图形数据模型的实体（人员、公司、数字资产）及其关系。
多智能体系统（MAS）是一类由多个、独立（但交互）组成的人工智能系统代理，每个代理都能够感知环境并采取行动。代理可以是人工智能模型、软件程序、机器人和其他计算实体。
神经符号人工智能是复合人工智能的一种形式，它将机器学习方法和符号系统结合起来，创建更强大、更值得信赖的人工智能模型。它提供了推理基础设施，可以更有效地解决更广泛的业务问题。
负责任的人工智能是在采用人工智能时做出适当的商业和道德选择的总称。它包含确保积极、负责和符合道德的人工智能开发和运营的组织责任和实践。