Gartner预测人工智能技术的未来

领导组织期望人工智能(AI)项目数量翻倍，其中超过40%的企业计划在2020年底之前实际部署人工智能解决方案Gartner 2020年CIO议程调查．但现实是，大多数组织都在努力做到这一点将人工智能试点纳入企业范围内的生产，这限制了实现人工智能潜在商业价值的能力。

“启动试点看似简单，但将其部署到生产中却是出了名的具有挑战性”

“尽管成功的潜力巨大，但从人工智能计划中实现业务影响所需的时间比预期的要长得多，”他说是一家Dekate,Gartner的高级总监分析师。“负责人工智能的IT领导者发现了“人工智能飞行员悖论”，即“启动飞行员看似容易，但将其部署到生产中却是出了名的具有挑战性。”

负责人工智能的IT领导者必须培育基础设施战略，使人工智能试点转变为可扩展的生产，更重要的是，实现价值。在人工智能工具和技术的快速发展中，考虑这五个预测，并成功掌握生产人工智能。

人工智能将推动基础设施决策

到2023年，人工智能仍将是推动基础设施决策的主要工作负载之一。加速人工智能试点进入生产需要特定的基础设施资源，这些资源可以随着技术的发展而增长和发展。企业IT团队需要定期改进AI模型，以确保高成功率。这可能包括标准化数据管道或将机器学习(ML)模型与流数据源集成以提供实时预测。

通过协作管理日益复杂的人工智能技术

杠杆中最大的技术挑战之一人工智能技术比如ML或深度神经网络(DNN)边缘而且物联网环境是数据和分析的复杂性。在这样的环境中成功部署生产AI需要业务和IT之间的密切合作。当新的业务需求出现时，主动计划并提供现成的解决方案——这是Gartner提出的一个概念infrastructure-led中断．

简单的ML技术有时最有意义

到2022年，超过75%的组织将在可以使用经典ML技术的用例中使用dnn。成功的早期AI采用者利用实用的ML解决方案来交付业务价值。这些早期项目使用传统的统计机器学习，但随着组织的发展，他们追求更先进的深度学习技术，以扩大人工智能的影响。筛选人工智能炒作，了解适当解决业务问题的选项范围。选择简单，而不是流行但复杂的选项。

让云服务提供商成为你战略的一部分

策略性地使用认知api、容器和无服务器计算等云技术，有助于简化部署人工智能的复杂过程。到2023年，基于云的AI将比2019年增长5倍，使AI成为顶级云服务之一。容器和serverless计算将使ML模型作为独立的功能，降低成本和开销。

无服务器编程模型在公共云但是IT领导者应该确定现有的ML项目可以从这些新的计算能力中受益。

阅读更多:2019年Gartner人工智能炒作周期的主要趋势

采用超越表面层次的AI增强自动化

随着组织必须管理的数据量的增加，虚假警报和无效的问题优先级也会增加。当涉及到人工智能时，It和业务部门通常不会说同一种语言，这并没有什么帮助。

通过采用人工智能增强自动化，IT团队可以更好地学习人工智能的技能，并将自己定位为与外围业务部门建立更有效的合作伙伴关系。事实上，到2023年，40%的I&O团队将在大型企业中使用人工智能增强自动化，从而提高IT生产力，提高灵活性和可伸缩性。