调查：80％的客户服务由聊天机器人提供，去年是67％

​​最近有关人工智能进展的相关调查、研究、预测和其他定量评估，结果直指一些趋势：消费者对聊天机器人的接受度不断增长，特别是在执行日常任务方面；关于医疗AI算法缺少患者最糟结果的问题；以及2020年乃至未来关于人工智能和就业的最新预测。

80％受访人用聊天机器人获得客户服务，而去年这一比例为67％

企业和消费者采用人工智能

澳大利亚、英国和法国消费者对聊天机器人的使用率最高，过去一年中，有超过70％的受访者曾经使用过聊天机器人与品牌进行互动。美国和德国略微落后，比例为50％多；在过去一年中与聊天机器人交互的受访者中，有80％使用聊天机器人获得客户服务，而去年这一比例为67％；美国消费者对于通过发送信息与品牌互动的兴趣明显增加，从2018年的52％增加到今年的62％；受访的欧洲国家或者地区对信息通讯的平均需求量最高，占比65％；这也是年轻销售者群体最感兴趣的功能，年龄在18-34岁的群体中有70％多的人希望可以通过发送信息与企业交互；消费者对机器人能够完成日常任务的信心越来越高，例如有超过50％的受访者表示，他们更喜欢机器人，而不是人工客服来告诉他们帐户余额或者更新地址信息；相反，消费者对于机器人执行更复杂的任务信息较低——只有15％的消费者愿意让机器人帮助他们纠正订单中的错误 [来源/LivePerson对六个国家或者地区的5000多名成年人进行的调查]

64％的受访组织计划明年增加AI投资；有77％的受访者认为，虽然AI越来越多地剥离了那些较为简单的客户服务请求，但同时人工客服则需要具备更多技能来处理更复杂和更高价值的客户查询；有74％的受访者表示，今年人工客服的数量将有所增长或者保持不变； 79％的受访者认为AI将呼叫中心能够提供一致的、及时的、有关联性的体验[来源/NICE inContact和Forrester Consulting对美国、英国和澳大利亚307个企业组织进行的在线调查]

人工智能的业务影响

Manpower France每年要收到来自80000家企业的130万张发票。Manpower对Sidetrade的Aimie机器学习工具进行了为期9个月的测试，结果发现发票收集量增加了12％[来源/财富]

在过去12个月中，Fannie Mae的8个IT团队使用Moogsoft的AIOps工具使其IT事件减少了35％，将解决问题所需的时间缩短了25％至75％（取决于具体问题）；据Fannie Mae预计，在他们把AI系统部署到所有业务部门并且该系统能够更好地找出根本原因的情况下，明年的每月IT事件量将减少50％至60％[来源/WSJ]

人工智能的研究成果

家族性高胆固醇血症（Familial hypercholesterolaemia，FH）是一种常见的遗传性疾病，相比威胁生命的心血管疾病的风险高20倍，但如今，天生患有该疾病的130万美国人中，只有不到10％的人被诊断出此病。FIND FH筛查算法对939名临床诊断的个体和83136名不含FH的个体的数据进行训练的，然后该模型被应用于国家医疗就诊数据库（1.7亿人）和综合医疗交付系统数据集（174000个人）。在FH专家审查的病例中，国家数据库有87%和医疗交付系统数据集有77%被归类为具有足够高的FH临床可能性，因此值得进行基于指南的临床评估和治疗[来源/The Lancet Digital Health ]

古代文字或者铭文很容易被损坏，难以辨认的文字部分必须由碑文学家进行修复，经过训练的深度神经网络可以帮助填补缺失的部分，字符错误率为30.1％，而人类文字学家的错误率为57.3％[来源/DeepMind]

研究人员认为，医学AI算法在检测与患者病情最糟情况相关的疾病特征方面的方式，远远比算法测试集合的平均表现更为重要。他们认为，即使人类医生对所有疾病类型诊断的平均表现要比机器差，但人类医生也往往对这些异常值满意。大部分医疗AI没有对这些出现异常值的疾病子集进行严格的算法测试，因此，很多结果的安全性可能是有偏差的。我们应该对医学AI给实际患者治疗和患者病情带来的影响进行评估——很大程度上是目前测试药物的方式——而不仅仅是看测试集的表现如何[来源/Fortune和arXiv]

Mayo Clinic的研究人员使用面部识别软件将84位志愿者的照片与其头部轮廓MRI图像进行了识别。该软件正确识别出了其中70人，准确率为73%[来源/纽约时报和新英格兰医学杂志]

荷兰皇家飞利浦公司和美国国防部利用41000个感染病例（从一个包含700多万例住院患者的大型数据库中提取数据集）开发了一种AI工具，该工具最多可以在临床怀疑48小时之前，通过筛选生命体征和其他生物标记物预测出感染的可能性[来源/Healthcare IT News]

未来的工作方式

新兴技术实际上并不会很快取代美国100万多仓库工人。但在未来十年，人工智能技术可能会让他们的生活变得更加举步维艰[来源/Recode和UC Berkeley]

数据的生命，人工智能的动力

数据以平均每个月63％的速度增长着；12％的受访者称，他们每个月的数据量增长速度在100%甚至更高；超过20％的受访者称，他们从1000个甚至更多数据来源提取数据；有超过90％的受访者表示，以可用于分析的格式提供数据是一项有挑战性的任务；大家普遍认为数据可移植性（45％）和可扩展性（46％）是现代数据转换方法的两大优势[来源/Matillion和IDG对来自于规模在1000人以上的北美企业的200名IT、数据科学和数据工程专业人员进行的调查]

过去两年中，有85％的托管服务提供商（MSP）报告了针对中小企业（SMB）的攻击，高于2018年的79％; 64％的受访者称，中小企业客户正蒙受着业务生产力的损失，有45%的受访者称企业遭遇宕机。宕机的平均成本为141000美元，比2018年增加200％[来源/Datto对全球1400多家托管服务提供商的调查]

人工智能市场预测

根据Redpoint Ventures的数据，到2023年数据标签服务市场规模可能会增长2倍达到50亿美元[来源/经济学人]

到2024年，全球AI保险市场规模将从13亿美元增长至200亿美元[来源/Juniper]

2019年亚太地区（不包括日本）在人工智能系统上的支出将达到62亿美元，比2018年增长近54％；到2023年人工智能系统的支出将增加到214亿美元，在2018-23预测期间的复合年增长率（CAGR）为39.6％[来源/IDC]

预测人工智能的未来

到2023年，人工智能和新兴技术的出现将使残疾人就业人数增加两倍，从而降低了就业门槛；到2024年，人工智能对情感的识别能力将影响一半以上的在线广告；到2023年，G7国家中至少有4个国家将建立自我监管的人工智能和机器学习设计者监督协会；到2023年，“行为互联网”将以数字化的方式追踪个人行为，从而影响全球40％的人的利益和服务[来源/Gartner]

到2022年，使用人工智能决策的企业组织中，将有30%会会遇到“影子AI”（即那些在构建AI模型的IT部门所有权范围之外的数据）的问题，而这也是有效的、道德决策的最大风险；到2023年，超过75％的大型企业将聘请行为取证、隐私和客户信任方面的AI专家，以降低品牌和声誉风险；到2022年，网络攻击中将有30％涉及：AI系统训练数据“中毒”、窃取AI模型、将导致做出错误决策的样本渗透到AI模型中；到2022年，30％的企业将投资可解释的AI（也就是可以解释AI算法如何得出结论的技术）[来源/Gartner]

中国目前在使用中的监控摄像头约有2亿个，预计到2020年将增长213％，达到6.26亿个。全球10个受监视程度最高的城市中，中国占了8个[来源/南华早报]

展望美国人工智能的未来

“为了执行以人为本的国家AI战略，我们建议美国政府在教育、研究和企业家精神方面打造一个新的AI生态，并在未来十年投资至少1200亿美元，”李飞飞和John Etchemendy指出，“我们需要一个人工智能的国家愿景”。

人工智能相关引言

“将因果关系整合到AI中是一件大事。现有机器学习方法是，假设受过训练的AI系统运用于和训练数据类型相同的数据上，而在现实生活中情况往往并非如此。”——Yoshua Bengio

“在监督或者多任务学习的情况下，我们不会实现像人类一样的普遍智力，我们将不得不寻求实现其他方面，”——Yann LeCun

“……把新闻报道自动标记为虚假新闻引起了……关于公平性和算法透明性的诸多问题，这表明，未来很长一段时间内最终还是要依赖于专家用于检测虚假新闻的监督学习” ——Julio CS Reis、Andre Correia、FabrıcioMurai、Adriano Veloso和FabrıcioBenevenuto。

本周关于人工智能“模仿大脑”的引言

“ [机器阅读]需要全面理解大脑语言。要明确的一点是，到目前为止我们并没有完全理解大脑的语言。”——John Dylan Haynes，柏林查理特大学医学院神经科学教授。​​​​