人工智慧非常複雜，而且發展速度很快，任何人都不可能對其未來幾年的發展方向做出準確的預測。但就人工智慧在2018年的發展趨勢來說，我們可以給出一些具體的預測，並指出其會對企業、政府和社會產生哪些影響。一些新興的趨勢已經開始展現。
根據在人工智慧領域有遠見的人士的分析，以及普華永道為世界各地的客戶提供人工智慧應用咨詢時的經驗，我們做出了以下這8項預測。
一、在影響就業之前，人工智慧將會對僱主產生影響
長期來看, 人工智慧不會摧毀就業市場——至少在2018年是不可能的。但是企業面臨著一個重大挑戰：只有彙集了來自不同種類的數據以及不同學科的團隊成員時，人工智慧才能發揮出最大的效果。
同時，它還需要借助相應的結構和技能來實現人機協作。但是大多數企業都把數據存放在聯合企業和團隊的資料庫里。 很少有企業開始為員工提供他們所需要的基本人工智慧技能。普通的企業還沒有準備好滿足人工智慧的需求。
可能你讀到過很多這樣的新聞：機器人和人工智慧將會摧毀工作機會。但我們並不這樣認為。我們看到一個更加複雜的情況成為焦點，人工智慧將會促進就業市場逐步演變，只要正確的應對這一趨勢，就會對就業產生積極的影響。新的工作機會將抵消那些失去的。人們仍然會進行工作，但他們會在人工智慧的幫助下更高效地工作。
同樣，你也可能聽說了人工智慧擊敗了世界上最厲害的國際象棋大師。但並不是每個人都知道什麼才能擊敗人工智慧象棋大師：一個「人機結合」系統，或者人和人工智慧作為一個團隊去下棋。人類能夠從人工智慧合作夥伴那裡獲取建議，但也可以自由的推翻它。這是兩者建立聯繫的過程，也是取得成功的關鍵。
這種無與倫比的組合將成為未來勞動力隊伍中的新常態。考慮一下人工智慧將會如何加強產品設計的過程：人類工程師定義每個零件使用的材料、特徵和各種約束條件，並將其輸入到人工智慧系統中，從而生成大量模型。然後，工程師可以選擇其中的一個模型，也可以改進他們的輸入，然後讓人工智慧再次嘗試生成模型。
這種模式是人工智慧促進經濟發展的一個原因。然而，不可否認的是，在一些行業，經濟體和企業（尤其是那些涉及重複性工作的行業，經濟和企業）中，工作將會改變或被淘汰。
不過，在接下來的兩年內，影響相對有限：根據普華永道的國際就業自動化研究估計，在對29個國家的分析中，到2020年，存在高度自動化風險的就業崗位僅約3％。
為什麼一些企業會成功，一些企業會失敗？
在2018年，企業將開始意識到他們需要改變他們當前的工作方式。在他們這樣做的時候，他們需要特別留意之前發生的事情：失敗的技術轉型。發生這種情況的原因有很多，但有兩個原因與許多企業接近人工智慧的方式有關。
一是不會變通，對號入座。
二是孤島上進行思考和工作。
精通人工智慧的員工不僅僅需要知道如何選擇正確的演演演算法，以及將數據輸入到模型中。他們還需要知道如何解釋結果，以及什麼時候讓演演演算法自主決定，什麼時候該介入其中。
同時，不同團隊之間的相互協作才能有效使用人工智慧，想象一下一個幫助醫院工作人員決定批准哪些醫療程序的人工智慧系統，它不僅需要來自醫療和人工智慧領域專家的投入，還需要來自法律，人力資源，財務，網路安全和合規團隊的投入。
大多數企業喜歡設定界限，讓特定的團隊負責某些領域或項目，並據此分配預算，但是人工智慧需要多學科團隊齊心協力解決問題。之後，團隊成員繼續進行其他挑戰， 但是會繼續監控並完善第一個挑戰。
就人工智慧而言，和其他許多數字技術一樣。企業和及教育機構應該少考慮一些工作title的問題，多關注一些工作任務、技能和思維方式方面的問題。這意味著要擁抱新的工作方式。
二、人工智慧將融入現實，開始發揮其效用
它可能不會成為媒體的頭條新聞, 但人工智慧現在已經準備好了，能夠自動完成日益複雜的流程，識別出能夠創造商業價值的趨勢，並提供具有前瞻性的情報。
這帶來的結果是, 人們的工作量減少, 做出的戰略決策也變得更好了：員工的工作也比以前更好了。 但是, 由於傳統的投資回報率（ROI）策略可能無法準確地識別出這一價值，企業將需要考慮採取新的指標，以便更好地理解工智能可以為它們做什麼。
54%的高管表示，人工智慧解決方案提高了生產力。
在很多媒體的報道中，以人工智慧為動力的未來看起來非常神奇：自動駕駛汽車組成的車隊基本上不會遇到車禍或者交通擁堵；機器人醫生診斷疾病通常只需要幾毫秒；智能的基礎設施將會優化人員與貨物的流動，並在需要修理之前自動維護。在將來，所有的這些可能都會發生，但不會出現在2018年。
在接受調查的高管中，他們認為人工智慧對他們的成功至關重要：72％的人認為這將是未來的商業優勢。但我們面臨的問題是：當下它能為我們做什麼？答案就在這裡。
提高人的生產力
如果人工智慧聽起來可能讓人感到牽強附會，那麼，能夠執行繁瑣重複性的白領的任務的工具，能讓管理者們把時間花在分析上，聽起來怎樣？那麼，一個能夠識別欺詐行為並提高供應鏈彈性的方法呢？
這就是人工智慧在2018年的價值：不在於創造一個全新的行業（未來十年），而在於增強現有員工的能力，為現有的企業增加更多的價值。主要有三種方式：
- 將那些對於老技術來說過於複雜的流程自動化
- 從歷史數據中發現趨勢以創造商業價值
- 提供具有前瞻性的情報來使人們更好地下決策
從繁瑣的任務中獲得價值
想象一下大多數公司的財務部門是如何花費大部分時間的：瀏覽來自ERP，支付處理，商業智能和其他系統的數據。許多員工每天要花費數小時的時間研究法律合同和電子郵件，或執行一些普通的交易任務。
這帶來的結果是，許多金融專業人員在有其他日常工作剩餘時間的時候，才會進行增值分析。
現在想象一下，有一個人工智慧系統能夠掃描所有的數據，發現趨勢和異常情況，自動執行許多交易，並標記相關問題以便進一步跟進。想象一下，這個人工智慧系統還會識別和解釋可能存在的風險，並提供數據驅動的預測來支持管理人員的分析和決策。
它聽起來可能沒有智能城市那麼性感，但這種實用的人工智慧現在已經準備就緒。它通常是「偷偷地從後門溜進來」。來自Salesforce，SAP，Workday和其他公司的企業應用程序套件正在越來越多地擁抱人工智慧。
三、人工智慧將幫助回答有關數據的重大問題
許多針對數據技術和數據集成的投資都未能回答這樣的一個重大問題：投資回報率在哪？現在，人工智慧正在為這些數據項目提供商業案例，新的工具將會使這些項目的價值凸顯出來。
企業不再需要決定"清理數據"——也不應該這樣做。他們應該首先從一個業務問題開始來量化人工智慧的好處。一旦數據被用來解決一個特定的問題，進一步開發數據驅動的人工智慧解決方案就會變得更容易，從而就會形成一個良性循環。 問題出在了哪裡？一些企業仍然在猶豫要不要建立，或者是沒有建立好數據基礎。
許多公司沒有看到他們對大數據進行投資帶來的收益。這裡有一個脫節。商業和技術行業的高管們認為他們可以用數據做更多的事情，但學習曲線非常陡峭，工具也不成熟。所以他們面臨著相當大的挑戰。
現在，隨著應用場景的成熟和人工智慧本身變得更加真實和實用，一些人正在重新思考他們的數據戰略。他們開始提出正確的問題，例如：如何使我們的流程更有效率？需要做些什麼才能實現數據提取的自動化？
同時，企業現在可以利用新的工具和技術進步，其中包括：
- 採用更簡便的方法挖掘結構較差的數據，比如那些用於文本索引和分類的自然語言處理
- 企業應用程序套件將包含越來越多的人工智慧工具
- 新興的數據湖即服務的平台
- 可以利用不同類型數據的公共雲
- 自動化地機器學習和數據管理
餵養AI野獸
儘管取得了這些進展，但許多企業仍然面臨著諸多挑戰。許多類型的人工智慧（如監督式機器學習和深度學習）需要大量標準化、標籤化的數據，並且還要把偏差和異常的數據「清除」掉。否則，不完整或有偏見的數據集將導致錯誤的結果。這些數據也必須足夠具體，才能有用，當然，也要保護個人隱私。
考慮一個典型的銀行業務流程。各個業務線（例如零售，信用卡和經紀業務）都有自己的客戶數據集。其中不同部門（例如行銷部門，帳戶創建部門和客戶服務部門）也都有自己的數據格式。一個人工智慧系統可以識別銀行中最賺錢的客戶是誰，也能為如何找到並贏得更多像他們這樣的客戶提供建議。但要做到這一點，系統需要以標準化的、無偏見的形式訪問各業務線和各部門的數據。
正確的數據處理方法
從清理數據的開始並不是個好主意。從商業案例開始，然後評估如何在這個具體案例中取得成功會比較好。
例如，醫療保健供應商可能會致力於改善病人的治療效果。在開始開發系統之前，供應商會量化人工智慧可以帶來的好處。供應商接下來將研究需要哪些數據——電子病歷，相關期刊文章和臨床試驗數據等——以及獲取和清理這些數據的成本。
只有供應商的收益——包括間接收益以及未來的應用程序如何使用這些數據，能夠超過成本的情況下，供應商才會向前推進。
這就是有多少企業最終會改革數據架構和管理的衡量方法：人工智慧和其他技術提供了需要它的價值主張。
四、決定人工智慧人才競賽的不是技術人員
現在大型的企業都在爭奪電腦科學家，但是頂尖的技術人才並不足以讓人工智慧取得成功。 企業需要能夠與人工智慧和人工智慧專家合作的各個領域的專家，他們不需要成為程序員。但他們必須了解數據科學和數據可視化的基礎知識, 以及人工智慧的思維方式。
在人工智慧離開電腦實驗室，並進入日常工作流程時，這些專家將比電腦科學家更加重要。 但許多專家需要適當地提高技能。
隨著人工智慧擴展到更為具體的領域，它將需要數據科學家和人工智慧專家通常缺乏的各領域的專業知識和技能。
想象一下電腦科學家創建一個人工智慧應用程序來支持資產管理決策是什麼情景吧。人工智慧專家可能不是市場領域的專家。所以，他們需要經濟學家、分析師和交易員來幫助他們確定人工智慧在哪裡能發揮作用，來幫助確定怎麼去設計和培訓人工智慧，從而讓人們能夠願意且有效地使用人工智慧。
而且由於金融世界處於不斷的變化之中，一旦人工智慧開始運行，就需要不斷進行定製和調整。所以，金融領域的專家——而不是程序員——將不得不帶頭工作。不僅在整個金融服務領域，在醫療保健，零售業，製造業以及人工智慧所涉及的所有領域也是如此。
五、網路攻擊將因人工智慧變得強大，但網路防禦也會如此
智能的惡意軟體和勒索軟體通常能夠在傳播過程中學習，通過機器智能協調對全球網路攻擊，並通過先進的數據分析來定製攻擊方式——不幸的是, 這一切都在進行中。
企業不可能拎著刀去參加槍戰。它們必須要用人工智慧來對抗人工智慧。即使是那些對人工智慧非常警惕的企業或者組織也別無選擇，只能部署人工智慧網路防禦系統。網路安全將是許多企業第一次嘗試使用人工智慧。
27%的高管表示，他們所在的企業計劃在2018年投資利用人工智慧和機器學習來打造網路防禦系統。
黑客攻擊，讓人工智慧顯示出了超越人類的優勢。例如，機器學習可以輕鬆跟蹤你在社交媒體上的行為，然後為你個人定製網路釣魚推文或電子郵件。一個人類黑客不可能快速地完成這項工作。
人工智慧越發展，網路攻擊的可能性就越大。先進的機器學習，深度學習和神經網路等技術使電腦能夠發現和解釋模式。黑客也可以利用它找到並利用漏洞。
智能的惡意軟體和勒索軟體通常能夠在傳播過程中學習，通過機器智能協調對全球網路攻擊，並通過先進的數據分析來定製攻擊方式——不幸的是，你所在的企業或者組織很快就會受到牽連。就人工智慧本身而言，如果沒有得到很好的保護，就會引發新的漏洞。例如，惡意行為者可以將有偏見的數據注入演演演算法的訓練集中。
用人工智慧來拯救
就像我們預計人工智慧在2018年將會成為一個不斷增長的網路威脅一樣，我們也確信它將成為解決方案的一部分。可擴展的機器學習技術與雲技術相結合，正在分析大量數據併為實時威脅檢測和分析提供動力。人工智慧還可以快速識別網路攻擊正在飆升的「熱點」，並提供網路安全情報報告。
但即使在網路安全領域，也有一些只有人才能做到的事情。人類更善於吸收情境並富有想象力地思考。網路戰不僅僅是兩台電腦之間的戰爭。但人工智慧將成為每個主要企業或組織機構的網路安全工具包的重要組成部分。
六、打開人工智慧的「黑匣子」將是重中之重
人工智慧失控，並不是人們在2018年會面臨的危險，畢竟它現在還不夠聰明。但人工智慧的行為令人費解，從而導致領導者和消費者對其保持謹慎的態度——這才是真正的危險所在。
我們會面臨更大的壓力。所以，必須要打開人工智慧「黑匣子」，使其能夠被解釋。但這涉及到成本和效益之間的權衡。 企業需要建立一套能夠評估業務、業績、監管和聲譽方面問題的框架，因為它們決定了人工智慧的可解釋性的正確水平。
人工智慧驅動的自動化武器是否能成為連環殺手？人工智慧系統告訴我們減少空氣污染最合乎邏輯的方法是消除人類？這種恐懼可能會帶來一些好的驚悚電影，但危險是可以控制的。
這裡有一個許多人工智慧支持者都不願意提及的秘密：人工智慧並沒有想象中的那麼聰明，至少現在是這樣的。人工智慧模式識別和圖像識別、將複雜任務自動化以及幫助人們做出決策方面越來越好。所有這些都為價值數萬億美元的企業提供了機會。
例如，在過去，為了讓人工智慧程序能夠學習下國際象棋或其他遊戲，科學家們不得不給它們提供大量的歷史遊戲數據。現在，他們只需要向人工智慧提供遊戲規則就行了。在幾個小時后，它就能知道如何打敗世界上最偉大的大師了。
這是一個非同尋常的進步，具有巨大的潛力來支持人類決策。與下棋不同的是，一個擁有正確規則的人工智慧程序可以在企業戰略、留存消費者或設計新產品方面表現的更好。
但它仍然只是遵循人類設計的規則。如果對負責任的人工智慧I給予適當的關注，我們可以安全地利用其能力。
真正的風險
儘管人工智慧是可控的，但它並不總是可以理解的。一方面，許多人工智慧演演演算法超出了人類的理解範疇。另一方面，一些人工智慧供應商為了保護知識產權不會透露他們的項目。在這兩種情況下，當人工智慧做出決定時，終端用戶是不知道它是如何到達那裡的，它就是一個「黑匣子」，我們無法看到它的內部。
在一些方面，這算不上一個問題。就比如子商務網站使用演演演算法向消費者推薦新的襯衫，風險就很低。但是當人工智慧驅動的軟體因為銀行無法解釋的原因拒絕了抵押貸款申請時會發生什麼？如果人工智慧沒有明顯的理由在機場安檢中標記某個類別的人該怎麼辦？當基於人工智慧的交易軟體出於神秘原因在股票市場上進行杠桿式投注時會發生什麼？
如果用戶不能理解人工智慧的工作原理，他們可能不會相信它。如果領導者不能看到它是如何作出決定的，他們可能不會投資人工智慧。因此，運行在「黑匣子」上的人工智慧可能會遇到一波不信任的浪潮，從而限制了它的運用。
七、人工智慧方面的競爭將會上升到國家層面
人工智慧是一個巨大的機會, 許多政府正在努力確保他們的國家得到一大塊蛋糕。 加拿大、日本、英國、德國和阿聯酋都有國家級的人工智慧計劃。 美國的稅收改革和放鬆管制可能會推動人工智慧的快速發展。
與眾不同，在如何利用人工智慧發展未來經濟方面的努力已經取得了成果，並可能會導致一個「斯普特尼克」時刻。這不是貿易戰，而是研究、投資和人才問題，中國正在迅速發展。就像在人造衛星領域美國被俄羅斯超過一樣，美國也開始擔心其喪失人工智慧的技術優勢。
根據我們的研究，人工智慧將成為一個巨大的市場：到2030年將達到15.7萬億美元的規模。人工智慧蛋糕是如此之大，以至於除了個別公司之外，各個國家也正在制定策略，爭取從中獲得最大的份額。
美國從剛開始的時候發展十分強勁，並在2016年發布了三份報告。他們概述了一個計劃，使美國成為人工智慧強國，從而推動經濟發展和保障國家安全。
建議包括增加聯邦資金、監管變革、建立共享公共數據集和環境、制定標準和基準，發展勞動力以及人工智慧支持網路安全和軍事的方式。
但是，自2017年初進入新一屆政府以來，政府已經放棄了這一計劃。它正在削減人工智慧方面的研究基金。
然而，前不久通過的稅收改革可能會推動美國人工智慧的發展。較低的企業稅率、從海外匯回現金的規定、以及允許100% 的資本投資可能會刺激人工智慧和其他技術的投資。現任政府強調放鬆管制可以幫助某些行業的人工智慧發展，例如無人駕駛飛機和自動駕駛汽車。
新的人工智慧領導者
在英國去年推出了一項計劃，以改善對數據的訪問、提高人工智慧技能、推動人工智慧研究和吸收。其最新預算為數據倫理與創新中心增加了資金，以推動負責任的人工智慧，開展數據信托的探索工作。
加拿大——已經是人工智慧領域的領導者了——也在努力使人工智慧成為未來經濟的關鍵。聯邦政府去年推出了PanCanadian人工智慧策略。該計劃包括與私營公司和大學合作為人工智慧研究中心提供資金。它還旨在吸引和留住頂尖的人工智慧人才。
日本發布了一項人工智慧技術戰略，其中包括實現真正的人工智慧生態系統的三階段計劃。在機器人技術的成功基礎上，日本政府設想將人工智慧與其他先進技術（如物聯網，自動駕駛汽車以及網路和物理空間的融合）結合起來。
其他也有一些國家公布了人工智慧計劃，比如德國的自動駕駛道德準則及其工業4.0倡議，阿聯酋實施使用人工智慧提升政府績效和各種經濟部門的戰略。
八、不會只靠科技公司來承擔開發負責任的人工智慧的壓力
侵犯隱私、演演演算法偏差、環境破壞，以及品牌和收入面臨威脅——對人工智慧的擔憂比比皆是。 幸運的是，圍繞開發負責任的人工智慧的原則正在形成全球共識。 這些原則可以保護企業，使它們能夠獲得經濟利益。
由於監管機構難以追上最新的技術發展步伐，自我監管組織可能會成為一種越來越重要的解決方案, 來負責彌補監管滯后的缺口。
不管是否合理，或者是不是陰謀論，新技術往往會帶來新的威脅。普華永道2017年的調查顯示，77%的首席執行官表示，人工智慧和自動化將增加他們開展業務的風險。在政府官員那裡，我們得到了相似的答案。
很快，領導者將不得不面對與人工智慧有關的難題。可能是社區團體和選民擔心的演演演算法偏見；客戶可能會擔心人工智慧的可靠性；關注風險管理、投資回報率和品牌的董事會也會拋出難題。
在所有情況下，利益相關者都希望知道企業正在負責任地使用人工智慧，從而使人工智慧能夠推動企業和社會向好的方向發展。
我們相信，這會推動負責任的人工智慧原則出現。
全球運動開始了
並不是只有我們相信這一點。世界經濟論壇的第四次工業革命中心、 IEEE、 AI Now、 The Partnership on AI 、Future of Life、AI for Good和DeepMind，以及其他的組織，都發布了一系列的原則：如何最大限度地提高人工智慧對人類的好處並限制其風險。
我們支持的一些原則如下：
- 將社會影響作為設計人工智慧的重要依據
- 人工智慧發布前需要進行廣泛的測試
- 透明地使用人工智慧
- 人工智慧發布后需要嚴格監控
- 推動勞動力培訓和再培訓
- 保護數據隱私
- 為數據集的出處、使用和保護設定標準
- 建立審計演演演算法的工具和標準
對於新技術來說，我們應該遵循的黃金法則不僅僅是法規要求。監管機構和法律往往滯後於創新。那些不依賴於政治制定者頒布法規、主動負責任地使用新技術的企業，將會降低風險，提高投資回報率並提高品牌的美譽度。
