近日，Gartner发布了最新的《2022年人工智能技术成熟度曲线》报告，首席分析师Afraz Jaffri认为尽早采用复合型人工智能（AI）、决策智能等AI技术将给企业机构带来明显的竞争优势，缓解AI模型脆弱性引发的问题，有助于捕捉业务背景信息，推动价值实现。
已进入生产成熟期的技术，其实际效益已得到证明和认可。随着越来越多的企业机构认为风险已下降至可接受程度，AI技术的采用开始进入快速增长阶段（见图一）。
AI一直是企业、政府和社会讨论的热门话题，企业机构很难分辨哪些AI技术具有真正的业务价值。数据和分析（D&A）领导者需制定具有前瞻性的AI战略，并充分利用当前可产生重大影响的技术。
图一、2022年人工智能技术成熟度曲线
人工智能社区传统上专注于通过调整人工智能模型本身来改善人工智能解决方案的结果，但以数据为中心的人工智能将重点转移到增强和丰富用于训练算法的数据上。
合成数据
当今AI发展所面临的主要问题之一是为有效训练AI模型而获取真实数据并进行标记，会给企业机构带来沉重的负担。此举不但耗时，而且费用高昂，但这一问题可通过合成数据来弥补。另外，合成数据在去除个人身份信息（PII）方面也有至关重要的作用。
尽管采取了转向以数据为中心的方法，但人工智能模型仍然需要关注，以确保输出继续帮助我们采取更好的行动。这里包括基于物理的人工智能、复合人工智能、因果人工智能、生成人工智能、基础模型和深度学习。
复合型人工智能
复合型人工智能产生的前提在于，任何一种人工智能方法都不能解决所有问题。目前，复合型人工智能将“连接主义”派别的方法（如机器学习）与“符号主义”等派别的方法（如基于规则的推理、图分析、基于主体的建模和优化技术等）相结合，旨在减少人工智能解决方案学习时所需的数据和能量，使抽象化机制发挥更大作用。复合型人工智能是推动决策智能市场兴起的核心因素。
因果人工智能
人工智能的最终价值在于提高人类的行动水平。人工智能的最终价值在于提高人类的行动水平。机器学习（ML）方法根据统计关系（相关性）进行预测，无论这些关系是否构成因果关系。当需要更规范地确定哪些最佳行动可促成特定结果时，因果人工智能可发挥至关重要的作用。该方法能够提高人工智能技术的自主性、可解释性、稳健性和效率。
生成式人工智能
目前对生成式人工智能方法的探索正在升温，并且开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天、国防以及能源行业证明自身的价值。生成式人工智能已催生了营销、设计、建筑和内容领域的创造性工作。技术生成的合成数据可以提高人工智能交付的准确性和速度。生成式人工智能的使用日益普遍，已上市的产品种类越来越丰富，此技术最近被积极应用于元宇宙领域。
基础模型
基础模型附带大量预训练数据集并可适用于广泛的用例，是人工智能领域发展过程中的重大进步。与以前的模型相比，基础模型能更高效地提供更先进的自然语言处理能力。基础模型已成为自然语言处理领域的首选架构，此架构还可支持计算机视觉、音频处理、软件工程、生物化学、金融和法律用例。
这里的创新包括人工智能工程、决策智能、操作人工智能系统、ModelOps、人工智能云服务、智能机器人、自然语言处理 (NLP)、自动驾驶汽车、智能应用和计算机视觉。决策智能和边缘人工智能都有望在两到五年内达到主流采用，并具有变革性的商业利益。
决策智能
决策智能是一种实用的技术，旨在准确理解决策流程以及如何根据反馈来评估、管理和改进结果，从而提高决策水平。当前，随着人工智能技术在决策中的应用日益广泛，自动决策和增强智能受到热议，这一趋势正在将决策智能推向期望膨胀期。近期的危机揭示了业务流程的脆弱性，而在企业机构重构业务流程并增强韧性、适应性和灵活性的过程中，决策智能方法和技术将发挥重要作用。依托多种软件技术的决策智能市场正快速兴起，已开始为决策者提供解决方案。
边缘人工智能
边缘人工智能是指在物联网（IoT）端点、网关和边缘服务器中嵌入人工智能技术的使用，应用范围从自动车辆到流式分析。商业利益包括：
-
提高运营效率，如制造目视检查系统 -
增强的客户体验 -
通过使用本地分析减少决策延迟 -
降低连接成本，减少边缘和云之间的数据流量 -
持久的解决方案可用性，与网络连接无关。
活动预告
大佬观点
