Gartner新兴技术趋势之大众化 | 由技术驱动的行为趋势 – 作者:宇宸de研究室

大众化趋势是什么

大众化(Democratization),直译为民主化,但通过对其特性的研究发现,大众化更适合体现趋势的特点。首先要明确几个概念:

大众化不是技术趋势,而是由技术驱动的行为趋势;

大众化应用更多是指落地方案,而非单纯技术;

大众化其实已经存在于我们生活中,只是我们没有发现或完善它;

大众化旨在为普通人提供专业技能以从事专业性的工作。

用简单的一句话来描述,大众化是以技术为驱动(云计算、AI、大数据、算法、算力等),利用工具(集)或平台为普通大众赋予专业能力,使其能够胜任某些专业人员才能从事的工作,从而让专业人员将经历投入到真正或更专业的工作中。

再通俗一点来说,其实就是将专业人员从日常重复无技术含量的工作中解放出来,把这些工作交给小白们,只需告诉他们该做什么,工具如何使用。

其实,大众化在国内早已渗透到我们的生活中,只是我们没有在意,没有去开发和完善这项趋势。举个我们身边的例子,几年前大家可能都接触过PS,为了修图去学习PS教程,抠图、蒙版、路径、液化等等,就是为了把自己照片P的好看些。随后出现了美图秀秀,自动抠图、智能瘦身瘦脸、一键美颜等功能几乎都是傻瓜式的(当然一些直播神器之类的就不提了,偏离主题了)。这其实就是一个最简单的大众化应用。结合一下市场,以前有专职做图片去水印的工作室,一张图0.3-10分钱不等,那时还是需要会一些修图技术才可以,现在,只需用“消除笔”点几下就OK了。

1594006077.png!small

图1 美图秀秀智能美颜

这些都可以作为大众化趋势的一些雏形,帮助我们理解它是什么。

为何关注大众化这个趋势

这里从两个角度来说下大众化的背景,即Gartner和国内政策。

Gartner-市场已经开始显现大众化需求

大众化旨在通过一种完全简化的过程,为普通人群提供专业能力(例如ML和应用开发)或业务领域专长(例如销售流程、经济分析),而不需要大量的、高额的培训。公民访问的概念(例如公民数据科学家)以及公民发展的演变和无代码模型都是大众化的例子。

大众化技术将改变当前环境,从数据科学家、AI专家、开发人员和业务专家必须合作创建AI增强解决方案的环境,转变为开发人员可以单独使用的、且可作为服务交付的预定义模型(经过充分审查、测试和验证后)来进行操作的环境。

Gartner在2020年新兴技术趋势中预测:

到2023年,80%使用人工智能进行决策的组织将会与可能成为有效且道德决策最大风险的影子AI相抗衡
到2024年,75%的大型企业将使用至少四种低代码开发工具来进行IT应用程序开发和大众公民开发
到2025年,数据科学家的稀缺将不再阻碍组织采用数字化和机器学习

国内政策-新基建促进大众化在中国的发展与落地

不久前,中国信通院院长刘多也提到了我国对这一趋势的规划和期望。在4月召开的数字基础设施建设推进专家座谈会上,刘多指出:

“新型基础设施建设是我国经济增长的新动能,是新一轮产业革命的关键支撑。除了5G、工业互联网、数据中心,还有三大正在兴起的新型数字基础设施值得关注,即:人工智能基础设施、区块链服务基础设施和城市综合信息管理平台。其中人工智能是一种通用目的技术,开放式普惠性的AI能力平台,面向社会提供低成本、开放式、通用性人工智能技术和产品,具备较强的经济效益和社会效益,具有一定基础性、公共性和强外部性。当前,市场上存在的大多数还是定制化的人工智能产品和服务,未来将出现基于通用目的的人工智能产品和服务,形成开放式的AI能力平台和开发平台等新型基础设施形态。”

而这与大众化趋势的理念相吻合。

大众化应用如何落地?

由于大众化概念太新,包括Gartner在内也并没有明确这项趋势的具体方向和市场指南,因此网上相关资料很少。下边给出被Gartner认定为大众化应用实践(已落地)的案例帮助大家理解。

但是在这之前要说明一下,以下案例均为AutoML技术实践,因为Gartner目前认为AutoML技术应该是大众化趋势的一个主要方向。关于AutoML这里简单介绍一下。

旨在通过减少人员负担和减少对专家知识的需求来改进ML应用程序的构造。ML管道流程依赖于人工专家来执行下图所示的任务。这种工作在历史上一直是一种挑战,通常需要多次迭代才能使管道过程有效。

1594006117.png!small

图2 附带AutoML的机器学习管道流程示例

但是,不能将AutoML看作是人工专家的替代品,而应该将其看作是帮助专家和非技术业务用户改进ML计划性能的增强解决方案。缺乏ML专业知识的企业已经在实际的业务用例中创建和部署了ML。通俗点说,可以把AutoML技术工具看做是游戏辅助工具,但不是外挂或挂机脚本。下面来看下,基于AutoML的大众化应用实践。

雪佛龙(Chevron)

雪弗龙地震成像和处理团队实现了谷歌AutoML视觉图像分析工具的alpha版本,以搜索内部文档,为石油钻探提供新的机会。为将与墨西哥湾潜在石油位置相关的空间信息分离出来,雪佛龙团队在其文档中搜索了“地质地图”一词,以强调嵌入地图图像文档。

第四范式(4Paradigm)

AutoML使没有ML经验的医生在长春妇产科医院建立了一个预测新生儿体重和胎膜早破的模型。这使他们能够证明气压和胎膜早破之间的密切关系。

Salesforce

Einstein Call Coaching使销售团队能够了解客户电话中发生的事情。也许竞争对手被提及的次数增加了,或者顾客对价格不满意。客户最关心的产品是什么?即使公司出于合规或质量保证的目的,在征得客户同意的情况下对电话进行了录音,也没有从客户的谈话中收集到这些信息,而且这些信息也随之丢失。

通过Einstein Call Coaching,经理们可以看到,在一个电话中发生的这些是如何成为更大趋势的一部分。通过使用自动语音识别(ASR)和自然语言处理(NLP),Einstein Call Coaching分析通话记录,为销售代表和经理提供优化每个电话所需的要点。

对于这方面有兴趣的同学可以阅读推荐链接:《Google开源AutoML-Zero》。

我们现在能做些什么?

目前有关大众化的资料很少,需要逐步明确和完善(即使是Gartner)。从我个人角度来看,大众化是一种潜在需求,已经存在,但企业自身并未发觉,需要我们去引导。此外,大众化的解决方案更多在于思路的创新,而非技术,可能有些问题利用现有的技术能力配合适当的思路就能解决客户的痛点。这里以一个更偏实践的案例简要说明一下。

某国际机场通过简化技术和治理环境,使开发和部署技术解决方案的能力大众化,从而增强机场执行数字项目的能力。

主要挑战

IT部门没有能力满足机场不断增长的数字化需求。面对这种快速增长的需求,IT部缺乏及时执行各种提议的数字项目所需的专业技能人员。由于劳动力市场紧张,很难招到拥有合适组合技能的新员工来处理来自业务团队的所有请求。

解决方案思路

IT团队致力于简化机场技术和治理环境,以便向机场的普通员工开放数字化项目实施,并增加可以通过自助服务解决的业务请求数量。为了实现这种数字化项目执行的大众化,IT部对其确定优先级和管理技术计划的方式进行了四个主要改变:

  • 优先考虑工具,而不是解决方案——它通过评估应该启动一个项目来交付一个完整解决方案,还是应该为其他团队提供工具帮助他们独立地解决问题,并对收到的请求进行优先级排序。在可能的情况下,IT倾向于后者。
  • 大众化测试技术——需要采购多种新技术,使非专业团队能够使用该技术独立定制、配置和开发解决方案。
  • 投资数字化的有热情的团队——IT跟踪现有解决方案中DIY服务功能使用情况,以确定团队是否愿意并能够使用更复杂的工具,使他们可以形成自己的解决方案、自动化流程和设计分析等等。
  • 教会IT人员去教会别人——IT人员定期被派往外部培训,以获取有关新工具和技术的信息。回来后,IT员工经常举办研讨会,向机场其他地方的员工介绍他们所学到的东西。

成果

通过减少非专业人员执行数字化任务的障碍,并优先向整个企业的团队提供工具和自服务功能,从而增强了企业执行数字化任务的总体能力。包括:

  • 小型项目完成数量增加。
  • 加中小目完成速度加快。
  • 参与解决方案、功能和定制开发的非IT人员的数量增加。

这就是一个完整的大众化落地解决方案实践,看上去其实也不是多么高深。

人人有AI,AI为人人——大众化带来新时代

在2020年,将出现简化这些功能的辅助开发和测试工具。2022年,希望通过更多主流的虚拟软件工程师来生成代码。谷歌AutoML就是利用高级分析使开发人员在没有数据专家参与的情况下自动生成新型模型的例子。到2022年,至少40%的新应用开发项目将由人工智能与开发人员合作完成。

「最终,先进AI支持的开发环境将应用的功能和非功能方面自动化,这将带来一个“全民应用开发”的新时代。」

附:Gartner建议的大众化应用领域及关键供应商

1594006223.png!small

应用程序开发大众化。这允许访问复杂的AI工具来定制开发应用程序。这些解决方案提供了AI模型构建工具、API和相关的中间件,这些工具允许构建/培训、部署和使用运行在预先构建在IaaS上的ML模型。用于构建AI解决方案的低代码应用程序开发平台工具本身也被赋予了入门级AI驱动功能。这些功能帮助了专业开发人员,以及与AI增强解决方案的开发相关的自动化任务。

数据和分析大众化。用于构建AI解决方案的工具正从针对数据专家的工具(AI基础设施、AI框架和AI平台)向针对专业开发者社区的工具(AI平台和AI服务)和公民数据专家扩展。其中包括生成/合成训练数据的工具,这有助于解决ML模型开发的一个实质性障碍。
设计大众化。设计大众化扩展了低代码/无代码现象,附加自动化的应用程序开发功能,从而增强了公民设计师的能力。AI驱动的设计包括视觉、语音和所有类型的一般数据分类以及预测模型。人机工程学家和用户交互设计师可以设计和实现有效的、引人注目的界面,包括手势、触摸、神经数字及其他,用于AI应用程序的人机交互。
知识大众化。非IT专业人员刻意越来越多地获得强大的工具和专家系统,这些工具和系统使他们能够开发并应用自己的专业知识和培训之外的专业技能。这也与“增强智能”相关,AI系统的力量正处于顶峰——不仅是为了自动化,也是为了增强人类能力。在这种用户主导的环境中,处理与“影子AI”相关的问题将是一个挑战。

Gartner客户交互的AutoML关键供应商

1594006265.png!small

本文来源:腾讯天幕团队

来源:freebuf.com 2020-07-06 11:33:27 by: 宇宸de研究室

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论