一、Gartner:AI領域2018-2020年成熟度曲線介紹

近日，全球權威的技術研究和分析公司Gartner發(fā)布了2020人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2020）。

人工智能領域到底是越來越強大了？還是依舊比較“智障”呢？

如果對比一下Gartner近三年的報告，就是一個比較有意思的事情了，有些技術逐漸落伍被淘汰了，有些技術依舊止步不前，也有些技術進步的速度非常之快。

東方林語先把2018-2020年的成熟度曲線列出來，考考大家的眼力。

1、2020年的人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2020），如下圖：

2、2019年人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2019），如下圖：

3、2018年的人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2018），如下圖：

二、近年人工智能領域的亮點技術介紹

強化學習、生成對抗網(wǎng)絡（GANs），遷移學習，圖學習、自監(jiān)督學習、聯(lián)邦學習……

近幾年，人工智能領域，各種新技術層出不窮，讓人目不暇接，疲于應對……

以深度學習領域為例，我們可以梳理一下這幾年的重大突破：

2012年：應用AlexNet和Dropout 方法處理ImageNet；

2013年：使用深度強化學習玩轉 Atari 游戲；

2014年：采用“注意力”的編碼器-解碼器網(wǎng)絡及Adam優(yōu)化器；

2014/2015年：生成對抗網(wǎng)絡（GAN）；

2015年：殘差網(wǎng)絡（ResNet）；

2017年：Transformer模型；

2018年：BERT和微調(diào)NLP模型；

2019/2020年及之后：BIG語言模型，GPT-3語言模型、自監(jiān)督學習……

2020年下半年，就有一項“出道即巔峰”的人工智能領域革命性突破技術——GPT-3語言模型。

這又是什么“黑科技”？

簡單解釋來說，這是OpenAI 高調(diào)推出了的一款具有 1750 億參數(shù)的自回歸語言模型。

GPT-3在人工智能領域掀起了又一陣革命。

從參數(shù)量上看，它比當時全球最大的深度學習模型 Turing NLP 大上十倍。

從功能上看，它可以答題、翻譯、寫文章，還帶有一些數(shù)學計算的能力。

AI大佬們談到GPT-3，是這么評價的：生命、宇宙和萬物的答案，就只是 4.398 萬億個參數(shù)而已。——多么瀟灑的回答呀。

看看下面這張圖，借助GPT模型，最左側是輸入的半張圖片，中間的四列是自動補全的圖片，最右側是原始圖片。

最令人震驚的是，GPT3的不用接受特定訓練，就能夠完成這些任務。

結論是:用過的都說好。

科技進步，永無止境。

三、典型介紹之知識圖譜技術

對比2018-2020年的人工智能技術成熟度曲線報告，本文重點介紹一下知識圖譜技術，這項技術也是進步最快、場景價值得到廣泛驗證的技術之一。

基于該報告，我們可以先圍繞該技術做一下分析。

知識圖譜技術之所以被認可，因為其展現(xiàn)了更好地揭示其他非結構化數(shù)據(jù)中的高階相關性的能力。

知識圖譜分為通用知識圖譜與行業(yè)知識圖譜。

知識圖譜的底層，使用了自然語言處理(NLP)和相關的文本分析技術，知識圖譜非常適合存儲從非結構化資源分析中提取的數(shù)據(jù)。它們還能夠存儲結構化數(shù)據(jù)，包括隱式提供結構和內(nèi)容的元數(shù)據(jù)，編碼支持各種用例的處理的信息。

按照Gartner的建議，IT領導者應將知識圖譜作為數(shù)據(jù)庫，存儲有關實體及其關系的數(shù)據(jù)，當數(shù)據(jù)有許多不同的來源和形式時，尤其如此。例如，內(nèi)容服務平臺中的文檔、數(shù)據(jù)源中的更新、視頻中的音頻或數(shù)據(jù)庫中的表格。

負責數(shù)據(jù)和分析的IT領導者必須將知識圖譜納入其數(shù)據(jù)和分析治理和管理的范圍，為防止數(shù)據(jù)孤島的延續(xù)，應研究并建立多種知識圖譜的互操作方式。

Gartner指出，知識圖譜目前已應用于如下領域：

1.數(shù)字化工作場所；例如，協(xié)作、共享和洞察力；

2.自動化；例如，從內(nèi)容到RPA的數(shù)據(jù)抽??；

3.支持機器學習；例如，增強訓練數(shù)據(jù)；

4.數(shù)據(jù)分析；例如，增強分析，特別是在商業(yè)智能背景下的增強分析報告和網(wǎng)絡安全；

5.數(shù)字商務；例如，產(chǎn)品信息管理和建議；

6.數(shù)據(jù)管理；例如，元數(shù)據(jù)管理、數(shù)據(jù)目錄和數(shù)據(jù)結構。

通用知識圖譜，是以百科類知識為主，強調(diào)知識的廣度，數(shù)據(jù)來源一般較為單一，比如我們常用的搜索引擎，就是通用知識圖譜。

行業(yè)知識圖譜是面向?qū)I(yè)領域的專有應用，基于每個行業(yè)的知識來進行構建（比如金融、電力、公安等）知識庫，以知識的深度為特性，數(shù)據(jù)來源則更為豐富。因此，行業(yè)知識圖譜，對于各垂直領域的細分場景，更能凸顯價值。

以金融知識圖譜來說，它就是一種用圖模型來描述知識和建模實體之間關聯(lián)關系的技術方法，旨在從金融機構內(nèi)、金融機構外數(shù)據(jù)中識別、發(fā)現(xiàn)和推斷企業(yè)、企業(yè)自然人、行業(yè)、事件、產(chǎn)品等實體與金融機構業(yè)務之間的復雜關系，是實體關系的可計算模型。

一方面利用圖相關計算和挖掘技術，加強風險管控、稽核審計 ，構建企業(yè)、客戶及員工的對公、個人圖譜，全面記錄關系特征，搭建貸前、貸中、貸后等應用場景，名單池分層分類管理，動態(tài)風險預警監(jiān)測，實現(xiàn)基于知識圖譜技術的智能風險管控。

另一方面，通過資金轉賬等關聯(lián)關系，實現(xiàn)以客找客，加強智能營銷線索推薦。有效提高復雜業(yè)務關系管理能力，利用大數(shù)據(jù)知識圖譜技術，快速發(fā)現(xiàn)營銷商機與潛在風險。

下圖為Gartner列出的企業(yè)AI成熟度模型，可以作為參考，看看你們企業(yè)的AI成熟度處在哪個階段呢？

在行業(yè)知識圖譜方面，金融行業(yè)目前是應用知識圖譜最多的行業(yè)。

根據(jù)愛分析的報告，也列出了金融領域的知識圖譜主要廠商及玩家名單，具體如下：