
如今科技的进步就像科幻小说中写的那样,无人驾驶汽车,能控制开灯或烤面包的智能音响,在空中飞行的无人机。现在是2018年,虽然人们对人工智能和机器学习的预期尚未全部实现,但也取得了令人瞩目的进展。
作为一个定位技术平台,Foursquare了解AI和机器学习能够给人们生活和移动方式产生的影响。以我们的Pilgrim SDK技术为例,这是非常精密的环境感知引擎。通过机器学习算法开发的Pilgrim能够感知用户的物理位置,深入了解用户并提高用户的参与度。技术可以改变人们与周围环境的互动方式。
这让我们不禁思考,如今我们能做到的事情哪些是10年前无法完成的?未来又会是什么样的?虽然我们没有预测的水晶球,但我们仍然可以进行有根据的预测。
在本文中,我们邀请了一群技术专家来探讨:
十年后,人工智能和机器学习会是什么样?
01
提高安全性
无人机将改变我们的生活方式。我认为现在无人机相当于90年代的手机。无人机开辟了在短距离和复杂空间内通过空中运输物品的能力。无论是包裹运送,应急救援,还是紧急运送医疗产品,所有这些都可以立即实现。通过无人机,你可以定期检查难以检查的地点,从而让我们的世界变得更加安全。
无人机将帮助我们实现许多未来的愿景,无人机在空中飞行,完成任务,与人互动,它的作用是即时性的,就像智能手机的作用一样明显。
—— Nonelas Horbaczewski,无人机竞赛联盟(DRL)的CEO兼创始人
02
产生新的服务
人工智能扩展了我们解决问题和产生新想法的能力。十年后我们很可能会到达一个转折点,之后会出现前所未有的进步。AI和机器人技术将被融入商业运营中,并将企业的效率带来显著提升。基于AI 的新型产品和服务将带来新的消费者和市场需求。
与此同时,AI 也会带来新的挑战。当中最明显的是随着常规的、可预测的工作类型被自动化,工作的不平等和失业现象会加剧。在隐私、安全、算法偏差和AI的军事应用等领域也将面临严峻挑战。十年后,关于这些问题的争论将成为我们政治和社会讨论的焦点。从人类角度寻找解决这些问题的方法将成为未来几十年的关键挑战之一。
—— Martin Ford,Futurist & NY Times 畅销书《机器人的崛起》的作者
03
助力商业发展
面向消费者的AI和机器学习应用让我感到有些不足,它们只能做人类已经能做的事,或者做我们信任它们做的事。在未来的十年中,我认为这种信任障碍将减少,对AI驱动的算法和机器的依赖将会增加。
例如,如果你要去巴黎旅行,你会相信朋友的任何推荐,即使他们只是曾经去过一次巴黎。在相同的情况下,我们可以使用复杂的机器学习技术来提供个性化的建议。为了获得用户的信任,我们必须去尝试解释AI的想法。如今,Foursquare等企业使用机器学习构建定位感知技术,从而突破移动功能的界限,并为开发人员,分析师,营销人员提供理解用户的方式。这项技术将代表了变革的潮流。
—— Matthew Kamen,Foursquare工程高级副总裁
04
改善医疗
在医疗方面,有很多机器可以帮助医生。 在未来,医生可以更好的利用AI进行诊断和治疗。在医生的职业生涯中,能够治疗的病人数量非常有限。许多医生工作过度,精疲力竭,他们也没有时间了解最新的研究,治疗技术和药物进展。
机器可以发挥非常重要的作用。AI 能够获取大量的患者数据,了解患者接受了哪些治疗和治疗结果。机器可以承担一部分诊断工作,让医生更好的治疗患者。在我看来,这是很令人期待的。
——Serkan Kutan,Zocdoc的CTO
05
促进可持续性发展
AI 将影响各行各业。比如可持续性发展、气候变化、环境问题等领域。如今人口增长,城市化和能源等问题越来越重要,城市化涉及到城市规划的各个领域。如果能够跟踪城市内居民的流动,我们就能更有效地进行规划,并更好地改善城市区域的密度。在过去六个月左右的时间里,我看到更多的公司希望专注AI,而不是只想通过提高工作量和业务效率从而快速目标。如果我们从大局角度考虑AI,那么我们将实现更长远的目标。
—— Nikita Johnson,RE.WORK的创始人
06
超越数字和物理的界限
个人而言,我对拓展空间计算很感兴趣。假设计算机不是局限于某个特定设备中,可以放在任何地方,这意味着计算机与我们的互动方式要变得更智能。
例如,Foursquare在位置的通知方面做得非常出色,旨在适当的时间内提供正确的信息,如今许多应用都应该采用这种意识。而在将来,智能的信息呈现方式将越来越必要,我希望计算机变得越来越智能。
—— Timoni West,Unity Technologies公司XR研究总监
07
让我们更聪明
计算能力将继续增加,这将给我们更多能力来训练模型。创建的数据量将继续呈指数级增长。通过结合AI,我们能够训练更多智能模型,从而对未来的行为和事物进行更加智能的预测。
然而,在金融服务行业,通过控制训练模型的信息,监管压力可能会在一定程度上抑制AI的能力,从而减缓AI的影响力。我认为人们对AI的担忧是没有根据的。训练AI平台很像教育孩子。如果你以正确的方式对待它,教导它正确的事情,训练它知道什么是对错,那么AI 将成为一个有生产力的社会成员,并且关心人类和社会的未来,就像我们每个人一样。
—— John Stecher,巴克莱银行董事总经理
08
激励艺术家
在未来的十年,算法将关系到大多数决策制定。像我这样的艺术家也可以参与到AI中。我们可以探索算法的能力,以及通过AI系统可以表达的内容。我鼓励艺术家们使用AI创造美丽而富有表现力的作品,但我不希望将技术变为艺术家。
我们必须把AI视为增强人类思想和创造力的工具,并尽一切努力不要让机器成为创造力的主导。在部署AI时,必须考虑如何在AI系统中保持文明、创造力和公平感。对于行业来说,最关键的问题是,在提高生产率的同时,AI将如何尊重人类多样性、尊严和文化独特性。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15