機器人學家和科幻小說家艾薩克·阿西莫夫(Isaac Asimov)在他的小說《機器人》(1950年)中預測，到2030年，機器人和人工智能將被禁止進入地球。相反，我們看到了人工智能的巨大進步，而且這種趨勢可能會在未來十年內持續(xù)下去。

　　英國對AI的投資近達到了2019年的歷史新高，從2018年全年的10.2億美元增加到2019年前六個月的10.6億美元。此外，歐盟委員會新任主席Ursula von der Leyen近發(fā)出了呼吁一項關于使用AI的GDPR樣式法規(guī)已經到位，這預示著該技術在不同行業(yè)的企業(yè)中的大規(guī)模采用。

　　AI有多個方面，它們的用途和功能各不相同，智能自動化尤其是引起人們廣泛關注的一個領域。智能自動化(IA)將人工智能與自然語言處理，數字化勞動力管理和機器學習與自動化相結合。

　　該技術的這一分支目前預計到2024年將從2019年的80億美元增長到144億美元。IA利用分形科學的潛力將是AI的重要分支，可以幫助公司解決非結構化數據挑戰(zhàn)。從本質上講，它將使公司不僅能夠處理結構化數據，而且還能夠處理非結構化數據，并且鑒于到2025年此類數據將占所有業(yè)務數據的80%，更多的公司將尋求將IA與分形科學一起用于其業(yè)務流程。諸如集成自動化平臺(IAP)之類的深度自動化工具之類的AI技術將很快成為業(yè)務處理工具。

　　AntWorks預測，在未來十年中，很難找到一個沒有利用AI來智能地自動化業(yè)務流程的行業(yè)。在所有行業(yè)中都有無數的AI用例，這是我們對2020年及以后的預測。

　　一、自動化的勞動力和服務

　　各行各業(yè)的公司在大多數情況下都對客戶提供便利的需求永無止境。毫無疑問，聊天機器人在某些領域的采用正在增加。顯然，消費者并沒有反對這一想法，只要有積極的經驗并解決了他們的問題，他們中有40%的人就不會擔心機器人還是人為他們提供幫助。但是，使客戶服務角色自動化可能會使工作面臨風險，或者可能需要更改人工技能。公司需要將技能提升/技能提升計劃整合到他們的數字化轉型戰(zhàn)略中，以真正實現人力和數字化員工聚集在一起所帶來的價值。

　　二、人工智能促進監(jiān)視

　　對于世界上大多數政府而言，公眾的安全與保障已被提上重要議事日程。這就是為什么在未來十年內，我們可能會看到采用計算機視覺技術作為監(jiān)視的一種形式的增加。但是，理事機構面臨的主要挑戰(zhàn)是該技術的道德實施。在2019年，中央情報局技術開發(fā)副總監(jiān)Dawn Meyerricks確認該組織正在進行137個AI項目，包括能夠在實時視頻記錄中識別和標記物體或個人的計算機視覺解決方案。然后將這些發(fā)現標記給監(jiān)視團隊以進行進一步分析。

　　根據Meyerricks的說法，CIA也正在研究一種AI解決方案，該解決方案可以通過趨勢和數據分析的轉變來預測任何重大的未來事件，從而使他們能夠進行相應的準備。雖然后一種AI技術用例與公眾的維護是肯定一致的，但將其用于更多險惡活動并非沒有可能。這種擔憂自然地增強了組織解決安全性問題的必要性，以及負責任地使用安全性方面本來有效且有希望的新AI功能的問題。

　　三、人工智能與道德：辯論仍在繼續(xù)

　　在整個2020年代，有關在不同行業(yè)中使用AI的倫理學將成為熱門話題。人工智能有潛力解決世界上大的挑戰(zhàn)，并提高我們個人和職業(yè)生活的質量。然而，存在AI落入錯誤之手的真正風險。從用于政治固定到公司間諜活動，犯罪者有無數危險的方式將技術用于別有用心的方式。要求對AI進行規(guī)范和標準化的呼吁已經出現，并將繼續(xù)浮出水面。這意味著增加投資并希望在所有行業(yè)擴展AI法規(guī)將有可能確保對那些不遵守法規(guī)的人員造成更大的后果。

　　良好地使用AI的成功取決于信任，而信任只能隨著時間的流逝而在大程度上遵守道德原則和實踐而建立。在我們邁向下一個十年的努力中，我們要真正看到AI和自動化風靡全球的方法就是對它進行巧妙的監(jiān)管。先要激勵技術的進一步發(fā)展和創(chuàng)新，這意味著要規(guī)范應用程序而不是技術本身。

　　各國政府需要提供一個框架，以確保防止惡意使用AI。這意味著我們希望主要組織以負責任和合乎道德的方式交付任何形式的AI技術，從而承擔更大的責任和責任。

　　四、醫(yī)療保健中的AI呈指數增長

　　藥物的發(fā)現和試驗是一項昂貴的工作。實際上，每個新藥開發(fā)計劃的運行費用約為26億美元。鑒于疾病抵抗力的增強和超級細菌的崛起，對于許多大型制藥公司而言，將新藥推向市場已成為一場與時間的競賽。人工智能可以加快藥物試驗過程。

　　藥物分子組成的復雜性意味著，由于某種組合的數量眾多，因此很難找到有關特定藥物新組合的數據。因此，需要大量工作來研究有關基因，分子結構和其他生物學信息的研究數據。對于人類而言，處理如此大量的數據可能非常困難且耗時，這就是為什么需要智能自動化平臺來使用多租戶機器人和深度學習算法以更快的速度處理和分析此數據目錄的原因。這不僅將加快藥品的上市時間，還將為制藥公司節(jié)省數十億美元的收入

　　前線是醫(yī)療行業(yè)智能自動化的另一個用例。當前，一半的醫(yī)生時間花費在電子健康記錄(EHR)和文書工作上。使用AI處理患者數據不僅可以使醫(yī)生每天看到更多患者，而且AI可以提供的數據見解將提供更快，更有效的患者診斷。

　　人工智能技術具有巨大的潛力，預計在未來十年內將在所有行業(yè)中創(chuàng)造出廣闊的機遇。其預期的增長意味著組織將需要繼續(xù)修補其數字化轉型戰(zhàn)略，以適應有效使用AI的需求。重要的是，隨著市場變得越來越飽和，人工智能和機器學習將很快決定許多公司的命運。