作为一种渗透性强且具有颠覆性的通用技术，人工智能正逐渐成为企业智能化转型的核心，并加速产业智能化转型的步伐。根据IDC最新报告显示，全球人工智能市场的收入将呈现高速增长格局。预计到2024年，AI市场将增加到5543亿美元的水平。

　　自AI诞生以来，就一直被视为帮助人类突破科学技术进步认知障碍和认知边界的重要工具，并有望为企业带来巨大的、甚至变革性的收益，不过历经多年的发展，可以明显观察到的现象是，一方面，不同场景下的解决方案有着相当大的区别，这让AI的标准化和落地成为了难事，另一方面，AI本身也实现了技术上的新一轮进步，分支在进一步扩展。

　　根据Gartner对AI技术的框架，AI技术本身可以划分为输入端、中间体和输出端三大主体。输入端是从现实世界接收包括视觉、听觉，甚至触觉、嗅觉等信息，输出端通过流程的自动化或者说机器人的系统来对外进行干预或者对外进行输出。而中间体部分也是AI最主要的能力部分，Gartner认为，AI能力也可以分成三部分，第一部分与概率相关，涵盖了统计学、数据分析、机器学习等概率领域；第二部分则是和逻辑相关的传统技术；第三部分则是优化求解器、供应链、运筹学这样的优化算法。在三大主线之外，AI也有一些特殊的应用场景，包括基于机器学习、图技术等融合应用的自然语言处理场景、对人类积累知识的理解和表达，以及在虚拟环境下，不同智能体之间的交互行为。

　　那么，AI从问世至今，发展程度如何？现在又呈现出怎样的发展态势呢？从Gartner发布的2022年AI技术成熟度曲线中，我们得以一窥究竟。

　　整体来看，计算机视觉技术已经步入了成熟期，而且在众多企业中得到了成熟的应用，企业和组织对计算机视觉的应用场景、工程实践相对已经比较成熟，同时对NLP（自然语言处理）的期望则在缓慢下降，因为在很多场景中，以当前的技术水平，实现计算机与人类进行智能化的沟通交流还是很难做到的。目前普遍的趋势是将NLP应用在“AI增强”的场景中，通过自然语言处理给人推荐和辅助。

　　而在新兴AI技术方面，Gartner研究总监闫斌则介绍了复合型AI、决策智能、因果AI、生成式AI与合成数据等被业界关注的AI技术方向，具体来说：

　　复合型AI

　　目前业界普遍认为，AI根据模式的不同可以分为两大派别，一类是数据驱动型，就是通过大量的数据来做机器学习，得到训练后的模型后，对现实世界的输入做出相应，而另一类则更专注于逻辑的推理和理性的思考，这种则被称为“符号式的AI”，由于当前的机器学习/深度学习或多或少都遇到了瓶颈，所以复合型AI更多的强调结合机器学习数据驱动的方式，结合图技术、优化算法等等，将二者结合起来以为企业带来更多价值。也就是说，复合型AI是将“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AI最典型的例子就是自动驾驶，现在的自动驾驶技术其实融合了很多的AI技术，虽然深度学习在其中起着非常重要的作用，包括车辆识别、行人识别等，但同样也有很多其他的AI技术包含在自动驾驶技术之内。”闫斌表示。

　　决策智能

　　对当下的诸多企业而言，由于受到疫情影响，供应链的不稳定让企业在进行决策时步履维艰，对企业来说，决策智能指的是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。

　　不过对目前的AI来说，还没有聪明到能够理解所有事情，所以也分为三个等级，首先是通过AI做简单的支持工作，在这个等级中，人为决策依旧占据最主要的部分，第二个等级是通过机器学习、数据挖掘、大数据等等技术，根据数据找出一些规律以辅助人来进行决策，最后一个等级则是完全自动化的机器决策，但显然根据目前的机器学习水平，是难以实现这一目标的。

　　当下，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。

　　因果AI

　　从根本上来说，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。

　　不过从成熟度的角度来看，因果AI还是一个比较新的领域，现在比较流行的技术则是“因果图”。“一个因果图实际上最后会非常的复杂。在这个非常复杂的因果图背后，实际上有很多的细节需要去解决。不过根据Gartner的观察，目前有很多企业已经有了相关的产品。但是单纯凭借机器来从数据里找到因果关系是比较难的，有可能最初的因果图是由人类绘制的，之后结合AI技术收集新的数据并重新绘制或修改因果图，也就是‘人+机器’的迭代过程，最后确定这种因果关系是否可靠。目前因果图最大的应用场景在市场营销领域。”闫斌总结道。

　　因果AI的一个好处在于，其可解释性很高，由于深度学习更像是黑盒子，所以难以解释，如果通过机遇关联关系的因果AI做解释，并通过完整的因果图进行量化的话，就提供了非常好的机制帮助人类更好的做因果分析或者解释AI模型。

　　生成式AI与合成数据

　　所谓生成式AI，是指利用现有文本、音频文件或图像等创建新内容的技术。生成式AI可从其数据中学习内容或对象，并运用数据生成全新的、完全原创的、逼真的工件，留下与训练数据相似的特征，而不是简单的重复。从不久前引发激烈讨论的AI绘图软件也能看出，生成式AI这一技术正在快速升温。

　　目前来看，生成式AI已经开始在生命科学、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，并催生了营销、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，已上市的产品种类也越来越丰富，且目前正被积极应用于元宇宙领域。

　　而合成数据则为企业打开了另一种可能性，当下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。

　　尽管今天的互联网和算力的渗透已经无处不在，但还远远不够，AI的到来为算力的发展带来了全新的可能。能预见的是，作为未来二三十年的科技发展趋势，人工智能会为更多行业注入创新的活力，推动企业在生产模式、运营模式、产品服务等诸多方面利用新技术实现创新，众多AI技术的分支都有望在数字世界中崭露头角，为企业创造商业价值赋能。