在接受調查的 500 名 IT 人士中, 有 38% 的受訪者提道 AI 為企業投資的主要焦點, 而物聯網為 31%, 區塊鏈則是以 10% 上榜. 物聯網連接的設備通常會產生龐大的數據, 來訓練機器學習 (ML) 模型.
在接受調查的公司中, 物聯網的布局卻比 AI 多, 因物聯網和邊緣計算 (edge computing) 行業現階段較穩定, 而這樣的基礎穩健才可提高機器學習準確率, 成為 AI 必備的先決條件.
映像辨識能力 / 圖: 劍橋大學
企業也希望讓 AI 的投資最終可變現, 而非學術單位般的不停研究. 外媒 CIO 也提道, 如何將 AI 投資以正確商業化為導向, 為企業領導的重要任務.
另外, 在現今的時代背景, AI 運行的成本及難易度也大幅縮減. 不僅「平台為服務」(PaaS) 公司向企業們提供了較多可訓練計算機的數據, 也使各設備的通用化 (interoperability) 程度提高. 再者, 大量成熟的機器學習圖庫及 API 更是降低了跨入 AI 的門坎.
隨著支援 AI 和物聯網的新技術降臨, 企業組織必須堅持開發的重點, 已防止時辰範圍蔓延導致無限期的開發周期. 為了達到裡程碑的時間段, 留住人才變得越來越必要.
機器映像辨識能力 / 圖: 劍橋大學
SADA 並呼籲, 圍繞新興技術的新聞, 會引發企業更願意投資於新科技, 但是安全和隱私往往落後於技術的開發, 而投資新科技必定有資汛安全方面的隱憂, SADA 認為, 企業們如真的想要成為新興技術的先驅者, 那麼就不能忽視新興科技的安全測試.
在牛津大學 2018 年的一份報告中, 研究人員就提道, AI 技術中只要有一個漏洞, 就可能會破壞機器學習的工作流程效率, 還會危及業務的營運, 若忽視了安全測試的重要性, 恐怕會得不償失.
區塊鏈早已從去年就吸引了科技媒體的大量關注, 但它在企業投資方面落後於物聯網和 AI. 隨著越來越多的企業開始分享區塊鏈技和實際應用成功的案例, 未來這塊領域的投資, 估計將與物聯網和 AI 來相互競爭.