2020年是充滿動蕩的一年，組織面臨著眾多挑戰(zhàn)。進入2021年，人工智能行業(yè)將會快速發(fā)展。為了對2021年的重要新趨勢有所了解，行業(yè)媒體采訪了各行業(yè)廠商的高管，以獲取他們的思想和見解，以及對可能發(fā)生的事情的預測。

2021年人工智能的產業(yè)預測

Teradata公司執(zhí)行副總裁兼首席產品官HillaryAshton表示，隨著組織尋求重新開放和獲得足夠收入來源的目標，他們將需要利用人工智能技術實時收集關鍵見解，從而使他們能夠這樣做。采用人工智能(AI)技術可以幫助引導組織了解其確保客戶和員工安全的策略是否有效，同時繼續(xù)促進增長。隨著組織認識到人工智能有助于其組織政策管理和合規(guī)性，確保安全并提高客戶體驗的獨特能力，將會看到各行業(yè)人工智能的普及率不斷提高。

Jitterbit公司首席技術官Manoj Choudhary表示，在2021年，將會看到人工智能、機器學習和物聯(lián)網定義并塑造人們的生活和行為，這種現(xiàn)象將會持續(xù)很多年。這些進步將會影響人們的工作、生活、購買、支出等每件事的處理方式。但是，很多組織將采用諸如云計算和邊緣計算之類的技術，由于它們能夠處理和管理為人工智能、機器學習、物聯(lián)網技術提供的所有必要數據的能力，它們將繼續(xù)占主導地位。以及支持iPaaS、APIM和RPA等技術。隨著這些技術從人工驅動業(yè)務發(fā)展為最終可以利用人工智能和物聯(lián)網的力量的數字業(yè)務，這些技術將繼續(xù)引領業(yè)務的數字化轉型。

Kalypso公司總經理George Young表示，即使出現(xiàn)有效應對冠狀病毒的疫苗，人們的工作方式和互動方式也會發(fā)生根本性的變化。在新的一年中，遠程工作將會持續(xù)，社交遠離的要求將保持不變，供應鏈將繼續(xù)面臨中斷。這種新的生活方式要求組織采用新的方式在整個價值鏈中有效地繼續(xù)運營，從產品到工廠再到最終用戶。人工智能的使用將成為應對這些挑戰(zhàn)的標準。但是，如果不考慮人類將如何與這些新的自治系統(tǒng)交互和利用，那么人工智能的應用將會面臨失敗。

在2021年，組織將以人為本的方式開展人工智能計劃，了解用戶需求和價值，然后相應地調整人工智能設計和模型，從而提高采用率。為了使人工智能取得成功，組織必須與技術本身一樣關注人才和文化。組織變更管理(OCM)團隊對于推動數字化轉型和人工智能前進至關重要，因為它可以帶動人們一起參與變更之旅，并為可評估的結果建立組織。適當的變更管理是任何數字化轉型計劃中最重要但仍被忽視的方面。

Gramener公司分析主管Sundeep ReddyMallu表示，在2021年，組織將依靠人工智能系統(tǒng)專注于持久和有意義的業(yè)務價值。這一變化將推動組織內部更深入的數據素養(yǎng)計劃。這將要求人們學習新技能并以新方式行事。

Pega公司市場營銷人工智能和決策產品策略高級總監(jiān)Vince Jeffs表示，大多數消費者將繼續(xù)對人工智能持懷疑態(tài)度。大多數人仍然不信任人工智能，這是因為他們不了解它，甚至沒有意識到自己每天都在使用它。消費者免費獲得了許多以人工智能為基礎的服務(Facebook、Google、TikTok等)，以至于他們不了解自己所付出的回報(也就是提供個人數據)。只要人們有著這樣的想法，他們將無法預料到人工智能可能帶來的危險或如何保護自己，除非市場能更好地教育客戶或實施法規(guī)來保護他們。盡管如此，仍有證據表明行業(yè)廠商正在扭轉人工智能的可信度。在Pega公司進行的調查中，81%的商業(yè)領袖表示，隨著越來越多的人意識到人工智能將會如何影響生活，并且在某些情況下得到喜愛，他們將會繼續(xù)面臨更棘手的問題，進一步削弱對人工智能的信任，迫使組織必須對他們的要求進行回應。

Blue Prism公司人工智能和研究主管Eric Tyree表示，基于人工智能的數字工作者將幫助組織長期保持戰(zhàn)略發(fā)展。很多人認為人工智能和自動化對于組織未來的生存至關重要。然而，研究表明，大多數組織尚未完全意識到其人工智能和自動化投資的好處。通過數字化勞動力將強大的人工智能功能與業(yè)務流程聯(lián)系起來，將會越來越多地看到組織大規(guī)模實施人工智能驅動的自動化。采用人工智能的自動化技術將越來越多地與核心戰(zhàn)略計劃相關聯(lián)，例如改善客戶關注度、收入增長、資本分配、供應鏈管理、風險管理、成本和運營效率等。人工智能驅動的數字工作者將被用作執(zhí)行組織戰(zhàn)略和管理企業(yè)規(guī)模風險的主要工具。快速有效地采用自動化將越來越被視為保持市場競爭力的重要組成部分。

Dataiku公司首席執(zhí)行官兼聯(lián)合創(chuàng)始人Flori Douetteauge表示，人工智能實驗將變得更具戰(zhàn)略意義。在整個模型開發(fā)過程中進行實驗。通常情況下，每個重要的決定或假設都至少伴隨一些實驗或先前的研究來證明這些決定的合理性。從建立成熟的預測機器學習模型到進行統(tǒng)計測試或繪制數據圖表，實驗可以有多種形式。嘗試所有可能的超參數和特征處理等的所有組合很快變得無法追蹤。因此，將會開始看到組織為實驗定義時間或計算預算，以及模型有用性的可接受性閾值。

普華永道公司全球人工智能主管Anand Rao表示，在2021年，將會看到人工智能成為應用主流。由于發(fā)生冠狀病毒疫情，很多組織被迫進行數字化轉型，以便在新常態(tài)下生存。根據研究，數字加速在新的一年沒有停止的跡象，目前有86%的組織通過人工智能獲得更好的客戶體驗的收益很可能會持續(xù)下去。疫情也改變了人工智能投資的業(yè)務重點。例如，已經看到組織從簡單的任務(如自動化)轉變?yōu)閷Ｗ⒂趧趧恿τ媱澓?a target='_blank' class='arckwlink_none'>仿真建模。隨著組織繼續(xù)從其對復雜流程的數字投資中看到收益，人工智能的應用將在2021年變得更加廣泛。

MachEye公司首席產品官兼客戶成功主管Dhiren Patel表示，人工智能和商業(yè)智能的融合將增強數據洞察力。在過去的五年中，人工智能一直是行業(yè)組織討論的一部分。然而，挑戰(zhàn)仍然是使大部分員工的高級人工智能見解民主化的過程。隨著新的基于人工智能的商業(yè)智能產品的出現(xiàn)，各個孤島將被打破，每個用戶都將能夠利用數據分析并輕松地找到見解。簡單的界面、個性化的見解和引人入勝的數據體驗將成為2021年及以后數據分析的標志。

Onfido公司研究副總裁Mohan Mahadevan表示，在過去的一年中，許多人工智能驅動的面部識別算法中的種族偏見一直是人們討論的主要話題，并且由于2020年的社會動蕩而達到頂峰。研究發(fā)現(xiàn)，廣泛的證據表明，與白人相比，有色族裔面臨的種族偏見可能性要大得多。在2021年，對于任何利用人工智能或面部識別技術的組織來說，矯正人工智能偏見將成為一個主要話題。通過使用政府發(fā)布的文檔，人們可以通過分析文檔上的頭像并將其與嘗試訪問系統(tǒng)的頭像進行比較，從而快速輕松地證明ID所有權。2021年將是人工智能偏見揭露的一年，組織將開始實施根本性的變革以消除軟件中的種族偏見，其中一部分可以通過刻意關注公平和培訓公司的機器學習系統(tǒng)以減少識別錯誤。

Capacity公司創(chuàng)始人兼首席執(zhí)行官David Karandish 表示，2021年將是隨意采用人工智能到保持忠誠關系的一年。人工智能不再僅僅用于研發(fā)項目，現(xiàn)在是致力于調整這些解決方案時候，現(xiàn)在必須實現(xiàn)自動化。

Capacity公司首席數據官Dave Costenaro表示，隨著計算能力、互聯(lián)網規(guī)模數據和現(xiàn)代機器學習算法的融合，在過去的幾年中，人們在人工智能方面開創(chuàng)了令人矚目的新天地。在未來的幾年中，將進入一個擴展時代，在這個時代中，將用更多的商業(yè)用例進行原型設計、包裝和生產，以增強現(xiàn)有產品和服務或創(chuàng)建全新的產品和服務。

6sense公司首席技術官Viral Bajaria表示，人工智能的成功已從通用轉移到利基市場。在組織對人工智能投資持續(xù)增長的同時，也正在重新評估其技術堆棧以適應特定的人工智能。而解決特定問題的完善用例將優(yōu)先考慮預算，而不是自動化，它會做所有事情。

LLamasoft公司全球影響力總監(jiān)Andy Fox表示，不久前，人工智能就是人們現(xiàn)在所知的人工智能，例如自動駕駛汽車或圖像識別。但是，如今出現(xiàn)了一種新的狹義人工智能類別，它正在嘗試復制人類的決策過程。從供應鏈的角度來看，這種新的人工智能可以幫助從“我如何給汽車加油?”這一方面更好地指導整個供應鏈的決策。或“如何按時獲得產品?，“打算在2021年增加這些狹義的解決方案，以取代戰(zhàn)術性和規(guī)模較小的決策。”

Atos公司北美人工智能實驗室架構負責人Jonas Bull表示，在邊緣，當政府部門試圖追蹤人員，而組織試圖操縱人員或對行為進行深入了解時，預計會出現(xiàn)阻礙追蹤的方法。與各個小組在反面部識別工具方面所做的工作不同，將開始看到高科技和低端技術，這些技術使人工智能監(jiān)視和理解人們的方法陷入僵局。

Cellebrite公司數字智能高級總監(jiān)Heather Mahalik表示，隨著越來越多的機構開始采用這些基于人工智能和機器學習的解決方案，執(zhí)法部門有責任遵守道德政策并消除此類工具中的偏見。因此，各部門將開始制定自己的政策，并與相關機構合作，以負責任和合乎道德的方式使用人工智能，包括對相關團隊和業(yè)務職能進行適當的培訓，并創(chuàng)建一種具有數據驅動和負責任的決策精神的環(huán)境。執(zhí)法機構將繼續(xù)確保對人工智能系統(tǒng)進行審查，使其無偏差并根據需要進行糾正。他們將與公眾進行溝通，以提高有關使用這些工具的透明度。

Ahana公司聯(lián)合創(chuàng)始人兼首席產品官(CPO)Dipti Borkar表示，將在2021年看到更多以數據為驅動力的組織利用開源技術進行分析和使用人工智能技術，Presto和Apache Spark等強大的人工智能平臺等開源分析技術比依賴于整合的傳統(tǒng)企業(yè)數據倉庫同行更具靈活性和成本效益的數據存儲，這是一項耗時且成本高昂的工作，通常需要鎖定供應商。在2021年，，諸如Presto等分析引擎的使用將有所增加。

Finn AI公司聯(lián)合創(chuàng)始人兼首席執(zhí)行官Jake Tyler表示，整個行業(yè)將從傳統(tǒng)的人工智能平臺(例如IBM Watson和Amazon Lex)轉向特定領域的人工智能驅動產品和托管服務模型。通用平臺并不是解決方案，沒有任何培訓數據或數據模型結構，而為了構建這個模型，然后在生產中對其進行優(yōu)化是一項專家和資源密集型任務，這超出了大多數組織的能力。 2021年，將采用針對特定行業(yè)的經過培訓且證明行之有效的基于領域的人工智能驅動產品，從而推動從早期創(chuàng)新者市場向大眾市場的轉變。

Ian Firth公司Speechmatics副總裁表示，人工智能在2021年將不會被映射到人類的能力范圍。例如人工智能可以使用算法在國際象棋游戲上擊敗任何人，但卻無法沏茶，計算機程序的運算速度可以比人類快數百萬倍，但如果被問到哪個球隊可能贏得下一屆世界杯，其甚至無法理解這個問題。人工智能的能力并不普遍，但人們可能高估或低估了算法的威力。希望工程師們不要試圖將算法映射到人類的能力范圍，從而避免人工智能和算法錯誤。使用人工智能技術(如語音識別)可以增強人類的能力，并在人工智能自動化和人類知識之間找到適當的平衡，以適應真實世界的用例(如客戶體驗和網絡會議)，這將開始塑造人工智能在未來的有效應用。

Gianom公司分析師Yiannis Antoniou表示，人工智能/機器學習將成為云計算行業(yè)最熱門的話題。考慮到社會越來越重視打擊不公平和偏見，以及對機器學習模型更好的可解釋性的整體興趣，云計算提供商將投資并增強其機器學習產品，以提供全套負責任的人工智能/機器學習功能，旨在滿足監(jiān)管者和建模者，與此同時，人工智能/機器學習功能將會繼續(xù)在整個行業(yè)中看到爆炸性的增長和使用，在易用性和用戶體驗方面有顯著的增強，并在一個負責任的人工智能/機器學習功能框架內結合，以推動該行業(yè)的下一次增長。

瞻博網絡公司首席技術官Bob Friday表示，用于網絡的AIOps將成為主流，許多組織的AIOps將從理論變?yōu)閷嵺`。隨著遠程工作人員的增加以及家庭成為新的微型分支機構，人工智能可為云計算用戶提供出色的客戶體驗，同時控制遠程員工的IT支持成本。IT團隊將需要采用AIOps來擴展和自動化其運營，并將顛覆客戶支持模式。人工智能不會主動向IT機構提交票證，而是會主動識別存在連接或體驗問題的用戶。

Cloudleaf公司首席執(zhí)行官Mahesh Veerina表示，與前幾年相比，人工智能和機器學習將在供應鏈戰(zhàn)略中扮演更加重要的角色。2021年，對整個供應鏈的更多實時洞察力的需求將繼續(xù)增長，特別是由于發(fā)生疫情購買行為的突然變化導致供應鏈組織重新評估其運營。為了滿足這一需求，供應鏈組織將需要尋求支持人工智能(AI)和機器學習(ML)的技術，以從當前的描述性分析中進行升級。在通常情況下，由于被具有不同系統(tǒng)的大型公司收購，一些組織會遇到各種混亂和分散的情況。供應鏈利益相關者在將2021年尋求在所有模塊上部署數字孿生技術，以增加可視性，并確保組織現(xiàn)有系統(tǒng)與新技術之間的同步化。

Appen公司首席技術官Wilson Pang表示，人工智能中的偏見造成了巨大的傷害——從強化性別刻板印象影響招聘過程到信用評分和貸款中的種族歧視。組織知道雇傭不同的勞動力可以為人工智能模型提供一定程度的真實性，并且他們知道培訓數據需要不斷地監(jiān)控偏差，因為它會影響算法的質量和準確性。他們也知道，目前還沒有基于倫理的衡量標準來真正減輕人工智能中的偏見。到2021年，將看到組織不再只是承認和擔心人工智能中的偏見，而是開始采取更重要的行動來解決它。組織將組建具體的團隊計劃，以解決負責任的人工智能所涉及的所有問題，包括從數據固有偏見到公平對待數據培訓師的所有問題。建立負責任的人工智能計劃不僅會成為一些組織高管層面的任務，而且合作伙伴和客戶也會要求這樣做。

BMC Software公司首席產品官Ali Siddiqui表示，AIOps將會不斷升溫，以增強客戶體驗并實現(xiàn)應用程序保證和優(yōu)化。面對未來一年的不可預測性，人們將看到對AIOps的需求將繼續(xù)增長，因為它可以使用人工智能、機器學習和預測分析來解決和預測這些意外情況。跨越混合內部部署和云計算基礎設施的數字企業(yè)應用程序日益復雜，再加上采用現(xiàn)代應用程序架構(例如容器化)，將導致數據量和復雜性前所未有的增長。雖然現(xiàn)代數字環(huán)境中的數據過載可能會延遲維修并使ITOps團隊難以應對，但更智能的策略和集中式AIOps系統(tǒng)可幫助組織改善客戶體驗，提供現(xiàn)代應用程序保證和優(yōu)化，并將其與智能自動化，并發(fā)展成為自治的數字企業(yè)。實際上，傳統(tǒng)的IT運營方法可能不再可行。為此組織不可避免地要采用AIOps，以便能夠擴展資源并有效管理現(xiàn)代環(huán)境。

New Relic公司產品營銷總監(jiān)Michael Olson表示：隨著AIOps的不斷成熟，人們看到供應商有機會改進其風險評估功能，以使客戶能夠以幾乎確定的方式解決問題，而不會破壞系統(tǒng)中的其他內容。在2021年，將會看到供應商和用戶之間越來越多的關注，這將是實現(xiàn)更可靠依賴關系映射的一個方面，以便工程師可以在修復過程或構建更改周期的過程中準確評估風險，以進行軟件更改，從而確保環(huán)境某一部分的更改不會破壞其他系統(tǒng)。

Qeexo公司首席執(zhí)行官Sang Won Lee表示，到2021年，處于邊緣的機器學習將成為人工智能/機器學習行業(yè)的主要焦點之一。在汽車、智能工廠和智能家居行業(yè)，對智能邊緣應用的需求正在迅速增長。隨著廣泛可用的高效邊緣機器學習開發(fā)工具和半導體公司推出具有機器學習功能的新型MCU，采用邊緣機器學習應用將成為主要趨勢。

NVIDIA 公司健康業(yè)務副總裁兼總經理Kimberly Powell表示，臨床社區(qū)將增加對聯(lián)合學習方法的使用，以跨各種機構、地區(qū)、患者人口統(tǒng)計數據和醫(yī)療掃描儀建立人工智能模型。即使有大量數據需要訓練，這些模型的敏感性和選擇性也優(yōu)于單個機構建立的人工智能模型。另外，研究人員無需共享機密的患者信息即可在人工智能模型創(chuàng)建上進行協(xié)作。聯(lián)合學習還有助于為數據稀缺的區(qū)域(例如兒科和罕見疾病)建立人工智能模型。

NVIDIA公司DGX Systems業(yè)務副總裁兼總經理Charlie Boyle表示，過去十年來，很多組織爭相招募數據科學家，但由于缺乏支持性基礎設施，其生產力一直低于預期。更多的組織將通過以超級計算規(guī)模構建集中的共享基礎設施來加快人工智能的投資回報。這將促進數據科學人才的培養(yǎng)和擴展，最佳實踐的共享，并加速解決復雜的人工智能問題。

Planful公司首席技術官Sanjay Vyas表示，人工智能將會縮小無縫用戶體驗的范圍：當人們回顧人工智能的歷史時，算法是最重要的，用戶體驗位居其次。但是隨著進入2021年，支持人工智能的應用將越來越關注可用性。人工智能的最佳表達對用戶而言是無縫的，并且在后臺毫不干擾地工作。人工智能/機器學習支持的平臺將找到新方法來引導用戶獲得更好的結論和解決方案。這是通過查詢大量數據，查找異常情況，洞察力和趨勢，然后在適當的業(yè)務環(huán)境中呈現(xiàn)結果來實現(xiàn)的。真正無摩擦的人工智能/機器學習應該是所有業(yè)務平臺的最終目標。希望看到更復雜的人工智能應用程序，這些應用程序可以識別每個用戶正在嘗試完成的任務，并自動提供可用于快速行動的見解。這種易用性對于廣大技術用戶和非技術用戶都將具有不可思議的價值。

Talend公司首席技術官Calishna Tammana表示，道德的人工智能將在2021年的產品開發(fā)中扮演關鍵角色，道德的人工智能正在成為一個重要的問題，但很難解決。組織正在使用數據和人工智能來創(chuàng)建解決方案，但是它們可能會在歧視、監(jiān)視、透明性、隱私、安全性、表達自由、工作權和獲得公共服務方面繞過人權監(jiān)管法規(guī)。為了避免聲譽、法規(guī)和法律風險，必須遵守道德規(guī)范的人工智能，并將最終讓位于人工智能政策。人工智能政策將確保為人們提供高標準的透明度和保護措施。在數據領域，組織的首席執(zhí)行官和首席技術官將需要找到方法，通過仔細的分析，審查和編程來消除算法中的偏見。

Nuance通信公司首席技術官Joe Petro表示，人們將看到企業(yè)專注于采用和開發(fā)可真正帶來投資回報率(ROI)的人工智能解決方案。組織將專注于可證明的進步和可衡量的結果，因此將投資于解決特定問題的解決方案。對客戶想要解決的復雜性和挑戰(zhàn)有深刻理解的公司，并愿意在解決方案上投入研發(fā)資金，而這些組織將獲得成功。

畢馬威公司數據與分析負責人Traci Gusher 表示，人工智能技能差距將繼續(xù)存在，組織將考慮新的適應方法。并且很難聘請部署人工智能和獲得所有收益所需的人才，一半的行業(yè)內部人士都表示面臨了這一挑戰(zhàn)。而且，許多組織已經在數月或數年的時間內加快了數字化轉型計劃的實施，但是在支持這些計劃的可用人才和培訓機會方面存在差異。由于需求增加，預計組織將為員工提供更多的技能提升計劃和激勵措施，以使其學習新技能以及在組織的各個層面上建立數據和人工智能素養(yǎng)。疫情為組織提供了一個機會，使他們可以優(yōu)先考慮這些行動，并幫助員工在快速過渡到遠程工作中發(fā)展新技能。

Jumio公司首席執(zhí)行官Robert Prigge表示，解決人工智能算法中的偏見將是當務之急，這將導致推出針對種族的機器學習支持的面部識別準則。組織越來越關注人工智能算法中的人口統(tǒng)計學偏差(種族、年齡、性別)及其對其品牌的影響以及引發(fā)法律問題的可能性。在2021年選擇身份證明解決方案時，評估供應商如何應對人口統(tǒng)計學偏差將成為重中之重。

對于希望了解供應商的人工智能“黑盒”是如何構建的，數據源自何處以及培訓數據對所服務的廣泛人群的代表性如何的組織，組織將越來越需要明確的答案。隨著組織繼續(xù)采用基于生物特征的面部識別技術進行身份驗證，行業(yè)必須解決系統(tǒng)中固有的偏差。人工智能、數據和種族這一話題并不是什么新鮮事物，但它會在2021年達到頂峰。據麻省理工學院的研究人員分析了用于開發(fā)面部識別技術的圖像數據集之后，有77%的圖像是男性，而83%的圖像是白人，這表明了面部識別技術中存在系統(tǒng)偏差的主要原因之一。在2021年，將采用指南來抵消這種系統(tǒng)性偏見。在此之前，使用面部識別技術的組織應該詢問其技術提供商如何訓練其算法，并確保其供應商未針對購買的數據集訓練算法。

羅格斯大學基礎設施研究員Tobias Komischke博士表示，將逐步將人工智能逐步引入人們生活的更多領域。在2021年，由于疫情產生的數據與模型訓練所用的數據明顯不同，因此對許多機器學習模型進行了巨大的壓力測試。在2021年，將會看到人工智能在工作和生活的更多領域中更加逐步和不斷地引入，這些領域可以證明有形的價值。

Workday公司首席技術官Jim Stratton表示，可解釋的人工智能/機器學習正在興起，期望開發(fā)人員和商業(yè)用戶對人工智能和機器學習算法以及如何應用它們有更多的了解和推理。在人們建立對基礎技術的信任之后，這些解決方案將被廣泛采用，只有在將給定預測的驅動因素解釋給最終用戶的情況下，這種情況才會發(fā)生。例如，在招聘時使用機器學習的背景下，為什么要推薦給定候選人擔任特定職位，這既可以使招聘經理做出明智的決定，又可以揭露招聘中無意(或惡意)偏見的風險做法。

Laserfiche公司首席信息官Thomas Phelps表示，人工智能將集成到組織日常運營的每個步驟中，在2021年，人們最終將看到人工智能(AI)嵌入組織運行方式的所有方面，它將成為組織創(chuàng)造競爭優(yōu)勢的方式，提供新產品和服務，改造后臺并改善客戶體驗。這將包括使用人工智能來幫助減輕風險和優(yōu)化成本，例如預測供應鏈中的問題并建議替代供應商。安全技術將越來越多地使用人工智能，人工智能也將更常用于防止威脅參與者的活動和攻擊，包括打擊勒索軟件或泄露敏感數據。監(jiān)控系統(tǒng)中的人工智能面部識別技術與鑰匙卡系統(tǒng)、感應設備和建筑圖結合使用，將用于快速識別建筑物中的入侵者。

DrFirst公司產品創(chuàng)新和互操作性高級副總裁Kunal Agarwal表示，2020年發(fā)生的冠狀病毒疫情以前所未有的速度加快了醫(yī)療保健的數字化轉型。盡管遠程醫(yī)療將在2021年繼續(xù)占據主導地位，但人們需要改進人工智能(AI)和分析以及實用的互操作性，以釋放其全部潛力。例如，具有深度學習的人工智能甚至可以從患者在遠程醫(yī)療會議期間從手機發(fā)送的圖像中準確地分析和檢測潛在問題。

版權聲明：本文為企業(yè)網D1Net編譯，轉載需注明出處為：企業(yè)網D1Net，如果不注明出處，企業(yè)網D1Net將保留追究其法律責任的權利。
原文鏈接：http://www.d1net.com/ai/industry/568673.html