京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07