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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19