最近有關人工智能進展的相關調查、研究、預測和其他定量評估，結果直指一些趨勢：消費者對聊天機器人的接受度不斷增長，特別是在執行日常任務方面；關于醫療AI算法缺少患者最糟結果的問題；以及2020年乃至未來關于人工智能和就業的最新預測。
企業和消費者采用人工智能
澳大利亞、英國和法國消費者對聊天機器人的使用率最高，過去一年中，KUKA機器人維修，有超過70％的受訪者曾經使用過聊天機器人與品牌進行互動。美國和德國略微落后，比例為50％多；在過去一年中與聊天機器人交互的受訪者中，機器人維修，有80％使用聊天機器人獲得客戶服務，而去年這一比例為67％；美國消費者對于通過發送信息與品牌互動的興趣明顯增加，從2019年的52％增加到今年的62％；受訪的歐洲國家或者地區對信息通訊的平均需求量最高，占比65％；這也是年輕銷售者群體最感興趣的功能，年齡在18-34歲的群體中有70％多的人希望可以通過發送信息與企業交互；消費者對機器人能夠完成日常任務的信心越來越高，例如有超過50％的受訪者表示，他們更喜歡機器人，而不是人工客服來告訴他們帳戶余額或者更新地址信息；相反，消費者對于機器人執行更復雜的任務信息較低——只有15％的消費者愿意讓機器人幫助他們糾正訂單中的錯誤 [來源/LivePerson對六個國家或者地區的5000多名成年人進行的調查]
64％的受訪組織計劃明年增加AI投資；有77％的受訪者認為，雖然AI越來越多地剝離了那些較為簡單的客戶服務請求，但同時人工客服則需要具備更多技能來處理更復雜和更高價值的客戶查詢；有74％的受訪者表示，今年人工客服的數量將有所增長或者保持不變； 79％的受訪者認為AI將呼叫中心能夠提供一致的、及時的、有關聯性的體驗[來源/NICE inContact和Forrester Consulting對美國、英國和澳大利亞307個企業組織進行的在線調查]
人工智能的業務影響
Manpower France每年要收到來自80000家企業的130萬張發票。Manpower對Sidetrade的Aimie機器學習工具進行了為期9個月的測試，結果發現發票收集量增加了12％[來源/財富]
在過去12個月中，Fannie Mae的8個IT團隊使用Moogsoft的AIOps工具使其IT事件減少了35％，將解決問題所需的時間縮短了25％至75％（取決于具體問題）；據Fannie Mae預計，在他們把AI系統部署到所有業務部門并且該系統能夠更好地找出根本原因的情況下，明年的每月IT事件量將減少50％至60％[來源/WSJ]
人工智能的研究成果
家族性高膽固醇血癥（Familial hypercholesterolaemia，FH）是一種常見的遺傳性疾病，相比威脅生命的心血管疾病的風險高20倍，但如今，天生患有該疾病的130萬美國人中，只有不到10％的人被診斷出此病。FIND FH篩查算法對939名臨床診斷的個體和83136名不含FH的個體的數據進行訓練的，然后該模型被應用于國家醫療就診數據庫（1.7億人）和綜合醫療交付系統數據集（174000個人）。在FH專家審查的病例中，國家數據庫有87%和醫療交付系統數據集有77%被歸類為具有足夠高的FH臨床可能性，因此值得進行基于指南的臨床評估和治療[來源/The Lancet Digital Health ]
古代文字或者銘文很容易被損壞，難以辨認的文字部分必須由碑文學家進行修復，經過訓練的深度神經網絡可以幫助填補缺失的部分，字符錯誤率為30.1％，而人類文字學家的錯誤率為57.3％[來源/DeepMind]
研究人員認為，醫學AI算法在檢測與患者病情最糟情況相關的疾病特征方面的方式，遠遠比算法測試集合的平均表現更為重要。他們認為，即使人類醫生對所有疾病類型診斷的平均表現要比機器差，但人類醫生也往往對這些異常值滿意。大部分醫療AI沒有對這些出現異常值的疾病子集進行嚴格的算法測試，因此，很多結果的安全性可能是有偏差的。我們應該對醫學AI給實際患者治療和患者病情帶來的影響進行評估——很大程度上是目前測試藥物的方式——而不僅僅是看測試集的表現如何[來源/Fortune和arXiv]
Mayo Clinic的研究人員使用面部識別軟件將84位志愿者的照片與其頭部輪廓MRI圖像進行了識別。該軟件正確識別出了其中70人，準確率為73%[來源/紐約時報和新英格蘭醫學雜志]
荷蘭皇家飛利浦公司和美國國防部利用41000個感染病例（從一個包含700多萬例住院患者的大型數據庫中提取數據集）開發了一種AI工具，該工具最多可以在臨床懷疑48小時之前，通過篩選生命體征和其他生物標記物預測出感染的可能性[來源/Healthcare IT News]
未來的工作方式
新興技術實際上并不會很快取代美國100萬多倉庫工人。但在未來十年，m.twshmhelmet.com，人工智能技術可能會讓他們的生活變得更加舉步維艱[來源/Recode和UC Berkeley]
數據的生命，人工智能的動力
數據以平均每個月63％的速度增長著；12％的受訪者稱，他們每個月的數據量增長速度在100%甚至更高；超過20％的受訪者稱，他們從1000個甚至更多數據來源提取數據；有超過90％的受訪者表示，以可用于分析的格式提供數據是一項有挑戰性的任務；大家普遍認為數據可移植性（45％）和可擴展性（46％）是現代數據轉換方法的兩大優勢[來源/Matillion和IDG對來自于規模在1000人以上的北美企業的200名IT、數據科學和數據工程專業人員進行的調查]
過去兩年中，有85％的托管服務提供商（MSP）報告了針對中小企業（SMB）的攻擊，高于2019年的79％; 64％的受訪者稱，中小企業客戶正蒙受著業務生產力的損失，有45%的受訪者稱企業遭遇宕機。宕機的平均成本為141000美元，比2019年增加200％[來源/Datto對全球1400多家托管服務提供商的調查]
人工智能市場預測
根據Redpoint Ventures的數據，到2023年數據標簽服務市場規模可能會增長2倍達到50億美元[來源/經濟學人]
到2024年，全球AI保險市場規模將從13億美元增長至200億美元[來源/Juniper]
2019年亞太地區（不包括日本）在人工智能系統上的支出將達到62億美元，比2019年增長近54％；到2023年人工智能系統的支出將增加到214億美元，在2018-23預測期間的復合年增長率（CAGR）為39.6％[來源/IDC]
預測人工智能的未來