Gartner：2016 智能机器成熟度曲线图（更新版）

来源： Kenneth F. Brant, Tom Austin

作者：羽姿

智能机器是真正的颠覆性技术——但是它们还没有做好被大规模使用的准备。但是CIO和CTO现在就该探索这些技术，否则竞争差距和错失的机会成本将无法衡量。

你需要知道的

只有“创新者”和“早期使用者”的企业应该考虑在目前的市场环境中大规模部署智能机器。这其中最成功的企业将具备以下特性：

• 有远见者，为智能机器的任务进行了大量准备工作
• 数据驱动的管理风格
• 不断学习的企业和文化
• 双模式IT能力
• 可测试的商业案例，包括行业特定的商业案例，它们能够从大数据、机器学习以及自然语言处理的结合中受益。
• 为特定用例建立和管理有潜在价值的“语义库”
• 展示出承认，接受并从过往失败中学习的能力
• 在变化管理中投入大量资源和研发技能
• 能够有清晰的政策和有效的沟通对员工解释项目的影响和结果。

然而“早期多数”和“晚期多数”使用者依然从今年起开始准备智能机器的商业案例，并进行测试，因为智能机器所带来的转型影响，以及在技术能力上落后先行者太多的风险非常巨大。

Hype Cycle

在2016年，我们“重新介绍”了智能机器的定义：”智能机器技术根据经验调整它们的行为，它们不完全依靠人们的指令（也就是说它们自我学习），并能够给出出乎意料的结论。”

Gartner回避了关于技术模仿人类智能的断言。我们认为对比人类和机器智能争论过大，并且偏离了技术定义和商业计划。我们希望更实用主义一些。我们不认为重塑或者模仿人类智能对于智能机器实现商业价值来说是必要的。系统硬件没有必要模仿一个大脑。人机交互界面也不必让我们误以为在与人进行对话。因此，智能机器不需要完成人类大脑计划或者通过图灵测试才能传递商业价值。

2016智能机器成熟度曲线图

2015智能机器成熟度曲线图

一.上升期

1.1机器人 bots

定义：机器人是能够在其他机器人，app或服务上运行回应事件触发或用户请求的微服务或app。它们可通过模仿用户或是app唤起其他服务或应用程序，或是通过API接口达到相同的效果。这些请求通过对话式UI发起，或是回应后端程序或数据库的状态变化。机器人会根据预定义的规则，或是更复杂的算法（可能包括机器学习）自动执行任务。

定位和成熟度说明：虽然机器人已经存在了结近十年，它们大部分都是实验性的，或者适用范围很窄。仅仅在近几年机器人才作为一个有潜力转型工作流的技术出现。将事件驱动的编程模型和机器人相结合，能够将应用程序从请求驱动的活动转型为自动化的活动，将信息和选择按需推送给用户。

当与对话式UI相结合时，机器人赋予用户以类人交互的方式与应用程序交互的能力。以这种方式使用机器人通常被称为“聊天机器人”。如果你讲机器人与对话式UI和机器学习相结合，你就得到了虚拟个人助理或虚拟客户助理。机器人能够与更大型的机器人相结合，来完成更复杂的任务或是一系列任务。机器人通常都在云端的服务器中，但是它们在特定情况下也可做本地不熟。

把机器人视作能够像人类一样行事的微app，它们启动其他的程序，并与使用它们的用户一同运行。

用户建议：企业需要熟悉机器人开发架构，这些架构提供以下能力：

• 机器人能够改变应用程序搭建的方式
• 由机器人的使用转型成事件驱动的编程模型，能够改变用户与技术交互的方式。
• 机器人能够在无需用户发起业务流程的情况下发起应用程序，并将结果按需传递给劳动力。

然而，企业应该小心，不要将机器人与已有的企业消息平台捆绑。此外，企业不应该自己部署自然语言处理，它们应该使用某个架构。最后，如果你在使用聊天机器人，要赋予它们个性以免看起来无聊。

商业影响：考虑到机器人的潜力，企业应该寻找能够由机器人处理或监管的业务流程，来释放劳动力。常规任务能够由机器人自动完成，这能够让劳动力去处理更加非常规的工作。此外，机器人能够保证雇员能够更及时地获得需要的信息。机器人的恰当使用能够增加员工参与度，因为员工能够更关注于非常规的任务。这反过来会增加企业总体的生产力。

代表企业：Kore，微软。

新出现。距稳定应用还有5-10年。

1.2通用机器智能General-PurposeMachine Intelligence

定义：在学习，推理，适应及理解领域表现出类人能力的机器被视为“有智能”。通用机器智能能够被运用在非常广的范围。特定机器智能被运用在限定领域。通用机器智能对于智能机器来说不是基础。拥有通用机器智能，能够自我维护和繁衍的机器只存在于科幻小说中。

代表企业：无

位置无变化。距稳定应用还有超过10年。

1.3情境适应表现SituationallyAdaptive Behavior

定义：情境适应表现指的是在业务环境跨度中人，技术系统和“事物”之间的非结构性交互模式和关系被指向为客户，交易等带来最佳结果的方向。支持情境适应表现的解决方案使用运营智能技术，智能机器，算法，集成和社交技术来支持运行时间表现的协同，因为表现不能够完全在设定时间内决定。

代表企业：Appian; Axway;Feedzai; IBM; Interfacing Technologies; Oracle; Pegasystems; Software AG; TIBCOSoftware; XMPro

新出现。距稳定应用还有5-10年。

1.4算法市场Algorithm Marketplaces

定义：算法市场是一个技术性的基础设施，它支持可复用算法的发布和消费。有些市场在企业内部使用来支持在数据科学家之间分享内部未发布的算法。但是大部分市场都是作为外部的基础设施来推动免费或付费的算法，有时候还包括分享和货币化数据集。

代表企业：Algorithmia;Apervita; FICO; IBM; Microsoft (Azure); Teradata

新出现。距稳定应用还有5-10年。

1.5神经形态硬件NeuromorphicHardware

定义：神经形态硬件使用非二进制信号来模仿生物学上的神经元。非二进制信号的例子包括类比和尖峰信号。这些方法比数字信号传递的信息更多，但是速度较慢。慢速让信息能够在低耗能的情况下大规模传递。生物学的神经元展示出在成千上万输入以及数十亿神经元之间的慢速处理。

代表企业：AMD; IBM;Nvidia; Qualcomm

位置无变化。距稳定应用还有超过10年。

1.6深度加强学习Deep ReinforcementLearning

定义：深度加强学习是使用深度神经网络来加强学习的过程。加强学习是一种机器学习的技巧，它的目标是绘制结果和行为之间的关系图。只有散发性奖励，而不是监督式学习能够影响系统的行为：积极的奖励增强现下表现，消极的反馈惩罚现下或之前的行为。

代表企业：Google (CloudPlatform); Nvidia; OpenAI

新出现。距稳定应用还有5-10年。

1.7数字化道德Digital Ethics

定义：数字化道德由人，商业和事物之间电子化交互的价值系统和道德原则组成。有一些领域包括个人隐私，安全，社会交互，良好表现和自由意志。关键的技术领域是大数据，移动化，智能机器，自动化技术和物联网。

代表企业：无

新出现。距稳定应用还有5-10年。

1.8对话式UIConversationalUser Interfaces

定义：对话式UI是一个高等级的设计模型，用户和机器以用户的自然语言语音或文本进行交互。这种交互通常是双向且非正式的，从简单的表达到高度复杂的交互再到高度复杂的结果。作为设计模型，对话式UI取决于应用程序和有关服务的部署。

代表企业：Amazon; Baidu;Facebook; Google; IBM; IPsoft; Microsoft; NextIT; Salesforce

新出现。距稳定应用还有5-10年。

1.9自然语言生成Natural-LanguageGeneration

定义：自然语言生成结合了自然语言处理和机器学习，以及人工智能来确定数据中最相关的见解和情境（趋势，关系，模式等）。然后它会自动为每一个用户根据他们的所在情境生成个性化的陈述，来解释数据中的含义或是重要结论。

代表企业：Arria NLG;Automated Insights; BeyondCore; Narrative Science; Yseop

较2015年大幅前进。距稳定应用还有2-5年。

1.10虚拟个人助理Virtual PersonalAssistants

定义：虚拟个人助理具备个人助理的部分功能。当用户允许时，它：

• 可以观察用户内容和行为
• 建立、维护数据模型（它可以从中对用户、内容和情境进行推断）
• 预测用户需求
• 建立信任
• 主动代表用户处理事务

虚拟个人助理可以让日常生活更容易（比如按优先级顺序排列邮件），也能突出用户日程中最重要的内容让用户更有效率。

代表企业：Apple; Google;IBM; Microsoft; Nuance; x.ai

较2015年大幅前进。距稳定应用还有5-10年。

1.11认知计算Cognitive Computing

定义：认知计算是一系列能够提高人类在认知任务上表现的技术。我们承认“认知计算”这个术语正迅速在市场上获得关注，但是我们不认为认知计算系统有认知能力。它们在对话当中是交互性，可迭代，有状态的，能够根据之前的交互适应信息和目标的改变。它们从数字化或者感应数据中抽取情境元素，参与到人类的理解当中来。

代表企业：Accenture;CognitiveScale; Deloitte; Digital Reasoning; Google; IBM; IPsoft; KPMG;Microsoft; Saffron (an Intel company)

较2015年大幅前进。距稳定应用还有5-10年。

1.12商业无人机Commercial UAVs(Drones)

定义：商用无人机类似于微型直升机、飞机或者潜艇，它们由人类驾驶员在地面遥控，或配备自动巡航系统，被用于执行飞行和海底的探测任务。无人机一般都配备了能引导无人机前进的GPS技术，声呐传感器和导航代理，同时还有用作图片、热敏和光谱分析的传感器。高速缓存和通信线路让无人机能够将数据收集并传输给分析师和项目经理。

代表企业：Aeryon Labs;Amazon; Boeing; DJI; Facebook; Google (Titan Aerospace); Parrot; PrecisionHawk;Skycatch; Trimble

位置无变化。距稳定应用还有5-10年。

1.13图谱分析Graph Analytics

定义：图谱分析发展为建立实体之间关系的模型。它们通常通过可视化工具展现给业务用户。连接，例如关系或影响的强度，交互的频率，或是腐败的可能性可能是明确的也可能是推断的。分析可以是描述性的，诊断性的，预测性的或规定性的。

代表企业：Ayasdi;Cambridge Semantics; Centrifuge Systems; Databricks; Emcien; Maana; Palantir;Saffron Technology; SynerScope

较2015年小幅前进。距稳定应用还有5-10年。

1.14主动搜索Proactive Search

定义：主动搜索是搜索、多种分析能力（比如内容分析）、和交互式用户体验的结合，这些都是被用来创造关联和个性化的。它能够在非常宽泛的信息输入基础上（而不是一个明确的问题），在问题被问出来之前就给出答案。

代表企业：Apple; Coveo;Google; HPE; IBM Watson; Sinequa

较2015年小幅前进。距稳定应用还有2-5年。

二. 快速发展期

2.1智能APPSmartApps

定义：智能APP战略通过使用超个性化的移动app体验和服务以及知识抽取流程帮助提供商增强用户体验。通过四个步骤，这个战略依靠大数据和简单规则集来增加有关消费者的个人及商业信息：与我同步，见我所见，了解我，成为我。

代表企业：Amazon; Apple;Facebook; Google; Here; Salesforce

较2015年大幅前进。距稳定应用还有2-5年。

2.2智能机器人Smart Robots

定义：智能机器人是电动机械结构的一种智能机器，它能够在现实世界里自动工作，同时还能够从过往的经验里学习。智能机器人能感应它们所处的环境，识别并解决基本问题，并学习如何改善。有些有根据功能特制的形态，例如仓库机器人，其他一些则是比较通用的形态，或是拟人形态。因为它们有感知能力，智能机器人可以和人类一同工作。

代表企业：Aethon; AmazonRobotics; ARxIUM; Google; iRobot; Panasonic; Rethink Robotics; SoftBankRobotics; Symbotic

较2015年大幅前进。距稳定应用还有5-10年。

2.3规范分析Prescriptive Analytics

定义：术语“规范分析”指的是一系列能够指定最佳行动方案的分析能力。最常见的案例是最优化方法，比如线性规划；决策分析方法，和影响图；以及基于规则的预测分析。和描述性、诊断性以及预测性分析不同的是，规范分析输出的结果是一个决定。

代表企业：Angoss;Decision Lens; FICO; Gurobi Optimization; IBM; River Logic; SAS; SparklingLogic; Veriluma

较2015年小幅前进。距稳定应用还有超过5-10年。

2.4自然语言处理Natural-LanguageProcessing

定义：自然语言处理使用了超过20种不同的自然语言工具。它能够缓解人机交互，帮助人们找到，理解并根据自然语言内容作出行动，并提供推理的依据，让人们更加高效。

代表企业：Brainspace;Clarabridge; CognitiveScale; Digital Reasoning; Microsoft; Narrative Science;SAS; Yseop

较2015年大幅前进。距稳定应用还有5-10年。

2.5认知专家顾问Cognitive ExpertAdvisors

定义：今年认知专家顾问替代了智能顾问。认知专家顾问至少使用了一种专用算法，以及机器学习和自然语言处理，基于特别建立的大数据，来生成见解，发现，推荐和决策。CEA必须是为特定目的设计和建立的，并且经过严格训练来产生“专业”建议——在开发和运营过程中，如果没有人类专家的参与，它们既不可能有效也不可能“认知”。

代表企业：CognitiveScale;IBM; Infosys; IPsoft; Saffron (an Intel company); Wipro

较2015年小幅前进。距稳定应用还有5-10年。

2.6深度神经网络Deep Neural Nets

定义：深度神经网络（也被称作深度学习）是一种机器学习的变体，它包括了超过两个处理层的神经网络。神经网络是模仿人类大脑建模的算法，被设计用于识别模式和进行预测。使用额外的处理层能够进行更高级别的自动化抽取，从而大幅增加预测的准确性。

代表企业：Dato;Ersatz Labs; Google; H2O.ai; Kaggle; Microsoft; TunedIT

较2015年大幅前进。距稳定应用还有5-10年。

2.7机器学习Machine Learning

定义：机器学习是一种旨在从一系列观察中抽取知识或模式的技术规则。根据不同的观察种类，它共分为三种：监督式学习，非监督式学习和增强学习。

代表企业：Dato;Dell; H2O.ai; IBM; KNIME; Microsoft; Oracle; RapidMiner; SAP; SAS

位置无变化。

距稳定应用还有2-5年。

2.8无人驾驶汽车Autonomous Vehicles

定义：自动驾驶汽车是能够在使用多种车内技术和传感器，在无人干预的情况下自己从起点驾驶到预设终点的车。这些技术包括激光雷达，雷达，摄像头，控制系统，软件，地图数据，GPS和无线数据传输等。

代表企业：Continental;Delphi Automotive; General Motors; Google; Mobileye; Nokia; Nvidia; RobertBosch; Uber; ZMP

较2015年小幅前进。距稳定应用还有超过10年。

2.9计算机视觉Computer Vision

定义：计算机视觉是一个包括了捕捉，处理和分析真实世界图像和视频的过程，它让机器能够从真实世界中抽取有意义，有情境的信息。在供应侧，有多重不同且重要的计算机视觉技术领域，包括机器视觉，光学字符辨识，图像识别，模式识别，面部识别。边缘检测和动作监测。

代表企业：Amazon;Apple; Baidu; Facebook; Google; Herta Security; Luxoft; MathWorks; Microsoft

新出现。距稳定应用还有5-10年。

2.10预测分析Predictive Analytics

定义：预测分析是先进分析的一种，它审核数据或内容来回答问题：“会发生什么”，或者更精确的：“可能发生什么”。它以回归分析，多变量统计，模式匹配，预测建模和预测为特点。

代表企业：Dell(Statistica); IBM (SPSS); KNIME; MathWorks; RapidMiner; SAS

较2015年小幅前进。距稳定应用还有2-5年。

三. 下降期

3.1学习BPOLearningBPO

定义：“学习业务流程外包（BPO）”指的是将企业的学习，训练，培训，或指导项目的部分或全部进行外包。它可能包括在学习管理流程当中任何一步的辅助，例如项目战略，目录开发，项目设计/内容开发，交付方式和相关工具，交付，项目逻辑，反馈工具，追踪和报告。

代表企业：Accenture;Aon Hewitt; CGI; Global Knowledge; IBM; Infosys; NGA Human Resources; RaytheonProfessional Services; Talent2; Tata Consultancy Services

新出现。距稳定应用还有2-5年。

3.2消费级智能家电Consumer SmartAppliances

定义：智能家电能够通过家用网络（比如wifi），或手机数据网络，或专门的电力管理网络来接入网络。例子之一就是能够“学习”主人特定食物喜好并将预防分析和维护服务信息发送给生产厂家的智能冰箱。

代表企业：GE;Haier Group; LG; Samsung; Whirlpool

较2015年小幅前进。距稳定应用还有2-5年。

3.3虚拟客户助理Virtual CustomerAssistants

定义：虚拟客服助理（VCA）能够以企业身份模拟对话来传递信息，并能够以用户身份来办理业务。它由四个技术组成：

• 一个自然语言处理引擎
• 一个能够接收请求并通过语音或文本答复的用户界面（UI）
• 一个能够在大量知识和内容库里检索的知识搜索引擎
• 一个能够分析用户意图并给出个性化回答的情境引擎

有一些VCA也具备机器学习能力

代表企业：[24]7;Articial Solutions; Creative Virtual; eGain;IBM Watson; IPsoft; Microsoft; Next IT; Nuance; Xiaoi

较2015年小幅前进。距稳定应用还有2-5年。

3.4增强现实Augmented Reality

定义：增强现实(AR）是通过文字、图片、音频和其他虚拟的增强方式将信息实时叠加于实际物品之上。这些信息通过头戴式显示器显示或者以图像形式投射在真实物品上。将AR和虚拟现实区别开来的是“真实世界”的元素。AR旨在增强用户和环境的互动，而不是把用户和环境分离开。

代表企业：Blippar;Catchoom; Daqri; Google; Kudan; Microsoft; Wikitude

较2015年小幅前进。距稳定应用还有5-10年。

3.5知识管理工具Knowledge ManagementTools

定义：运营和基础设施机构使用知识管理工具来建造支撑IT部门的知识库，并保证其中的内容对于IT和业务人员来说是有用的、和业务相关的，并能够实时更新。KM工具通常与门户相连，门户支持自助服务，用户可以自行处理简单的事件。这类产品由它们能够收集、贮存和获取数据的能力所定义。KM工具既能作为独立工具，也能作为ITSSM工具里的一个组成模块。

代表企业：Knowesia;RightAnswers

较2015年小幅前进。距稳定应用还有5-10年。

四. 爬坡期

4.1虚拟现实Virtual Reality

定义：虚拟现实通过头戴式显示器提供围绕用户的由电脑生成的3D环境，这个环境能够以自然的方式回应用户的行动。手势识别或手柄控制器提供了手部和身体追踪，也可能会集成触摸反馈。连网电视系统为多位用户提供了3D体验。

代表企业：HTC;Mechdyne; NextVR; Oculus VR; Samsung; Sony; Valve; Virtual Heroes; WorldViz

较2015年小幅前进。距稳定应用还有5-10年。

4.2集成学习Ensemble Learning

定义：集成学习技术是运用了一系列预测性模型的机器学习算法，而这些模型的结果被结合成一个统一的集成结果。这个方法论极大的利用了“群体智慧”原则，多样化的观点和模型结果是关键。最有名的集成技术模式是随机预测和梯度上升。

代表企业：Dato;Dell; FICO; IBM (SPSS); KNIME; Microsoft; Oracle; RapidMiner; SAP; SAS

较2015年小幅前进。距稳定应用还有少于2年。

五. 稳定应用期

5.1语音识别Speech Recognition

定义：语音识别系统能将人类语音转化为文字或是机器指令。

代表企业：Amazon; Apple; Google; IBM; LumenVox; Microsoft; Nuance; Sensory;Spansion; Telisma

位置无变化。距稳定应用还有少于2年。