一、Gartner:AI領域2018-2020年成熟度曲線介紹近日，全球權威的技術研究和分析公司Gartner發布了2020人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2020）。 人工智能領域到底是越來越強大了？還是依舊比較“智障”呢？ 如果對比一下Gartner近三年的報告，就是一個比較有意思的事情了，有些技術逐漸落伍被淘汰了，有些技術依舊止步不前，也有些技術進步的速度非常之快。 東方林語先把2018-2020年的成熟度曲線列出來，考考大家的眼力。 1、2020年的人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2020），如下圖：  2020年AI成熟度曲線 2、2019年人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2019），如下圖：  2019年AI成熟度曲線 3、2018年的人工智能技術成熟度曲線報告（Hype Cycle for Artificial Intelligence， 2018），如下圖：  2018年AI成熟度曲線 二、近年人工智能領域的亮點技術介紹強化學習、生成對抗網絡（GANs），遷移學習，圖學習、自監督學習、聯邦學習…… 近幾年，人工智能領域，各種新技術層出不窮，讓人目不暇接，疲于應對…… 以深度學習領域為例，我們可以梳理一下這幾年的重大突破： 2012年：應用AlexNet和Dropout 方法處理ImageNet； 2013年：使用深度強化學習玩轉 Atari 游戲； 2014年：采用“注意力”的編碼器-解碼器網絡及Adam優化器； 2014/2015年：生成對抗網絡（GAN）； 2015年：殘差網絡（ResNet）； 2017年：Transformer模型； 2018年：BERT和微調NLP模型； 2019/2020年及之后：BIG語言模型，GPT-3語言模型、自監督學習…… 2020年下半年，就有一項“出道即巔峰”的人工智能領域革命性突破技術——GPT-3語言模型。 這又是什么“黑科技”？ 簡單解釋來說，這是OpenAI 高調推出了的一款具有 1750 億參數的自回歸語言模型。 GPT-3在人工智能領域掀起了又一陣革命。 從參數量上看，它比當時全球最大的深度學習模型 Turing NLP 大上十倍。 從功能上看，它可以答題、翻譯、寫文章，還帶有一些數學計算的能力。 AI大佬們談到GPT-3，是這么評價的：生命、宇宙和萬物的答案，就只是 4.398 萬億個參數而已。——多么瀟灑的回答呀。 看看下面這張圖，借助GPT模型，最左側是輸入的半張圖片，中間的四列是自動補全的圖片，最右側是原始圖片。  GPT模型識別遮擋圖片 最令人震驚的是，GPT3的不用接受特定訓練，就能夠完成這些任務。 結論是:用過的都說好。 科技進步，永無止境。 三、典型介紹之知識圖譜技術對比2018-2020年的人工智能技術成熟度曲線報告，本文重點介紹一下知識圖譜技術，這項技術也是進步最快、場景價值得到廣泛驗證的技術之一。 基于該報告，我們可以先圍繞該技術做一下分析。 知識圖譜技術之所以被認可，因為其展現了更好地揭示其他非結構化數據中的高階相關性的能力。 知識圖譜分為通用知識圖譜與行業知識圖譜。 知識圖譜的底層，使用了自然語言處理(NLP)和相關的文本分析技術，知識圖譜非常適合存儲從非結構化資源分析中提取的數據。它們還能夠存儲結構化數據，包括隱式提供結構和內容的元數據，編碼支持各種用例的處理的信息。  按照Gartner的建議，IT領導者應將知識圖譜作為數據庫，存儲有關實體及其關系的數據，當數據有許多不同的來源和形式時，尤其如此。例如，內容服務平臺中的文檔、數據源中的更新、視頻中的音頻或數據庫中的表格。 負責數據和分析的IT領導者必須將知識圖譜納入其數據和分析治理和管理的范圍，為防止數據孤島的延續，應研究并建立多種知識圖譜的互操作方式。 Gartner指出，知識圖譜目前已應用于如下領域： 1.數字化工作場所；例如，協作、共享和洞察力； 2.自動化；例如，從內容到RPA的數據抽取； 3.支持機器學習；例如，增強訓練數據； 4.數據分析；例如，增強分析，特別是在商業智能背景下的增強分析報告和網絡安全； 5.數字商務；例如，產品信息管理和建議； 6.數據管理；例如，元數據管理、數據目錄和數據結構。 通用知識圖譜，是以百科類知識為主，強調知識的廣度，數據來源一般較為單一，比如我們常用的搜索引擎，就是通用知識圖譜。 行業知識圖譜是面向專業領域的專有應用，基于每個行業的知識來進行構建（比如金融、電力、公安等）知識庫，以知識的深度為特性，數據來源則更為豐富。因此，行業知識圖譜，對于各垂直領域的細分場景，更能凸顯價值。 以金融知識圖譜來說，它就是一種用圖模型來描述知識和建模實體之間關聯關系的技術方法，旨在從金融機構內、金融機構外數據中識別、發現和推斷企業、企業自然人、行業、事件、產品等實體與金融機構業務之間的復雜關系，是實體關系的可計算模型。  知識圖譜鏈式網絡 一方面利用圖相關計算和挖掘技術，加強風險管控、稽核審計 ，構建企業、客戶及員工的對公、個人圖譜，全面記錄關系特征，搭建貸前、貸中、貸后等應用場景，名單池分層分類管理，動態風險預警監測，實現基于知識圖譜技術的智能風險管控。 另一方面，通過資金轉賬等關聯關系，實現以客找客，加強智能營銷線索推薦。有效提高復雜業務關系管理能力，利用大數據知識圖譜技術，快速發現營銷商機與潛在風險。  違約客戶模型 下圖為Gartner列出的企業AI成熟度模型，可以作為參考，看看你們企業的AI成熟度處在哪個階段呢？  企業AI成熟度模型 在行業知識圖譜方面，金融行業目前是應用知識圖譜最多的行業。 根據愛分析的報告，也列出了金融領域的知識圖譜主要廠商及玩家名單，具體如下：  金融行業知識圖譜主流廠商 關注東方林語，一起了解更多人工智能知識。 |
|
|
