根據Gartner《2022年人工智能技術成熟度曲線》報告，盡早采用復合型人工智能（AI）、決策智能等AI技術將給企業機構帶來明顯的競爭優勢，緩解AI模型脆弱性引發的問題，有助于捕捉業務背景信息，推動價值實現。

已進入生產成熟期的技術，其實際效益已得到證明和認可。隨著越來越多的企業機構認為風險已下降至可接受程度，AI技術的采用開始進入快速增長階段（見圖一）。

AI一直是企業、政府和社會討論的熱門話題，企業機構很難分辨哪些AI技術具有真正的業務價值。數據和分析（D&A）領導者需制定具有前瞻性的AI戰略，并充分利用當前可產生重大影響的技術。

(相關資料圖)

圖一、2022年人工智能技術成熟度曲線

來源：Gartner（2022年7月）

合成數據

當今AI發展所面臨的主要問題之一是，為有效訓練AI模型而獲取真實數據并進行標記，會給企業機構帶來沉重的負擔。此舉不但耗時，而且費用高昂，但這一問題可通過合成數據來彌補。另外，合成數據在去除個人身份信息（PII）方面也有至關重要的作用。

因果人工智能

人工智能的最終價值在于提高人類的行動水平。機器學習（ML）方法根據統計關系（相關性）進行預測，無論這些關系是否構成因果關系。當需要更規范地確定哪些最佳行動可促成特定結果時，因果人工智能可發揮至關重要的作用。該方法能夠提高人工智能技術的自主性、可解釋性、穩健性和效率。

決策智能

決策智能是一種實用的技術，旨在準確理解決策流程以及如何根據反饋來評估、管理和改進結果，從而提高決策水平。當前，隨著人工智能技術在決策中的應用日益廣泛，自動決策和增強智能受到熱議，這一趨勢正在將決策智能推向期望膨脹期。近期的危機揭示了業務流程的脆弱性，而在企業機構重構業務流程并增強韌性、適應性和靈活性的過程中，決策智能方法和技術將發揮重要作用。依托多種軟件技術的決策智能市場正快速興起，已開始為決策者提供解決方案。

復合型人工智能

復合型人工智能產生的前提在于，任何一種人工智能方法都不能解決所有問題。目前，復合型人工智能將“連接主義”派別的方法（如機器學習）與“符號主義”等派別的方法（如基于規則的推理、圖分析、基于主體的建模和優化技術等）相結合，旨在減少人工智能解決方案學習時所需的數據和能量，使抽象化機制發揮更大作用。復合型人工智能是推動決策智能市場興起的核心因素。

生成式人工智能

目前對生成式人工智能方法的探索正在升溫，并且開始在生命科學、醫療、制造、材料科學、媒體、娛樂、汽車、航空航天、國防以及能源行業證明自身的價值。生成式人工智能已催生了營銷、設計、建筑和內容領域的創造性工作。技術生成的合成數據可以提高人工智能交付的準確性和速度。生成式人工智能的使用日益普遍，已上市的產品種類越來越豐富，此技術最近被積極應用于元宇宙領域。

基礎模型

基礎模型附帶大量預訓練數據集并可適用于廣泛的用例，是人工智能領域發展過程中的重大進步。與以前的模型相比，基礎模型能更高效地提供更先進的自然語言處理能力。基礎模型已成為自然語言處理領域的首選架構，此架構還可支持計算機視覺、音頻處理、軟件工程、生物化學、金融和法律用例。

關于Gartner

Gartner（紐約證券交易所代碼：IT）為高管及其團隊提供可執行的客觀性洞察。我們的專業指導和各類工具可以幫助企業機構在關鍵優先事項上實現更快、更明智的決策以及更出色的業績。欲了解更多信息，請訪問http://www.gartner.com/cn。

關鍵詞： 人工智能 技術成熟度 至關重要 人工智能技術 解決方案