根据 Gartner 2021 年人工智能成熟度曲线报告，用户想要的不仅仅是人工智能目前所能提供的功能，但这些功能正在快速变化。 Gartner 分析师在报告中描述了 34 种人工智能技术，并指出人工智能炒作周期的节奏更快，在两到五年内达到主流采用的创新数量高于平均水平。
Gartner 分析师发现，炒作周期创新触发阶段的创新比平时更多。 这意味着最终用户正在寻找当前人工智能工具尚无法提供的特定技术功能。 合成数据、编排平台、复合人工智能、治理、以人为本的人工智能和生成人工智能都处于早期阶段。
边缘人工智能、决策智能和知识图谱等更熟悉的技术正处于炒作周期中预期过高的顶峰，而聊天机器人、自动驾驶汽车和计算机视觉都处于幻灭的低谷。
Gartner 分析师 Shubhangi Vashisth 和 Svetlana Sular 撰写了该报告，并确定了以下四个人工智能大趋势：
公司正在寻求运营人工智能平台，以实现可重用性、可扩展性和治理，并加速人工智能的采用和增长。 人工智能编排和自动化平台（AIOAP）以及模型操作化（ModelOps）反映了这一趋势。
人工智能的创新意味着有效利用所有资源，包括数据、模型和计算。 多体验人工智能、复合人工智能、生成式人工智能和变形金刚都是这一趋势的例子。
负责任的人工智能包括可解释的人工智能、风险管理和人工智能道德，以增强人工智能计划的信任、透明度、公平性和可审计性。
小数据和宽数据方法可实现更强大的分析和人工智能，减少组织对大数据的依赖，并提供更完整的态势感知。
Vashisth 和 Sular 还发现，人们越来越关注最小可行产品并加速人工智能开发周期，他们认为这是重要的最佳实践。
这六项技术均处于炒作周期的“创新触发”阶段，预计将在两到五年内达到生产力平台（炒作周期结束）：
复合人工智能
AI编排和自动化平台
人工智能治理
生成式人工智能
以人为本的人工智能
综合数据
以下是根据 Gartner 炒作周期报告对每种类型的人工智能进行的简要描述。
复合人工智能
这种人工智能方法结合了各种技术来扩展知识表示的水平并更有效地解决更多业务问题。 目标是构建需要更少数据和能源来学习的人工智能解决方案。 我们的想法是，这种方法将使那些没有大量数据但确实拥有大量人类专业知识的公司可以使用该技术。 据 Gartner 称，这项技术正在兴起，并已渗透到 5% 至 20% 的目标市场。
当没有足够的数据进行传统分析或“所需的智能类型很难在当前的人工神经网络中表示”时，这种技术是最好的。
AI编排和自动化平台
公司使用 AIOAP 来标准化 DataOps、ModelOps、MLOps 和部署管道，并落实治理实践。 该技术还统一了开发、交付和操作环境，特别是在重用组件（例如特征和模型存储、监控、实验管理、模型性能和沿袭跟踪）方面。 这一趋势是由传统的孤立数据管理和分析方法所产生的问题推动的。 AIOAP 正在兴起，并已达到目标受众的 1% 至 5%。
为了实施 AIOAP，Gartner 建议公司审核当前的数据和分析实践、简化数据和分析流程并使用云服务提供商环境。
人工智能治理
人工智能治理是对使用人工智能带来的风险建立问责制的做法。 日本、美国和加拿大的政府领导人正在为人工智能设定护栏，其中包括一些自愿指导和一些约束性指导。 分析师指出，没有治理的人工智能是危险的，但制定规则可以帮助建立问责制。
治理工作不应是独立的举措，而应解决：
保护企业及其声誉的道德、公平和安全
信任和透明度
多样性
治理正在兴起，并已达到目标受众的 1% 至 5%。
公司应根据业务风险偏好和法规制定风险指导方针，并确保人类参与到减轻人工智能缺陷的循环中。
生成式人工智能
这种类型的人工智能应用它所学到的知识来创建新内容，例如文本、图像、视频和音频文件。 报告称，生成式人工智能与生命科学、医疗保健、制造、材料科学、媒体、娱乐、汽车、航空航天、国防和能源行业最相关。 分析师预测，生成式人工智能将颠覆软件编码，与自动化技术相结合，可以自动化程序员完成的高达 70% 的工作。 该技术还可用于欺诈、恶意软件、虚假信息和煽动社会骚乱。
这项技术正在兴起，只覆盖了不到 1% 的目标受众。 分析师建议密切关注生成式人工智能，因为他们预计会得到快速采用。 公司应该准备好应对深度伪造，确定初始用例，并考虑综合生成的数据如何加快分析开发周期并降低数据获取成本。
以人为本的人工智能
这种人工智能方法也称为增强智能或人机交互，并假设人和技术正在协同工作。 这意味着某些任务是由算法完成的，有些任务是由人类完成的。 此外，当人工智能达到其能力极限时，人们可以接管一个流程。 HCAI 可以帮助公司管理人工智能风险，并通过自动化变得更加道德和高效。 报告称，“许多人工智能供应商也已将立场转向更具影响力和负责任的 HCAI 方法。”
HCAI 正在兴起，并已达到目标受众的 5% 至 20%。 Gartner 建议将 HCAI 作为一项关键原则，并创建一个人工智能监督委员会来审查所有人工智能计划。 企业还应该利用人工智能将人类的注意力集中在最需要支持数字化转型的地方。
综合数据
人工生成的数据是解决获取真实世界数据并对其进行标记以训练人工智能模型的挑战的一种解决方案。 合成数据还解决了从实时数据中删除个人身份信息的问题。 这些数据的获取成本更低、速度更快，并减少了机器学习开发的成本和时间。 这些数据的缺点是它可能存在偏差问题、错过自然异常或无法为现有数据提供新信息。
这项技术正在兴起，并已覆盖 1% 至 5% 的目标受众。 在这项技术成熟时，公司应该与专业供应商合作，并与数据科学家合作，以确保合成数据集在统计上有效。
