摘要：如今，电信领域的人工智能的发展可能在2019年将面临一个有趣的岔口，可能两个截然不同的发展趋势。

   如今，电信领域的人工智能的发展可能在2019年将面临一个有趣的岔口，可能两个截然不同的发展趋势。
　　
　　首先，监管机构将越来越接受人工智能和机器学习的使用。这已经发生了——仅仅两三年前似乎是一个障碍的监管机构已经看到了曙光。这种接受的一个原因是网络安全威胁，如果网络攻击使用人工智能攻击，受害者需要用所拥有的所有技术来应对。
　　
　　在2019年，监管机构还将学会接受机器学习中更困难的一面，即无人监督的模式。这些是机器学习模型，可以自己发现预测模式，当企业没有用于建模的历史性能数据时，这些模型尤其有用。
　　
　　这些模式型并不新鲜，13年前，FICO公司使用它们来监控详细的网络流量数据，以确保在欧洲最大的一家电信公司的网络安全。但他们一直都很难销售，因为他们发现的模式更难以解释，有时甚至更难看到。但是，仅使用监督模型对非常复杂的数据集进行建模是很困难的。我们需要无监督，自校准模型的力量和“好奇心”来实时检测变化的模式，特别是在网络安全中。
　　
　　因此，电信公司将看到更容易使用人工智能的途径，并不仅仅是创新者。接受无监督模型的框架将得到更广泛的应用。
　　
　　第二个趋势是可解释性，这似乎与越来越多的无监督模型的接受相矛盾。可解释的人工智能是数据科学领域最热门的领域之一，因为欧盟推出的GDPR法规等，更不用说老客户服务，这将要求企业向客户解释为何做出决策，以及他们的行为导致算法给他们一个特定的排名、评级或分数。
　　
　　对于所有数据科学家所说的深度学习是一种改变游戏规则的技术，即使是在最大的公司里，关于浅层或深层神经网络中所学模式的细节的问题通常也会以一种奇怪的沉默来回答。对于任何必须与客户谈论模型或向监管机构代表模型的人来说，这是完全不可接受的。
　　
　　最近的一项专利解决了人工智能行业在这个问题上的不成熟问题。这是一种称为“可解释的潜在特征”的方法，它在一个备用连接的多层模型中“分解”神经网络模型，这样每个隐藏节点都可以简洁地解释。行业专家最近在美国联邦储备委员会的一个创新研讨会上讨论了可解释的潜在特征，观众非常热衷于以这种方式建立模型的透明度。
　　
　　那么，人们如何协调对复杂的，无监督的机器学习模型日益增长的需求与可解释性的需求？这将人们引入围绕人工智能道德的对话，这将在2019年大幅加速。
　　
　　美联储的创新研讨会就是弥合这些领域所需要的一个很好的例子：行业、监管机构和学术界之间的三方对话。这三个部分对人工智能的道德使用很重要。需要进行大量的交叉教育，因为这些概念太复杂了。
　　
　　人们需要遵循这两条路径-更多地使用无监督模型，以及更大的模型可解释性，以跟上客户偏好以及移动设备在人们生活中的前所未有的力量。如今，手机将越来越多地成为人们的私人助理。没有理由为什么手机无法预测人们可能要做的下一件事。
　　
　　即使在数字安全性看起来更加脆弱的时候，手机功能越强大，所需的安全性就越高。人们现在非常依赖手机，并且在2019年它将会增加。人们需要知道它是安全的，并且网络是可靠的。人们看到使用人工智能将重新出现网络安全监控国。
　　
　　创建道德分析技术对于数据科学家和全球分析社区的成员来说非常重要。2019年是电信领域的一个激动人心的时刻。
　　
　　编辑：Harris