Gartner：2023年機器學習主要趨勢

近日，在澳大利亞悉尼舉行的 Gartner 數據與分析峰會上，這家研究和咨詢公司的分析師強調了數據科學和機器學習的一些頂級趨勢。

作為機器學習領域的突破性技術，生成式人工智能是討論的焦點。預計它會以某種方式影響每個行業(yè)，Gartner提出的一些趨勢與生成式 AI 工具的進步和擴散有關。

Gartner首席分析師 Peter Krensky 在一份報告中表示：“隨著機器學習在各行業(yè)的采用持續(xù)快速增長，數據科學和機器學習正在從僅僅關注預測模型，轉向更加民主化、動態(tài)和以數據為中心的學科。雖然潛在風險正在出現，但數據科學家及其組織的許多新功能和用例也在出現?！?/font>

以下是Gartner認為正在塑造數據科學和機器學習未來的五個趨勢：

1、云數據生態(tài)系統(tǒng)

在第一個十年中，組織經常以從 A 點到 B 點的方式開發(fā)云數據生態(tài)系統(tǒng)，而不是作為一個內聚的云數據單元進行部署。據 Gartner 稱，到 2024 年，一半的部署將是內聚的生態(tài)系統(tǒng)，而不是手動集成的單點解決方案，這在過去十年中是大多數部署的常態(tài)。

2、邊緣人工智能

下一個轉移到邊緣的技術可能是人工智能，Gartner表示，隨著企業(yè)希望能夠在更接近創(chuàng)建點的位置處理數據，以提供實時、可操作的見解，對邊緣人工智能的需求正在增長。在邊緣運行人工智能軟件的能力對于數據隱私要求嚴格的行業(yè)的運營商也有利，這些行業(yè)不允許將數據傳輸到數據中心或出國。

3、負責任的人工智能

越來越多的組織在采用人工智能時考慮道德選擇，這屬于“負責任的人工智能”這一籠統(tǒng)術語，它著眼于如何訓練和使用模型的各種要素，同時確保遵循其他風險和合規(guī)措施。Gartner 預測，由于預訓練模型的日益集中，更多基礎開發(fā)人員將使負責任的 AI 成為社會關注的問題。

4、以數據為中心的人工智能

這代表著人工智能開發(fā)重點的轉變，從以代碼為中心的方法轉向以數據為中心的方法，數據管理、合成數據和數據標簽是人工智能成功開發(fā)的關鍵因素。據 Gartner 稱，到 2024 年，60% 的人工智能數據將通過綜合創(chuàng)建來刺激現實，這一比例高于 2021 年的 1%。

5、加速人工智能投資

隨著越來越多的企業(yè)尋求實施人工智能解決方案，人工智能投資在許多行業(yè)已經處于較高水平，預計未來幾年將會增加。到 2026 年底，對依賴基礎模型的人工智能初創(chuàng)公司的投資預計將達到 100 億美元。