Gartner：2023 年机器学习主要趋势

【资料图】

近日，在澳大利亚悉尼举行的 Gartner 数据与分析峰会上，这家研究和咨询公司的分析师强调了数据科学和机器学习的一些顶级趋势。

作为机器学习领域的突破性技术，生成式人工智能是讨论的焦点。预计它会以某种方式影响每个行业，Gartner提出的一些趋势与生成式 AI 工具的进步和扩散有关。

Gartner首席分析师 Peter Krensky 在一份报告中表示：“随着机器学习在各行业的采用持续快速增长，数据科学和机器学习正在从仅仅关注预测模型，转向更加民主化、动态和以数据为中心的学科。虽然潜在风险正在出现，但数据科学家及其组织的许多新功能和用例也在出现。”

以下是Gartner认为正在塑造数据科学和机器学习未来的五个趋势：

1、云数据生态系统

在第一个十年中，组织经常以从 A 点到 B 点的方式开发云数据生态系统，而不是作为一个内聚的云数据单元进行部署。据 Gartner 称，到 2024 年，一半的部署将是内聚的生态系统，而不是手动集成的单点解决方案，这在过去十年中是大多数部署的常态。

2、边缘人工智能

下一个转移到边缘的技术可能是人工智能，Gartner表示，随着企业希望能够在更接近创建点的位置处理数据，以提供实时、可操作的见解，对边缘人工智能的需求正在增长。在边缘运行人工智能软件的能力对于数据隐私要求严格的行业的运营商也有利，这些行业不允许将数据传输到数据中心或出国。

3、负责任的人工智能

越来越多的组织在采用人工智能时考虑道德选择，这属于“负责任的人工智能”这一笼统术语，它着眼于如何训练和使用模型的各种要素，同时确保遵循其他风险和合规措施。Gartner 预测，由于预训练模型的日益集中，更多基础开发人员将使负责任的 AI 成为社会关注的问题。

4、以数据为中心的人工智能

这代表着人工智能开发重点的转变，从以代码为中心的方法转向以数据为中心的方法，数据管理、合成数据和数据标签是人工智能成功开发的关键因素。据 Gartner 称，到 2024 年，60% 的人工智能数据将通过综合创建来刺激现实，这一比例高于 2021 年的 1%。

5、加速人工智能投资

随着越来越多的企业寻求实施人工智能解决方案，人工智能投资在许多行业已经处于较高水平，预计未来几年将会增加。到 2026 年底，对依赖基础模型的人工智能初创公司的投资预计将达到 100 亿美元。

标签：