技术原理

人工智能、机器学习、深度学习在2019年的重要发展和2020的趋势之技术篇

数据科学、深度学习机器学习发展的主要趋势是什么?在全人类共同发展下,科学家为建设国际范围的人工智能产业研究领域,为人类提供更加完整的学术生态发展圈,包括经济研究、传统学科的分析、金融企业方案的支持等

2019年(以及之前的几年),我们向众多一流专家询问了2020年

的预测。 去年预测的一些趋势已经实现

中国关注AI中道德数据科学的民主化强化学习的进步,在AI越来越成功的2019年也有惊喜——去年的专家从未预言NLP的突破(例如GPT-2和其他版本的BERT和Transformers )。

我们今年再次询问了专家

2019年AI、数据科学、深度学习和机器学习发展的主要趋势是什么?2020年预计会有什么样的主要趋势?

我们收到大约20份答复,第一部分更早发表了对研究的兴趣。

这是第二部分,侧重于技术、行业和部署。 有AI炒、AutoML、云、数据、可解释的AI、AI伦理等主题。

回答Meta Brown、Tom Davenport、Carla Gentry、Nikita Johnson、Doug Laney、Bill Schmarzo、Kate Strachnyi、Ronald van Loon、Fabio Vazquez和Jen Underwood

2020年预测技术专家Meta Brown,@ metabrown312是傻瓜数据挖掘的作者,A4A Brown的总裁

2018年,使用“人工智能”一词,真正复杂的应用程序和越来越成功的各种应用程序(从汽车驾驶到直接营销的一般使用倾向得分)的使用急剧增加。 到2019年,预计这都是数学。 我说得对。

另一方面,现在看到标记为“AI”的界限的人在增加。 人脸识别技术一般认识到,Juggalo化妆可能会受到挫折,这些顾客服务聊天机器人背后没有聪明的生活,并且花费数百万美元试图使软件比医生更智能,但是可能会失败。

然而,“人工智能”仍然是一句受欢迎的话,风险资本的资金仍然很丰富。 2019

年前的9个月,超过130亿美元流向了AI创业公司。 2020年,这两个未来之间的差距越来越大。 公众越来越怀疑AI的局限性,怀疑和意识的形象,还有希望继续投入AI的承诺,梦想和金钱的商业和投资社区。

汤姆·达文波特( @tdav )是巴布森大学( Babson College )总统信息技术和管理学的优秀教授,国际分析学会( internationalinstituteforanalytics )的共同创始人,麻省理工学院数字经济规划院士,德勤分析高级顾问

2019年主要发展:

自动化机器学习工具的广泛引入,应用于数据科学的更加结构化方面。 由于分析和人工智能具有道德水平,需要自觉解决许多分析和AI模型的缺陷,因此我们广泛认识到,创造这些分析和人工智能的组织不值得在2020年出现

提供建立、管理、监控组织机器学习模型套件的工具,不断重新训练漂移模型,专注于模型库存管理。 提高了分析和AI转换器的状态和认知度,以及与业务用户和领导者一起将业务需求转换为模型的高级规范认识到,模型是否适合数据仅仅是模型是否有用的考虑因素。 Carla Gentry、@ data_nerd是咨询数据科学家和分析解决方案的所有者。

关于人工智能,机器学习和数据科学无法做到的第二年炒菜和嗡嗡声,我为进入这个领域的非熟练专家畏首畏尾,但是大学没有资格授予不想受训的老师所谓的证书和学位。

虽然数据科学和机器学习依赖于大量的数据,但是我们还面临着对偏差的误解之年,需要说明的数据总是面临着偏差的风险。 没有偏见的数据是独立存在的,没有必要说明。 比如——玛丽把自己的销售投资回报率提高了10%。 玛丽是个勤奋的人,这是一种看法,不能衡量。

前几天,报道的标题引起了我的注意。 “数据科学快要死了吗? ”甚至在阅读之前,我的第一个想法是“不,想做的话题和炒作肯定对我们的领域没有帮助——数据科学不仅仅是编写代码”。 对技术的误解、数据不足和必要的基础设施,在2020年也一直困扰着我们,但也有人意识到至少21世纪最性感的工作不是性感的。 我们在整理和准备数据上花费了很多费用,在我们收集见解并回答业务问题之前。

在2020年,让我们所有人都记住这是关于数据的,保证我们能以完全透明的方式推进我们的领域,人工智能的“黑匣子”时代不过去,我们不能继续向积极的方向发展。 请记住,你构建的算法、模型、聊天机器人等可能会影响某人的生活。 因为数据库的数据点对应着某人的生活,所以请消除偏见把事实告诉自己… 我像往常一样负责玩耍和娱乐的数据。

RE.WORK深度学习和AI创始人Nikita Johnson,@teamrework

2019年,我们目睹了许多领域的突破。 这些突破把AI应用得空前广泛。 转移学习和强化学习等先进的软件技术有助于推动AI的突破和采用的发展,在人的知识制约下分离系统的改进。

到明年2020年,我们将向“可解释的AI”提高AI模型和技术的透明度、责任感和重现性。 我们有必要认识到各种工具的局限性、优缺点。 增强的学习能够增强产品信任能力,使AI能够做出更合理的决策

Doug Laney、@ Doug_Laney、最高数据战略师、Caserta、《信息经济学》畅销书、伊利诺伊州吉斯大学商学院客座教授

20世纪90年代初期,人工智能从平稳的年代开始复苏,加上数据科学的主流,只是推动了数据的发展。 今天,大数据是“正义的数据”。 即使持续膨胀,其规模也不会压倒记忆和计算能力。 至少没有任何组织被数据的庞大性所束缚的借口。 (提示:看网络安全,感觉600字云。 )的确,已经出现了逐渐改进的技术,但是从社交媒体平台溢出,伙伴之间交换,从网站收集,应用于相连设备的大量数据可用性导致了意想不到的见解、自动化和优化。 此外,还产生了以数据为中心的新业务模式。

在2020年(不是双关语,对吧? )扩大信息生态系统的出现,进一步实现AI和数据科学推进的商业伙伴之间的数字协调。 某些组织可能会选择建立自己的资料交换解决方案,以从其他组织的资讯资产中获益。 其他企业通过数据集成器增强了高级分析能力,数据集成器提供块链支持的数据交换平台和一系列备选数据。

分析大楼Schmarzo、@schmarzo、CTO、物联网和日立Vantara。

2019年的主要发展

通过智能手机,网站、家用设备和车辆将AI整合到我们的日常生活中的“消费者证明点”正在增加。 正式承认数据ops类别,在越来越重要地承认数据工程作用的执行工具包中,人们越来越尊重数据科学的业务潜力。 首席信息官继续努力实现数据货币化承诺。 数据湖的幻灭引起了数据湖“第二次手术”2020年的主要趋势

工业公司更加利用现实世界的例子,利用传感器、边缘分析和AI,制作出更加智能化的产品。由于他们不是降低价值,而是欣赏它们不能提供合理的财务和运营影响,因此宏伟的智能空间项目继续难以超越初次尝试。 对于利用数据和分析推动有意义的业务成果的组织来说,经济衰退会在“有”和“无”之间产生差距,@StorybyData、DATAcated讲述了数据故事|跑者| 2的母亲|数据科学和分析的最高声音。

2019年,我们看到了数据可视化/商业智能软件领域的整合,销售人员收购了Tableau Software,谷歌收购了Looker。 投资此业务智能工具证明了公司数据的民主化价值,使用户能够更轻松地查看和分析数据。

在2020年,我们期望继续进行自动化的数据分析和数据科学任务。 数据科学家和工程师需要能够扩展和解决更多问题的工具。 这种需求将在数据科学过程的若干阶段开发自动化工具。 例如,有些数据准备和清除任务是部分自动化的,但是由于企业的独特需求,很难完全自动化。 其他自动化候选包括特征工程、模型选择等。

帮助罗纳德房龙、@Ronald_vanLoon、Adversitement董事和数据驱动公司取得成功。 Top10大数据、数据科学、物联网、人工智能的影响者

2019年,该行业目睹了可说明的人工智能和增强的分析技术的普及,企业可以弥补AI能够提供的潜力和基于决策的技术复杂性之间的差距的公正AI结果。 全栈AI方法是2019年组织进行的另一项发展,旨在加快创新道路,支持AI的发展,同时改善不同团队与个人之间的整合与沟通。

到2020年为止,基于对话的AI的易用性和直观界面提供了一些客户体验改善趋势。 此自动化的解决方案可以扩展客户体验、改变客户体验、快速解决问题并提供可靠的自助服务,同时提供全天候服务。 此外,Narrow Intelligence在将AI合并到现有流程中并努力改变AI问题时,将继续支持如何最有效地利用人力和机械能力。

Favio Vazquez、@FavioVaz、Closter的首席执行官

2019年,我们看到人工智能技术的惊人发展,主要是深刻的学习方面。 数据科学利用这些进步,可以解决更棘手的问题,形成我们生活的世界。 数据科学是利用科学催化变化,把纸变成产品的引擎。 我们的领域不再是“炒菜”,而是一个严肃的领域。 有关数据科学及其朋友的重要在线教育和离线教育越来越多。 我们希望对自己的工作方式和方法更有信心。 语义技术、决策智能和知识数据科学在未来几年将成为我们的合作伙伴,我建议人们探索图形数据库、本体和知识显示系统。

Jen Underwood,@idigdata,自然的力量使组织更快地前进

2019年,我们到达了组织认真在算法经济上竞争的临界点。 市场领先的公司不是开始单发项目,而是通过计划企业整体的AI战略来提高数据科学的知名度。 同时,成熟的数据科学组织制定了道德、治理和ML Ops计划。 遗憾的是,尽管机器学习的采用率提高了成功率,但还是没有很多人。

从技术上看,我们看到了分布式计算和无服务器体系结构的混合。 同时,算法、框架和AutoML解决方案从创新迅速发展到商品化。

到2020年,我预计个人数据的安全性、法规、算法偏见和深刻的虚假主题将成为首位。 从更明亮的角度来看,可解释的AI进步和自然语言的生成和优化技术有助于提高人们的理解,填补数据科学和业务差距。 随着数据素养和公民数据科学计划的进一步发展,机器学习人员必须继续繁荣。

这是从他们的预言中得到的话

2020年技术预测词云

分析人工智能、分析、机器学习、数据科学、深度学习研究2019年的主要发展和2020年的主要趋势2018年机器学习和AI的主要发展、2019年的主要趋势人工智能、数据科学、2018年的主要发展和2019年的主要趋势,

你也可能喜欢

发表评论

您的电子邮件地址不会被公开。 必填项已用 * 标注

提示:点击验证后方可评论!

插入图片
关于人工智能的例子 投稿者
我还没有学会写个人说明!
最近文章
  • * 没有更多文章了
  • 快讯播报

    1. 抱歉,没有找到文章!

    热门搜索

    分类目录