隨著數(shù)據(jù)科學(xué)與機器學(xué)習(xí)（DSML）行業(yè)的快速發(fā)展和演變，數(shù)據(jù)對于生成式人工智能開發(fā)與運用的重要性日益提高。研究機構(gòu)Gartner日前發(fā)布了影響數(shù)據(jù)科學(xué)與機器學(xué)習(xí)未來方向的五個趨勢。

趨勢1：云數(shù)據(jù)生態(tài)系統(tǒng)

數(shù)據(jù)生態(tài)系統(tǒng)正在從獨立軟件或混合式部署模式過渡到徹底的云原生解決方案。預(yù)計到2024年，50％的新系統(tǒng)部署基于集成化的云數(shù)據(jù)生態(tài)系統(tǒng)，而非手動集成的單點解決方案。該機構(gòu)建議，企業(yè)和機構(gòu)對解決數(shù)據(jù)分散化問題和訪問外部數(shù)據(jù)并與之集成的能力進行評估，從而考量其數(shù)據(jù)生態(tài)系統(tǒng)。

趨勢2：邊緣人工智能

企業(yè)和機構(gòu)越來越需要通過邊緣人工智能在邊緣位置創(chuàng)建和處理數(shù)據(jù)，這將幫助企業(yè)和機構(gòu)獲得實時洞察力，發(fā)掘新業(yè)務(wù)模式并滿足數(shù)據(jù)隱私要求。邊緣人工智能還能幫助企業(yè)和機構(gòu)提高人工智能的開發(fā)、編排、集成和部署能力。

預(yù)測顯示，到2025年，超過55％的深度神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析發(fā)生在系統(tǒng)邊緣的數(shù)據(jù)捕獲點，而2021年這一比例還不到10％。企業(yè)和機構(gòu)應(yīng)確定需要將哪些應(yīng)用、人工智能訓(xùn)練和推理能力轉(zhuǎn)移至物聯(lián)網(wǎng)終端附近的邊緣側(cè)。

趨勢3：負(fù)責(zé)任的人工智能

負(fù)責(zé)任的人工智能將提供一種積極的力量，而不是給社會和人工智能自身帶來威脅。當(dāng)企業(yè)和機構(gòu)采用人工智能做出符合商業(yè)邏輯和道德倫理的正確選擇時，會遇到例如信譽、透明度等風(fēng)險。負(fù)責(zé)任的人工智能則有助于解決這些問題。

預(yù)測顯示，到2025年1％的人工智能服務(wù)提供商可大規(guī)模使用預(yù)訓(xùn)練的人工智能模型，負(fù)責(zé)任的人工智能將成為社會焦點。該機構(gòu)建議，企業(yè)在挖掘人工智能價值時應(yīng)考慮風(fēng)險系數(shù)，在運用人工智能解決方案和模型時保持謹(jǐn)慎，同時，讓供應(yīng)商做出管理好自身風(fēng)險與履行合規(guī)義務(wù)的保證，防止?jié)撛诘慕?jīng)濟損失、法律訴訟和聲譽損害。

趨勢4：以數(shù)據(jù)為中心的人工智能

以數(shù)據(jù)為中心的人工智能不再以模型和代碼為中心，而是以數(shù)據(jù)為中心，從而打造更強大的人工智能系統(tǒng)。企業(yè)和機構(gòu)將采用人工智能專用數(shù)據(jù)管理、合成數(shù)據(jù)以及數(shù)據(jù)標(biāo)記技術(shù)等解決方案來應(yīng)對例如數(shù)據(jù)的可訪問性、數(shù)量、隱私性、安全性、復(fù)雜性等難題。

使用生成式人工智能創(chuàng)建合成數(shù)據(jù)是一個快速發(fā)展的領(lǐng)域，這項技術(shù)能減輕獲取數(shù)據(jù)的負(fù)擔(dān)，更有效地訓(xùn)練機器學(xué)習(xí)模型。預(yù)計到2024年，60％的AI數(shù)據(jù)是合成數(shù)據(jù)，這些數(shù)據(jù)被用于模擬現(xiàn)實、未來場景和降低人工智能風(fēng)險，而2021年這一比例僅為1％。

趨勢5：加快人工智能投資

進入人工智能解決方案實施階段的企業(yè)和機構(gòu)以及希望通過人工智能技術(shù)和相關(guān)業(yè)務(wù)實現(xiàn)增長的行業(yè)，將繼續(xù)加快對人工智能領(lǐng)域的投資。在一項調(diào)研中，45％的受訪者表示，ChatGPT熱潮促使其增加了對人工智能的投資；70％的受訪者表示其企業(yè)正處于研究和探索生成式人工智能的階段，還有19％的人表示其企業(yè)已進入試點或生產(chǎn)階段。