考慮到技術(shù)變革的速度，我認(rèn)為讓專業(yè)IT人士分享他們對2018年最大驚喜及2019年預(yù)測的看法會很有趣。以下是他們對人工智能（AI），機(jī)器學(xué)習(xí)（ ML）和其他數(shù)據(jù)科學(xué)迭代的看法：

CLARA分析公司首席執(zhí)行官兼創(chuàng)始人：Chiara Lakshmikanthan

2018年的驚喜：我對AI已經(jīng)應(yīng)用于InsureTech行業(yè)的快速步伐感到驚訝。但更重要的是，商業(yè)保險(xiǎn)公司在其工作流程的某些部分（如承保，理賠業(yè)務(wù)和客戶服務(wù)）開始使用AI以保持競爭優(yōu)勢。

2019年的預(yù)測：在B2B 的AI領(lǐng)域，人們越來越關(guān)注硬實(shí)力的儲蓄和價(jià)值。AI的理論價(jià)值主張被廣泛接受，但是，大多數(shù)公司在未來幾年對AI技術(shù)提供商的期望也將更高。

Sinequa產(chǎn)品營銷總監(jiān)Scott Parker：

雖然圍繞ML和AI進(jìn)行了大量宣傳，但具有變革性的AI還有很多仍在實(shí)驗(yàn)室中進(jìn)行測試。

對于2019年，ML和AI最終會以某種方式從實(shí)驗(yàn)室和現(xiàn)有應(yīng)用程序中找到出路。在大多數(shù)情況下，人們甚至不知道它在那里，因?yàn)樗鼘⒁詿o縫的方式嵌入。

數(shù)據(jù)科學(xué)家Minkyung Kang：

驚喜：端到端機(jī)器學(xué)習(xí)服務(wù)使ML工作流程變得更加簡單。數(shù)據(jù)科學(xué)家和開發(fā)人員可以在一個地方構(gòu)建，訓(xùn)練和管理ML模型，并將模型大規(guī)模轉(zhuǎn)移到生產(chǎn)環(huán)境，而無需過多擔(dān)心管道和架構(gòu)。

預(yù)測：在ML工作流程中連接和集成不同的步驟和流程將得到進(jìn)一步改進(jìn)和簡化，并允許許多初創(chuàng)公司和企業(yè)使用更少資源的ML應(yīng)用程序快速移動。這將進(jìn)一步擴(kuò)展到ML的整個生命周期的管理，包括數(shù)據(jù)收集和管理。

Anaconda的聯(lián)合創(chuàng)始人兼首席技術(shù)官：Peter Wang

驚喜:Github和Red Hat的收購，Cloudera和Hortonworks的合并也令人驚訝,它標(biāo)志著Hadoop“大數(shù)據(jù)”炒作周期的終結(jié)，并清楚地表明分析和ML的未來增長必須針對異構(gòu)存儲架構(gòu)。

預(yù)測:

“數(shù)據(jù)科學(xué)”作為一個領(lǐng)域?qū)⒎殖蓭讉€子專業(yè)，包括數(shù)據(jù)工程，高級統(tǒng)計(jì)推斷和解釋器，我們需要為它制定標(biāo)準(zhǔn)和最佳實(shí)踐。

隨著我們更多地了解國家發(fā)展人工智能的力度和用傳感器來完善監(jiān)控狀態(tài)，這將為更多的數(shù)據(jù)隱私立法提供動力。

SIOS Technology總裁兼首席執(zhí)行官：Jerry Melnick

數(shù)據(jù)分析和人工智能將無處不在：數(shù)據(jù)分析和人工智能將繼續(xù)變得更加專注，專門針對特定問題而構(gòu)建，這些功能將越來越多地嵌入到云平臺和管理工具中。

例如，用人工智能驅(qū)動的基礎(chǔ)設(shè)施工具現(xiàn)在被用于分析來自無數(shù)監(jiān)測和管理工具的輸入，許多這些人工智能工具都致力于解決整個IT領(lǐng)域的廣泛問題。在2019年這些快速發(fā)展，更加專注IT人員遇到的最關(guān)鍵的問題及常規(guī)和復(fù)雜問題。這種備受期待的功能將簡化IT運(yùn)營，提高基礎(chǔ)架構(gòu)和應(yīng)用程序的穩(wěn)健性，并降低總體成本。

隨著這一趨勢，人工智能和數(shù)據(jù)分析將自然地嵌入到HA和DR解決方案以及CSP產(chǎn)品中，以增強(qiáng)其運(yùn)營的穩(wěn)健性。通過快速，自動和準(zhǔn)確地了解問題并診斷復(fù)雜配置中的問題，從云提供的關(guān)鍵應(yīng)用程序服務(wù)的可靠性和可用性將大大提高。

BISim高級總監(jiān)：OISkar?Nieder

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)（DL）形成的AI革命在軟件開發(fā)行業(yè)中繼續(xù)受到越來越多的關(guān)注。隨著圖形處理單元（GPU）加速的引入，以前存在的時間和計(jì)算限制被消除，新的易于使用的框架和數(shù)據(jù)中心將使這些技術(shù)在2019年向所有人提供。

Python，C ++和Javascript將在2019年繼續(xù)作為主要編碼語言。然而，對于開發(fā)人員來說，體驗(yàn)TensorFlow或Caffe for AI和Angular或React等Web語言開發(fā)的語言框架將變得更加重要。

Micro Focus戰(zhàn)略總監(jiān)：Mark Levy

在2019年，AI和ML將與自動化融合，并將徹底改變DevOps。在過去的幾年中，自動化在DevOps中的作用繼續(xù)成為更大實(shí)踐的一個重要方面。目前，主要的重點(diǎn)是自動化過程或事件驅(qū)動的手動可重復(fù)任務(wù)，但AI/ML顯示變化的新進(jìn)展即將出現(xiàn)。通過AI和ML的融合，自動化有可能展示前所未有的智能，因?yàn)樾孪到y(tǒng)將關(guān)注趨勢，以及分析和關(guān)聯(lián)整個價(jià)值流以預(yù)測和預(yù)防問題。隨著DevOps實(shí)踐專注于提高運(yùn)營效率，ML，AI和自動化即將融合將為使用DevOps的公司帶來顯著優(yōu)勢。

Micro FocusVertica產(chǎn)品營銷副總裁Joy King

在2019年，ML項(xiàng)目將從科學(xué)項(xiàng)目和創(chuàng)新實(shí)驗(yàn)室轉(zhuǎn)向由行業(yè)顛覆者領(lǐng)導(dǎo)的全面生產(chǎn)。事實(shí)上，每家公司都有ML項(xiàng)目，但其中大多數(shù)都依賴于無法訪問跟業(yè)務(wù)目標(biāo)相關(guān)的所有數(shù)據(jù)的專業(yè)平臺。所有數(shù)據(jù)都存儲在各種數(shù)據(jù)倉庫和數(shù)據(jù)庫中，其中沒有一個能夠運(yùn)行端到端ML，迫使數(shù)據(jù)移動到專業(yè)平臺。然而，僅使用一部分?jǐn)?shù)據(jù)來訓(xùn)練和評分ML模型，從而導(dǎo)致精度有限。在2019年，當(dāng)前的行業(yè)顛覆者和智能傳統(tǒng)公司將把ML帶到其所有數(shù)據(jù)，而不是將其數(shù)據(jù)轉(zhuǎn)移到ML平臺上。這些公司將更準(zhǔn)確地預(yù)測結(jié)果，包括醫(yī)療設(shè)備的預(yù)測性維護(hù)，基于個性化客戶行為分析的預(yù)測收入，主動檢測欺詐等非服務(wù)。

Portworx的聯(lián)合創(chuàng)始人兼首席執(zhí)行官Murli Thirumale

人工智能和自動化將改變IT的經(jīng)濟(jì)方向。即使基礎(chǔ)設(shè)施本身變得可編程，大多數(shù)DevOps仍然由人驅(qū)動。但是數(shù)據(jù)量增長如此之快，應(yīng)用程序發(fā)展如此之快，這就要求基礎(chǔ)架構(gòu)必須足夠靈活，這樣才不會成為瓶頸。在2019年，基礎(chǔ)設(shè)施將變得越來越可編程，基于AI的機(jī)器將預(yù)測存儲和計(jì)算需求，并根據(jù)網(wǎng)絡(luò)狀況，工作負(fù)載和歷史模式自動分配資源。

NICE解決方案營銷人員Karen Inbar

機(jī)器人自動化將創(chuàng)造新的就業(yè)機(jī)會。隨著機(jī)器人過程自動化（RPA）的出現(xiàn)，組織內(nèi)部正在衍生出新的角色。2019年，更多公司將招聘新的專業(yè)職位和角色，如RPA工程師、RPA架構(gòu)師和RPA顧問，以幫助員工了解RPA最佳實(shí)踐以及RPA如何強(qiáng)化工作流程。隨著RPA技術(shù)在工作場所變得更受歡迎和更具吸引力，“首席機(jī)器人官”等新職位也將開始出現(xiàn)。

公司需要選擇自動化哪些流程。2018年的許多自動化項(xiàng)目都失敗了，因?yàn)樗鼈冞x擇了對錯誤的流程進(jìn)行自動化。在2019年，公司需要更密切地評估任務(wù)的時間分配和復(fù)雜性，這種自動化任務(wù)的戰(zhàn)略性重新確定優(yōu)先級將確保組織在數(shù)字化轉(zhuǎn)型工作中推動投資回報(bào)率和成功。一旦組織掌握了更簡單的任務(wù)的自動化，他們就可以引入更先進(jìn)的技術(shù)，例如光學(xué)字符識別（OCR），使無人值守的機(jī)器人能夠解釋更多的數(shù)據(jù)元素。

WekaIO首席技術(shù)官Andy Watson

到目前為止，我們知道用于ML的數(shù)據(jù)集每年都在變大，不僅是累積量，還因?yàn)樾盘栐?#xff08;相機(jī)、物聯(lián)網(wǎng)傳感器、軟件日志等）的數(shù)量越來越多。我們“預(yù)測”ML研究人員將利用越來越多的功能強(qiáng)大的GPU來處理前所未有的大量數(shù)據(jù)。但這僅僅是對當(dāng)前趨勢的觀察，而不是預(yù)測。

相反，讓我們來看看如何使用這些更大的數(shù)據(jù)體。我可以通過ML訓(xùn)練來預(yù)測松弛參數(shù)，以允許軟件減少訓(xùn)練錯誤，對支持ML計(jì)算環(huán)境的存儲基礎(chǔ)設(shè)施將產(chǎn)生影響。

ML的領(lǐng)導(dǎo)者DeepMind最近發(fā)表了一篇重要論文：“關(guān)系歸納偏見，深度學(xué)習(xí)和圖形網(wǎng)絡(luò)。”一個關(guān)鍵點(diǎn)是ML訓(xùn)練可能會發(fā)展出一種更為徒手的方法，允許其軟件影響其學(xué)習(xí)途徑的選擇標(biāo)準(zhǔn)（通過推理模式），這將影響數(shù)據(jù)存儲基礎(chǔ)架構(gòu)。

在今天的任何大型數(shù)據(jù)集中，我們都有一個“工作集” - 最活躍的數(shù)據(jù)子集，最常見的是最新數(shù)據(jù)。例如，在一組ML研究人員可能累積用于培訓(xùn)的所有許多PB中，他們數(shù)據(jù)中心的通常情況是，從較慢的“冷”存儲中只能提升幾百TB的總數(shù)據(jù)庫，因此他們的GPU可以在“熱”快速存儲層中訪問它。然而，隨著這種大變化，將難以確定哪個數(shù)據(jù)應(yīng)該是任何給定工作集的成員。相反，將整個事物視為可能必要的可能是適當(dāng)?shù)摹Ｕ谶M(jìn)行的各種ML事件中的每一個將從所有那些PB中選擇不同，并且這將指示所有數(shù)據(jù)被放置在熱層中。

McAfee的首席技術(shù)戰(zhàn)略師Candace Worley

首席分析官（CAO）和首席數(shù)據(jù)官（CDO）將需要監(jiān)督AI。當(dāng)公司擴(kuò)展AI的使用時，必須做出無數(shù)的決定。隱私監(jiān)管存在影響，但也存在法律，道德和文化方面的影響，我們需要在2019年創(chuàng)建一個專門的角色，并對AI的使用進(jìn)行執(zhí)行監(jiān)督。在某些情況下，AI已經(jīng)表現(xiàn)出不利的行為，例如種族貌相，不公平地拒絕個人貸款以及錯誤地識別用戶的基本信息。CAO和CDO將需要監(jiān)督AI培訓(xùn)，以確保AI決策避免傷害。此外，人工智能必須接受培訓(xùn)，以處理真正的人類困境，優(yōu)先考慮司法，問責(zé)制，透明度，同時還要檢測黑客攻擊和數(shù)據(jù)濫用。

可解釋的AI將成為一項(xiàng)要求，特別是對于金融/銀行和醫(yī)療行業(yè)。如果AI為個人的健康或治療提出醫(yī)療建議，醫(yī)生必須能夠解釋用于得出該結(jié)論的邏輯和數(shù)據(jù)。我們尚未與人工智能的關(guān)系處于某種程度，許多人因?yàn)槿斯ぶ悄艿耐扑]而愿意接受藥物治療或手術(shù)，特別是如果涉及的醫(yī)療專業(yè)人員無法解釋其建議的“原因”。在金融行業(yè)，我們將看到使用自動分析和認(rèn)知消息，根據(jù)客戶需求提供有關(guān)股票，債券，房地產(chǎn)和其他資產(chǎn)的財(cái)務(wù)指導(dǎo)和投資建議。在這里，消費(fèi)者也需要對基于AI的決策進(jìn)行解釋。

?

原文鏈接
本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的2018年的AI/ML惊喜及预测19年的走势（一）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。