Gartner：2023 年機器學習的主要發展方向

在最近舉行的澳洲雪梨Gartner資料與分析高峰會上，該研究與顧問公司的分析師強調了資料科學與機器學習的一些頂級趨勢

生成式人工智慧作為機器學習領域的突破性技術，引起了廣泛的討論。預計它將以某種方式影響各個行業，這與Gartner提出的一些趨勢以及生成式人工智慧工具的進步和普及有關

Gartner首席分析師Peter Krensky在一份報告中指出：「隨著機器學習在各行業的廣泛應用不斷快速增長，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、動態和以數據為中心的學科。儘管存在一些潛在風險，但數據科學家及其組織正在不斷湧現許多新的功能和用例。」

以下是Gartner認為正在塑造資料科學和機器學習未來的五個趨勢：

##1、雲端資料生態系統

在過去的十年中，組織經常以從A點到B點的方式開發雲端資料生態系統，而不是作為一個內聚的雲端資料單元進行部署。根據Gartner的說法，到2024年，有一半的部署將是內聚的生態系統，而不是手動整合的單點解決方案，這在過去十年中是大多數部署的常態

2 、邊緣人工智慧

根據Gartner的表示，下一個可能轉移到邊緣的技術是人工智慧。隨著企業希望能夠在更接近數據生成點的位置處理數據，以提供即時、可操作的見解，對邊緣人工智慧的需求正在增長。對於對資料隱私要求嚴格的行業運營商來說，能夠在邊緣運行人工智慧軟體的能力也是有利的，因為這些行業不允許將資料傳輸到資料中心或出國

3、負責任的人工智慧

越來越多的組織在考慮道德選擇時採用人工智慧，這被稱為「負責任的人工智慧」。這個概念關注如何訓練和使用模型的各個方面，並確保遵守其他風險和合規措施。根據Gartner的預測，隨著預訓練模式的普及，越來越多的開發人員將把負責任的人工智慧當作社會關注的問題

4、以資料為中心的人工智慧

人工智慧開發的重點正在轉變，從以程式碼為中心的方法轉向以資料為中心的方法。資料管理、合成資料和資料標籤成為了人工智慧成功開發的關鍵因素。根據Gartner的數據，到2024年，將有60%的人工智慧數據透過綜合創建來刺激現實，這一比例高於2021年的1%

5、加速人工智慧投資

隨著越來越多的企業尋求實施人工智慧解決方案，人工智慧的投資在許多行業已經達到較高水平，並預計未來幾年將會繼續增加。預計到2026年底，對依賴基礎模型的人工智慧新創公司的投資將達到100億美元

以上是Gartner：2023 年機器學習的主要發展方向的詳細內容。更多資訊請關注PHP中文網其他相關文章！