Gartner：2023 年机器学习的主要发展方向

在最近举行的澳大利亚悉尼Gartner数据与分析峰会上，该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

生成式人工智能作为机器学习领域的一项突破性技术，引起了广泛的讨论。预计它将以某种方式影响各个行业，这与Gartner提出的一些趋势以及生成式人工智能工具的进步和普及有关

Gartner首席分析师Peter Krensky在一份报告中指出：“随着机器学习在各行业的广泛应用不断快速增长，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。尽管存在一些潜在风险，但数据科学家及其组织正在不断涌现出许多新的功能和用例。”

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

在过去的十年中，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。根据Gartner的说法，到2024年，有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

根据Gartner的表示，下一个可能转移到边缘的技术是人工智能。随着企业希望能够在更接近数据生成点的位置处理数据，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。对于对数据隐私要求严格的行业运营商来说，能够在边缘运行人工智能软件的能力也是有利的，因为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

越来越多的组织在考虑道德选择时采用人工智能，这被称为“负责任的人工智能”。这一概念关注如何训练和使用模型的各个方面，并确保遵守其他风险和合规措施。根据Gartner的预测，随着预训练模型的普及，越来越多的开发人员将把负责任的人工智能作为社会关注的问题

4、以数据为中心的人工智能

人工智能开发的重点正在发生转变，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成为了人工智能成功开发的关键因素。根据Gartner的数据，到2024年，将有60%的人工智能数据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，人工智能的投资在许多行业已经达到较高水平，并预计未来几年将会继续增加。预计到2026年底，对依赖基础模型的人工智能初创公司的投资将达到100亿美元

以上是Gartner：2023 年机器学习的主要发展方向的详细内容。更多信息请关注PHP中文网其他相关文章！