Gartner近日公布了影響數據科學和機器學習（DSML）未來的主要方向，這個領域正在快速發(fā)展以滿足人工智能對數據的需求。

Gartner首席分析師 Peter Krensky在近日于悉尼舉行的Gartner數據與分析峰會上表示：“隨著機器學習在各個行業(yè)的采用持續(xù)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(tài)化和數據為中心的領域，而且人們對生成式AI的熱情也推動了這一趨勢。雖然潛在風險不斷出現，但對數據科學家及其所在組織來說，很多新的功能和用例也在不斷涌現?！?/p>

Gartner稱，塑造數據科學和機器學習未來發(fā)展的主要方向包括：

云數據生態(tài)系統(tǒng)

數據生態(tài)系統(tǒng)正在從獨立軟件或者混合部署轉向完整的云原生解決方案。據Gartner預計，到2024年云中新的系統(tǒng)部署中，有50%將是基于內聚的云數據生態(tài)系統(tǒng)的，而不是手動集成的單點解決方案。

Gartner建議，組織應該根據他們解決分布式數據挑戰(zhàn)以及訪問和集成直接環(huán)境之外數據源的能力，來評估數據生態(tài)系統(tǒng)。

邊緣AI

對邊緣AI的需求不斷增長，從而能夠在邊緣生成數據的時候對其進行處理，幫助組織獲得實時洞察、檢測新模式、滿足嚴格的數據隱私要求。邊緣AI還可以幫助組織改進AI的開發(fā)、編排、集成和部署。

Gartner預測，到2025年，超過55%的深度神經網絡數據分析將發(fā)生在邊緣系統(tǒng)的捕獲點，而2021年這一比例還不到10%。組織應該確定分析所需的應用、AI訓練和推理，遷移到物聯網端點附近的邊緣環(huán)境中。

負責任的AI

負責任的AI讓AI成為一種積極的力量，而不是對社會和自身的威脅，其中涵蓋了組織在采用AI時做出正確的商業(yè)和道德選擇等很多方面，而且這些方面通常是組織獨立解決的，例如商業(yè)和社會價值、風險、信任、透明度和問責制。Gartner預測，到2025年，預訓練的AI模型將集中在1%的AI廠商那里，這將讓負責任的AI成為一個受社會關注的問題。

Gartner建議組織采用與風險相對應的方法來實現AI的價值，并在應用解決方案和模型的時候保持謹慎，應該獲得來自廠商的關于管理風險和合規(guī)義務的保證，保護組織免受潛在的財務損失、法律訴訟和聲譽損害。

以數據為中心的AI

以數據為中心的AI，代表了從以模型和代碼為中心的方法，向更注重數據以構建更好AI系統(tǒng)的轉變。很多解決方案，例如AI專門的數據管理、合成數據和數據標簽技術等，旨在解決包括可訪問性、容量、隱私、安全性、復雜性和范圍在內的很多挑戰(zhàn)。

使用生成式AI創(chuàng)建合成數據是一個快速發(fā)展的領域，這種技術可以減輕獲取真實世界數據的負擔，從而可以有效地訓練機器學習模型。Gartner預測，到2024年，60%的AI數據將通過合成用于模擬現實、未來場景并降低AI風險，而2021年這一比例僅為1%。

AI投資加速

那些實施解決方案的組織以及希望通過AI技術和基于AI的業(yè)務實現增長的行業(yè)，將繼續(xù)加速對AI的投資。Gartner預測，到2026年底，將有超過100億美金投資于那些依賴基礎模型（基于大量數據訓練的大型AI模型）的AI初創(chuàng)公司。

Gartner最近對2500多名高管進行的一項調查發(fā)現，有45%的受訪者表示，最近圍繞ChatGPT的炒作促使他們增加了對AI投資。有70%的受訪者表示，他們的組織正處于研究和探索生成式AI的階段，19%的受訪者表示，他們的組織正處于試點或生產階段。