2020年及以后的人工智能和数据趋势

作者: Jessica Davis 2020-01-13 11:57:00

 2019年是数据、分析、机器学习和人工智能市场持续发展的一年。一些大企业进行了大量兼并整合,其中包括Salesforce公司收购Tableau公司、谷歌公司收购Looker公司、Qlik公司收购Attunity等。

尽管在2019年初,很多人都认为机器学习在企业的应用变得越来越难,但这在2019年并没有真正发生,Gartner公司进行的首席信息官调查表明,企业在将这些技术投入生产的过程中,并没有像机器学习和其他类型人工智能等先进分析技术那样迅速成长。

认识到这一机遇,SAS和IBM等一些长期从事分析的厂商将其组织的产品和服务定位为一种路径和框架,可以带领用户走出将人工智能投入生产的失败尝试。他们将自己的平台定位为可以管理模型和创建一个有序的系统程序,以便在整个组织中部署人工智能。他们的策略会获得成功吗?2020年需要继续对此进行关注。

与此同时,分析机构Gartner公司表示,商业平台(而非开源)有可能成为企业组织中机器学习和人工智能的框架。尽管有些企业可能已经开始使用基于开放源代码的试验,但是这些并不是可扩展的平台。Gartner公司预计,亚马逊、谷歌和微软等公共云巨头将专注于这项业务。

2019年正在进行许多变革,2020年看起来可能是重新评估的一年。为了了解2020年数据和分析市场的预期情况,在Gartner公司发布的 2019年分析和商业《魔力象限》报告中,Thoughtspot公司是有关分析和商业智能的四家公司之一,还有Tableau和Qlik这两家公司,以及微软公司。

Thoughtspot公司是2019年度未进行重大合并交易的少数公司之一,该公司首席执行官Sudheesh Nair对2019年发生的事情有着独特的看法。因此可以提供对2020年更多的展望。

他说:“我认为2019年人工智能和Hadoop这两个不同领域的宣传和承诺并没有实现,一个是人工智能,另一个领域是Hadoop,这是因为该领域中Cloudera公司面临财务亏损,而MapR公司在被惠普公司收购之前几乎在市场上没有声音。机器人过程自动化(RPA)公司也遇到了类似的麻烦,因为该技术的部署未能达到宣传的效果。IPO失败和巨额债务的WeWork公司则是2019年的典型代表。这些企业的发展有些令人失望。”

他说:“如今有两种说法,一是企业很容易陷入硅谷泡沫的狂妄自大的情绪中,二是人类经验不如算法具有价值。但这两个说法都是谬论,当工作人员从事一项工作15至20年之后,其拥有的经验将是很宝贵的。”

Nair预测,在2020年及以后,许多人工智能和自动化公司将开始更加重视人类体验,并考虑如何利用人工智能和自动化技术来增强人类体验。

另外,他认为世界上存在很多乐观情绪,这是因为当今科技将在5至6年内变得过时。但是,在那些还没有通过部署的传统技术降低成本的发展中国家,它们可以借助新技术实现跨越式发展,超过其竞争对手。

例如,他们可以实施一些全新的内容,例如基于云计算的数据仓库。

另一个将在2020年继续的大趋势是去中介化和由人工智能实现的超个性化。消费者已经开始期待人工智能的这两个好处所提供的服务。可以在使用Uber或Lyft等汽车共享服务时看到它们。如果打电话给银行或航空公司,就不太可能见到它们。这是2020年和未来十年其他新兴服务业的一个发展机会。

Nair说,“如果联合航空公司不知道如何为用户提供这种体验,那对另一家公司来说将是一个机会。其他人将弄清楚如何使用这些数据并进行处理,保险公司和航空公司尽其所能来收集用户的个人信息,并提供服务。”

Nair表示,通过帮助用户使用数据来提供服务来向消费者表明他们被理解和重视,超个性化是解决此问题的关键。机器学习将在其中发挥重要作用,因为它可以大规模实现超个性化。

Nair表示,希望企业更多地关注算法偏差,因为存在着偏见,并且反弹即将到来。

他说:“我们必须消除偏见。这是一个需要大量工作的领域。”

人工智能 机器学习 数据
上一篇:AI生成的内容有版权吗?这家法院是这么判的 下一篇:网络安全领域的人工智能炒作泡沫正在缩小吗?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载