Головні тенденції, що формують майбутнє науки про дані та машинне навчання

11 августа 2023 г., 19:52

Компанія Gartner, Inc., висвітлила головні тенденції, що впливають на майбутнє науки про дані та машинне навчання (DSML), оскільки галузь стрімко зростає та розвивається, щоб відповідати зростаючій значущості даних у штучному інтелекті, особливо коли фокус зміщується в бік інвестицій у генеративний АІ.

Виступаючи на саміті Gartner Data & Analytics у Сіднеї, Пітер Кренскі (Peter Krensky), директор-аналітик Gartner, сказав: «Оскільки впровадження машинного навчання продовжує швидко зростати в галузях, DSML еволюціонує від фокусування лише на прогнозних моделях до більш демократичної та динамічної дисципліни, орієнтованої на дані. Зараз це також підживлюється запалом навколо генеративного АІ. У той час як з’являються потенційні ризики, з’являється багато нових можливостей і варіантів використання для науковців із обробки даних та їхніх організацій».

За даними Gartner, майбутнє DSML формують такі основні тенденції.

- По-перше, екосистеми хмарних даних. Вони переходять від автономного ПЗ або змішаних розгортань до повноцінних хмарних рішень. Gartner очікує, що до 2024 р. 50% нових розгортань систем у хмарі базуватимуться на цілісній екосистемі хмарних даних, а не на точкових рішеннях, інтегрованих вручну.

Gartner рекомендує організаціям оцінювати екосистеми даних на основі їх здатності вирішувати проблеми з розподіленими даними, а також отримувати доступ до джерел даних за межами свого безпосереднього оточення та інтегруватися з ними.

- По-друге, Edge AI, який зосереджується на розширенні робочих процесів розробки та розгортання штучного інтелекту для роботи на мобільних телефонах, розумних пристроях, автономних транспортних засобах, фабричному обладнанні та віддалених периферійних центрах обробки даних. Існують різні ступені цього. Як мінімум крайовий пристрій, наприклад розумний динамік, може надсилати всю мову в хмару.

Gartner прогнозує, що до 2025 року більше 55% усіх аналізів даних за допомогою глибоких нейронних мереж відбуватиметься в точці захоплення периферійною системою. Організаціям слід визначити додатки, навчання АІ та логічні висновки, необхідні для перейти до крайових середовищ поблизу кінцевих точок IoT.

- Наступна тенденція — відповідальність АІ. Це робить його позитивною силою, а не загрозою суспільству та самому собі. Він охоплює багато аспектів прийняття правильного ділового та етичного вибору під час впровадження штучного інтелекту, які організації часто вирішують незалежно, такі як бізнес і суспільна цінність, ризик, довіра, прозорість і підзвітність.

Gartner рекомендує організаціям прийняти підхід, пропорційний ризику, щоб забезпечити цінність АІ, і бути обережними під час застосування рішень і моделей.

- Далі, АІ, орієнтований на дані. Такий АІ являє собою перехід від підходу, орієнтованого на модель і код, до більшої зосередженості на даних для створення кращих систем АІ.

Використання генеративного штучного інтелекту для створення синтетичних даних є областю, яка швидко розвивається, звільняючи від тягаря отримання даних реального світу, щоб можна було ефективно навчати моделі машинного навчання. Gartner прогнозує, що до 2024 року 60% даних для штучного інтелекту будуть синтетичними, щоб симулювати реальність, майбутні сценарії та позбавляти ризиків АІ, порівняно з 1% у 2021 році.

Нарешті, що до інвестування в АІ. Інвестиції продовжуватимуть прискорюватися як організаціями, які впроваджують рішення, так і галузями, які прагнуть розвиватися завдяки технологіям штучного інтелекту та підприємствам, заснованим на штучному інтелекті. До кінця 2026 року Gartner прогнозує, що понад 10 мільярдів доларів буде інвестовано в стартапи зі штучним інтелектом, які покладаються на основні моделі – великі моделі штучного інтелекту, які навчаються на величезних обсягах даних.

При нещодавньому опитування Gartner, в якому взяли участь понад 2500 керівників, 45% повідомили, що останній ажіотаж навколо ChatGPT спонукав їх збільшити інвестиції в штучний інтелект, а 70% сказали, що їхня організація працює в режимі дослідження та вивчення генеративного штучного інтелекту, а 19% — у пілотному або виробничому режимі.

Головні тенденції, що формують майбутнє DS та ML