來(lái)源 | KDnuggets

譯者 | 無(wú)明

編輯 | Vincent

AI 前線導(dǎo)讀：去年，AI 前線整理發(fā)布了一篇文章，分析了 2017 年人工智能與數(shù)據(jù)科學(xué)領(lǐng)域的主要成果，同時(shí)也對(duì) 2018 年這兩大領(lǐng)域的發(fā)展趨勢(shì)進(jìn)行了一番預(yù)測(cè)。一年過(guò)去了，2018 年的預(yù)測(cè)有哪些實(shí)現(xiàn)了？數(shù)據(jù)科學(xué)與分析領(lǐng)域有哪些值得關(guān)注的進(jìn)展？2019 年的主要趨勢(shì)又是什么？本文將為你一一解答。
?

以下的回答來(lái)自 Meta Brown、Tom Davenport、Carla Gentry、Bob E Hayes、Cassie Kozyrkov、Doug Laney、Kate Strachnyi、Ronald van Loon、Favio Vazquez 和 Jen Underwood。這些專(zhuān)家所涉及的關(guān)鍵主題包括人工智能的進(jìn)步（不管是真實(shí)的還是炒作的）、數(shù)據(jù)科學(xué)和分析的民主化（包括自助服務(wù)）、自動(dòng)化（包括數(shù)據(jù)科學(xué)）、GDPR、人工智能風(fēng)險(xiǎn)、實(shí)時(shí)分析，等等。

Meta Brown，A4A Brown 公司總裁及“Data Data for Dummies”的作者。

2018 年的熱門(mén)主題是人工智能。

近來(lái)，人工智能方面的演講可能比其他任何一個(gè)分析應(yīng)用都要多。可惜的是，大部分演講都沒(méi)有多大意義。

計(jì)算機(jī)先驅(qū) Alan Turing 設(shè)想的計(jì)算機(jī)具有可與人類(lèi)智能相媲美的能力。人工智能技術(shù)將讓我們無(wú)法區(qū)分由計(jì)算機(jī)生成的對(duì)話和人類(lèi)生成的對(duì)話。

想想與現(xiàn)今的人工智能應(yīng)用程序所發(fā)生的交互。個(gè)人助理，例如 Siri 或 Alexa，可能有點(diǎn)用，但仍然無(wú)法與人類(lèi)之間的互動(dòng)相媲美。在線輔助應(yīng)用機(jī)器人非常令人失望。你只要問(wèn)它一個(gè)現(xiàn)實(shí)一點(diǎn)問(wèn)題，很快就會(huì)知道它有多“無(wú)腦”。

根據(jù)圖靈的定義，人工智能尚不存在。紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)教授 Gary Marcus 說(shuō)，對(duì)人工智能的最大誤解是“人們認(rèn)為我們已經(jīng)很接近人工智能了”。

在現(xiàn)實(shí)世界中，我們確實(shí)有基于計(jì)算機(jī)驅(qū)動(dòng)邏輯的實(shí)用應(yīng)用程序。它們不會(huì)像人類(lèi)一樣思考，但可以快速而一致地做出決定，這些都是有價(jià)值的。這些應(yīng)用程序促使機(jī)器能夠完成實(shí)際的工作，例如標(biāo)記潛在的欺詐性交易和駕駛汽車(chē)。

盡管這些技術(shù)有明顯的局限性，但 公眾和科技界都充斥著對(duì)人工智能不切實(shí)際的主張和期望。這種主張帶來(lái)了不安，也開(kāi)始令人感到失望，非常失望。

Tom Davenport，巴布森信息技術(shù)與管理學(xué)院的教授，國(guó)際分析研究所的聯(lián)合創(chuàng)始人，麻省理工學(xué)院數(shù)字經(jīng)濟(jì)倡議的研究員，以及德勤分析的高級(jí)顧問(wèn)。

我們對(duì)國(guó)際分析研究所的年度趨勢(shì)進(jìn)行了預(yù)測(cè)，以下是一些要點(diǎn)： ?

• 企業(yè)越來(lái)越關(guān)注模型部署率——雷克斯數(shù)據(jù)科學(xué)調(diào)查報(bào)告顯示，只有 10-15％的公司“幾乎總是”部署分析模型，另外 50％的公司會(huì)“經(jīng)常”部署，35％到 40％的公司只偶爾或很少成功部署分析模型。一些企業(yè)表示他們的成功部署率低于 10％。當(dāng)然，未部署的分析模型是沒(méi)有經(jīng)濟(jì)價(jià)值的。企業(yè)需要在 2019 年提高部署率。

• 公民數(shù)據(jù)科學(xué)家和商業(yè)分析師將繼續(xù)存在。圖形和基于搜索的分析的興起和數(shù)據(jù)科學(xué)領(lǐng)域日益自動(dòng)化的機(jī)器學(xué)習(xí)意味著我們將看到業(yè)余愛(ài)好者參與大量的分析工作。這種趨勢(shì)是不可抗拒的，所以要為他們提供支持，并做好保護(hù)工作。這也意味著量化從業(yè)人員要么轉(zhuǎn)向高度復(fù)雜的建模工作，要么去了解業(yè)務(wù)問(wèn)題并解決企業(yè)變更問(wèn)題。

Carla Gentry，咨詢(xún)數(shù)據(jù)科學(xué)家和 Analytical-Solution 的所有者。

2018 年是分析和數(shù)據(jù)科學(xué)的輝煌年，但我們也看到了人工智能、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的爆炸式增長(zhǎng)。我們看到人工智能在醫(yī)療領(lǐng)域和警務(wù)方面的應(yīng)用有所增加，無(wú)論是否存在偏見(jiàn)的危險(xiǎn)。我認(rèn)為有些人已經(jīng)忘了在這些情況下數(shù)據(jù)和生活其實(shí)是融合在了一起，我們也將進(jìn)一步期待可穿戴設(shè)備和物聯(lián)網(wǎng)（Google Home、 Alexa 等）的發(fā)展。

2019 年，之前的流行語(yǔ)會(huì)繼續(xù)存在，而且會(huì)出現(xiàn)更多，公司也將開(kāi)始意識(shí)到神經(jīng)網(wǎng)絡(luò)需要成千上萬(wàn)或數(shù)百萬(wàn)的學(xué)習(xí)樣本，更糟糕的是，每當(dāng)你想要神經(jīng)網(wǎng)絡(luò)識(shí)別新類(lèi)型的項(xiàng)目時(shí)，必須從開(kāi)頭開(kāi)始訓(xùn)練（至少非常耗費(fèi)時(shí)間）——人才是另一個(gè)問(wèn)題，除了 Geoffrey Hinton、Yejin Choi 或 Yann LeCun，真正的神經(jīng)網(wǎng)絡(luò)專(zhuān)家很少，所以不要指望招到大牛。

數(shù)據(jù)科學(xué)是關(guān)于如何收集數(shù)據(jù)的見(jiàn)解，在某些情況下，我們無(wú)法成為 AL、機(jī)器學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)專(zhuān)家，因此必須更加仔細(xì)地探索差異，新手將不得不重新學(xué)習(xí)，以便適應(yīng)未來(lái)的科技競(jìng)爭(zhēng)。我擔(dān)心的是，缺乏對(duì)機(jī)器學(xué)習(xí)方式的真正理解以及如何在不受傷害的情況下使用人工智能將繼續(xù)暴露出一些公司或算法的弱點(diǎn)。

讓我們繼續(xù)推進(jìn)這些技術(shù)，但要明白，如果你搞砸了后果可能很?chē)?yán)重！

Bob E. Hayes，Business over Broadway 的研究員、作家兼顧問(wèn)、出版人，并擁有工業(yè)組織心理學(xué)博士學(xué)位。

數(shù)據(jù)科學(xué)和分析領(lǐng)域持續(xù)關(guān)注機(jī)器學(xué)習(xí)的所有方面，包括強(qiáng)化學(xué)習(xí)、聊天機(jī)器人及其對(duì)社會(huì)的影響。

2019 年，我預(yù)計(jì) 人們會(huì)越來(lái)越關(guān)注人工智能的道德規(guī)范，包括隱私和安全問(wèn)題。人們?cè)噲D理解算法如何做出特定的決策，我們不僅需要知道機(jī)器學(xué)習(xí)有助于我們做出決策，而且要知道它是如何做出決策的。此外，美國(guó)公司將重點(diǎn)關(guān)注他們?nèi)绾问褂孟M(fèi)者的個(gè)人數(shù)據(jù)。加利福尼亞州通過(guò)了“加利福尼亞州消費(fèi)者隱私法”（將于 2020 年 1 月生效），我希望其他州也會(huì)緊隨其后。

我擔(dān)心人工智能 / 機(jī)器學(xué)習(xí)在制造和傳播假新聞方面的使用會(huì)有所增長(zhǎng)。Deep Fakes 已經(jīng)表明，人們可以輕松制作假視頻，讓視頻中的人說(shuō)他們沒(méi)有說(shuō)過(guò)的話或讓他們做出不符合他們行為習(xí)慣的動(dòng)作。

雖然可以通過(guò)訓(xùn)練營(yíng)、MOOC 和大學(xué)等方式來(lái)學(xué)習(xí)數(shù)據(jù)科學(xué)，但我希望看到越來(lái)越多的人嘗試通過(guò)分析的方式來(lái)教育非數(shù)據(jù)專(zhuān)業(yè)人員（例如管理人員和一線員工）。

Cassie Kozyrkov，Google Cloud 的首席決策工程師。喜歡統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)、雙關(guān)語(yǔ)、藝術(shù)、科幻、戲劇、決策科學(xué)。

2018 年的主要進(jìn)展之一是數(shù)據(jù)科學(xué)的民主化。云技術(shù)為資源密集型大數(shù)據(jù)和人工智能應(yīng)用程序提供動(dòng)力，人們不需要再使用 Kubeflow 等工具構(gòu)建數(shù)據(jù)中心，從而為沒(méi)有基礎(chǔ)設(shè)施專(zhuān)業(yè)知識(shí)的人提供了可擴(kuò)展的數(shù)據(jù)科學(xué)。這種讓每個(gè)人都能獲得數(shù)據(jù)科學(xué)工具的趨勢(shì)將在 2019 年繼續(xù)加速發(fā)展。

Doug Laney，Gartner 副總裁，杰出的分析師和首席數(shù)據(jù)官研究員，也是“Infonomics”的作者。

Gartner 的 2019 年數(shù)據(jù)和分析戰(zhàn)略預(yù)測(cè)剛剛發(fā)布，從中可以看到企業(yè)戰(zhàn)略明確提到了信息是關(guān)鍵的企業(yè)資產(chǎn)，而分析是不可或缺的能力。不只是 IT 戰(zhàn)略中提到了這些，企業(yè)戰(zhàn)略和計(jì)劃中也提到了。

我們 期望數(shù)據(jù)掃盲計(jì)劃會(huì)變得越來(lái)越普遍，促進(jìn)業(yè)務(wù)人員和數(shù)據(jù)分析專(zhuān)業(yè)人員之間的溝通，尤其是在分析需求變得越來(lái)越復(fù)雜時(shí)。隨著流行病學(xué)原則和實(shí)踐的采用，我們期望首席數(shù)據(jù)官更頻繁地與他們的首席財(cái)務(wù)官合作，正確評(píng)估企業(yè)的信息資產(chǎn)。這樣可以為我們的很多客戶(hù)帶來(lái)重要的信息管理和商業(yè)利益。但分析和數(shù)字倫理仍然是一個(gè)問(wèn)題，我們相信企業(yè)將會(huì)為他們的數(shù)據(jù)科學(xué)團(tuán)隊(duì)引入專(zhuān)業(yè)行為準(zhǔn)則。

我們預(yù)計(jì)在未來(lái) 3 到 5 年內(nèi)，大多數(shù)新業(yè)務(wù)系統(tǒng)將采用基于實(shí)時(shí)上下文數(shù)據(jù)的連續(xù)智能，量子計(jì)算概念驗(yàn)證項(xiàng)目將大大超越現(xiàn)有的分析技術(shù)，增強(qiáng)和自動(dòng)化的見(jiàn)解將取代絕大多數(shù)預(yù)建報(bào)告，位置分析的應(yīng)用將增長(zhǎng) 10 倍，機(jī)器學(xué)習(xí)將更容易招到數(shù)據(jù)科學(xué)家。

Gregory Piatetsky，KDnuggets 總裁，數(shù)據(jù)科學(xué)家，KDD 會(huì)議和 SIGKDD 聯(lián)合創(chuàng)始人。

2018 年的主要進(jìn)展： ?

• GDPR 于 2018 年 5 月生效，不僅在歐洲，對(duì)于美國(guó)和其他地區(qū)來(lái)說(shuō)也是一個(gè)重要的里程碑，很多公司都在更新其隱私政策。但是，在新的隱私政策的掩護(hù)下，消費(fèi)者隱私是否會(huì)有實(shí)際改善還是一切照舊仍有待觀察。

• 數(shù)據(jù)科學(xué)的民主化仍在繼續(xù)，更多的工具提供了更廣泛的數(shù)據(jù)科學(xué)見(jiàn)解。

• 人工智能風(fēng)險(xiǎn)：自動(dòng)駕駛汽車(chē)的第一個(gè)死亡事故加劇了人們對(duì)人工智能不可避免的風(fēng)險(xiǎn)的關(guān)注。但自動(dòng)駕駛汽車(chē)（和自動(dòng)化人工智能）不應(yīng)該被認(rèn)為是一種零差錯(cuò)標(biāo)準(zhǔn)，我們需要將其與當(dāng)前的風(fēng)險(xiǎn)相比。例如，人類(lèi)駕駛也是非常危險(xiǎn)的，2017 年僅在美國(guó)就有 37,000 人死于車(chē)禍。

2019 年的主要趨勢(shì)： ?

• 數(shù)據(jù)科學(xué)自動(dòng)化將繼續(xù)加速發(fā)展，但數(shù)據(jù)科學(xué)家的工作至少在未來(lái)幾年內(nèi)不會(huì)完全自動(dòng)化。

• 人工智能的進(jìn)步和炒作：雖然人工智能的進(jìn)步是真實(shí)的，但人工智能炒作的增長(zhǎng)會(huì)比以往更甚。

• 中國(guó)已成為人工智能的主要參與者，很多中國(guó)公司正在進(jìn)行自己的創(chuàng)新而不僅僅是跟隨美國(guó)。

• 強(qiáng)化學(xué)習(xí)將在人工智能進(jìn)步中發(fā)揮越來(lái)越重要的作用。例如，Montezuma Revenge Atari 游戲中的 RL 表現(xiàn)出了驚人的進(jìn)展，打破了之前由計(jì)算機(jī)或人類(lèi)創(chuàng)下的所有記錄。

Bill Schmarzo，Hitachi Vantara 的首席技術(shù)官。

2018 年大數(shù)據(jù)、數(shù)據(jù)科學(xué)或分析的主要進(jìn)展： ?

• 業(yè)務(wù)利益相關(guān)者越來(lái)越意識(shí)到機(jī)器學(xué)習(xí)和深度學(xué)習(xí)對(duì)業(yè)務(wù)變化的潛在影響。

• 數(shù)據(jù)湖仍然是一個(gè)被錯(cuò)配的資產(chǎn)。太多的企業(yè)將數(shù)據(jù)湖視為替代昂貴的數(shù)據(jù)倉(cāng)庫(kù)和 ETL 的一種方式，但并沒(méi)有完全理解數(shù)據(jù)湖作為協(xié)作創(chuàng)造平臺(tái)的價(jià)值，業(yè)務(wù)利益相關(guān)者和數(shù)據(jù)科學(xué)團(tuán)隊(duì)可以圍繞這些平臺(tái)創(chuàng)造商業(yè)價(jià)值。

2019 年的主要趨勢(shì)： ?

• 對(duì)于領(lǐng)先的企業(yè)而言，大數(shù)據(jù)和數(shù)據(jù)科學(xué)計(jì)劃將轉(zhuǎn)向業(yè)務(wù)驅(qū)動(dòng)，而不是 IT 驅(qū)動(dòng)。商業(yè)領(lǐng)袖將可以識(shí)別、驗(yàn)證、審查、評(píng)估和優(yōu)先考慮業(yè)務(wù)領(lǐng)域，大數(shù)據(jù)、物聯(lián)網(wǎng)和數(shù)據(jù)科學(xué)（機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能）可以在這些領(lǐng)域推動(dòng)業(yè)務(wù)產(chǎn)出。

• 領(lǐng)先的企業(yè)不僅僅是使用數(shù)據(jù)科學(xué)來(lái)優(yōu)化關(guān)鍵業(yè)務(wù)和運(yùn)營(yíng)流程，他們還將意識(shí)到隱藏在數(shù)據(jù)中的客戶(hù)、產(chǎn)品和運(yùn)營(yíng)見(jiàn)解是新貨幣化機(jī)會(huì)的驅(qū)動(dòng)因素。

Kate Strachnyi，數(shù)據(jù)可視化專(zhuān)家，“The Disruptors: Data Science Leaders and Journey to Data Scientist”的作者，人類(lèi)數(shù)據(jù)科學(xué)視頻播客的主播。

2018 年數(shù)據(jù)科學(xué)和分析的主要進(jìn)展： ?

• 通用數(shù)據(jù)保護(hù)條例（GDPR）：這項(xiàng)歐盟法規(guī)于 2018 年 5 月生效，提供了一套旨在讓歐盟公民更好地控制其個(gè)人數(shù)據(jù)的規(guī)則，并鼓勵(lì)其他地方也設(shè)置類(lèi)似的標(biāo)準(zhǔn)。例如，加利福尼亞州通過(guò)了自己的數(shù)字隱私法，這讓消費(fèi)者能夠了解組織正在收集哪些信息、收集數(shù)據(jù)的原因以及他們與誰(shuí)共享這些數(shù)據(jù)。

• 自助式商業(yè)智能（BI）工具：BI 工具在數(shù)據(jù)分析師和業(yè)務(wù)分析師中變得越來(lái)越普遍。但是，目前尚不清楚這些工具的用戶(hù)是否能夠理解這些工具背后真正的含義。用戶(hù)在這些工具中拖放字段，并創(chuàng)建圖表，但不知道是否真正了解背后正在發(fā)生的事情。

2019 年的主要趨勢(shì)： ?

• 數(shù)據(jù)道德與隱私：將更加注重在數(shù)據(jù)科學(xué)過(guò)程的每一個(gè)步驟考慮數(shù)據(jù)的道德與隱私問(wèn)題。那些使用數(shù)據(jù)的人需要了解他們擁有強(qiáng)大的權(quán)力，需要考慮他們的工作將產(chǎn)生的影響。隨著世界變得越來(lái)越數(shù)字化，個(gè)人、公司和政府越來(lái)越關(guān)注這方面的問(wèn)題。

• 過(guò)程自動(dòng)化：公司將繼續(xù)實(shí)現(xiàn)流程自動(dòng)化，以降低成本和提高效率。這種自動(dòng)化還可能導(dǎo)致負(fù)責(zé)執(zhí)行自動(dòng)化過(guò)程的個(gè)人失業(yè)。人們需要專(zhuān)注于學(xué)習(xí)需求不斷增長(zhǎng)的新技能，以便在瞬息萬(wàn)變的環(huán)境中保持最佳狀態(tài)。

Ronald van Loon，Adversitement 總監(jiān)，幫助數(shù)據(jù)驅(qū)動(dòng)型公司取得成功。大數(shù)據(jù)、數(shù)據(jù)科學(xué)、物聯(lián)網(wǎng)、人工智能領(lǐng)域十大最具影響力人物之一。

2018 年，隨著公司利用各種數(shù)據(jù)源來(lái)獲得值得信賴(lài)的見(jiàn)解，端到端數(shù)據(jù)管理也在不斷發(fā)展，在分析成熟度上升的同時(shí)支持與數(shù)字經(jīng)濟(jì)保持一致的基礎(chǔ)設(shè)施和業(yè)務(wù)模式。機(jī)器學(xué)習(xí)被廣泛接受，因?yàn)樗械能浖?yīng)商都通過(guò)特定于領(lǐng)域的解決方案將機(jī)器學(xué)習(xí)嵌入到應(yīng)用程序中。

在 2019 年，將有更多集成的硬件和軟件框架，提供更復(fù)雜的方法來(lái)支持更高水平的深度學(xué)習(xí)應(yīng)用程序，這些應(yīng)用程序?qū)⑦M(jìn)一步促進(jìn)創(chuàng)新。深度學(xué)習(xí)應(yīng)用程序需要借助全面優(yōu)化的硬件和軟件技術(shù)棧來(lái)推廣新的現(xiàn)代人工智能架構(gòu)。我們將看到這種全棧式方法在各個(gè)領(lǐng)域中的崛起，以滿(mǎn)足不斷增長(zhǎng)的對(duì)最佳深度學(xué)習(xí)性能和能力的需求。

隨著物聯(lián)網(wǎng)設(shè)備的增長(zhǎng)，實(shí)時(shí)邊緣分析將呈指數(shù)級(jí)增長(zhǎng)，這讓實(shí)時(shí)分析變得更加容易，并可以基于實(shí)時(shí)見(jiàn)解進(jìn)一步加強(qiáng)即時(shí)響應(yīng)。

Favio Vazquez，Ciencia y Datos 的數(shù)據(jù)科學(xué)家、物理學(xué)家兼計(jì)算工程師。

對(duì)于數(shù)據(jù)科學(xué)來(lái)說(shuō)，2018 年是令人驚嘆的一年，這個(gè)領(lǐng)域在理論和實(shí)踐方面取得了巨大進(jìn)步，提出了幾種數(shù)學(xué)科學(xué)方法，有助于將數(shù)據(jù)科學(xué)轉(zhuǎn)化為真正的科學(xué)。機(jī)器學(xué)習(xí)（ML）、AutoML 進(jìn)展非常巨大，其中也包括自動(dòng)深度學(xué)習(xí)。

2019 年的主要趨勢(shì)： ?

• AutoX：我們將看到越來(lái)越多的公司開(kāi)發(fā)并將其包含在他們的自動(dòng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)棧和庫(kù)中。這里的 X 表示這些自動(dòng)工具可以是數(shù)據(jù)攝取、數(shù)據(jù)集成、數(shù)據(jù)清理、探索和部署工具。

• 語(yǔ)義技術(shù)：今年對(duì)我來(lái)說(shuō)最有趣的發(fā)現(xiàn)是數(shù)據(jù)科學(xué)和語(yǔ)義之間的關(guān)系。它并非數(shù)據(jù)世界的新生事物，但我看到更多人對(duì)語(yǔ)義、本體、知識(shí)圖譜及其與數(shù)據(jù)科學(xué)和 ML 之間的聯(lián)系感興趣。

• 更少的編程：這是一件很難說(shuō)清楚的事情，但在數(shù)據(jù)科學(xué)流程每個(gè)步驟幾乎都包含了自動(dòng)化，所以編程會(huì)越來(lái)越少。我們將擁有用于創(chuàng)建代碼的工具，這些工具將會(huì)理解我們對(duì) NLP 的需求，然后將其轉(zhuǎn)換為查詢(xún)、語(yǔ)句和完整的程序。我認(rèn)為編程仍然是一項(xiàng)非常重要的學(xué)習(xí)內(nèi)容，但很快就會(huì)變得更容易掌握。

• 數(shù)字教育：這方面的趨勢(shì)每年都在增長(zhǎng)，但明年我們將看到更多的人進(jìn)入 MOOC、數(shù)字課程、在線課程。有人將其稱(chēng)為“教育民主化”，我在很大程度上也贊同這種說(shuō)法，但我還是需要向這些人提出警告：小心你所看到的以及你的學(xué)習(xí)方式，在這些課程上面投入時(shí)間和金錢(qián)之前請(qǐng)先做一番調(diào)查，好的課程將讓你的生活變得更好，但其他的可能會(huì)給你帶來(lái)風(fēng)險(xiǎn)。

Jen Underwood，DataRobot 的高級(jí)總監(jiān)，也是 Impact Analytix 的創(chuàng)始人。

人工智能炒作和轉(zhuǎn)型影響在 2018 年無(wú)處不在。幾年前，大數(shù)據(jù)風(fēng)靡一時(shí)，然后是云計(jì)算，現(xiàn)在是機(jī)器學(xué)習(xí)占據(jù)了主導(dǎo)地位。人工智能在機(jī)器人和商業(yè)智能解決方案中得到了廣泛應(yīng)用。現(xiàn)今的啤酒甚至也是人工智能驅(qū)動(dòng)的。

今年，我們也看到了自動(dòng)化市場(chǎng)動(dòng)力的激增。如今，很多機(jī)器學(xué)習(xí)解決方案都在推動(dòng)由人工引導(dǎo)的自動(dòng)數(shù)據(jù)分析，以便在整個(gè)項(xiàng)目生命周期中實(shí)現(xiàn)更深入的自動(dòng)化機(jī)器學(xué)習(xí)（AutoML）。從簡(jiǎn)單的拖放、通過(guò)按鈕單擊向?qū)?chuàng)建基本模型到復(fù)雜的特征工程、模型搜索、超參數(shù)調(diào)整、部署、模型管理和監(jiān)控，AutoML 的功能差異很大——結(jié)果的質(zhì)量也存在巨大差異。

2019 年，關(guān)于監(jiān)管公民數(shù)據(jù)科學(xué)、隱私、偏見(jiàn)、道德和 Deep Fake 方面的擔(dān)憂(yōu)將考驗(yàn)我們對(duì)人工智能的信心。區(qū)塊鏈等創(chuàng)新技術(shù)將開(kāi)始改變我們存儲(chǔ)、共享和跟蹤數(shù)據(jù)的方式。我還期望能夠更多地強(qiáng)調(diào)非數(shù)據(jù)科學(xué)家能夠理解、解釋和信任的人工智能。目前在將數(shù)據(jù)科學(xué)家的術(shù)語(yǔ)翻譯成其他人能夠理解的公共語(yǔ)言方面還存在巨大差距。隨著企業(yè)在不完美的世界中采用人工智能，同時(shí)公民數(shù)據(jù)科學(xué)家也在不斷增加，更多的人需要盡快成為數(shù)據(jù)識(shí)別者，以避免人工智能出錯(cuò)。

英文原文：

https://www.kdnuggets.com/2018/12/predictions-data-science-analytics-2019.html

總結(jié)

以上是生活随笔為你收集整理的2019年，被高估的AI与数据科学该如何发展？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。