Gartner：人工智能的未来，以及挑战

在炒作周期中，机器学习和人工智能已接近膨胀预期的峰值阶段。

在一次网络研讨会中，Gartner总监分析师Peter Krensky概述了未来五年机器学习和人工智能的现状，以及可能影响采用，开发和部署的一些挑战。

根据Krensky的说法，机器学习和人工智能已经接近炒作周期中的峰值膨胀期望阶段。增强现实和虚拟现实已经达到了“幻灭低谷”，随之而来的是高峰期，自动驾驶汽车和无人驾驶飞机已经超过了高峰期，但尚未达到周期的最低点。

那
他说，人工智能和机器学习仍有大量未开发的行业。 “只要
40％表现最佳的人将人工智能视为改变游戏规则的人，”
克伦斯基。 “因此，许多不同类型的
组织，甚至整个行业都在全力以赴
机器学习有可能实现。”

支持AI和ML持续发展的因素之一是学术，科学和公司核心概念之间的一致性。超过90％的行业用Python编写AI和ML算法和平台，其中许多使用相同的开源库（Apache，TensorFlow）和相同的云基础架构（AWS，Azure）。

还请参见：Gartner：77％的组织旨在部署AI，员工技能会抑制采用

这个
一致性可以在整个行业中产生更大的协同效应，这可能是有价值的
将来招聘人才时。

在整个行业中，有向云的稳定迁移，而大约30％到45％的客户继续在本地运行AI或ML。在许多情况下，Krensky相信组织会花费太多的时间来构建AI或ML程序，避免在结果相似时避免使用更便宜的替代方案，例如预训练模型和云基础架构。

“我们
必须习惯于将机器学习基础架构部署在云中并不断发展
专有和开源组件集成为新常态。” Krensky说。
“每年都有一个我们没有在谈论的新的开源框架
两年前，现在我们一直在谈论。”

看着
在如何实现AI方面，Gartner有四个模型：

• 通过指挥棒– AI将完成任务中的繁琐部分，而操作员将完成其余的工作。
• 共生-AI可以弥补人类的弱点，例如，在几秒钟内处理大量数据。
• 增强分析– AI被用作人类操作员的培训者或指南，可提供数据分析或见解。例如，最近的一个AI项目建议在古希腊雕刻中缺失单词或句子。
• 健全性检查– AI执行大多数功能，但有人工操作员待命以观察错误。例如，一个客户支持机器人将复杂的案例传递给了人类。

在Gartner的一项调查中，大多数企业领导人表示，员工技能是采用AI和ML的主要挑战，占56％。克伦斯基在网络研讨会上提到，大多数机器学习开发人员都是年轻的，经验不足五年，并且工作不到两年。

最重要的是，Gartner认为该项目的成功在于拥有多个具有不同专业知识的员工。数据科学家，数据工程师，ML专家和领域专家在AI或ML项目的开发中都扮演着独特的角色，但是组织经常依赖具有广泛知识的数据工程师。

第二大挑战是了解AI的好处和用途。在网络研讨会中，Krensky建议组织需要正确地管理AI项目，而不是在所有领域进行投资，而应专注于在财务上有意义的几个关键领域。

数据范围和质量是第三大挑战，Krensky认为应该将其放在首位。如果没有适当的数据管理，质量检查和数据治理，则AI或ML项目失败的可能性更大。