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。