作者 | Matthew Mayo

編譯 | CDA數(shù)據(jù)分析師

在2019年（及之前的幾年）中，我們?cè)儐柫嗽S多頂級(jí)專家，2019年和2020年AI，分析，機(jī)器學(xué)習(xí)，數(shù)據(jù)科學(xué)和深度學(xué)習(xí)領(lǐng)域最重要的發(fā)展趨勢(shì)是什么？許多頂級(jí)專家對(duì)2020年做了一些預(yù)測(cè)。去年預(yù)測(cè)的 一些趨勢(shì)已經(jīng)實(shí)現(xiàn)：

• 更加關(guān)注AI中的道德
• 數(shù)據(jù)科學(xué)的民主化
• 強(qiáng)化學(xué)習(xí)的進(jìn)步
• 中國(guó)在AI方面取得越來(lái)越大的成功

2019年也有意外驚喜，去年的專家都沒有預(yù)言過NLP的突破（例如GPT-2和其他版本的BERT和Transformers）。

我們今年再次問專家：

2019年AI，數(shù)據(jù)科學(xué)，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的主要發(fā)展是什么？您預(yù)計(jì)2020年會(huì)有哪些主要趨勢(shì)？

我們收到了大約20份回復(fù)，這是第二部分，更側(cè)重于技術(shù)，行業(yè)和部署。一些常見主題包括：AI炒作，Auto-ML，云，數(shù)據(jù)，可解釋的AI，AI倫理。

以下是Meta Brown，Tom Davenport，Carla Gentry，Nikita Johnson，Doug Laney，Bill Schmarzo，Kate Strachnyi，Ronald van Loon，F(xiàn)abio Vazquez和Jen Underwood的回答。

Meta Brown ：《Data Mining for Dummies》作者，A4A Brown 總裁

在2019年，使用“人工智能”一詞來(lái)描述從真正復(fù)雜的應(yīng)用程序和越來(lái)越成功的各種應(yīng)用（例如自動(dòng)駕駛汽車）的使用激增。我預(yù)測(cè)到2020年，人們會(huì)發(fā)現(xiàn)這全都是數(shù)學(xué)。

一方面，越來(lái)越多的人會(huì)開始看到現(xiàn)在標(biāo)記為“ AI”的局限性。公眾意識(shí)到面部識(shí)別技術(shù)可能會(huì)因夸張的化妝而受挫，還有那些客戶服務(wù)聊天機(jī)器人背后沒有經(jīng)歷人類豐富多彩的生活，還是屬于"人工智障"，還有可能花費(fèi)數(shù)百萬(wàn)美元嘗試使軟件比醫(yī)生更智能，但仍然會(huì)失敗。

但是，“人工智能”仍然是一個(gè)熱門詞匯，風(fēng)險(xiǎn)資本的資金仍在滾滾涌來(lái)。2019 年前9個(gè)月，超過130億美元流向了AI創(chuàng)業(yè)公司。 在2020年，人工智能這兩種前景之間的差距將越來(lái)越大：公眾對(duì)AI的局限性越來(lái)越懷疑，懷疑和意識(shí)的形象，以及繼續(xù)在AI承諾中投入希望，夢(mèng)想和金錢的商業(yè)和投資社區(qū)。

Tom Davenport：巴布森學(xué)院總統(tǒng)信息技術(shù)與管理學(xué)杰出教授，國(guó)際分析學(xué)會(huì)共同創(chuàng)始人，麻省理工學(xué)院數(shù)字經(jīng)濟(jì)計(jì)劃院士，德勤分析高級(jí)顧問

2019年的主要發(fā)展：

• 自動(dòng)化機(jī)器學(xué)習(xí)工具的廣泛部署，用于數(shù)據(jù)科學(xué)的結(jié)構(gòu)化方面。
• 廣泛認(rèn)識(shí)到，分析和人工智能具有道德層面，需要自覺解決
• 人們?cè)絹?lái)越認(rèn)識(shí)到，大多數(shù)分析和AI模型都沒有部署，因此對(duì)創(chuàng)建它們的組織沒有價(jià)值

2020年即將出現(xiàn)的發(fā)展：

• 提供工具以創(chuàng)建，管理和監(jiān)視組織的機(jī)器學(xué)習(xí)模型套件，并不斷對(duì)drifting模型進(jìn)行重新培訓(xùn)，并專注于模型庫(kù)存管理。
• 分析和AI轉(zhuǎn)換器的狀態(tài)和識(shí)別度得到提高，他們與業(yè)務(wù)用戶和領(lǐng)導(dǎo)者一起將業(yè)務(wù)需求轉(zhuǎn)換為模型的高級(jí)規(guī)范。
• 認(rèn)識(shí)到模型是否適合數(shù)據(jù)只是模型是否有用的一個(gè)考慮因素。

Carla Gentry：咨詢數(shù)據(jù)科學(xué)家兼分析解決方案所有者

2019年，還一直有在炒作關(guān)于人工智能，機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)無(wú)法做什么，我為進(jìn)入該領(lǐng)域的非熟練專業(yè)人士而感到可悲，而大學(xué)則向那些不愿接受培訓(xùn)的老師頒發(fā)所謂的證書和學(xué)位，實(shí)際并沒有資格教授這些課程。

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)依賴于大量數(shù)據(jù)，但是我們這一年又面臨著對(duì)偏差的誤解，需要解釋的數(shù)據(jù)總是會(huì)面臨偏差的風(fēng)險(xiǎn)。無(wú)偏的數(shù)據(jù)是獨(dú)立存在的，不需要解釋。

前幾天，一篇文章標(biāo)題引起了我的注意：“數(shù)據(jù)科學(xué)快死了嗎？” 甚至在閱讀之前，我最初的想法是：“不，但是所有想做的話題和炒作肯定對(duì)我們的領(lǐng)域沒有幫助-數(shù)據(jù)科學(xué)不僅僅是編寫代碼”。對(duì)技術(shù)的誤解加上缺乏數(shù)據(jù)和必要的基礎(chǔ)設(shè)施將在2020年繼續(xù)困擾我們，但至少有些人意識(shí)到21世紀(jì)最性感的工作畢竟并不那么性感，畢竟在我們收集意見并回答業(yè)務(wù)問題之前我們花費(fèi)了大部分時(shí)間在清理和準(zhǔn)備數(shù)據(jù)。

在2020年，讓我們所有人都記住它是關(guān)于數(shù)據(jù)的，并確保我們能夠以完整和透明的方式推進(jìn)我們的領(lǐng)域，人工智能的“黑匣子”時(shí)代必須過去，我們才能繼續(xù)朝著積極的方向發(fā)展。請(qǐng)記住，你構(gòu)建的算法，模型，聊天機(jī)器人等可能會(huì)影響某寫人的生活，數(shù)據(jù)庫(kù)中的數(shù)據(jù)點(diǎn)與某人的生活相對(duì)應(yīng)，因此請(qǐng)消除偏見，讓事實(shí)為自己說話。

Nikita Johnson： RE.WORK深度學(xué)習(xí)和AI創(chuàng)始人

2019年，我們見證了許多領(lǐng)域的突破，這些突破使AI得以前所未有的廣泛應(yīng)用。諸如轉(zhuǎn)移學(xué)習(xí)和強(qiáng)化學(xué)習(xí)之類的先進(jìn)軟件技術(shù)還幫助推動(dòng)了AI突破和運(yùn)用的發(fā)展，幫助我們?cè)谌祟愔R(shí)的約束下分離了系統(tǒng)改進(jìn)。

到2020年，我們將朝著“可解釋的AI”邁進(jìn)，以提高AI模型和技術(shù)的透明度，責(zé)任感和可重復(fù)性。我們需要增加對(duì)每種工具的局限性以及優(yōu)缺點(diǎn)的認(rèn)識(shí)。增強(qiáng)的學(xué)習(xí)將增強(qiáng)我們對(duì)所使用產(chǎn)品建立信任的能力，并允許AI做出更合理的決策！

Doug Laney ：Caserta首席數(shù)據(jù)策略師，《信息經(jīng)濟(jì)學(xué)》作者，伊利諾伊州吉斯大學(xué)商學(xué)院客座教授

上世紀(jì)90年代初期，人工智能從平靜的年代復(fù)活，再加上數(shù)據(jù)科學(xué)的主流，無(wú)非是推動(dòng)了數(shù)據(jù)的發(fā)展。如今，大數(shù)據(jù)就是“正義數(shù)據(jù)”。即使其持續(xù)膨脹，其規(guī)模也不會(huì)再淹沒存儲(chǔ)或計(jì)算能力。至少不再有任何借口說任何組織都被數(shù)據(jù)的龐大性所束縛。確實(shí)，目前已經(jīng)出現(xiàn)了逐漸改進(jìn)的技術(shù)，但是，來(lái)自社交媒體平臺(tái)的，在合作伙伴之間進(jìn)行交換的，從網(wǎng)站中獲取并運(yùn)用于連接的設(shè)備的大量數(shù)據(jù)的涌入，導(dǎo)致無(wú)法預(yù)料的解釋、自動(dòng)化和優(yōu)化問題。它還催生了以數(shù)據(jù)為中心的新業(yè)務(wù)模型。

我設(shè)想在2020年將會(huì)出現(xiàn)擴(kuò)展信息生態(tài)系統(tǒng)，從而進(jìn)一步使由AI和數(shù)據(jù)科學(xué)推動(dòng)的業(yè)務(wù)合作伙伴之間的數(shù)字協(xié)調(diào)成為可能。一些組織可能選擇構(gòu)建自己的數(shù)據(jù)交換解決方案，以通過自身和其他組織的信息資產(chǎn)獲利。其他公司將通過區(qū)塊鏈支持的數(shù)據(jù)交換平臺(tái)或提供一系列替代數(shù)據(jù)的數(shù)據(jù)聚合器來(lái)增強(qiáng)其高級(jí)分析功能。

Bill Schmarzo ：IoT & Analytics Hitachi Vantara的CTO

2019年主要發(fā)展

• 關(guān)于通過智能手機(jī)，網(wǎng)站，家用設(shè)備和車輛將AI集成到我們?nèi)粘Ｉ钪械摹跋M(fèi)者驗(yàn)證點(diǎn)”不斷增長(zhǎng)。
• 正式承認(rèn)DataOps類別，這是對(duì)數(shù)據(jù)工程角色日益重要的認(rèn)可
• 在執(zhí)行套件中，人們?cè)絹?lái)越尊重?cái)?shù)據(jù)科學(xué)的業(yè)務(wù)潛力。
• CIO繼續(xù)努力實(shí)現(xiàn)數(shù)據(jù)貨幣化的承諾。數(shù)據(jù)湖的幻滅導(dǎo)致數(shù)據(jù)湖“第二次手術(shù)”

2020年主要趨勢(shì)

• 工業(yè)公司更多利用現(xiàn)實(shí)世界的例子，利用傳感器，邊緣分析和AI來(lái)創(chuàng)建通過使用變得更加智能的產(chǎn)品；他們欣賞而不是貶值使用價(jià)值
• 由于無(wú)法提供合理的財(cái)務(wù)或運(yùn)營(yíng)影響，宏偉的智能空間項(xiàng)目仍然難以超越最初的試點(diǎn)。
• 對(duì)于利用數(shù)據(jù)和分析來(lái)推動(dòng)業(yè)務(wù)成果的組織而言，經(jīng)濟(jì)衰退將在“有”與“無(wú)”之間造成鴻溝

Kate Strachnyi ：用數(shù)據(jù)講述故事、數(shù)據(jù)科學(xué)與分析領(lǐng)域的佼佼者

在2019年，我們看到了數(shù)據(jù)可視化/商業(yè)智能軟件領(lǐng)域的整合，Salesforce收購(gòu)Tableau Software，Google收購(gòu)Looker。這項(xiàng)對(duì)商業(yè)智能工具的投資證明了公司在數(shù)據(jù)民主化方面的價(jià)值，并使用戶能夠更輕松地查看和分析其數(shù)據(jù)。

我們可以期望在2020年看到的是繼續(xù)向自動(dòng)化數(shù)據(jù)分析/數(shù)據(jù)科學(xué)任務(wù)轉(zhuǎn)變。數(shù)據(jù)科學(xué)家和工程師需要能夠擴(kuò)展和解決更多問題的工具。這種需求將導(dǎo)致在數(shù)據(jù)科學(xué)過程的多個(gè)階段開發(fā)自動(dòng)化工具。例如，某些數(shù)據(jù)準(zhǔn)備和清除任務(wù)是部分自動(dòng)化的；但是，由于公司的獨(dú)特需求，它們很難完全自動(dòng)化。自動(dòng)化的其他候選者包括特征工程，模型選擇等。

Ronald van Loon ：廣告總監(jiān)，幫助數(shù)據(jù)驅(qū)動(dòng)型公司取得成功；Top10大數(shù)據(jù)，數(shù)據(jù)科學(xué)，物聯(lián)網(wǎng)，人工智能影響者

2019年，該行業(yè)見證了可解釋性人工智能和增強(qiáng)型分析技術(shù)的日益普及，使企業(yè)能夠彌合AI巨大的潛力與基于無(wú)偏AI結(jié)果的決策技術(shù)復(fù)雜性之間的差距。全棧AI方法是2019年進(jìn)行的又一項(xiàng)發(fā)展，旨在幫助加快創(chuàng)新之路并支持AI增長(zhǎng)，同時(shí)改善不同團(tuán)隊(duì)和個(gè)人之間的集成和溝通。

到2020年，由于會(huì)話式AI的易用性和直觀的界面，我們將看到一些客戶體驗(yàn)改善趨勢(shì)。這種自動(dòng)化解決方案使公司能夠擴(kuò)展和改變客戶體驗(yàn)，同時(shí)為客戶提供24/7全天候服務(wù)，并為快速解決問題和提供可靠的自助服務(wù)提供了機(jī)會(huì)。此外，當(dāng)我們將AI融入現(xiàn)有流程并努力改變我們對(duì)AI提出的問題時(shí)，Narrow Intelligence將繼續(xù)支持我們?nèi)绾巫钣行У乩萌撕蜋C(jī)器的力量。

Favio Vazquez ：Closter首席執(zhí)行官

在2019年，我們看到了人工智能技術(shù)的驚人發(fā)展，主要是在深度學(xué)習(xí)方面。數(shù)據(jù)科學(xué)能夠利用這些進(jìn)步來(lái)解決更棘手的問題，并塑造我們所生活的世界。數(shù)據(jù)科學(xué)是利用科學(xué)來(lái)催化變化并將紙張轉(zhuǎn)化為產(chǎn)品的引擎。我們的領(lǐng)域不再只是“炒作”，它正在成為一個(gè)嚴(yán)肅的領(lǐng)域。我們將看到有關(guān)數(shù)據(jù)科學(xué)及其相關(guān)知識(shí)的網(wǎng)絡(luò)教育資源越來(lái)越多。希望我們對(duì)自己的工作方式和方法更加自信。語(yǔ)義技術(shù)，決策智能和知識(shí)數(shù)據(jù)科學(xué)將在未來(lái)幾年成為我們的伴侶，因此我建議人們開始探索圖形數(shù)據(jù)庫(kù)，本體和知識(shí)表示系統(tǒng)。

Jen Underwood ：自然力量推動(dòng)組織更快地前進(jìn)

在2019年，我們達(dá)到了組織在算法經(jīng)濟(jì)中競(jìng)爭(zhēng)的轉(zhuǎn)折點(diǎn)。市場(chǎng)領(lǐng)先的公司不是發(fā)起一個(gè)一次性項(xiàng)目，而是通過計(jì)劃整個(gè)企業(yè)范圍的AI策略來(lái)提升數(shù)據(jù)科學(xué)的知名度。 同時(shí)，成熟的數(shù)據(jù)科學(xué)組織啟動(dòng)了道德，治理和ML Ops計(jì)劃。 不幸的是，盡管機(jī)器學(xué)習(xí)的采用率提高了成功率，但大多數(shù)人還沒有。

從技術(shù)角度來(lái)看，我們目睹了混合分布式計(jì)算和無(wú)服務(wù)器架構(gòu)的興起。同時(shí)，算法，框架和Auto-ML解決方案從創(chuàng)新迅速發(fā)展到商品化。

到2020年，我預(yù)計(jì)個(gè)人數(shù)據(jù)安全性，法規(guī)，算法偏見和深度虛假主題將成為頭條新聞。從更明亮的角度來(lái)看，可解釋的AI的進(jìn)步以及自然語(yǔ)言生成和優(yōu)化技術(shù)的增強(qiáng)了人們的理解，將有助于彌合數(shù)據(jù)科學(xué)與業(yè)務(wù)之間的鴻溝。隨著數(shù)據(jù)素養(yǎng)和公民數(shù)據(jù)科學(xué)計(jì)劃的進(jìn)一步興起，機(jī)器學(xué)習(xí)從業(yè)人員應(yīng)繼續(xù)蓬勃發(fā)展。

以下是根據(jù)他們的預(yù)言而得出的相應(yīng)的詞云圖：