2018年的AI/ML惊喜及预测19年的走势(二)

图片 1

摘要: 2019技术发展趋势早知道,你值得拥有!

FN2月19日消息,据外媒报道,似乎就连数据科学家也无法避免人工智能对就业市场的破坏性影响。俄罗斯联邦储蓄银行声称,它创建了一种算法——Auto
ML——“像数据科学家一样工作”,创建自己的模型,然后解决应用程序任务。

年度回顾:2018年的AI/ML惊喜及预测19年的走势

该银行在1月份进行了第一次试点,使用Auto ML
algos创建了几个基准模型,以帮助确定销售活动的目标。

Unravel Data首席执行官Kunal Agarwal

对于Sberbank的员工来说,一个令人担忧的消息是,Auto
ML的模型在质量上与数据科学家的模型相当,并且成功地在55分钟内解决了这项任务,相比之下,它的致命竞争只花了两天时间。

人工智能和机器学习的日益重视将会推动TensorFlow和H2O实现技术突破成为可能。此外,Spark和Kafka将继续呈现引人注目的受欢迎程度。

俄罗斯联邦储蓄银行执行董事会副主席阿纳托利•波波夫(Anatoly
Popov)表示:“引入人工智能是提高该行所有业务流程效率的可能性之一。

随着云业务模式快速成熟,企业并购交易将继续加速。巨头将对人工智能领先的创业公司进行大规模收购,以便在AI和ML中提供高度需求的知识产权和人才。谷歌和阿里巴巴在收购萌芽的人工智能技术方面处于领先地位,而其他一些科技巨头将尝试通过自主研发来模仿他们的成功。

然而,如果数据科学家和开发人员试图手工创建和引入模型,那么创建数万个模型来覆盖活动的所有方面几乎是不可能的任务。“这就是我们引入Auto
ML的原因,它是世界上使用机器学习模型的最先进方法之一。”

Grammarly研究总监Joel

最近几年,人工智能推动了理解和生成语言的界限(最值得注意的是新闻翻译)。由于以下因素,我预计2019年更多自然语言处理里程碑成果将会减少:

  1. 语言解释依赖于语境,意味着真正理解一个人的写作或语言需要参与者的知识,还有他们先前的交流。大多数NLP模型工作是在没有这些因素的情况下进行的语言解释或生成,但我希望通过结合更多受众认知的知识,使得NLP性能提高并变得更加个性化。
  2. 关于AI的一个小秘密:许多系统都是在数千人人类评估者创建和标记的数据集上进行训练的。随着我们需要解决更复杂的人工智能问题,对大量高质量人工标注数据的需求将会增加,但在利用机器学习技术来收集这些数据时会有更多时间和成本效益的突破。
  3. 同时,使用最少甚至没有标记数据的方法将减少我们对大量标记数据的依赖,使深度学习模型能够在新的和不同类型的问题上更加健壮。
  4. 模型架构和基础架构的进步使丰富的深度学习模型能够在资源较低的环境中工作,例如在移动电话和Web浏览器中。在未来,我们希望看到更复杂的模型,即使没有互联网连接,也能在所有设置中为用户提供反馈。

Univa总裁兼首席执行官GaryTyreman

混合云和专用云将推动机器学习项目的大规模增长。根据最近对超过344名技术和IT专业人士的调查显示:在2020年,越来越多的项目将投入生产,ML将在未来两年内实现爆炸式增长。超过80%的受访者表示,他们计划将混合云用于ML项目,这样可以降低成本。Univa客户已经在寻求指导,将他们的HPC和机器学习工作负载迁移到云或混合环境,因为他们希望将他们的ML项目推进生产。

AI/ML将进入企业应用程序。我们一直在谈论人工智能是过去两年中最热门的趋势之一。我们开始看到AI和机器学习稳步进入企业应用程序,用于客户支持,欺诈分析和商业智能等任务。我们完全有理由相信这些创新将继续在云中发生,2019年将是企业中人工智能的重要一年。

HPC和GPU将在推进机器学习项目中发挥关键作用。GPU在HPC中将发挥很高的价值,其中许多任务,如模拟,财务建模和3D渲染也能在并行环境中运行良好。根据HPC市场的市场研究公司Intersect
360研究表明:50种最受欢迎​​的HPC应用程序包中有34种提供GPU支持,包括所有前15种HPC应用程序。因此,GPU在HPC中变得至关重要。科学家,企业研究人员,大学和研究机构都知道,加速应用程序对商业和研究来说都是有益的。

Sutherland首席分析官Puti Nagarjuna

打破障碍;
人工智能与人类恐惧之间的平衡
:无论我们是否意识到,我们对人工智能的依赖比以往任何时候都更加活跃,2019年公司将齐心协力进一步了解人工智能的局限性,同时发现AI应对更细微的人类行为的方法。

越来越多人接受人工智能作为客户体验的第一线:消费者将更多地接受人工智能聊天机器人作为客户体验的第一线,更多公司将采用它们来创造超个性化和便捷的体验。

AI将把以客户为中心的营销推向新的高度:随着各种规模的公司转向人工智能技术,通过人工智能增强趋势分析将达到前所未有的价值水平,帮助企业评估如何优化营销工作,作为数据驱动的一部分CMO将崛起。

机器学习追求最大价值:数据呈指数级增长,但访问该数据的能力对于良好的ML算法并不实用。在未来一年,一个主要的挑战将是不断发展的算法,以产生适用于你的数据的最大值具体需要。

You can leave a response, or trackback from your own site.

Leave a Reply

网站地图xml地图