Prognose zu Daten und künstlicher Intelligenz für das zweite Halbjahr 2022

Basierend auf dem, was wir bisher im Jahr 2022 gesehen haben, ist Datanami zuversichtlich, diese fünf Vorhersagen für den Rest des Jahres treffen zu können.

Die Datenbeobachtbarkeit läuft weiter

Das erste Halbjahr war für die Datenbeobachtbarkeit enorm und ermöglichte es den Kunden, dies zu tun die Situation des Datenflusses besser verstehen und relevante Indikatoren entwickeln. Je wichtiger Daten für die Entscheidungsfindung werden, desto wichtiger werden auch der Zustand und die Verfügbarkeit dieser Daten.

Wir haben eine Reihe von Datenobservability-Startups gesehen, die Hunderte Millionen Dollar an Risikokapital erhalten haben, darunter Cribl (150 Millionen Dollar Serie D); Coralogix (142 Millionen US-Dollar, Serie D); und andere. Zu den weiteren Unternehmen, die für Schlagzeilen sorgen, gehören Bigeye, das Metadatenmetriken auf den Markt brachte; StreamSets, das letzten Monat von der Software AG für 580 Millionen US-Dollar übernommen wurde;

Diese Dynamik wird sich in der zweiten Hälfte des Jahres 2022 fortsetzen, da immer mehr Datenobservability-Startups aus dem Wald hervorgehen und bestehende Startups versuchen, ihre Positionen in diesem aufstrebenden Markt zu festigen.

Echtzeitdaten-Popup

Echtzeitdaten sind seit Jahren in den Hintergrund getreten und dienen nur einigen Nischenanwendungsfällen, werden aber im Normalfall nicht wirklich weit verbreitet Unternehmen. Dank der COVID-19-Pandemie und der damit verbundenen Umstrukturierung der Geschäftspläne in den letzten Jahren sind jedoch nun die Voraussetzungen dafür gegeben, dass Echtzeitdaten in die Mainstream-Technologieszene Einzug halten.

„Ich denke, Streaming findet endlich statt“, sagte Ali Ghodsi, CEO von Databricks, auf dem jüngsten Data + AI Summit und verwies auf das 2,5-fache Wachstum der Streaming-Workloads auf der cloudbasierten Datenplattform des Unternehmens. „Sie haben immer mehr KI-Anwendungsfälle, die Echtzeit erfordern.“ ). RocksDB, eine schnelle Analysedatenbank, die ereignisbasierte Systeme wie Kafka verbessert, hat jetzt einen Ersatz namens Speedb. SingleStore, das OLTP- und OLAP-Funktionen in einem einzigen relationalen Framework vereint, erreichte letzten Monat in einer Finanzierungsrunde eine Bewertung von 1,3 Milliarden US-Dollar.

Außerdem gibt es StarRocks, das kürzlich eine Finanzierung für eine schnelle neue OLAP-Datenbank auf Basis von Apache Doris erhalten hat, und Imply, das im Mai eine 100-Millionen-Dollar-Serie D abgeschlossen hat, um seine Echtzeitanalysen auf Basis von Apache Druid fortzusetzen Unternehmen: DataStax erweitert sein Apache Cassandra-Toolkit um Apache Pulsar und sammelt so 115 Millionen US-Dollar, um die Entwicklung von Echtzeitanwendungen voranzutreiben. Datanami erwartet, dass dieser Fokus auf Echtzeit-Datenanalysen anhält.

Regulierungswachstum

Es ist vier Jahre her, dass die DSGVO in Kraft trat, wodurch Big-Data-Nutzer ins Rampenlicht gerückt und der Aufstieg der Datenverwaltung als notwendiger Bestandteil verantwortungsvoller Daten beschleunigt wurde Initiativen. In den Vereinigten Staaten liegt die Aufgabe der Regulierung des Datenzugriffs bei den Bundesstaaten, allen voran Kalifornien mit dem CCPA, das in vielerlei Hinsicht der GPDR nachempfunden ist. Doch wahrscheinlich werden weitere Staaten diesem Beispiel folgen, was die Datenschutzgleichung für US-Unternehmen verkompliziert.

Aber DSGVO und CCPA sind nur der Anfang der Vorschriften. Wir befinden uns auch mitten im Niedergang von Cookies von Drittanbietern, die es für Unternehmen schwieriger machen, das Online-Verhalten der Benutzer zu verfolgen. Die Entscheidung von Google, das Ende von Drittanbieter-Cookies auf seiner Plattform auf den 1. Januar 2023 zu verschieben, gibt Vermarktern etwas mehr Zeit zur Anpassung, aber die Informationen aus den Cookies werden schwer zu reproduzieren sein.

Neben den Datenschutzvorschriften stehen wir auch vor neuen Vorschriften zum Einsatz künstlicher Intelligenz. Die EU hat ihr Gesetz über künstliche Intelligenz im Jahr 2021 vorgelegt, und Experten gehen davon aus, dass es bis Ende 2022 oder Anfang 2023 in Kraft treten könnte.

Datenblattformatkrieg

Ein klassischer Technologiekrieg zeichnet sich ab, da neue Datenblattformate bestimmen, wie Daten in Big-Data-Systemen gespeichert werden und wer darauf zugreifen kann und welche Benutzer kann damit etwas anfangen.

In den letzten Monaten hat Apache Iceberg als potenzieller neuer Standard für Datentabellenformate an Bedeutung gewonnen. Die Cloud-Data-Warehouse-Giganten Snowflake und AWS unterstützten Anfang des Jahres Iceberg, das Transaktions- und andere Datenkontrollen bereitstellt und aus der Arbeit bei Netflix und Apple hervorgegangen ist. Auch der ehemalige Hadoop-Distributor Cloudera unterstützte Iceberg im Juni.

Aber die Leute von Databricks bieten eine tabellarische Alternative zu Delta Lake an, die eine ähnliche Funktionalität wie Iceberg bietet. Die Unterstützer von Apache Spark haben das Delta-Lake-Tabellenformat ursprünglich auf proprietäre Weise entwickelt, was zu Vorwürfen führte, dass Databricks einen Lock-in für Kunden einrichtete. Doch auf dem Data + AI Summit im Juni kündigte das Unternehmen an, das gesamte Format als Open Source zu veröffentlichen, sodass jeder es nutzen könne.

Verloren im Durcheinander ist Apache Hudi, das ebenfalls für Datenkonsistenz sorgt, da es sich in einem Big-Data-Repository befindet und auf den verschiedene Computer-Engines zugreifen können. Onehouse, ein von den Machern von Apache Hudi unterstütztes Unternehmen, hat Anfang des Jahres eine Hudi-basierte Lakehouse-Plattform gestartet.

Das Big-Data-Ökosystem liebt den Wettbewerb, daher wird es interessant sein zu beobachten, wie sich diese Formate weiterentwickeln und im weiteren Verlauf des Jahres 2022 konkurrieren.

Sprach-KI verblüfft immer wieder

Die Grenzen der KI werden von Monat zu Monat schärfer, und die Speerspitze der KI sind heute große Sprachmodelle, die immer besser werden. Tatsächlich sind große Sprachmodelle so gut geworden, dass ein Google-Ingenieur im Juni behauptete, das LaMDA-Konversationssystem des Unternehmens sei empfindungsfähig geworden.

Künstliche Intelligenz ist noch nicht empfindungsfähig, aber das bedeutet nicht, dass sie für Unternehmen nicht nützlich ist. Zur Erinnerung: Salesforce verfügt über ein großes Sprachmodellierungsprojekt (LLM) namens CodeGen, das darauf ausgelegt ist, Quellcode zu verstehen und sogar eigenen Code in verschiedenen Programmiersprachen zu generieren.

Letzten Monat hat Meta (die Muttergesellschaft von Facebook) ein umfangreiches Sprachmodell auf den Markt gebracht, das 200 Sprachen übersetzen kann. Wir haben auch Bemühungen zur Demokratisierung der KI durch Projekte wie das BigScience Large Open Science Open Access Multilingual Language Model oder BLOOM gesehen.

Das obige ist der detaillierte Inhalt vonPrognose zu Daten und künstlicher Intelligenz für das zweite Halbjahr 2022. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!