Rumah > Peranti teknologi > AI > Gartner: Arah pembangunan utama pembelajaran mesin pada 2023

Gartner: Arah pembangunan utama pembelajaran mesin pada 2023

王林
Lepaskan: 2023-08-24 17:45:15
ke hadapan
1310 orang telah melayarinya

Pada Sidang Kemuncak Data & Analitis Gartner baru-baru ini di Sydney, Australia, penganalisis daripada firma penyelidikan dan perunding menyerlahkan beberapa trend teratas dalam sains data dan pembelajaran mesin

Gartner:2023 年机器学习的主要发展方向

Generative AI sebagai satu kejayaan dalam bidang pembelajaran mesin Seks teknologi telah menyebabkan perbincangan meluas. Ia dijangka memberi kesan kepada pelbagai industri dalam beberapa cara, yang berkaitan dengan beberapa trend yang dicadangkan oleh Gartner dan kemajuan serta populariti alat kecerdasan buatan generatif

Peter Krensky, penganalisis utama di Gartner, menyatakan dalam laporan: "Sebagai mesin pembelajaran digunakan dalam Terus berkembang pesat merentas pelbagai industri, sains data dan pembelajaran mesin beralih daripada tumpuan semata-mata pada model ramalan, ke arah disiplin yang lebih demokrat, dinamik dan tertumpu kepada data, dan walaupun terdapat risiko yang berpotensi, data saintis dan organisasi mereka muncul ”

Berikut ialah lima trend yang Gartner percaya membentuk masa depan sains data dan pembelajaran mesin:

1 ekosistem data awan

Dalam dekad yang lalu, organisasi sering beralih daripada Membangunkan data awan. ekosistem secara point-to-point dan bukannya menggunakan mereka sebagai unit data awan yang padu. Menurut Gartner, menjelang 2024, separuh daripada penggunaan akan menjadi ekosistem yang kohesif dan bukannya penyelesaian titik bersepadu secara manual, yang telah menjadi kebiasaan bagi kebanyakan penggunaan sepanjang dekad yang lalu

2. Edge AI

Menurut Gartner, teknologi seterusnya mungkin akan bergerak ke tepi adalah kecerdasan buatan. Permintaan untuk edge AI semakin berkembang apabila perusahaan berusaha untuk memproses data lebih dekat ke titik penjanaan data untuk memberikan cerapan masa nyata yang boleh diambil tindakan. Keupayaan untuk menjalankan perisian AI di edge juga bermanfaat untuk pengendali dalam industri dengan keperluan privasi data yang ketat yang tidak membenarkan data dipindahkan ke pusat data atau ke luar negara

3. AI yang Bertanggungjawab

Bilangan organisasi yang semakin meningkat menggunakan kecerdasan buatan apabila mempertimbangkan pilihan beretika, yang dipanggil "AI yang bertanggungjawab." Konsep ini menumpukan pada pelbagai aspek cara model dilatih dan digunakan, dan memastikan pematuhan dengan langkah risiko dan pematuhan lain. Menurut ramalan Gartner, dengan populariti model pra-latihan, semakin ramai pembangun akan menganggap kecerdasan buatan yang bertanggungjawab sebagai kebimbangan sosial

4 Kecerdasan buatan berpusatkan data

Tumpuan pembangunan kecerdasan buatan Terdapat peralihan yang berlaku daripada. pendekatan berpusatkan kod kepada pendekatan berpusatkan data. Pengurusan data, data sintetik dan pelabelan data telah menjadi faktor utama dalam kejayaan pembangunan kecerdasan buatan. Menurut Gartner, menjelang 2024, 60% data AI akan dibuat secara sintetik untuk merangsang realiti, meningkat daripada 1% pada 2021

5 Mempercepatkan pelaburan AI

Memandangkan semakin banyak perniagaan sedang mencari untuk melaksanakan penyelesaian AI, pelaburan dalam. AI telah mencapai tahap tinggi dalam banyak industri dan dijangka akan terus meningkat pada tahun-tahun akan datang. Pelaburan dalam syarikat permulaan AI yang bergantung pada model asas dijangka mencecah $10 bilion menjelang akhir 2026

Atas ialah kandungan terperinci Gartner: Arah pembangunan utama pembelajaran mesin pada 2023. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:51cto.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan