考慮到技術(shù)變革的速度，我認為讓專業(yè)IT人士分享他們對2018年最大驚喜及2019年預測的看法會很有趣。以下是他們對人工智能(AI)，機器學習( ML)和其他數(shù)據(jù)科學迭代的看法：

CLARA分析公司首席執(zhí)行官兼創(chuàng)始人：Chiara Lakshmikanthan

2018年的驚喜：我對AI已經(jīng)應用于InsureTech行業(yè)的快速步伐感到驚訝。但更重要的是，商業(yè)保險公司在其工作流程的某些部分(如承保，理賠業(yè)務和客戶服務)開始使用AI以保持競爭優(yōu)勢。

2019年的預測：在B2B 的AI領域，人們越來越關注硬實力的儲蓄和價值。AI的理論價值主張被廣泛接受，但是，大多數(shù)公司在未來幾年對AI技術(shù)提供商的期望也將更高。

Sinequa產(chǎn)品營銷總監(jiān)Scott Parker：

雖然圍繞ML和AI進行了大量宣傳，但具有變革性的AI還有很多仍在實驗室中進行測試。

對于2019年，ML和AI最終會以某種方式從實驗室和現(xiàn)有應用程序中找到出路。在大多數(shù)情況下，人們甚至不知道它在那里，因為它將以無縫的方式嵌入。

數(shù)據(jù)科學家Minkyung Kang：

驚喜：端到端機器學習服務使ML工作流程變得更加簡單。數(shù)據(jù)科學家和開發(fā)人員可以在一個地方構(gòu)建，訓練和管理ML模型，并將模型大規(guī)模轉(zhuǎn)移到生產(chǎn)環(huán)境，而無需過多擔心管道和架構(gòu)。

預測：在ML工作流程中連接和集成不同的步驟和流程將得到進一步改進和簡化，并允許許多初創(chuàng)公司和企業(yè)使用更少資源的ML應用程序快速移動。這將進一步擴展到ML的整個生命周期的管理，包括數(shù)據(jù)收集和管理。

Anaconda的聯(lián)合創(chuàng)始人兼首席技術(shù)官：Peter Wang

驚喜:Github和Red Hat的收購，Cloudera和Hortonworks的合并也令人驚訝,它標志著Hadoop“大數(shù)據(jù)”炒作周期的終結(jié)，并清楚地表明分析和ML的未來增長必須針對異構(gòu)存儲架構(gòu)。

預測:“數(shù)據(jù)科學”作為一個領域?qū)⒎殖蓭讉€子專業(yè)，包括數(shù)據(jù)工程，高級統(tǒng)計推斷和解釋器，我們需要為它制定標準和最佳實踐。

隨著我們更多地了解國家發(fā)展人工智能的力度和用傳感器來完善監(jiān)控狀態(tài)，這將為更多的數(shù)據(jù)隱私立法提供動力。

SIOS Technology總裁兼首席執(zhí)行官：Jerry Melnick

數(shù)據(jù)分析和人工智能將無處不在：數(shù)據(jù)分析和人工智能將繼續(xù)變得更加專注，專門針對特定問題而構(gòu)建，這些功能將越來越多地嵌入到云平臺和管理工具中。

例如，用人工智能驅(qū)動的基礎設施工具現(xiàn)在被用于分析來自無數(shù)監(jiān)測和管理工具的輸入，許多這些人工智能工具都致力于解決整個IT領域的廣泛問題。在2019年這些快速發(fā)展，更加專注IT人員遇到的最關鍵的問題及常規(guī)和復雜問題。這種備受期待的功能將簡化IT運營，提高基礎架構(gòu)和應用程序的穩(wěn)健性，并降低總體成本。

隨著這一趨勢，人工智能和數(shù)據(jù)分析將自然地嵌入到HA和DR解決方案以及CSP產(chǎn)品中，以增強其運營的穩(wěn)健性。通過快速，自動和準確地了解問題并診斷復雜配置中的問題，從云提供的關鍵應用程序服務的可靠性和可用性將大大提高。

BISim高級總監(jiān)：OISkar Nieder

機器學習和深度學習(DL)形成的AI革命在軟件開發(fā)行業(yè)中繼續(xù)受到越來越多的關注。隨著圖形處理單元(GPU)加速的引入，以前存在的時間和計算限制被消除，新的易于使用的框架和數(shù)據(jù)中心將使這些技術(shù)在2019年向所有人提供。

Python，C ++和Javascript將在2019年繼續(xù)作為主要編碼語言。然而，對于開發(fā)人員來說，體驗TensorFlow或Caffe for AI和Angular或React等Web語言開發(fā)的語言框架將變得更加重要。

Micro Focus戰(zhàn)略總監(jiān)：Mark Levy

在2019年，AI和ML將與自動化融合，并將徹底改變DevOps。在過去的幾年中，自動化在DevOps中的作用繼續(xù)成為更大實踐的一個重要方面。目前，主要的重點是自動化過程或事件驅(qū)動的手動可重復任務，但AI/ML顯示變化的新進展即將出現(xiàn)。通過AI和ML的融合，自動化有可能展示前所未有的智能，因為新系統(tǒng)將關注趨勢，以及分析和關聯(lián)整個價值流以預測和預防問題。隨著DevOps實踐專注于提高運營效率，ML，AI和自動化即將融合將為使用DevOps的公司帶來顯著優(yōu)勢。

Micro FocusVertica產(chǎn)品營銷副總裁：Joy King

在2019年，ML項目將從科學項目和創(chuàng)新實驗室轉(zhuǎn)向由行業(yè)顛覆者領導的全面生產(chǎn)。事實上，每家公司都有ML項目，但其中大多數(shù)都依賴于無法訪問跟業(yè)務目標相關的所有數(shù)據(jù)的專業(yè)平臺。所有數(shù)據(jù)都存儲在各種數(shù)據(jù)倉庫和數(shù)據(jù)庫中，其中沒有一個能夠運行端到端ML，迫使數(shù)據(jù)移動到專業(yè)平臺。然而，僅使用一部分數(shù)據(jù)來訓練和評分ML模型，從而導致精度有限。在2019年，當前的行業(yè)顛覆者和智能傳統(tǒng)公司將把ML帶到其所有數(shù)據(jù)，而不是將其數(shù)據(jù)轉(zhuǎn)移到ML平臺上。這些公司將更準確地預測結(jié)果，包括醫(yī)療設備的預測性維護，基于個性化客戶行為分析的預測收入，主動檢測欺詐等非服務。

Portworx的聯(lián)合創(chuàng)始人兼首席執(zhí)行官：Murli Thirumale

人工智能和自動化將改變IT的經(jīng)濟方向。即使基礎設施本身變得可編程，大多數(shù)DevOps仍然由人驅(qū)動。但是數(shù)據(jù)量增長如此之快，應用程序發(fā)展如此之快，這就要求基礎架構(gòu)必須足夠靈活，這樣才不會成為瓶頸。在2019年，基礎設施將變得越來越可編程，基于AI的機器將預測存儲和計算需求，并根據(jù)網(wǎng)絡狀況，工作負載和歷史模式自動分配資源。

NICE解決方案營銷人員：Karen Inbar

機器人自動化將創(chuàng)造新的就業(yè)機會。隨著機器人過程自動化(RPA)的出現(xiàn)，組織內(nèi)部正在衍生出新的角色。2019年，更多公司將招聘新的專業(yè)職位和角色，如RPA工程師、RPA架構(gòu)師和RPA顧問，以幫助員工了解RPA最佳實踐以及RPA如何強化工作流程。隨著RPA技術(shù)在工作場所變得更受歡迎和更具吸引力，“首席機器人官”等新職位也將開始出現(xiàn)。

公司需要選擇自動化哪些流程。2018年的許多自動化項目都失敗了，因為它們選擇了對錯誤的流程進行自動化。在2019年，公司需要更密切地評估任務的時間分配和復雜性，這種自動化任務的戰(zhàn)略性重新確定優(yōu)先級將確保組織在數(shù)字化轉(zhuǎn)型工作中推動投資回報率和成功。一旦組織掌握了更簡單的任務的自動化，他們就可以引入更先進的技術(shù)，例如光學字符識別(OCR)，使無人值守的機器人能夠解釋更多的數(shù)據(jù)元素。

WekaIO首席技術(shù)官：Andy Watson

到目前為止，我們知道用于ML的數(shù)據(jù)集每年都在變大，不僅是累積量，還因為信號源(相機、物聯(lián)網(wǎng)傳感器、軟件日志等)的數(shù)量越來越多。我們“預測”ML研究人員將利用越來越多的功能強大的GPU來處理前所未有的大量數(shù)據(jù)。但這僅僅是對當前趨勢的觀察，而不是預測。

相反，讓我們來看看如何使用這些更大的數(shù)據(jù)體。我可以通過ML訓練來預測松弛參數(shù)，以允許軟件減少訓練錯誤，對支持ML計算環(huán)境的存儲基礎設施將產(chǎn)生影響。

ML的領導者DeepMind最近發(fā)表了一篇重要論文：“關系歸納偏見，深度學習和圖形網(wǎng)絡。”一個關鍵點是ML訓練可能會發(fā)展出一種更為徒手的方法，允許其軟件影響其學習途徑的選擇標準(通過推理模式)，這將影響數(shù)據(jù)存儲基礎架構(gòu)。

在今天的任何大型數(shù)據(jù)集中，我們都有一個“工作集” - 最活躍的數(shù)據(jù)子集，最常見的是最新數(shù)據(jù)。例如，在一組ML研究人員可能累積用于培訓的所有許多PB中，他們數(shù)據(jù)中心的通常情況是，從較慢的“冷”存儲中只能提升幾百TB的總數(shù)據(jù)庫，因此他們的GPU可以在“熱”快速存儲層中訪問它。然而，隨著這種大變化，將難以確定哪個數(shù)據(jù)應該是任何給定工作集的成員。相反，將整個事物視為可能必要的可能是適當?shù)摹Ｕ谶M行的各種ML事件中的每一個將從所有那些PB中選擇不同，并且這將指示所有數(shù)據(jù)被放置在熱層中。

McAfee的首席技術(shù)戰(zhàn)略師：Candace Worley

首席分析官(CAO)和首席數(shù)據(jù)官(CDO)將需要監(jiān)督AI。當公司擴展AI的使用時，必須做出無數(shù)的決定。隱私監(jiān)管存在影響，但也存在法律，道德和文化方面的影響，我們需要在2019年創(chuàng)建一個專門的角色，并對AI的使用進行執(zhí)行監(jiān)督。在某些情況下，AI已經(jīng)表現(xiàn)出不利的行為，例如種族貌相，不公平地拒絕個人貸款以及錯誤地識別用戶的基本信息。CAO和CDO將需要監(jiān)督AI培訓，以確保AI決策避免傷害。此外，人工智能必須接受培訓，以處理真正的人類困境，優(yōu)先考慮司法，問責制，透明度，同時還要檢測黑客攻擊和數(shù)據(jù)濫用。

可解釋的AI將成為一項要求，特別是對于金融/銀行和醫(yī)療行業(yè)。如果AI為個人的健康或治療提出醫(yī)療建議，醫(yī)生必須能夠解釋用于得出該結(jié)論的邏輯和數(shù)據(jù)。我們尚未與人工智能的關系處于某種程度，許多人因為人工智能的推薦而愿意接受藥物治療或手術(shù)，特別是如果涉及的醫(yī)療專業(yè)人員無法解釋其建議的“原因”。在金融行業(yè)，我們將看到使用自動分析和認知消息，根據(jù)客戶需求提供有關股票，債券，房地產(chǎn)和其他資產(chǎn)的財務指導和投資建議。在這里，消費者也需要對基于AI的決策進行解釋。

Unravel Data首席執(zhí)行官：Kunal Agarwal

人工智能和機器學習的日益重視將會推動TensorFlow和H2O實現(xiàn)技術(shù)突破成為可能。此外，Spark和Kafka將繼續(xù)呈現(xiàn)引人注目的受歡迎程度。

隨著云業(yè)務模式快速成熟，企業(yè)并購交易將繼續(xù)加速。巨頭將對人工智能領先的創(chuàng)業(yè)公司進行大規(guī)模收購，以便在AI和ML中提供高度需求的知識產(chǎn)權(quán)和人才。谷歌和阿里巴巴在收購萌芽的人工智能技術(shù)方面處于領先地位，而其他一些科技巨頭將嘗試通過自主研發(fā)來模仿他們的成功。

Grammarly研究總監(jiān)：Joel

最近幾年，人工智能推動了理解和生成語言的界限(最值得注意的是新聞翻譯)。由于以下因素，我預計2019年更多自然語言處理(NLP)里程碑成果將會減少：

語言解釋依賴于語境，意味著真正理解一個人的寫作或語言需要參與者的知識，還有他們先前的交流。大多數(shù)NLP模型工作是在沒有這些因素的情況下進行的語言解釋或生成，但我希望通過結(jié)合更多受眾認知的知識，使得NLP性能提高并變得更加個性化。

關于AI的一個小秘密：許多系統(tǒng)都是在數(shù)千人(或更多)人類評估者創(chuàng)建和標記的數(shù)據(jù)集上進行訓練的。隨著我們需要解決更復雜的人工智能問題，對大量高質(zhì)量人工標注數(shù)據(jù)的需求將會增加，但在利用機器學習技術(shù)來收集這些數(shù)據(jù)時會有更多時間和成本效益的突破。

同時，使用最少甚至沒有標記數(shù)據(jù)(也稱為無監(jiān)督技術(shù))的方法將減少我們對大量標記數(shù)據(jù)的依賴，使深度學習模型能夠在新的和不同類型的問題上更加健壯。

模型架構(gòu)和基礎架構(gòu)的進步使豐富的深度學習模型能夠在資源較低的環(huán)境中工作，例如在移動電話和Web瀏覽器中。在未來，我們希望看到更復雜的模型，即使沒有互聯(lián)網(wǎng)連接，也能在所有設置中為用戶提供反饋。

Univa總裁兼首席執(zhí)行官：Gary Tyreman

混合云和專用云將推動機器學習(ML)項目的大規(guī)模增長。根據(jù)最近對超過344名技術(shù)和IT專業(yè)人士的調(diào)查顯示：在2020年，越來越多的項目將投入生產(chǎn)，ML將在未來兩年內(nèi)實現(xiàn)爆炸式增長。超過80%的受訪者表示，他們計劃將混合云用于ML項目，這樣可以降低成本。Univa客戶已經(jīng)在尋求指導，將他們的HPC和機器學習工作負載遷移到云或混合環(huán)境，因為他們希望將他們的ML項目推進生產(chǎn)。

AI/ML將進入企業(yè)應用程序。我們一直在談論人工智能是過去兩年中最熱門的趨勢之一。我們開始看到AI和機器學習穩(wěn)步進入企業(yè)應用程序，用于客戶支持，欺詐分析和商業(yè)智能等任務。我們完全有理由相信這些創(chuàng)新將繼續(xù)在云中發(fā)生，2019年將是企業(yè)中人工智能的重要一年。

HPC和GPU將在推進機器學習項目中發(fā)揮關鍵作用。GPU在HPC中將發(fā)揮很高的價值，其中許多任務，如模擬，財務建模和3D渲染也能在并行環(huán)境中運行良好。根據(jù)HPC市場的市場研究公司Intersect 360研究表明：50種最受歡迎的HPC應用程序包中有34種提供GPU支持，包括所有前15種HPC應用程序。因此，GPU在HPC中變得至關重要。科學家，企業(yè)研究人員，大學和研究機構(gòu)都知道，加速應用程序?qū)ι虡I(yè)和研究來說都是有益的。

Sutherland首席分析官：Puti Nagarjuna

打破障礙; 人工智能與人類恐懼之間的平衡：無論我們是否意識到，我們對人工智能的依賴比以往任何時候都更加活躍，2019年公司將齊心協(xié)力進一步了解人工智能的局限性，同時發(fā)現(xiàn)AI應對更細微的人類行為的方法。

越來越多人接受人工智能作為客戶體驗的第一線：消費者將更多地接受人工智能聊天機器人作為客戶體驗的第一線，更多公司將采用它們來創(chuàng)造超個性化和便捷的體驗。

AI將把以客戶為中心的營銷推向新的高度：隨著各種規(guī)模的公司轉(zhuǎn)向人工智能技術(shù)，通過人工智能增強趨勢分析將達到前所未有的價值水平，幫助企業(yè)評估如何優(yōu)化營銷工作，作為數(shù)據(jù)驅(qū)動的一部分CMO將崛起。

機器學習追求最大價值：數(shù)據(jù)呈指數(shù)級增長，但訪問該數(shù)據(jù)的能力對于良好的ML算法并不實用。在未來一年，一個主要的挑戰(zhàn)將是不斷發(fā)展的算法，以產(chǎn)生適用于你的數(shù)據(jù)的最大值具體需要。

匯流數(shù)據(jù)架構(gòu)師：Gwen Shapira

隨著越來越多的公司試圖將AI從實驗室轉(zhuǎn)移到生產(chǎn)中，我們將看到越來越多的工具用于管理開發(fā)生命周期。AI具有獨特的雙階段開發(fā)模型，目前的CI/CD工具鏈無法解決訓練，可重復性和數(shù)據(jù)管理方面的獨特挑戰(zhàn)。

許多公司意識到他們可以通過更簡單的工具獲得許多AI / ML優(yōu)勢，例如規(guī)則引擎和簡單的推薦系統(tǒng)。我希望看到越來越多的人采用這些，既可以作為進入完全自治世界的墊腳石，也可以作為許多行業(yè)的良好解決方案。

我們將看到許多數(shù)據(jù)工程工具被重新命名為AI/ML數(shù)據(jù)管道工具。它們與通常的數(shù)據(jù)工程工具大致相同，但預算較多。我期望一個真正的以人為本的數(shù)據(jù)管道來處理訓練和生產(chǎn)之間的數(shù)據(jù)和模型流，特別是處理反饋循環(huán)和模型改進。

Kinetica的首席技術(shù)官兼聯(lián)合創(chuàng)始人：Nima Negahban

數(shù)據(jù)工程師的崛起使AI成為企業(yè)的最前沿。 去年是數(shù)據(jù)科學家的一年，企業(yè)重點關注招聘數(shù)據(jù)科學家創(chuàng)建高級分析和ML模型。2019年將是數(shù)據(jù)工程師的一年。數(shù)據(jù)工程師將專注于將數(shù)據(jù)科學家的工作轉(zhuǎn)化為業(yè)務的強化數(shù)據(jù)驅(qū)動軟件解決方案。這涉及創(chuàng)建深入的AI開發(fā)，測試，DevOps和審計流程，使公司能夠在整個企業(yè)范圍內(nèi)大規(guī)模整合AI和數(shù)據(jù)管道。

人與ML形成共生關系，以推動實時業(yè)務決策。 2019年人工智能和分析的世界需要融合，以推動更有意義的業(yè)務決策。這將需要一種通用方法，將歷史批量分析、流分析、位置智能、圖形分析和人工智能結(jié)合在一個平臺中進行復雜分析。最終結(jié)果是一種新的模型，用于結(jié)合臨時分析和機器學習，比以往更快的速度提供更好的洞察力。

Oqton首席技術(shù)官兼聯(lián)合創(chuàng)始人：

Ben Schrauwen

2018年最大的驚喜是在解決大型訓練數(shù)據(jù)集需求方面取得的進展。AlphaZero擊敗了所有以前的版本，達到了超人的水平。生成對抗網(wǎng)絡(GAN)正在成功應用于產(chǎn)生更強大的模型。此外，我們現(xiàn)在看到AI可以在非常具體的任務中變得如此擅長，人類無法再說出差異，例如Google Duplex在語音合成中有效地越過了神奇的山谷，為特定的狹窄領域產(chǎn)生了自然的聲音對話。

我預計我們會很快看到AlphaZero的方法適用于大型搜索空間的難題，甚至超越人類的專業(yè)知識。視覺和3D深度學習的進步將導致越來越多的解決方案，以幫助提高人類在特定任務中的生產(chǎn)力，甚至完全自動化。

MemSQL首席執(zhí)行官：Nikita Shamgunov

預測#1：現(xiàn)代工作負載需求將命令從NoSQL轉(zhuǎn)移到NewSQL數(shù)據(jù)庫。 由于ML，AI和邊緣計算工作負載不斷激增數(shù)據(jù)，傳統(tǒng)的NoSQL數(shù)據(jù)庫不再足以滿足市場對更高性能和可擴展性的需求，而不會給現(xiàn)有數(shù)據(jù)庫增加新的復雜性。關系數(shù)據(jù)庫已發(fā)展成更具可擴展性和快速運行的NewSQL數(shù)據(jù)庫，通過將事務和分析處理功能集成到單個數(shù)據(jù)庫中，這些數(shù)據(jù)庫能夠滿足這些需要更高數(shù)據(jù)處理能力的現(xiàn)代工作負載的需求。

預測#2：人工智能和機器學習計劃將要求CEO更好地了解它的基礎架構(gòu)。人工智能和ML的競爭正變得比以往任何時候都更加激烈。為了使企業(yè)能夠成功部署AI和ML以實現(xiàn)最大化價值并降低風險，CEO和其他C級領導者需要了解其數(shù)據(jù)基礎架構(gòu)的成熟度，包括如何存儲和處理數(shù)據(jù)，以確定哪些技術(shù)和人才需要推動轉(zhuǎn)型。

預測#3：AI將使員工能夠最大限度地減少勞動密集型任務。人工智能的采用有望推動新的角色和工作機會的引入，以符合公司戰(zhàn)略，從而變得更加以數(shù)據(jù)為導向。人工智能將幫助員工專注于更有意義的職責，例如分析洞察力和應用快速數(shù)據(jù)驅(qū)動的決策制定技能，而不是替換人來執(zhí)行工作，而是幫助執(zhí)行通常耗時且勞動密集的任務。