简介

在过去的一年里，人工智能继续在企业领域取得进展。根据最新的《451企业研究之声:人工智能和188宝金博网址是多少机器学习用例2020》调查，29%的企业已经在某种程度上部署了机器学习。随着越来越多的AI项目从白板、概念验证到最终部署，采用者(以及整个市场)开始面临一系列的二级问题。mlop、负责任的人工智能、人工智能基础设施、可持续的人工智能、新的用例和整体市场成熟度都是需要解决的主题，以确保该技术在企业环境中继续提供好处。

451分


AI是一项具有变革性的技术，有可能影响几乎每一个企业流程，但在这个仍处于起步阶段的采用中，关于它应该如何实现以及适用于哪些用例还有许多开放的问题。到目前为止，许多采用者更专注于将AI应用推广到生产中，而不太关心制定标准和程序，以确保技术的安全、可管理、健壮、可解释和可持续。这些下游的挑战在2020年变得更加普遍在美国，我们希望该行业围绕这些关键领域正式制定框架、产品和服务。188bet金博宝是什么

MLOps

MLOps(机器学习操作)广泛地描述了控制机器学习模型的部署、监视和管理的实践和技术。顾名思义，MLOps的一个组成部分是将DevOps的核心原则(自动化、敏捷和协作)扩展到机器学习模型的生命周期。

这些资产与传统应用程序完全不同，因此需要额外的考虑。例如，与软件代码不同的是，预测模型会随着时间的推移而衰减——一种称为模型漂移的现象——因此，采用率必须在部署后监控模型性能。在确定对已部署模型进行抽样和再培训的频率时，组织必须权衡许多因素，例如数据科学家的时间、模型再培训的计算成本以及与任意预测相关的业务风险。这个简单的示例(只包括在部署中管理一个模型)演示了mlop的指数级复杂性。我们最近接触过的许多组织目前都有10到20种型号的产品在生产，但预计在一年左右的时间内将增加到数百种。

在2020年，我们预计mlop将从一个行业流行语转变为一套正式的最佳实践。此外，我们怀疑许多机器学习平台的提供者将推出针对模型管理的附加功能或工具。


负责人工智能

人工智能技术的变革潜力是惊人的——它既能激发兴奋，也能激发一定程度的恐惧，尤其是当它融入社会的更多方面时。整个行业的一个普遍说法是，必须确保这些激增的人工智能系统不会对其决策对象造成伤害。换句话说，这项技术必须对它所影响的人类负责。

这个目标并不简单。其中一个复杂的领域是哲学。对一个人工智能系统负责是什么意思?与传统系统相比，嵌入机器学习模型的应用程序需要承担多少责任?第二个问题是技术问题。要撬开人工智能的黑箱是很困难的，而深度学习技术的普及又加剧了这个问题，它导致了特别不透明的决策系统。

在过去的几年里，科技公司制定了一系列原则来指导他们的AI开发和实施，其中许多组织开始发布工具，以提高其AI产品和系统的问责性。与此同时，公共机构已经开始讨论监管这项技术的法律框架。在未来的一年里，我们预计这些发展将同步推进，行业将发布更多的特性，公共部门将发布更明确的政策。


人工智能基础设施

虽然人工智能的大部分热点都集中在用例上，但构建这些应用程序的底层基础设施也很关键。机器学习过程的每个阶段——数据管理和准备、模型训练或推理——都对企业IT系统提出了独特的要求。此外，人工智能系统的数据量可以达到pb级，考虑到开发机器学习模型的实验性质，人工智能工作负载并不总是可预测的。大多数采用人工智能的企业已经开始围绕其人工智能基础设施制定战略。他们知道，这项关键技术的成功或失败，至少在一定程度上取决于是否有足够的(甚至是优越的)基础设施。

因此，在2020年，我们预计机器学习从业者和IT利益相关者将围绕他们的AI基础设施进行更协调一致的决策。随着企业寻求采购产品和服务，以增强其专门用于人工智能的IT环境，预算可能会扩大。188bet金博宝是什么与此同时，我们预计供应商将推出新的硬件产品——存储、网络，特别是服务器——针对本地AI工作负载，而超大规模的云提供商将继续在自己的基础设施上大举投资。特别是，我们预计一系列新的加速器——来自现有供应商和初创公司——将进入市场。我们还预见到新边缘设备的出现，以满足低延迟、低功耗环境的处理需求。


可持续的人工智能

随着越来越多的企业采用该技术，AI工作负载在规模和频率上都在增加，导致更多的计算资源被用于AI。OpenAI的一项研究表明，这种趋势在前沿研究领域尤为明显，在遵循摩尔定律(摩尔定律预测处理能力每两年翻一番)几十年后，用于里程碑式人工智能实验的计算能力每隔几个月就翻一番。造成这种变化的主要原因之一是深度学习。功耗的另一个驱动因素将是机器学习开发关键阶段的自动化，这使得点击一个按钮就可以更容易地消耗大量的处理器周期。然而，一些供应商声称他们的自动化ML实际上是非常高效的;这很大程度上取决于所使用的芯片架构，如CPU、fpga、GPU或TPU。

这项技术不断增长的碳足迹，在业内引发了一场关于人工智能可持续性的讨论。一个问题是，研究界几乎只重视以准确性提高来衡量的进步，很少或根本不重视财务成本或计算效率。我们预计，到2020年，越来越多的人工智能思想领袖和研究将推动这种技术采用对环境友好的方法，并将出现提高效率的新技术。

与此同时，我们期待市场对可持续人工智能的讨论做出反应。人工智能应用的供应商可以开始促进其产品的可持续性。硬件供应商可能会强调他们产品的绿色和速度。甚至有可能出现瞄准AI市场的环保硬件产品。


新的、创新的用例

很明显，2020年人工智能会有新的用例，因为我们每天都能看到新的用例出现。但是，我们希望看到组织使用机器学习来解决日益复杂的用例，因为他们从应用AI来解决之前使用确定性软件方法(即基于规则的方法)解决的问题，转变为以前不能单独使用软件解决的新用例。我们在2019年的企业AI和机器学习用例之声调查中看到了这一点的证据，其中37%的金融服务公司表示，他们打算在未来使用AI解决合规问题，而目前这一比例为28%。188bet金博宝是什么其他突出的例子包括药物发现、企业搜索的长期问题，甚至是AI工作负载的芯片设计。

这些新出现的用例可能采取在人工智能更冒险的一端更多地使用算法的形式，如强化学习(reinforcement learning)，即软件代理执行任务，并根据某些结果获得奖励，而不是其他结果，从而了解什么可行，什么不可行。


市场的成熟

对通用AI平台的需求总是存在的——这是一套可以用来构建和部署任何类型AI应用程序的工具。但这并不是每个人工智能供应商都能尝试的，尽管许多厂商都在尝试。我们希望AI创业社区——供应商本身，以及他们的投资者——能够现实一点，因为他们意识到，不会有一个可持续的市场容纳数百个通用AI平台，最终可能只剩下少数几个平台。公共云市场的细分就是一个例子，那里的三家领先提供商——AWS、谷歌和微软——都提供通用的人工智能平台。

我们预计，更多的初创公司将专注于特定行业的具体问题，当它们需要语音到文本或图像识别等技术时，将依赖于主要的人工智能平台。我们相信，到2020年，主要的云平台将通过收购该领域较小的竞争者，特别是那些提供互补功能的平台，进一步巩固自己的市场份额。这些大公司的横向、跨行业的做法，将为小公司解决小众问题留下充足的空间。
尼克耐心
创始人兼研究副总裁

尼克·佩兴斯(Nick Patie188宝金博网址是多少nce)是451 Research的人工智能和机器学习首席分析师，他自2001年以来一直在研究这一领域。他是该公司数据、AI和分析研究频道的一员，但也在整个研究团队中工作，以发现和理解机器学习的用例。Nick也是451研究中心量子技术卓越中心的成员。188宝金博网址是多少

杰里米·科恩
助理分析师

Jeremy Korn是451 Research的副分析师。188宝金博网址是多少他毕业于布朗大学，获得生物学和东亚研究学士学位 一个马在那里，他运用定量和定性的方法来研究中国电影产业。

基思·道森
首席分析师

Keith Dawson是451 Research的客户体验和商业实践的首席分188宝金博网址是多少析师，主要涉及营销技术。Keith已经报道通信和企业软件的交叉领域25年了，主要关注如何影响和优化客户体验。

想要阅读更多?现在请求审判。