對(duì)人工智能2018年最大驚喜及2019年預(yù)測

考慮到技術(shù)變革的速度，我認(rèn)為讓專業(yè)IT人士分享他們對(duì)2018年最大驚喜及2019年預(yù)測的看法會(huì)很有趣。以下是他們對(duì)人工智能(AI)，機(jī)器學(xué)習(xí)( ML)和其他數(shù)據(jù)科學(xué)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(duì)AI已經(jīng)應(yīng)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(xiǎn)公司在其工作流程的某些部分(如承保，理賠業(yè)務(wù)和客戶服務(wù))開始使用AI以保持競爭優(yōu)勢。

2019年的預(yù)測：在B2B 的AI領(lǐng)域，人們越來越關(guān)注硬實(shí)力的儲(chǔ)蓄和價(jià)值。AI的理論價(jià)值主張被廣泛接受，但是，大多數(shù)公司在未來幾年對(duì)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(jìn)行了大量宣傳，但具有變革性的AI還有很多仍在實(shí)驗(yàn)室中進(jìn)行測試。

對(duì)于2019年，ML和AI最終會(huì)以某種方式從實(shí)驗(yàn)室和現(xiàn)有應(yīng)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?yàn)樗鼘⒁詿o縫的方式嵌入。

數(shù)據(jù)科學(xué)家Minkyung Kang：

驚喜：端到端機(jī)器學(xué)習(xí)服務(wù)使ML工作流程變得更加簡單。數(shù)據(jù)科學(xué)家和開發(fā)人員可以在一個(gè)地方構(gòu)建，訓(xùn)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(dān)心管道和架構(gòu)。

預(yù)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(jìn)一步改進(jìn)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(yīng)用程序快速移動(dòng)。這將進(jìn)一步擴(kuò)展到ML的整個(gè)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(biāo)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(duì)異構(gòu)存儲(chǔ)架構(gòu)。

預(yù)測:“數(shù)據(jù)科學(xué)”作為一個(gè)領(lǐng)域?qū)⒎殖蓭讉€(gè)子專業(yè)，包括數(shù)據(jù)工程，高級(jí)統(tǒng)計(jì)推斷和解釋器，我們需要為它制定標(biāo)準(zhǔn)和最佳實(shí)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(dòng)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(duì)特定問題而構(gòu)建，這些功能將越來越多地嵌入到云平臺(tái)和管理工具中。

例如，用人工智能驅(qū)動(dòng)的基礎(chǔ)設(shè)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(gè)IT領(lǐng)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(guān)鍵的問題及常規(guī)和復(fù)雜問題。這種備受期待的功能將簡化IT運(yùn)營，提高基礎(chǔ)架構(gòu)和應(yīng)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(qiáng)其運(yùn)營的穩(wěn)健性。通過快速，自動(dòng)和準(zhǔn)確地了解問題并診斷復(fù)雜配置中的問題，從云提供的關(guān)鍵應(yīng)用程序服務(wù)的可靠性和可用性將大大提高。

BISim高級(jí)總監(jiān)：OISkar Nieder

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)(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(guān)注。隨著圖形處理單元(GPU)加速的引入，以前存在的時(shí)間和計(jì)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(duì)于開發(fā)人員來說，體驗(yàn)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(dòng)化融合，并將徹底改變DevOps。在過去的幾年中，自動(dòng)化在DevOps中的作用繼續(xù)成為更大實(shí)踐的一個(gè)重要方面。目前，主要的重點(diǎn)是自動(dòng)化過程或事件驅(qū)動(dòng)的手動(dòng)可重復(fù)任務(wù)，但AI/ML顯示變化的新進(jìn)展即將出現(xiàn)。通過AI和ML的融合，自動(dòng)化有可能展示前所未有的智能，因?yàn)樾孪到y(tǒng)將關(guān)注趨勢，以及分析和關(guān)聯(lián)整個(gè)價(jià)值流以預(yù)測和預(yù)防問題。隨著DevOps實(shí)踐專注于提高運(yùn)營效率，ML，AI和自動(dòng)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(xiàng)目將從科學(xué)項(xiàng)目和創(chuàng)新實(shí)驗(yàn)室轉(zhuǎn)向由行業(yè)顛覆者領(lǐng)導(dǎo)的全面生產(chǎn)。事實(shí)上，每家公司都有ML項(xiàng)目，但其中大多數(shù)都依賴于無法訪問跟業(yè)務(wù)目標(biāo)相關(guān)的所有數(shù)據(jù)的專業(yè)平臺(tái)。所有數(shù)據(jù)都存儲(chǔ)在各種數(shù)據(jù)倉庫和數(shù)據(jù)庫中，其中沒有一個(gè)能夠運(yùn)行端到端ML，迫使數(shù)據(jù)移動(dòng)到專業(yè)平臺(tái)。然而，僅使用一部分?jǐn)?shù)據(jù)來訓(xùn)練和評(píng)分ML模型，從而導(dǎo)致精度有限。在2019年，當(dāng)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(tái)上。這些公司將更準(zhǔn)確地預(yù)測結(jié)果，包括醫(yī)療設(shè)備的預(yù)測性維護(hù)，基于個(gè)性化客戶行為分析的預(yù)測收入，主動(dòng)檢測欺詐等非服務(wù)。

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(dòng)化將改變IT的經(jīng)濟(jì)方向。即使基礎(chǔ)設(shè)施本身變得可編程，大多數(shù)DevOps仍然由人驅(qū)動(dòng)。但是數(shù)據(jù)量增長如此之快，應(yīng)用程序發(fā)展如此之快，這就要求基礎(chǔ)架構(gòu)必須足夠靈活，這樣才不會(huì)成為瓶頸。在2019年，基礎(chǔ)設(shè)施將變得越來越可編程，基于AI的機(jī)器將預(yù)測存儲(chǔ)和計(jì)算需求，并根據(jù)網(wǎng)絡(luò)狀況，工作負(fù)載和歷史模式自動(dòng)分配資源。

NICE解決方案營銷人員：Karen Inbar

機(jī)器人自動(dòng)化將創(chuàng)造新的就業(yè)機(jī)會(huì)。隨著機(jī)器人過程自動(dòng)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(shí)踐以及RPA如何強(qiáng)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(jī)器人官”等新職位也將開始出現(xiàn)。

公司需要選擇自動(dòng)化哪些流程。2018年的許多自動(dòng)化項(xiàng)目都失敗了，因?yàn)樗鼈冞x擇了對(duì)錯(cuò)誤的流程進(jìn)行自動(dòng)化。在2019年，公司需要更密切地評(píng)估任務(wù)的時(shí)間分配和復(fù)雜性，這種自動(dòng)化任務(wù)的戰(zhàn)略性重新確定優(yōu)先級(jí)將確保組織在數(shù)字化轉(zhuǎn)型工作中推動(dòng)投資回報(bào)率和成功。一旦組織掌握了更簡單的任務(wù)的自動(dòng)化，他們就可以引入更先進(jìn)的技術(shù)，例如光學(xué)字符識(shí)別(OCR)，使無人值守的機(jī)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?yàn)?a target="_blank">信號(hào)源(相機(jī)、物聯(lián)網(wǎng)傳感器、軟件日志等)的數(shù)量越來越多。我們“預(yù)測”ML研究人員將利用越來越多的功能強(qiáng)大的GPU來處理前所未有的大量數(shù)據(jù)。但這僅僅是對(duì)當(dāng)前趨勢的觀察，而不是預(yù)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(xùn)練來預(yù)測松弛參數(shù)，以允許軟件減少訓(xùn)練錯(cuò)誤，對(duì)支持ML計(jì)算環(huán)境的存儲(chǔ)基礎(chǔ)設(shè)施將產(chǎn)生影響。

ML的領(lǐng)導(dǎo)者DeepMind最近發(fā)表了一篇重要論文：“關(guān)系歸納偏見，深度學(xué)習(xí)和圖形網(wǎng)絡(luò)?！币粋€(gè)關(guān)鍵點(diǎn)是ML訓(xùn)練可能會(huì)發(fā)展出一種更為徒手的方法，允許其軟件影響其學(xué)習(xí)途徑的選擇標(biāo)準(zhǔn)(通過推理模式)，這將影響數(shù)據(jù)存儲(chǔ)基礎(chǔ)架構(gòu)。

在今天的任何大型數(shù)據(jù)集中，我們都有一個(gè)“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(xùn)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(chǔ)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(chǔ)層中訪問它。然而，隨著這種大變化，將難以確定哪個(gè)數(shù)據(jù)應(yīng)該是任何給定工作集的成員。相反，將整個(gè)事物視為可能必要的可能是適當(dāng)?shù)?。正在進(jìn)行的各種ML事件中的每一個(gè)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(dāng)公司擴(kuò)展AI的使用時(shí)，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(gè)專門的角色，并對(duì)AI的使用進(jìn)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(gè)人貸款以及錯(cuò)誤地識(shí)別用戶的基本信息。CAO和CDO將需要監(jiān)督AI培訓(xùn)，以確保AI決策避免傷害。此外，人工智能必須接受培訓(xùn)，以處理真正的人類困境，優(yōu)先考慮司法，問責(zé)制，透明度，同時(shí)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(xiàng)要求，特別是對(duì)于金融/銀行和醫(yī)療行業(yè)。如果AI為個(gè)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(guān)系處于某種程度，許多人因?yàn)槿斯ぶ悄艿?a target="_blank">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(dòng)分析和認(rèn)知消息，根據(jù)客戶需求提供有關(guān)股票，債券，房地產(chǎn)和其他資產(chǎn)的財(cái)務(wù)指導(dǎo)和投資建議。在這里，消費(fèi)者也需要對(duì)基于AI的決策進(jìn)行解釋。

Unravel Data首席執(zhí)行官：Kunal Agarwal

人工智能和機(jī)器學(xué)習(xí)的日益重視將會(huì)推動(dòng)TensorFlow和H2O實(shí)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(wù)模式快速成熟，企業(yè)并購交易將繼續(xù)加速。巨頭將對(duì)人工智能領(lǐng)先的創(chuàng)業(yè)公司進(jìn)行大規(guī)模收購，以便在AI和ML中提供高度需求的知識(shí)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(lǐng)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(dòng)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(yù)計(jì)2019年更多自然語言處理(NLP)里程碑成果將會(huì)減少：

語言解釋依賴于語境，意味著真正理解一個(gè)人的寫作或語言需要參與者的知識(shí)，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(jìn)行的語言解釋或生成，但我希望通過結(jié)合更多受眾認(rèn)知的知識(shí)，使得NLP性能提高并變得更加個(gè)性化。

關(guān)于AI的一個(gè)小秘密：許多系統(tǒng)都是在數(shù)千人(或更多)人類評(píng)估者創(chuàng)建和標(biāo)記的數(shù)據(jù)集上進(jìn)行訓(xùn)練的。隨著我們需要解決更復(fù)雜的人工智能問題，對(duì)大量高質(zhì)量人工標(biāo)注數(shù)據(jù)的需求將會(huì)增加，但在利用機(jī)器學(xué)習(xí)技術(shù)來收集這些數(shù)據(jù)時(shí)會(huì)有更多時(shí)間和成本效益的突破。

同時(shí)，使用最少甚至沒有標(biāo)記數(shù)據(jù)(也稱為無監(jiān)督技術(shù))的方法將減少我們對(duì)大量標(biāo)記數(shù)據(jù)的依賴，使深度學(xué)習(xí)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(chǔ)架構(gòu)的進(jìn)步使豐富的深度學(xué)習(xí)模型能夠在資源較低的環(huán)境中工作，例如在移動(dòng)電話和Web瀏覽器中。在未來，我們希望看到更復(fù)雜的模型，即使沒有互聯(lián)網(wǎng)連接，也能在所有設(shè)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(dòng)機(jī)器學(xué)習(xí)(ML)項(xiàng)目的大規(guī)模增長。根據(jù)最近對(duì)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(xiàng)目將投入生產(chǎn)，ML將在未來兩年內(nèi)實(shí)現(xiàn)爆炸式增長。超過80%的受訪者表示，他們計(jì)劃將混合云用于ML項(xiàng)目，這樣可以降低成本。Univa客戶已經(jīng)在尋求指導(dǎo)，將他們的HPC和機(jī)器學(xué)習(xí)工作負(fù)載遷移到云或混合環(huán)境，因?yàn)樗麄兿Ｍ麑⑺麄兊腗L項(xiàng)目推進(jìn)生產(chǎn)。

AI/ML將進(jìn)入企業(yè)應(yīng)用程序。我們一直在談?wù)撊斯ぶ悄苁沁^去兩年中最熱門的趨勢之一。我們開始看到AI和機(jī)器學(xué)習(xí)穩(wěn)步進(jìn)入企業(yè)應(yīng)用程序，用于客戶支持，欺詐分析和商業(yè)智能等任務(wù)。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(jìn)機(jī)器學(xué)習(xí)項(xiàng)目中發(fā)揮關(guān)鍵作用。GPU在HPC中將發(fā)揮很高的價(jià)值，其中許多任務(wù)，如模擬，財(cái)務(wù)建模和3D渲染也能在并行環(huán)境中運(yùn)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(yīng)用程序包中有34種提供GPU支持，包括所有前15種HPC應(yīng)用程序。因此，GPU在HPC中變得至關(guān)重要?？茖W(xué)家，企業(yè)研究人員，大學(xué)和研究機(jī)構(gòu)都知道，加速應(yīng)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(shí)到，我們對(duì)人工智能的依賴比以往任何時(shí)候都更加活躍，2019年公司將齊心協(xié)力進(jìn)一步了解人工智能的局限性，同時(shí)發(fā)現(xiàn)AI應(yīng)對(duì)更細(xì)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(yàn)的第一線：消費(fèi)者將更多地接受人工智能聊天機(jī)器人作為客戶體驗(yàn)的第一線，更多公司將采用它們來創(chuàng)造超個(gè)性化和便捷的體驗(yàn)。

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(qiáng)趨勢分析將達(dá)到前所未有的價(jià)值水平，幫助企業(yè)評(píng)估如何優(yōu)化營銷工作，作為數(shù)據(jù)驅(qū)動(dòng)的一部分CMO將崛起。

機(jī)器學(xué)習(xí)追求最大價(jià)值：數(shù)據(jù)呈指數(shù)級(jí)增長，但訪問該數(shù)據(jù)的能力對(duì)于良好的ML算法并不實(shí)用。在未來一年，一個(gè)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(shí)驗(yàn)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(dú)特的雙階段開發(fā)模型，目前的CI/CD工具鏈無法解決訓(xùn)練，可重復(fù)性和數(shù)據(jù)管理方面的獨(dú)特挑戰(zhàn)。

許多公司意識(shí)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(jìn)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(yù)算較多。我期望一個(gè)真正的以人為本的數(shù)據(jù)管道來處理訓(xùn)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(jìn)。

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(xué)家的一年，企業(yè)重點(diǎn)關(guān)注招聘數(shù)據(jù)科學(xué)家創(chuàng)建高級(jí)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(xué)家的工作轉(zhuǎn)化為業(yè)務(wù)的強(qiáng)化數(shù)據(jù)驅(qū)動(dòng)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(jì)流程，使公司能夠在整個(gè)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(guān)系，以推動(dòng)實(shí)時(shí)業(yè)務(wù)決策。 2019年人工智能和分析的世界需要融合，以推動(dòng)更有意義的業(yè)務(wù)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(gè)平臺(tái)中進(jìn)行復(fù)雜分析。最終結(jié)果是一種新的模型，用于結(jié)合臨時(shí)分析和機(jī)器學(xué)習(xí)，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(xùn)練數(shù)據(jù)集需求方面取得的進(jìn)展。AlphaZero擊敗了所有以前的版本，達(dá)到了超人的水平。生成對(duì)抗網(wǎng)絡(luò)(GAN)正在成功應(yīng)用于產(chǎn)生更強(qiáng)大的模型。此外，我們現(xiàn)在看到AI可以在非常具體的任務(wù)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(lǐng)域產(chǎn)生了自然的聲音對(duì)話。

我預(yù)計(jì)我們會(huì)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(shí)。視覺和3D深度學(xué)習(xí)的進(jìn)步將導(dǎo)致越來越多的解決方案，以幫助提高人類在特定任務(wù)中的生產(chǎn)力，甚至完全自動(dòng)化。

MemSQL首席執(zhí)行官：Nikita Shamgunov

預(yù)測#1：現(xiàn)代工作負(fù)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(jì)算工作負(fù)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(duì)更高性能和可擴(kuò)展性的需求，而不會(huì)給現(xiàn)有數(shù)據(jù)庫增加新的復(fù)雜性。關(guān)系數(shù)據(jù)庫已發(fā)展成更具可擴(kuò)展性和快速運(yùn)行的NewSQL數(shù)據(jù)庫，通過將事務(wù)和分析處理功能集成到單個(gè)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(fù)載的需求。

預(yù)測#2：人工智能和機(jī)器學(xué)習(xí)計(jì)劃將要求CEO更好地了解它的基礎(chǔ)架構(gòu)。人工智能和ML的競爭正變得比以往任何時(shí)候都更加激烈。為了使企業(yè)能夠成功部署AI和ML以實(shí)現(xiàn)最大化價(jià)值并降低風(fēng)險(xiǎn)，CEO和其他C級(jí)領(lǐng)導(dǎo)者需要了解其數(shù)據(jù)基礎(chǔ)架構(gòu)的成熟度，包括如何存儲(chǔ)和處理數(shù)據(jù)，以確定哪些技術(shù)和人才需要推動(dòng)轉(zhuǎn)型。

預(yù)測#3：AI將使員工能夠最大限度地減少勞動(dòng)密集型任務(wù)。人工智能的采用有望推動(dòng)新的角色和工作機(jī)會(huì)的引入，以符合公司戰(zhàn)略，從而變得更加以數(shù)據(jù)為導(dǎo)向。人工智能將幫助員工專注于更有意義的職責(zé)，例如分析洞察力和應(yīng)用快速數(shù)據(jù)驅(qū)動(dòng)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(shí)且勞動(dòng)密集的任務(wù)。