Data science

Kiến thức tự động vào năm 2020: Điều gì sẽ xảy ra từ AI & Machine Learning

Năm 2019 sẽ được ghi nhớ trong thế giới phần mềm là năm mà công nghệ hóa container, kiến ​​trúc gốc đám mây và Máy học bùng nổ trở thành xu hướng chủ đạo. Khi chúng ta sắp kết thúc thập kỷ, đã đến lúc mong đợi sang năm 2020 và đưa ra một số dự đoán về nơi mà những công nghệ đột phá này sẽ đưa chúng ta 12 tháng tiếp theo. Hãy đọc để biết những gì chúng ta có thể mong đợi từ Trí tuệ nhân tạo (AI) và Học máy về tăng trưởng, đổi mới và áp dụng khi một thập kỷ mới bắt đầu. Chuyển từ áp dụng sang tự động hóa Marc Andreessen đã nói nổi tiếng rằng “Phần mềm đang ăn mòn thế giới”, và ngày nay có vẻ như mọi tổ chức đang trở thành một công ty phần mềm cốt lõi của nó. Tất nhiên, năm 2020 sẽ mang lại những xu hướng mới trong công nghệ và việc không thích ứng được đồng nghĩa với việc gia tăng nợ công nghệ cho các doanh nghiệp. Khoản nợ này cuối cùng sẽ phải được hoàn trả với lãi suất kép. Do đó, thay vì tăng trưởng trong việc áp dụng công nghệ trong năm nay, chúng ta có thể mong đợi sự thay đổi trong chi tiêu công nghệ. Ngân sách doanh nghiệp sẽ tiếp tục chuyển từ CNTT sang khía cạnh kinh doanh của ngôi nhà, với nhiều nguồn tài trợ hơn cho các sáng kiến ​​giúp tăng doanh thu vì giá trị kinh doanh thay thế tốc độ là chỉ số DevOps có ý nghĩa nhất. Trọng tâm của phát triển phần mềm và chi tiêu cho công nghệ thông tin sẽ là việc triển khai Trí tuệ nhân tạo. Một trong những chủ đề chính của 2020 sẽ là tự động hóa các công nghệ hiện có. Các sản phẩm dựa trên AI như Tamr, Paxata và Informatica CLAIRE tự động phát hiện và sửa chữa các giá trị ngoại lệ, bản ghi trùng lặp và các sai sót khác, sẽ tiếp tục được chấp nhận như là cách duy nhất để đối phó với việc làm sạch Dữ liệu lớn và duy trì chất lượng trên quy mô lớn. Các nhà nghiên cứu AI mới chỉ mới bắt đầu hiểu được sức mạnh của mạng nơ-ron nhân tạo và cách cấu hình chúng. Điều này có nghĩa là trong năm tới, các đột phá về thuật toán sẽ tiếp tục diễn ra với tốc độ đáng kinh ngạc với những cải tiến gần như hàng ngày và các kỹ thuật giải quyết vấn đề mới. AI có thể giải quyết một loạt các vấn đề hóc búa đòi hỏi phải tìm ra hiểu biết sâu sắc và đưa ra quyết định. Tuy nhiên, nếu không có khả năng hiểu khuyến nghị của máy móc, con người sẽ khó tin vào khuyến nghị đó. Vì vậy, hãy mong đợi sự tiến bộ tiếp tục trong việc cải thiện tính minh bạch và khả năng giải thích của các thuật toán AI. Sức mạnh tính toán của AI chắc chắn sẽ được cải thiện trong năm tới. Các tập đoàn đã thành lập như Intel và Nvidia, cũng như các công ty khởi nghiệp như Hailo, đang nỗ lực cung cấp khả năng xử lý mạng nơ-ron giá rẻ và nhanh chóng thông qua các chip phần cứng tùy chỉnh. Khi ngành công nghiệp xác định rằng nó cần nhiều sức mạnh tính toán hơn và nhanh hơn để chạy các thuật toán Máy học trong thời gian thực, nhiều tổ chức sẽ phát triển phần cứng phù hợp cho các nguồn dữ liệu dọc theo biên giới. Học máy sẽ trở thành xu hướng chủ đạo trong Học máy của SME đã chứng kiến ​​sự phát triển vượt bậc trong 2019 và chúng ta chỉ có thể mong đợi nó sẽ tồn tại và trở nên dễ tiếp cận hơn trong 2020. Học máy sẽ trở nên phổ biến rộng rãi cho các công ty quy mô vừa khi Xử lý ngôn ngữ tự nhiên (NLP) bước vào thời kỳ hoàng kim. Máy móc hiện tốt hơn con người ở một số nhiệm vụ NLP như trả lời các câu hỏi dựa trên thông tin suy ra từ một câu chuyện. BERT, thuật toán NLP phổ biến nhất trong 2019, sẽ bị lãng quên vào cuối 2020, được thay thế bằng ERNIE hoặc một số thuật toán mới được đặt tên bất thường khác. Máy học cũng sẽ tiếp tục được giới thiệu như một thành phần của hầu hết mọi danh mục sản phẩm phần mềm, từ ERP đến CRM cho đến nhân sự, biến nó thành một yếu tố quan trọng trong quản lý kinh doanh hàng ngày. Ngoài ra, Python sẽ củng cố vị trí của nó như là ngôn ngữ Máy học được lựa chọn, giảm rào cản kỹ thuật đối với việc gia nhập và cho phép nhiều cá nhân hơn có cơ hội thử các thuật toán AI Nguồn mở mới nhất. Mặc dù sự sẵn có của Học máy đối với cơ sở người dùng rộng lớn hơn, tên của trò chơi vẫn sẽ là dữ liệu. Những người có thể tận dụng nhiều thông tin hơn sẽ gặt hái được nhiều lợi ích nhất từ ​​các mô hình phân tích của họ. Bởi vì chính phủ của họ thu thập một lượng lớn dữ liệu như vậy, Trung Quốc sẽ tiếp tục dẫn đầu thế giới về độ chính xác của việc học có giám sát. Để chống lại điều này, hãy mong đợi thế giới phương Tây đi tiên phong trong các thuật toán yêu cầu ít dữ liệu đào tạo hơn, chẳng hạn như học tập tích cực, trong đó thuật toán yêu cầu phần dữ liệu đào tạo tốt nhất tiếp theo để tối đa hóa tốc độ học của nó. Hiệu quả trong đào tạo dữ liệu cũng sẽ được cải thiện nhờ các công cụ AutoML như SageMaker và Pachyderm của Amazon, tự động hóa quá trình tạo và triển khai các mô hình học máy mới. Các giải pháp lấy người tiêu dùng làm trung tâm trong AI và ML Khi khả năng tiếp cận tăng lên, số lượng thiết bị hướng tới người tiêu dùng sử dụng AI và Machine Learning sẽ tăng theo. Trợ lý kỹ thuật số và chatbot đã trở thành một yếu tố quan trọng trong cuộc sống hàng ngày của chúng ta, xác định lại dịch vụ khách hàng và kết nối internet trong nhà. Các sản phẩm tích hợp Alexa của Amazon hoặc Trợ lý của Google sẽ gia tăng và loa thông minh sẽ tiếp tục có được sự bùng nổ về doanh số khi người tiêu dùng vẫn trung thành với những người trợ giúp kỹ thuật số của họ. Trong không gian bán lẻ, đợt triển khai đầu tiên của mua sắm không ma sát tại cửa hàng sẽ bắt đầu xác định lại ngành. AI tích hợp sẽ có thể huấn luyện máy tính xác định vị trí của sản phẩm và các mặt hàng mà người tiêu dùng bỏ vào giỏ hàng của họ. Chúng ta cũng có thể thấy việc sử dụng thực tế tăng cường trong không gian vật lý sẽ hướng dẫn khách hàng qua cửa hàng. Bởi vì công nghệ thị giác máy tính và AI có thể liên tục xác định và lập hóa đơn cho việc mua hàng của khách hàng trong khi họ mua sắm, bán lẻ sẽ chuyển sang trải nghiệm khách hàng không có các điểm ma sát như quầy thanh toán và tạo ra một thực tế bán lẻ không bị xáo trộn. Công nghệ mua sắm không ma sát sẽ chưa sẵn sàng để triển khai hàng loạt trong 2020, nhưng mong đợi sẽ thấy sự tiến bộ ở các địa điểm thử nghiệm. Cuối cùng, chúng tôi hy vọng rằng mỗi năm mới sẽ mang đến cho chúng tôi một chiếc xe không người lái hoàn hảo, lái xe tự động sẽ không còn là hiện thực của chúng tôi trong 2020. Các thuật toán Máy học cung cấp năng lượng cho các hệ thống xe tự động vẫn còn quá nhiều sai sót cơ bản để có thể hoàn toàn tin cậy. Ví dụ: một biển báo dừng có thể được tăng cường bằng các pixel không thể nhìn thấy bằng mắt thường nhưng khiến các thuật toán máy học đọc nó là “Giới hạn tốc độ 40 mph. ” Những loại lỗi này là những gì ngăn cản sự phát triển toàn diện của ô tô không người lái. Việc áp dụng rộng rãi chỉ có thể thành hiện thực khi các điểm yếu của thuật toán được giải quyết và các hệ thống có thể được tin cậy để giữ an toàn cho người lái xe và người đi bộ. Trong khi đó, chúng ta sẽ thấy tiếp tục triển khai tính năng lái xe có sự hỗ trợ của AI, nơi AI cung cấp hướng dẫn và cảnh báo cho người lái xe hoàn toàn chủ động. Vượt qua các rào cản của AI và ML Mặc dù chúng ta có thể mong đợi những tiến bộ đáng kể trong AI và Machine Learning trong năm tới, nhưng sẽ có một số trở ngại đối với việc truyền bá của nó. Sự thiếu hụt lao động trầm trọng của các kỹ sư Máy học có tay nghề cao sẽ khiến các công ty cấp hai khó theo kịp. Mặc dù khả năng tiếp cận có thể phát triển và cung cấp một cánh cổng cho các tổ chức quy mô vừa, nhưng những tổ chức đã sở hữu lượng dữ liệu có thể sử dụng khổng lồ và những nhân viên có khả năng tận dụng nó sẽ là những người phát triển mạnh và cuối cùng có lợi thế lớn nhất về mặt AI và học máy thành công hội nhập. Niềm tin cũng sẽ vẫn là một rào cản trong việc chúng tôi áp dụng Học máy và AI vào năm tới. Ngoài những sai sót trong các phương tiện tự hành khiến an toàn gặp rủi ro, những lo ngại về đạo đức về sự sai lệch trong thuật toán vẫn chưa có giải pháp. Chúng ta có thể dựa vào những hiểu biết sâu sắc thu được từ dữ liệu đào tạo có thể thể hiện thành kiến ​​lịch sử đối với phụ nữ, người già hoặc thiểu số không? Điều này phải được giải quyết trước khi con người có thể hoàn toàn nắm bắt được việc ra quyết định tự chủ của các công cụ AI. Cuối cùng, một chút quan điểm: tất cả những tiến bộ được mô tả ở đây là một phần của AI “hẹp”, nơi một cỗ máy thực hiện một nhiệm vụ cụ thể tốt hơn con người, dựa trên các thuật toán và thống kê. Chén Thánh của AI là trí thông minh “tổng quát”, nơi cỗ máy có nền tảng kiến ​​thức trong thế giới thực và khả năng logic cho phép nó áp dụng kiến ​​thức và kỹ năng vào các nhiệm vụ mới. AI hẹp đang tiến bộ nhảy vọt, nhưng AI nói chung vẫn còn nhiều thập kỷ nữa. Năm tới được đánh giá là một kỷ nguyên mới đầy thách thức đối với công nghệ với nhiều đổi mới và đột phá. Lợi ích của ML và AI là rõ ràng và khả năng tiếp cận ngày càng tăng. Nhưng những vấn đề quan trọng vẫn sẽ cần được giải quyết trước khi tác động rộng rãi của nó đối với các doanh nghiệp và người tiêu dùng có thể được thực hiện đầy đủ. Khi một thập kỷ mới bắt đầu, sẽ rất thú vị để xem có bao nhiêu dự đoán trong số này trở thành hiện thực.

  • Trang chủ
  • CRM
  • Email doanh nghiệp
  • Email marketing
  • Marketing News
  • Marketing tổng thể
  • SEO
  • Thiết kế Website
  • Web Hosting
  • Chatbot
  • Data science
  • Back to top button