Gartner : Les grandes orientations de développement du machine learning en 2023

Lors du récent Gartner Data & Analytics Summit à Sydney, en Australie, les analystes du cabinet de recherche et de conseil ont souligné certaines des principales tendances en matière de science des données et d'apprentissage automatique

L'IA générative comme une percée dans le domaine de l'apprentissage automatique la technologie a suscité de nombreux débats. Cela devrait avoir un impact sur diverses industries d'une manière ou d'une autre, ce qui est lié à certaines des tendances proposées par Gartner et à l'avancement et à la popularité des outils d'intelligence artificielle générative

Peter Krensky, analyste principal chez Gartner, a déclaré dans un rapport : "En tant que machine l'apprentissage est utilisé dans Les applications répandues dans tous les secteurs continuent de croître rapidement, et la science des données et l'apprentissage automatique s'éloignent d'une approche uniquement axée sur les modèles prédictifs pour se tourner vers des disciplines plus démocratisées, dynamiques et centrées sur les données. Malgré certains risques potentiels, les scientifiques et les data scientists. leurs organisations émergent. »

Voici cinq tendances qui, selon Gartner, façonnent l'avenir de la science des données et de l'apprentissage automatique :

1 Écosystème de données cloud

Au cours de la dernière décennie, les organisations ont souvent abandonné le développement d'écosystèmes de données cloud. de manière point à point plutôt que de les déployer en tant qu'unité de données cloud cohérente. Selon Gartner, d'ici 2024, la moitié des déploiements seront des écosystèmes cohérents plutôt que des solutions ponctuelles intégrées manuellement, ce qui a été la norme pour la plupart des déploiements au cours de la dernière décennie

2. Edge AI

Selon Gartner, la prochaine technologie est susceptible de passer à la périphérie est l’intelligence artificielle. La demande en matière d’IA de pointe augmente à mesure que les entreprises cherchent à traiter les données plus près du point de génération des données afin de fournir des informations exploitables en temps réel. La possibilité d'exécuter des logiciels d'IA à la périphérie est également bénéfique pour les opérateurs des secteurs ayant des exigences strictes en matière de confidentialité des données qui ne permettent pas le transfert de données vers des centres de données ou à l'extérieur du pays

3. Une IA responsable

Un nombre croissant d'organisations adoptent l’intelligence artificielle lorsqu’ils envisagent des choix éthiques, appelée « IA responsable ». Ce concept se concentre sur divers aspects de la façon dont les modèles sont formés et utilisés, et garantit le respect d'autres mesures de risque et de conformité. Selon les prédictions de Gartner, avec la popularité des modèles pré-entraînés, de plus en plus de développeurs considéreront l'intelligence artificielle responsable comme une préoccupation sociale

4 L'intelligence artificielle centrée sur les données

L'objectif du développement de l'intelligence artificielle Il y a un changement en cours. une approche centrée sur le code à une approche centrée sur les données. La gestion des données, les données synthétiques et l’étiquetage des données sont devenus des facteurs clés du succès du développement de l’intelligence artificielle. Selon Gartner, d'ici 2024, 60 % des données d'IA seront créées de manière synthétique pour stimuler la réalité, contre 1 % en 2021

5 Accélérer les investissements dans l'IA

Alors que de plus en plus d'entreprises cherchent à mettre en œuvre des solutions d'IA, les investissements dans L’IA a atteint des niveaux élevés dans de nombreux secteurs et devrait continuer à croître dans les années à venir. L'investissement dans les startups d'IA s'appuyant sur des modèles sous-jacents devrait atteindre 10 milliards de dollars d'ici fin 2026

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!