Data science

การคาดการณ์ AI และวิทยาศาสตร์ข้อมูลสำหรับปี 2021

ปัญญาประดิษฐ์เติบโตอย่างรวดเร็วใน 2020 การระบาดใหญ่ทั่วโลกและการเปลี่ยนแปลงทางดิจิทัลที่เกิดขึ้นได้บังคับบริษัทและบุคคลต่างๆ เมื่อเราย้ายจากสำนักงานไปยังบ้าน เร่งการใช้และการพัฒนา AI และดูเหมือนว่าก้าวนี้จะไม่ช้าลง 2021 ต่อไปนี้คือการคาดการณ์บางประการว่า AI จะยังคงครองตำแหน่งต่อไปในปีหน้าได้อย่างไร การลงทุนด้าน AI จะพุ่งสูงขึ้น ตามที่ระบุไว้ในการสำรวจการคาดการณ์ AI ประจำปีของ PWC นี่น่าจะเป็นการคาดการณ์ที่ตรงไปตรงมาที่สุด ในรายงานดังกล่าว PWC ระบุว่า % ของผู้ตอบแบบสอบถามกล่าวว่า AI จะเป็น “เทคโนโลยีกระแสหลัก” ที่บริษัทของพวกเขาใน 2018. ไม่ว่าจะเป็นการใช้เพื่อให้บริการลูกค้าได้ดีขึ้น ช่วยผู้มีส่วนได้ส่วนเสียในการตัดสินใจทางธุรกิจที่ดีขึ้น สร้างสรรค์ผลิตภัณฑ์และบริการที่มีอยู่ (และสร้างผลิตภัณฑ์ใหม่) บรรลุการประหยัดต้นทุนอย่างมีนัยสำคัญ หรือเพิ่มประสิทธิภาพการทำงาน องค์กรส่วนใหญ่จะใช้ AI เพื่อให้พวกเขา ความได้เปรียบทางการแข่งขัน. อันที่จริง คุณสามารถโต้แย้งได้ว่าการใช้ AI ในบริษัทของคุณจะมีผลบังคับใช้ในไม่ช้าเพื่อความอยู่รอด เช่นเดียวกับที่ Gartner เคยอ้างว่าทุกธุรกิจ ไม่ว่าจะเล็กหรือใหญ่ จำเป็นต้องมีเว็บไซต์ภายในปี 2000 ที่จะมีชีวิตอยู่ สิ่งนี้นำเราไปสู่การคาดการณ์อีกอย่างหนึ่ง: หนึ่งที่ช่วยให้ธุรกิจทั้งหมดสามารถใช้ประโยชน์จากสิ่งที่ AI นำเสนอโดยไม่ต้องจ้างผู้เชี่ยวชาญ AI as a Service จะระเบิดขึ้น 2021 ในขณะที่ความต้องการ AI เพิ่มขึ้นเรื่อย ๆ กลุ่มผู้มีความสามารถก็ลดลง ในตอนนี้ การจ้างนักวิทยาศาสตร์ข้อมูลไม่ใช่เรื่องง่าย และจะยิ่งยากขึ้นไปอีก เนื่องจากความจำเป็นในการรวม AI ในธุรกิจของคุณกลายเป็นเรื่องเร่งด่วนมากขึ้น ทางออกหนึ่งคือการใช้ประโยชน์จาก AI จำนวนมากเป็นแพลตฟอร์มบริการที่ปรากฏ การใช้แพลตฟอร์มเหล่านี้เป็นวิธีที่คุ้มค่าและรวดเร็วในการนำปัญญาประดิษฐ์มาใช้และรวมเข้ากับระบบที่มีอยู่สำหรับธุรกิจขนาดเล็ก เราได้เห็นแล้วว่าโซลูชันเหล่านี้ขยายใหญ่ขึ้นอย่างมากใน 2020 และเราคาดว่าจะสามารถเร่งความเร็วได้อีกใน 2018 แท้จริงแล้ว อนาคตของการเปลี่ยนแปลงทางดิจิทัลมีแนวโน้มมากกว่าที่จะมาจากแพลตฟอร์มที่ใช้งานง่ายและง่ายต่อการปรับใช้ ซึ่งนำพลังของ AI มาสู่ทุกธุรกิจ มากกว่าที่จะเป็นเพียงแค่แพลตฟอร์มที่สามารถจ้างผู้เชี่ยวชาญและสร้างโซลูชันของตนเองได้ ในขั้นต้น เราคาดว่าแพลตฟอร์ม AIaaS จะถูกนำมาใช้เพื่อปรับปรุงการบริการลูกค้า การวิเคราะห์ข้อมูล และการรายงานทางการเงิน ถึงกระนั้น เราคาดว่าความสามารถด้าน AI ที่หลากหลายจะเข้าร่วมในอุตสาหกรรม AIaaS ที่กำลังเติบโตอย่างต่อเนื่อง เราจะเห็นกฎหมายปลอมที่ลึกซึ้งยิ่งขึ้น แต่จะไม่สามารถแก้ไขปัญหาเสียงและวิดีโอปลอมที่ลึกล้ำได้เพิ่มขึ้นในช่วงสามปีที่ผ่านมา ตัวอย่างที่มีชื่อเสียง เช่น วิดีโอปลอมของโอบามาที่เผยแพร่ใน 2018 ได้เน้นย้ำถึงอันตรายของวิดีโอปลอมอย่างลึกซึ้งในแวดวงการเมือง เหตุการณ์ล่าสุดในอินเดียแสดงให้เห็นว่าของปลอมอาจส่งผลกระทบอย่างแท้จริงต่อการลงคะแนนเสียงและการเลือกตั้ง และในขณะที่รัฐแคลิฟอร์เนียในสหรัฐอเมริกาผ่านร่างกฎหมายที่ทำให้การเผยแพร่วิดีโอปลอมของนักการเมืองเป็นเรื่องผิดกฎหมายภายใน วันหลังจากการเลือกตั้ง เป็นที่ชัดเจนว่า กฎหมายจะไม่ขัดขวางผู้กระทำความผิดและผู้จัดจำหน่ายวิดีโอดังกล่าว ใน 2021 เราคาดว่าจะเห็นกฎหมายเพิ่มเติมเกี่ยวกับการปลอมแปลงเชิงลึก – ทั้งการลงโทษการผลิตและการจัดจำหน่าย – แต่สิ่งที่จำเป็นคือวิธีที่ดีกว่าในการระบุตัวตนเหล่านั้น สถาบันเทคโนโลยีโรเชสเตอร์ (RIT) ในนิวยอร์กได้สร้างซอฟต์แวร์ตรวจจับการปลอมแบบลึกของตัวเอง และปลั๊กอินของเบราว์เซอร์ที่เรียกว่า Reality Defender ช่วยในการระบุวิดีโอปลอม ที่ถูกกล่าวว่าคำตอบอาจไม่ใช่ทางเทคนิค ในกรณีของปลอมในอินเดีย กลุ่มคนสังเกตเห็นความผิดปกติเล็กน้อยในการเคลื่อนไหวของปากและส่งสัญญาณเตือนภัย เมื่อมีการเผยแพร่ของปลอมในเชิงลึกในเชิงลบมากขึ้น อาจเป็นไปได้ว่าแคมเปญเพื่อการรับรู้อย่างง่ายจะเป็นวิธีที่ดีที่สุดในการตอบโต้ผลกระทบ จะมีความก้าวหน้าอย่างมากในการเรียนรู้แบบสหพันธรัฐด้วยความเป็นส่วนตัวและความปลอดภัยกลายเป็นหัวข้อหลักหลังจากคดีและสารคดีที่มีรายละเอียดสูงหลายกรณีเช่น The Great Hack มันเป็นสิ่งสำคัญที่จะต้องรับรองความเป็นส่วนตัวของข้อมูลตลอดเวลา การเรียนรู้แบบสหพันธรัฐช่วยให้บรรลุเป้าหมายนั้น Google อธิบายวิธีการทำงานของ FL เกี่ยวกับโทรศัพท์มือถือในลักษณะนี้: ทำงานในลักษณะนี้: อุปกรณ์ของคุณดาวน์โหลดรุ่นปัจจุบัน ปรับปรุงโดยการเรียนรู้จากข้อมูลในโทรศัพท์ของคุณ แล้วสรุปการเปลี่ยนแปลงเป็นการอัปเดตที่มุ่งเน้นเพียงเล็กน้อย เฉพาะการอัปเดตของโมเดลนี้เท่านั้นที่ส่งไปยังคลาวด์ โดยใช้การสื่อสารที่เข้ารหัส ซึ่งจะมีการเฉลี่ยในการอัปเดตกับผู้ใช้รายอื่นในทันทีเพื่อปรับปรุงโมเดลที่ใช้ร่วมกัน ข้อมูลการฝึกทั้งหมดยังคงอยู่บนอุปกรณ์ของคุณ และไม่มีการอัพเดตแต่ละรายการในคลาวด์ FL ช่วยให้อุปกรณ์ต่างๆ เช่น โทรศัพท์มือถือสามารถเรียนรู้รูปแบบการคาดการณ์ที่ใช้ร่วมกันได้ในขณะที่เก็บข้อมูลการฝึกของอุปกรณ์ไว้ แทนที่จะต้องอัปโหลดและจัดเก็บข้อมูลบนเซิร์ฟเวอร์ส่วนกลาง FL ย้ายการฝึกโมเดลไปที่ขอบ สมาร์ทโฟน แท็บเล็ต อุปกรณ์ IoT หรือแม้แต่ “องค์กร” เช่น โรงพยาบาลที่ต้องดำเนินการภายใต้ข้อจำกัดด้านความเป็นส่วนตัวที่เข้มงวด การมีข้อมูลส่วนบุคคลยังคงอยู่ในเครื่องถือเป็นประโยชน์ด้านความปลอดภัยที่สำคัญ และเนื่องจากรุ่นต่างๆ นั่งอยู่บนอุปกรณ์ กระบวนการคาดการณ์จึงทำงานได้แม้ในขณะที่ไม่มีการเชื่อมต่ออินเทอร์เน็ต จำนวนบทความที่เขียนเกี่ยวกับ FL เพิ่มขึ้นอย่างมากในช่วงสองปีที่ผ่านมา และดูเหมือนว่า 2018 จะเป็นปีที่ FL จะกลายเป็นแกนนำสำหรับทุกคนที่ทำงานด้านแมชชีนเลิร์นนิง

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button