2021年重要的机器学习和A人工智能的发展趋势

Priya Dialani 发表于 2020-12-03 14:41:33 收藏 已收藏
赞(0) •  评论(0
400万+工程师在用
400万+工程师在用

2021年重要的机器学习和A人工智能的发展趋势

Priya Dialani 发表于 2020-12-03 14:41:33

机器学习如今已经成为一种众所周知的创新技术。一项研究发现,人们目前使用的设备中有77%正在使用机器学习(ML)技术。通过采用亚马逊Alexa、Google Home、Netflix等智能设备,人工智能服务正在为组织提供行业领先的创新解决方案。

人们需要了解2021年一些重要的机器学习和人工智能趋势,这些趋势可能会重塑经济、社会和工业运作。

2021年重要的机器学习和A人工智能的发展趋势

机器学习和人工智能行业如今正在快速发展,并为各行业组织带来了巨大的变革空间,并将带来重大变化。根据调研机构Gartner公司的调查,在所有接受调查的公司中,约有37%的组织在其业务中使用某种类型的机器学习技术,并且预计到2022年,80%的现代技术将基于机器学习和人工智能技术。

机器学习和人工智能技术近年来有了一些进步和发展。到目前为止,一些组织已经能够应用这些技术来实现业务目标。

随着对这些技术的需求和兴趣的激增,在这一领域出现各种新的模式。简单地说,如果具有技术能力或在某种程度上与创新有关,那么将会看到机器学习的下一步发展。

1. 超自动化的机器学习

超自动化是由Gartner公司指出的IT行业面临的一个主要趋势,组织有可能使其内部几乎所有可以实现自动化的东西(例如遗留业务流程)都实现自动化。冠状病毒疫情推动了这一概念的采用,该概念也被称为“数字过程自动化”或“智能过程自动化”。

机器学习和人工智能是超自动化的关键部分和重要推动力(以及诸如流程自动化工具之类的各种创新)。为了提高效率,超级自动化活动不能依赖于静态打包的软件。自动化的业务流程必须能够适应不断变化的条件并应对突发情况。

2. 业务预测与分析

近年来,时间序列分析已经成为主流,并成为今年的热门模式。通过采用这种策略,行业专家可以在一段时间内收集和筛选数据,然后对这些数据进行检查并用于做出明智的决策。利用不同的数据集进行训练时,机器学习可以给出准确性高达95%的猜想。

在2021年及以后的时间里,可以预期组织应该融合递归神经网络来进行更加准确的预测。例如,可以融合机器学习解决方案以发现隐藏的模式和准确的预测。保险公司发现潜在的欺诈就是一个很好的例证。这可能对他们带来成本高昂的代价。

3. 自动化

知名风险投资家马克·安德森曾表示,“软件正在毁灭地球”。如今,软件似乎正在进入每个组织的核心业务。2021年将在技术领域实现新的模式,因此管理不善将增加组织的技术债务,而这些债务到最后必须还清。因此,相对于今年技术采用的发展趋势,可能会发现技术支出的变化。企业预算将继续从IT转向更关键的业务运营。由于DevOps指标十分关键,随着业务价值取代发展速度,组织的领导者将吸引更多的投资来增加收入。

软件开发和数据技术支出的重点将放在人工智能的实现上。2021年的众多主题之一将是现有的技术实现自动化。因此,基于Tamr、Paxata和Informatica CLAIRE等基于人工智能的项目可以识别并修复异常值、复制记录和不同的缺陷,这些项目将使其不断学习,这归功于数据净化和更高的质量。

4. 机器学习与物联网的交集

物联网是一个快速发展的细分市场。根据分析机构Transforma Insights公司的预测,到2030年,全球物联网市场将增长到241亿台物联网设备,并将创造1.5万亿美元的收入。

机器学习的利用与物联网逐渐交织在一起。例如,现在正在利用机器学习、人工智能、深度学习来使物联网设备和服务更智能、更安全。在任何情况下,由于机器学习和人工智能需要大量的数据才能有效地工作,这两者的优势是双向的,这正是物联网传感器和设备网络所提供的。

例如,在工业环境中,制造工厂的物联网网络都可以收集运营和性能信息,然后由人工智能系统进行分析,以提高生产系统的性能、支持效率并预测机器何时需要维护。

5. 更快的计算能力

人工智能分析师开始了解人工神经网络的功能以及采用它们的最佳实践。这表明在未来一年内,算法的突破将继续出现在务实的发展和新的问题解决系统。随着第三方云计算服务提供商鼓励在云平台中部署机器学习算法,云计算机器学习解决方案也正在迅速崛起。人工智能可以解决一系列问题,这些问题需要寻找洞察力并做出决策。然而,如果组织没有处理机器建议的能力,则很难接受这个建议。通过特定的路线,可以预见在此期间的持续增长,以提高有关人工智能算法的透明度和可解释性。

6. 强化学习

强化学习(RL)在未来几年内可以被组织普遍采用。它是对深度学习的独特利用,组织可以利用自己的经验来提高捕获数据的有效性。

在强化学习中,人工智能编程是在各种条件下设置的,这些条件描述了软件将执行何种活动。针对不同的动作和结果,采用软件进行自学习,以达到理想的最终目标。

强化学习的一个理想例证是聊天机器人,它可以处理简单的用户查询,例如问候、订单预订、咨询电话。机器学习开发公司可以利用强化学习(RL)通过添加顺序条件使聊天机器人更加巧妙,例如区分潜在客户并将呼叫转移到相关的服务代理。强化学习(RL)的其他一些应用包括商业战略规划的机器人技术、机器人运动控制、工业自动化以及飞机控制。
责编AJX

打开APP阅读更多精彩内容

收藏

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容图片侵权或者其他问题,请联系本站作侵删。 侵权投诉

相关话题

评论(0)

加载更多评论
相关文章

分享到

QQ空间 QQ好友 微博
取消