Kristallen bol 2021: wat staat AI, machine learning en data te wachten

Klik voor meer informatie over auteur
Rachel Roumeliotis

Kunstmatige intelligentie (AI) is niet langer een ‘leuk ding’. Van bedrijfsprocessen en slimme huistechnologie tot gezondheidszorg en biowetenschappen, AI blijft evolueren en groeien, aangezien het een steeds grotere rol speelt in veel aspecten van ons werk, ons privéleven en daarbuiten. Nu we 2020 een zeer welkom afscheid nemen en een nieuw jaar ingaan, staan ​​hieronder de vijf belangrijkste trends op het gebied van AI, machine learning (ML) en gegevens die we in 2021 kunnen versnellen.

We hebben werk te doen als het om MLOps gaat

MLOps zal proberen de kloof te overbruggen tussen ML-toepassingen en de continue integratie en continue levering (CI / CD) pijplijnen die een standaardpraktijk zijn geworden. Historisch gezien vormt ML een probleem voor CI / CD om verschillende redenen: De gegevens die ML-toepassingen aandrijven zijn net zo belangrijk als code, waardoor versiebeheer moeilijk is; outputs zijn eerder probabilistisch dan deterministisch, waardoor testen moeilijk zijn; en het trainen van een model is processorintensief en tijdrovend, waardoor snelle bouw- / implementatiecycli moeilijk zijn. Hoewel geen van deze problemen onoplosbaar is, zal het ontwikkelen van oplossingen de komende jaren aanzienlijke inspanningen vergen.

De tijd om verantwoord machinaal leren toe te passen is nu aangebroken

Het tijdperk waarin technologiebedrijven een ‘gratis ritje’ hadden, is ten einde. Het gebruik van gegevens is niet langer een praktijk waarin alles kan, en er zijn juridische en reputatieschade aan het oneigenlijk gebruik van gegevens. Verantwoorde ML is een beweging om te maken AI-systemen verantwoordelijk voor de resultaten die ze produceren. Dit omvat verklaarbare AI (bijv. Systemen die kunnen verklaren waarom een ​​beslissing is genomen), mensgerichte ML, naleving van regelgeving, ethiek, interpreteerbaarheid, eerlijkheid en het bouwen van veilige AI. Tot nu toe was de acceptatie van verantwoorde ML door bedrijven op zijn best lauw en reactief. In het komende jaar zullen meer regelgeving (zoals de GDPR en CCPA), antitrust en andere juridische krachten bedrijven dwingen om verantwoorde ML-praktijken toe te passen.

Cloud Data Lakes en Data Lakehouses krijgen grip

Datameren hebben de afgelopen jaren een vrij robuuste heropleving gekend, met name cloud-datameren. Nu meer bedrijven hun data-infrastructuur naar de cloud migreren, en de toename van open-sourceprojecten die innovatie in datameren in de cloud stimuleren, zullen deze in 2021 op de radar blijven. Evenzo zal het data lakehouse, een architectuur met kenmerken van beide het datameer en het datawarehouse kregen in 2020 grip en zullen in 2021 steeds belangrijker worden. Cloud datawarehouse engineering zal een bijzondere focus krijgen naarmate databaseoplossingen geleidelijk naar de cloud verhuizen.

We zullen een golf van cloud-native, gedistribueerde dataframes zien

Data Science groeide op met Hadoop en zijn enorme ecosysteem. Hadoop kan nu worden beschouwd als een legacy-systeem, aangezien het momentum is verschoven naar Spark, dat momenteel domineert zoals Hadoop dat vroeger deed. Maar er zijn nieuwkomers. Gedistribueerde computerframeworks zoals Ray en Dask zijn flexibeler en cloud-native, wat betekent dat ze het heel eenvoudig maken om workloads naar de cloud te verplaatsen. Nu beide een sterke groei zien, zal de tijd uitwijzen wat het volgende platform aan de horizon zal zijn.

Natural Language Processing (NLP) zal aanzienlijk toenemen

Vorig jaar was de meest opwindende ontwikkeling in AI GPT-3 en zijn vermogen om bijna menselijk klinkend proza ​​te genereren. Waar leidt dat toe in 2021? Er zijn veel mogelijkheden, variërend van interactieve assistenten en geautomatiseerde klantenservice tot geautomatiseerd nepnieuws. Als we GPT-3 nader bekijken, zijn er enkele grote vragen die we in overweging moeten nemen als we het nieuwe jaar beginnen. Nu GPT-3 wordt geleverd via een API (en niet door het model rechtstreeks in applicaties op te nemen), is “Language-as-a-service” de toekomst? Hoewel GPT-3 geweldig is in het maken van Engelse tekst maar geen concept van gezond verstand of feiten heeft, hoe kunnen meer geavanceerde taalmodellen die beperkingen overwinnen? GPT-3 heeft bijvoorbeeld zelfmoord aanbevolen als remedie tegen depressie – verkeerde interpretaties zoals deze kunnen grote, onbedoelde uitdagingen veroorzaken. Ten slotte, hoe kunnen vooroordelen die in talen zijn ingebouwd, worden overwonnen, en op wie rust die verantwoordelijkheid?

Hoewel AI en ML onze wereld al decennia lang transformeren, heeft het afgelopen jaar deze technologieën meer dan ooit in de schijnwerpers gezet. Nu de wereld nieuwe technieken en praktijken zoals MLOps, verantwoorde ML en NLP blijft toepassen, is het een spannende tijd om te zien hoe de toekomst van AI zich zal ontvouwen.