介绍

在过去的一年中，AI继续在企业中闯入。根据企业的新451研究声音：AI和机器学习www.yabo11vip.com用例2020调查，有29％的企业以某种能力部署了机器学习。随着这些AI项目中越来越多的数量从白板转变为概念证明，最终部署，收养者（和总体市场）开始面临一系列二阶问题。MLOP，负责的​​AI，AI基础架构，可持续性AI，新用例和整体市场成熟度是需要解决的主题，以确保该技术在企业背景下继续提供福利。

451拿


AI是一种变革性的技术，有可能影响几乎每个企业流程，但是在这个仍然晕已经采用的阶段，关于如何实施以及为哪种用例，有许多开放的问题。到目前为止，许多收养者更加专注于将AI应用程序推广到生产中，并且不太关心制定标准和程序，以确保技术安全，可管理，健壮，可解释和可持续性。这些下游挑战在2020年变得更加普遍，我们希望该行业能够在这些关键领域围绕这些框架，产品和服务进行正式化。yabo07

mlops

MLOP（机器学习操作）广泛描述了控制机器学习模型部署，监视和管理的实践和技术。顾名思义，MLOP的一个组成部分是DevOps的核心原理（自动化，敏捷性和协作）的扩展到机器学习模型的生命周期。

这些资产与传统应用不同，因此需要其他考虑因素。例如，与软件代码不同，预测模型会随着时间的流逝而侵蚀 - 一种称为模型漂移的现象 - 因此，采用者必须在部署后监视模型性能。在确定采样和再培训模型的频率时，组织必须权衡许多因素，例如数据科学家的时间，计算模型再培训的成本以及与任意预测相关的业务风险。这个仅包括在部署中管理一个模型的简单示例，证明了MLOP的指数复杂性。我们最近与之交谈的许多组织现在正在生产10或20个模型，但希望在一年左右的时间内增长到数百个。

在2020年，我们预计MLOP将从行业流行语转变为一系列形式化的最佳实践。此外，我们怀疑许多机器学习平台的提供商将推出针对模型管理的其他功能或工具。


负责的AI

人工智能技术的变革潜力很棒 - 它激发了兴奋和健康的恐惧程度，尤其是当它融入社会方面时。整个行业中的一种常见避免是确保这些扩散的AI系统对其决策的对象的危害。换句话说，该技术必须对其影响的人类负责。

这个目标并不简单。一个并发症的领域是哲学上的。AI系统负责是什么意思？与传统系统相比，嵌入机器学习模型的应用程序还需要多少负责？第二个问题是技术。撬开黑匣子的人工智能很困难，这一问题是深度学习技术的普及，这导致了特别不透明的决策系统。

在过去的几年中，技术公司制定了一系列原则来指导其AI开发和实施，其中许多组织开始发布工具以改善其AI产品和系统的问责制。同时，公共机构已开始辩论法律框架以规范技术。在来年，我们预计这些事态发展会在联合方面取得进展，该行业发行了更多功能，并从公共部门获得了更明确的政策。


人工智能基础设施

尽管AI的大部分嗡嗡声都集中在用例上，但构建这些应用程序的基础架构也至关重要。机器学习过程的每个阶段 - 数据管理和准备，模型培训或推断 - 对企业IT系统提出了独特的需求。此外，AI系统的数据量的大小可以达到PB量表，并且鉴于开发机器学习模型的实验性质，AI工作负载并不总是可以预测的。AI的大多数企业收养者已经开始制定围绕AI基础设施的策略。他们知道，这项关键技术的成功或失败至少部分取决于拥有足够（甚至是上级）基础架构。

因此，在2020年，我们预计机器学习从业者和IT利益相关者将围绕AI基础设施进行更加协调一致的决策。随着企业寻求采购产品和服务，预算可能会扩大，这些产品和服务将其IT环境专用于AI。yabo07同时，我们希望供应商推出新的硬件产品 - 存储，网络，尤其是服务器 - 针对本地AI工作负载，而Hyperscale Cloud提供商继续在自己的基础架构上进行大量投资。特别是，我们期望一系列新的加速器（来自现有供应商和初创企业）进入市场。我们还预见了新的边缘设备的出现，这些设备满足了对低延迟，低功率环境的处理需求。


可持续的AI

随着越来越多的企业采用该技术，AI工作负载的大小和频率都在增加，从而导致更多计算资源用于AI。正如Openai的一项研究表明，在尖端研究领域，这种趋势尤其严重，在与摩尔定律保持一致（预测每两年的加工能力增加一倍）之后，用于地标AI实验的计算每隔几个月加倍。这种变化的主要原因之一是深度学习。动力消耗的另一个驱动力是机器学习开发的关键阶段的自动化，这使得在单击按钮时更容易消耗大量的处理器周期。但是，一些供应商声称其自动化的ML实际上非常有效。很大程度上取决于所使用的芯片架构，例如CPU，FPGA，GPU或TPU。

这项技术的碳足迹不断增长，正在激发有关AI可持续性的行业讨论。一个问题是，研究界几乎只有通过准确性的提高来衡量的特权，几乎没有强调财务成本或计算效率。在2020年，我们预计AI思想领导者和研究将越来越多，将推动对这项技术的环保方法，并且新技术将出现特权效率。

同时，我们希望市场对可持续性AI的讨论做出反应。AI应用程序的供应商可以开始促进其产品的可持续性。硬件供应商可能会以速度强调其产品的绿色性。甚至有可能市场开始看到针对AI市场的环保硬件产品。


新的创新用例

显而易见，2020年AI的新用例似乎很明显，因为我们每天都看到新的用例。但是，我们希望看到使用机器学习的组织从应用AI转变为以前已应用确定性软件方法（即基于规则的方法）的问题，以解决越来越复杂的用例仅软件。我们在2019年企业AI和机器学习用例调查的声音中看到了这一点，其中有37％的金融服务公司表示，他们打算使用AI来解决未来的合规性问题，而如今为28％。yabo07其他突出的例子包括药物发现，企业搜索的多年生问题，甚至是AI工作量的芯片设计。

这些新兴的用例可能会在AI的更冒险的末端以更多使用算法的形式，例如强化学习，软件代理执行任务并获得某些结果而不是其他结果的奖励，从而学习了什么有效和无效的方法。


市场成熟

总是需要通用AI平台 - 一组可用于构建和部署任何类型的AI应用程序的工具。但这不是每个AI供应商都可以尝试的事情，尽管许多供应商都可以尝试。我们希望在AI初创企业社区（供应商本身以及投资者）中占据现实主义的剂量，因为他们意识到，数百个通用AI平台将不会有可持续的市场，并且可能只有最终有少数的空间。公共云市场的圆角就是一个例子，那里的三个领先的提供商 - AWS，Google和Microsoft - 都提供通用AI平台。

我们希望更多的初创公司专注于特定行业的特定问题，在他们需要语音到文本或图像识别之类的东西的地方将依靠这些人的主要AI平台。在2020年，我们相信主要的云平台将通过在该领域购买较小的参赛者，尤其是提供互补功能的云人员来进一步巩固其市场份额。这些大玩家的横向跨行业方法将为小公司留出足够的空间来解决利基问题。
尼克耐心
创始人兼研究副总裁

尼克耐心is 451 Research’s lead analyst for AI and machine learning, an area he has been researching since 2001. He is part of the company’s Data, AI & Analytics research channel but also works across the entire research team to uncover and understand use cases for machine learning. Nick is also a member of 451 Research’s Center of Excellence for Quantum Technologies.

杰里米·科恩（Jeremy Korn）
副分析师

杰里米·科恩（Jeremy Korn）是451研究的副分析师。www.yabo11vip.com他毕业于布朗大学，获得了生物学和东亚研究学士学位，并接受了 妈在哈佛大学的东亚研究中，他采用定量和定性方法来研究中国电影业。

基思道森
首席分析师

基思·道森（Keith Dawson）是451研究的客户体验和商业实践的首席分www.yabo11vip.com析师，主要涵盖营销技术。基思（Keith）涵盖了25年的通信和企业软件的交集，主要研究如何影响和优化客户体验。

想阅读更多吗？立即要求审判。