技术变革在2021年加速，并将在2022年继续加速，如果历史可以作为指导的话。数据科学和人工智能仍处于技术前沿，这两项技术有望保持高速发展。从预测数量可以看出，行业专家对人工智能、机器学习和数据科学的兴趣非常高。数据科学和机器学习创业公司DataKitchen的首席执行官ChrisBergh也预测了这些技术。他指出，到2027年，全球人工智能市场预计将以33%的复合年增长率增长。但这种显着增长伴随着一个隐藏的风险：由于人工智能偏见和实施过程中缺乏问责制而导致企业声誉受损。“问题在于，人工智能算法可能会合并并延续有关种族、性别、种族和其他社会不平等的数据，并大规模部署，”Bergh说。数据行业的开发人员已经认识到人工智能偏见的严重影响，并已寻求采取积极措施。他们意识到AI偏见只是一个质量问题，AI系统应该受到与汽车下线相同级别的过程控制。到2022年，数据组织将围绕其AI系统构建强大的自动化流程，使其对利益相关者更加负责。”根据近期发布的TIOBE指数显示，Python将在2021年迅速崛起，超越Java成为全球最流行的语言。那么这种多功能的脚本语言会在2022年带来什么？Anaconda社区创新高级总监StanSeibert表示，Python将继续融入人们的生活。“到2022年，Python将继续扩展到数据科学以外的新用例，”他在一篇预测2022年的博文中写道。对于微控制器和物联网设备等用例，其他编程语言通常占据主导地位。我们将看到，由于MicroPython和CircuitPython的兴起，Python的应用将不断增长。”Anaconda的高级技术客户经理JosephJ.Currenti和Lucia从另一个角度提出了这个问题，他们表示，随着开发者希望通过人工智能创造更具沉浸感的游戏体验，他们希望Python在游戏开发中得到更多的应用。人工智能需要数据和计算（通常在云端）的结合才能成功。普华永道全球AI负责人AnandRao表示，到2022年，我们将看到AI与数据和云计算的融合，需要更具凝聚力的管理方法。Rao表示，“AI本身并不能解决重要的问题。它需要数据和可扩展的计算能力。这就是为什么行业领先的公司越来越多地将数据、AI、云计算（DAC）作为一个统一的整体来管理的原因。我们2022年将看到大量企业采用生命周期方法来管理这三个相互关联的操作。企业继续关注战略并加强运营。当数据、人工智能和云计算顺利协同工作时，结果是一个灵活而强大的系统可以从数据中实现更多价值并更快地解决更多问题。”Excelero增长产品副总裁JeffWhitaker说，但企业在数据中心可以做的事情与他们希望在云中运行的网络规模部署类型之间仍然存在差距。“到2022年，新的云计算计算、网络和存储的基础设施正在建设中，我们将看到分析环境的融合，”惠特克说。因此，许多企业将把他们的核心业务应用程序和数据库环境迁移到云端，并整合其从商业智能、数据库分析到人工智能/机器学习环境，现在完全可以使用云计算引擎和网络规模的数据平台在云端完成近实时的数据分析”OmerHarExplorium联合创始人兼首席技术官表示，拥有良好的人工智能模型固然很棒，但还需要更好的数据。他指出，“行业专家对围绕人工智能先驱吴恩达倡导的想法，提高人工智能性能的最佳方法是使用更好的数据，而不是更好的算法。这并不是说算法不重要。研究表明，通过在更广泛的精选数据集上训练现有算法，公司可以更多、更快地提高AI性能。到2022年，我们将看到访问外部数据成为一种强大的方式竞争优势。过去，企业希望利用人工智能技术获得优势，现在他们的目标是通过在最新的相关数据上训练人工智能来超越竞争对手。”尽管许多企业成功地将人工智能应用于信息丰富的领域，例如自然语言处理(NLP)和图像分析，但Sema4首席数据官AndrewKasarskis认为，扩展这些人工智能部署的能力是一个重大障碍，因为未满足的基本要求：有效分配数据管理资源。“这是技术和流程创新的需要，”Kasarskis说。在获取大量标记良好的数据来训练人工智能时，不可避免地需要进行一些人工和半人工的工作。这些努力总是代价高昂，无法很好地扩展，并且经常使技术人员偏离创造重大价值的活动。Nvidia工程部仿真技术副总裁RevLebaredian表示，合成数据的出现推动了一些人工智能应用的发展，而这一趋势将在2022年达到新的高度。Lebaredian表示，“在过去的十年中，人工智能创新的速度一直在加快，但人工智能的进步离不开大量高质量和多样化的数据。今天，从现实世界中捕获并由人类标记的数据在质量或多样性上还不够高，无法提升到一个新的水平人工智能。到2022年，我们将看到通过精确模拟器从虚拟世界生成的合成数据激增，以训练高级神经网络。”UbuntuLinux分销商Canonical的产品经理RobGibbon认为，机器学习和人工智能将更加2022年被广泛采用。他说，“人工智能终于成熟了，这在很大程度上要归功于TensorFlow、Keras、PyTorch和MXNet深度学习项目和其他协作开源计划。到2022年，我们将看到机器学习和人工智能在可以想象到的最广泛应用中得到更广泛的采用——从最琐碎和平凡的应用到真正具有变革意义的应用。考虑在2022年实现机器人流程自动化？AKASA的联合创始人兼首席技术官VarunGanapathi说，更好的想法可能是使用人工智能和人类来自动化某些流程。许多行业的数字化转型努力在年中推动了机器人过程自动化(RPA)的大规模采用。事实上，RPA是一项已有数十年历史的技术，其功能确实存在局限性——损坏的RPA修复起来既昂贵又耗时。新兴的基于机器学习的技术平台与自动化方法相结合，已经在重新定义跨多个行业实现自动化的可能性。据Expert.ai创始人兼首席技术官MarcoVarone介绍，当今有大量先进的分析和预测工具和技术。他预测，到2022年，将达到一个新的水平，他们将能够以混合方式将它们结合起来。实现有价值的目标。Varone表示，“混合AI是一个关键趋势和战略方向，我们将在2022年看到更多的例子。最近，我们看到自然语言理解（NLU）方面取得了重大进展，基于不同的技术，符号AI与机器学习的结合而机器学习可以提升整体效果，更好地解决更复杂的企业认知问题。这是人工智能未来的发展方向，因为它可以利用现有最好的技术来解决问题。”Neo4j公司数据科学产品总经理AliciaFrame表示，具有开发AI应用程序所需经验和技能的数据科学从业者的职责范围通常很窄。而在2022年，随着人员配置的收紧，我们将看到AI专业人员的职责范围扩大。“到2022年，企业员工将被要求充当使用预测/规范分析模型的‘公民数据科学家’，但其主要工作职能不是数据科学和分析。数据科学是发展最快的领域，”Frame说。其中一个领域是，随着劳动力目前正在经历“辞职浪潮”，企业需要让数据科学人员更容易接近，以帮助填补团队成员的空缺。”许多企业希望完全由数据驱动。但DominoDataLabs的首席执行官NickElprin表示，在人工智能技术的篮子里放太多鸡蛋是错误的，他预见了算法业务的又一次重大失败。Elprin表示，“虽然Zillow退出iBuying市场没有公开的事后分析，但它是算法业务风险的警示信号。模型驱动业务非常强大，但也可能很困难做对。随着越来越多的企业制定模型驱动的战略，我们将看到更多的企业陷入困境——要么是因为他们没有正确管理概率风险，没有正确地将数据科学与业务流程和领域知识相结合，或者过于依赖人工智能来理解基础知识和统计数据。”拥有分析洞察力是一回事，但实际对此采取行动则是另一回事。根据TIBCO首席分析官MichaelO'Connell的说法，到2022年，我们将看到更多公司从分析转向行动和决策。O康奈尔说：“当今瞬息万变的商业环境需要实时可见性以及来自数据和分析的最新建议。为了在大流行后的世界中生存，公司需要能够根据他们拥有的数据预测接下来会发生什么，并围绕决策和行动制定更多规则。衡量影响力和关闭决策中的智能循环的流程将突出他们的重点。理光负责技术的高级副总裁兼数字服务中心负责人鲍勃·拉门多拉(BobLamendola)表示，过去，人工智能的采用者往往是大公司。但在2022年，我们将开始看到更多的中小企业参与进来。拉门多拉说，人工智能正在许多试点项目中进行部署和探索，以更好地理解技术、识别挑战和验证结果。虽然现在大型企业更多地采用人工智能，但我们预计明年中端市场和一些小型企业的重点和采用将发生重大转变。使用能够自我修复和自动修复的洞察力和分析驱动的引擎来重新构想IT运营的机会太诱人了，不容忽视。“
