[[443145]]

【51CTO.com快譯】隨著2022年即將到來，人們希望了解將在2022年主導技術格局的數據科學、人工智能和機器學習的發展趨勢。

根據調研機構的預計，到2027年，全球人工智能市場規模將超過2000億美元;大數據細分市場規模將增長到1030億美元，其中軟件部門的份額為45%。同樣，到2027年，全球深度學習市場規模將超過400億美元，其復合年增長率為39.2%。

事實上，數據科學、人工智能和機器學習等技術在企業中的應用呈指數級增長。在新冠疫情爆發期間，科技在挽救生命和恢復經濟彈性方面發揮了至關重要的作用，并呈現出許多令人驚訝的趨勢。

以下是將在2022年主導技術格局的數據科學、人工智能和機器學習趨勢：

1.小數據和TinyML

小數據背后的核心理念是讓用戶可以獲得可操作的結果，而無需采用大數據分析使用的云計算系統。

在與云平臺的有限交互或者時間和帶寬是處理數據主要限制因素的情況下，獲取小數據集是非常有用的。

簡單來說，它可以在用戶需要快速數據分析的情況下，對最重要的數據進行快速的認知分析。例如在自動駕駛汽車的應用中，其控制系統無法依靠從集中式的云計算服務器發送原始數據和接收分析數據，同時防止在道路上發生碰撞。

TinyML模型是一種機器學習算法，專為微控制器或低功耗硬件設計，使它們更智能、更有用。它占用的空間很小，但能夠處理嵌入式計算應用程序中的大規模應用程序，例如物聯網。

Zyro公司數據科學家Mantas Lukauskas說：“企業80%的工作應該專注于正在使用的數據——模型和模型部署只是一個良好的人工智能應用程序的一部分。”此外，與計算機或服務器相比，微控制器的價格非常低廉，這使得它們的使用對于小型企業甚至個人來說更加容易和實用。

2022年，小數據和TinyML將創造越來越多的嵌入式系統出現的可能性，其中包括汽車、可穿戴設備、家電、工業設備、農業機械等。

2.自動化機器學習(AutoML)

自動化機器學習(AutoML)的最大好處是，盡管總體上在人工智能方面的專業知識較少，但越來越多的企業可以訪問機器學習。因此，任何人都可以使用AutoML解決方案來創建自己的機器學習應用程序。

假設某個主題專家能夠為該主題中的更大問題制定解決方案。但卻缺乏編碼知識，需要將人工智能應用于這些問題。在這里，他們可以通過簡單、用戶友好的界面使用AutoML解決方案。

用戶界面將使機器學習的內部工作不可見，因此提供了完全專注于構建解決方案的空間。它為任何行業組織將人工智能和機器學習嵌入其業務開辟了道路。

AutoML最具發展前途的應用是數據科學。因此，市場對數據科學畢業生的需求量很大，而數據科學家每年的收入超過10萬美元。

開發人員現在能夠在保持模型質量的同時，在最短的時間內構建大規模且高效的機器學習模型。通過使用AutoML自動化迭代過程(如數據清理和準備)是可能實現的。

像谷歌這樣的行業巨頭已經在利用AutoML技術來自動化發現優化模型的過程。

3.用于Deepfake和合成數據的生成式人工智能

通過人工智能和深度學習的進步和發展，音頻、視頻和圖像處理技術現在變得更加智能先進。生成式人工智能可以制作逼真的照片、將黑白照片轉換為彩色照片、將白天照片轉換為夜間照片，甚至可以根據文本描述生成逼真的照片等。

高級人工智能還可以將老舊的圖像和電影改進或升級到4K及清晰度更高級別。

雖然生成式人工智能在有趣的應用場景中越來越受歡迎，但它在某些領域有著更顯著的好處，例如教育、可訪問性、電影制作、犯罪取證以及藝術表達。

此外，這有利于保護不愿在面試或工作場所透露身份的人員。此外，在醫療保健領域，生成式人工智能可以有效地早期識別潛在病癥并創造有效的治療方法。

根據調研機構的預計，到2025年，生成式人工智能處理的數據將占所有數據的10%。

4. AI-on-5G

人工智能和5G將通過最快的云訪問和數據處理共同推動2022年的下一波創新浪潮。

5G可以提供毫秒級的延遲、巨大的帶寬和可靠的連接。5G的低延遲與人工智能的決策能力相結合，優化了設備和云平臺之間的計算速度。

在一些行業應用中，人工智能和5G組合產生了高質量的輸出，能夠部署快速、安全且具有成本效益的物聯網設備和智能網絡。

例如，在汽車制造過程中，使用具有5G深度學習算法的視覺檢測軟件可以更快地識別車輛的缺陷。因此，汽車制造商能夠識別和分析裝配線上的質量問題，并實時觀察智能設備的響應。

通過在實時應用中進行更快地分析，人工智能在快速5G的效率也將在2022年重塑智能交通行業，用于改善城市安全和空間管理。

接下來是客戶支持中的對話式人工智能，它正隨著人工智能和5G的發展而逐漸演變，并且正在創造一種利用面部表情和場景感識與人類進行更快交流的模式。

人工智能的進步無疑會改變每個行業，其中5G正在發揮催化劑的作用。

5.人工智能芯片

通用硬件能夠支持人工智能任務，但缺乏足夠的深度學習技術性能。因此，對于希望使用更有效地運行人工智能應用程序的處理器的企業來說，人工智能芯片正在成為一種先進的解決方案。

特定于人工智能的處理器使用特定系統進行修改，以優化深度學習等任務的性能，并具有并行計算能力。此外，估計專用人工智能硬件分配的帶寬是傳統芯片的4到5倍。

這一功能將顯著提高為云計算服務運營廣泛數據中心網絡的企業的能力。此外，它還將促進企業的內部人工智能運營，提供更快的計算速度。

在某些領域，已經開始采用人工智能處理器單元，并可能在未來一年繼續擴展。例如，安全系統涉及實時面部識別的監控軟件，包括IP攝像頭和門禁攝像頭等。

事實證明，人工智能處理器在以自然語言處理為動力的聊天機器人和用于客戶服務的語音助手中也很有效。

結語

在未來幾年，數據科學、人工智能和機器學習將繼續成為技術進步不可或缺的一部分。在市場上將看到更多此類發展和創新，這將為不同行業提供更多的改進空間。

為了在競爭激烈的市場中保持相關性，人們需要及時了解不斷變化的技術趨勢，以做出正確的決策，并提高回報率。

原文標題：Top 5 Data Science, AI, And ML Trends for 2022，作者：Joydeep Bhattacharya

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】