[导读] 随着企业寻求自动化模式检测、预测和决策，以推动转型效率提高、竞争差异化和增长，企业机器学习的采用将会继续。
随着企业寻求自动化模式检测、预测和决策，以推动转型效率提高、竞争差异化和增长，企业机器学习的采用将会继续。人们将看到基础设施和工具围绕简化企业级构建和部署机器学习应用程序的过程而发展，包括云原生平台的兴起，以实现端到端机器的弹性自动扩展和多云可迁移性学习工作流程。
随着新的一年的到来，现在是将注意力转向2019年行业发展趋势的时候了。很多人都在猜测2019年将会发生什么，而这也是人工智能科学领域专家进行预测的乐趣所在。
机器学习开发商Cloudera公司总经理Hilary Mason表示，机器学习在2018年度过了美好的一年，而企业将在2019年以一种新的和深刻的方式接受机器学习技术。
“随着企业从概念验证转向生产能力，2019年人们将看到企业机器学习转型成熟的新进展。”Mason说，“随着企业寻求自动化模式检测、预测和决策，以推动转型效率提高、竞争差异化和增长，企业机器学习的采用将会继续。人们将看到基础设施和工具围绕简化企业级构建和部署机器学习应用程序的过程而发展，包括云原生平台的兴起，以实现端到端机器的弹性自动扩展和多云可迁移性学习工作流程。”
戴尔科技公司表示，5G网络的引入将使人们生活在边缘。
该公司表示：“低延迟、高带宽网络意味着更多的物联网设备、自动驾驶汽车，以及人工智能、机器学习和计算都将在边缘发生，因为那里将生成所有数据。”人们很快就会看到分布在城市各处的微型数据中心，将给人们带来新的“智能”机会，让用户在城镇街道实时了解情况。城镇之间的联系将比以往任何时候都更加紧密，这为智能城市和数字基础设施铺平了道路，专家预计2030年边缘计算将蓬勃发展。它将成为医疗或制造业等行业的游戏规则改变者，在这些行业中，数据和信息在现场生成后可以快速处理和实时分析，并随时与需要它的人共享，而不是返回到云端进行处理。
Franz公司首席执行官Jans Aasman博士表示，人工智能知识图表将从书籍、研究论文、笔记和媒体采访中综合信息，然后以互动的形式重新呈现。在2019年数字不朽的市场上，人工智能知识图表将开始实现这一点。
“我们将在2019年以人工智能数字角色形式看到数字不朽的第一个例子。”Aasman表示，“人工智能和语义知识图的结合将会改变科学家、技术专家、政治家和学者的工作。”
就像Noam Chomsky一样，使用人的声音来回答问题。人工智能数字角色将动态链接来自各种来源的信息。例如，将不同的信息转换为可以数字化交互的知识系统。这些人工智能数字人物角色也可以扩大他们专业知识的可及性。
Quest Software公司产品管理高级顾问Adrian Moir预测，2018年实施的GDPR法规将会改变数据格局，而在2019年将产生更多的数据。
“无论是否受到GDPR法规的影响(大多数情况将会受到影响)，企业应该将其视为一种框架，对于那些构建流程的人来说，这是一个很好的起点。设置数据如何保存和使用非常重要。如果用户想继续保护个人信息，就需要有更多的监管。我相信人们将在2019年看到建议和实施更多的监管措施，比如俄勒冈州参议员Ron Wyden最近推出的‘消费者数据隐私法案’。”
MapR公司数据和应用高级副总裁Jack Norris预测，大数据的分散化已经持续了一段时间，并且这种趋势将在2019年继续发展。
他说，“组织将通过边缘处理和分析数据，而不是将其返回云计算，存储和应用传统分析来节省时间和费用。其用例包括异常检测(欺诈)、模式识别(预测故障/维护)。自动驾驶车辆、石油和天然气平台、医疗设备都是这一趋势的早期例子，我们将在2019年看到更多的扩展。这一趋势的成本驱动因素是带宽考虑(半连接环境以及成本高昂的蜂窝通信技术)和存储(减少发送到云端的数据量)。”
Splice Machine公司首席执行官Monte Zweben表示，IT市场近年来起伏不定，而在2019年，Hadoop努力维持其市场地位。
他指出，“Hadoop的新客户数量将会减少，Hadoop集群的增长将放缓。而基于云计算的SQL数据平台将出现大规模增长。机器学习将从后台涌现，成为企业业务的核心运营组成部分，同时持续增长横向扩展数据库迫使Oracle公司在其财务报告中披露风险因素。”
多年来，人们一直生活在分布式数据孤岛中，这种趋势没有任何放缓的迹象。Qlik公司高级主管Dan Sommer预测，“在2019年，人们将更好地准备处理所有分散数据的分布式工作负载。如今，最大的未被证实的大趋势之一是Kubernetes的崛起。总之，这些技术采用了过去单一的技术并将其分散，从根本上实现了扩展工作负载和第三波授权的新方法。就像在扩展硬件和扩展基础设施之前一样，扩展工作负载将对刺激创新产生巨大的影响。 在2019年，行业领先组织的大多数企业架构师将微服务和容器编排视为商业智能和分析平台的关键架构组件。”
GoodData公司首席执行官Roman Stanek预测，企业要为过去使用的一些数据平台做好退出准备。
Stanek 说，“现代企业将继续淘汰像Hadoop这样的技术。 Hortonworks和Cloudera的合并首次展示了2019年Hadoop的预计价值。数据仍然需要管理工具，但随着人工智能和机器学习的兴起，其复杂性将被消除。”
Domino数据实验室的首席数据科学家Josh Poduska预测，“人工智能将在2019年从炒作转变为商业影响，人工智能的蜜月正式结束。2019年将是人工智能成为组织现实的一年，而不是实验、修补和怀疑。”
MathWorks公司的Seth DeLand预测，机器学习将以更大的优势整合到产品和服务中。
他指出，“机器学习已经出现在一些领域：用于面部识别的图像处理和计算机视觉、能源生产的价格和负荷预测、工业设备故障预测等。在未来的一年里，随着越来越多的公司受到启发，通过使用可扩展的软件工具(包括MATLAB)将机器学习算法集成到他们的产品和服务中，可以预期机器学习将越来越多。”
SAS公司产品管理主管Ron Agresta说，组织必须在两种数据力量之间取得适当的平衡，包括“攻击性”数据能力(即利用数据洞察力提高利润)和“防御性”数据能力(如治理和安全)。如今已经出现了一些混乱，因此预计2019年将实现防御再平衡。”
他表示，“对数据收集和使用的额外审查使许多企业处于防御状态。许多公司几乎完全依赖于用户放弃的货币化数据，但在这一领域，监管方面的关注正在增加。预计将出台更多的消费者数据保护法律，并对技术进行相应的更改。”
调研机构Forrester公司预测，首席信息官们将在2019年成为热门人物。该公司指出：“如果首席信息官不能履行职责，那么业务关系就会破裂，首席执行官会找其他人来领导技术议程。然而，那些获得成功的首席信息官将在其现有组织中提升到更具影响力的企业管理者，或转向下一个IT挑战。”
自从大数据革命开始以来，复杂性一直困扰着潜在的数据科学从业者，Hadoop生态系统就是一个典型的例子。这就是为什么Clarity Insights公司首席技术官Tripp Smith表示企业在2019年将接受简单化的原因。
他指出，“如今，企业比以往任何时候都更加牺牲性能或成本优化以增加简单性。十年前，我们都试图减少或消除企业内部IT的需求。如今，组织需要数据驱动，因此如何分析和消化数据也需要简单化。这意味着采用云计算。为云计算基础设施支付更多费用是值得的，从而节省寻找优质工程资源的更高成本。”
ATOS公司北美区副总裁windy garrett预测，人工智能的出现已经影响了劳动力的工作岗位，这种趋势将在2019年持续。
他表示，“人工智能将在2019年及以后明确需求，而对于劳动力数量将不断增长，以满足这一特定需求。2019年，工业界将大幅增加人工智能项目，以及企业重新培训和提升其现有员工队伍，以保持竞争市场的相关性。”