隨著對其他AI應(yīng)用程序需求的增長，企業(yè)將需要投資有助于其加快數(shù)據(jù)科學流程的技術(shù)。然而：實施和優(yōu)化機器學習模型只是數(shù)據(jù)科學挑戰(zhàn)的一部分。
實際上，數(shù)據(jù)科學家必須執(zhí)行的絕大多數(shù)工作通常與ML模型的選擇和優(yōu)化之前的任務(wù)相關(guān)，例如特征工程-數(shù)據(jù)科學的核心。以下是2020年AI需要注意的一些趨勢：
1.人工智能和更好的醫(yī)療保健
人工智能實際上將改變患者的治療方式。AI可以在更短的時間內(nèi)以較少的成本執(zhí)行許多任務(wù)，并簡化了患者，醫(yī)生和醫(yī)院管理人員的生活。MRI，X射線機和CT掃描儀的功能無可爭議。機器人醫(yī)生正在通過使手術(shù)更清潔，更精確來逐步占領(lǐng)手術(shù)現(xiàn)場。與皮膚科專家相比，人工智能已經(jīng)能夠更準確地檢測皮膚癌，因此通過賦予人工智能，疾病檢測將更加準確。
2.量子計算將向人工智能附加費
2020年值得關(guān)注的另一趨勢將是量子計算和AI的進步。量子計算有望徹底改變計算機科學的許多方面，并有望在未來增強AI。它旨在極大地提高我們生成，存儲和分析大量數(shù)據(jù)的速度和效率。這對于大數(shù)據(jù)，機器學習和AI認知可能具有巨大的潛力。通過大幅度提高篩選速度并理解海量數(shù)據(jù)集，人工智能和人類應(yīng)會受益匪淺。它甚至可能引發(fā)新的工業(yè)革命。只有時間會給出答案。
3.計算機圖形學將從人工智能中受益匪淺
2020年值得關(guān)注的趨勢之一將是在計算機生成的圖形中使用AI的進步。對于更逼真的效果（例如在電影和游戲中創(chuàng)建高保真環(huán)境，車輛和角色）而言，尤其如此。在屏幕上創(chuàng)建逼真的金屬副本，木材或葡萄皮的暗淡光澤通常是非常耗時的過程。對于人類藝術(shù)家，它也往往需要大量的經(jīng)驗和耐心。各種各樣的研究人員已經(jīng)在開發(fā)新方法來幫助AI做繁重的工作。AI正在用于改善光線追蹤和柵格化等功能，以創(chuàng)建一種更便宜，更快捷的方法來渲染計算機游戲中的超真實感圖形。維也納的一些研究人員在藝術(shù)家的監(jiān)督下，他們還在研究部分或全部自動化流程的方法。使用神經(jīng)網(wǎng)絡(luò)和機器學習從創(chuàng)建者那里獲取提示，以生成示例圖像以供批準。
4. AI和Deepfake變得更加真實
Deepfakes是近年來出現(xiàn)了巨大進步的另一個領(lǐng)域。2019年，許多社交媒體網(wǎng)絡(luò)都傳播了大量的虛假信息。但是隨著時間的流逝，這項技術(shù)只會變得更加復雜。這為可能在現(xiàn)實世界中損害或破壞人們聲譽的一些令人擔憂的后果打開了大門。隨著Deepfake越來越難以與真實錄音區(qū)分開來，我們將來如何判斷它們是否為假冒產(chǎn)品？這非常重要，因為深造品很容易被用來散布政治錯誤信息，公司破壞甚至是網(wǎng)絡(luò)欺凌。谷歌和Facebook一直試圖通過發(fā)布數(shù)千個Deepfake視頻來教導AI如何檢測它們來克服這一問題。不幸的是，似乎他們有時也難過。
5.人工智能和自動機器學習（AutoML）
數(shù)據(jù)預(yù)處理，轉(zhuǎn)換AutoML具有執(zhí)行ETL任務(wù)的能力，很可能在2020年變得更加流行。AutoML技術(shù)可以自動進行模型選擇，超參數(shù)優(yōu)化和評分，而其他云提供商已經(jīng)提供了“自動駕駛”替代服務(wù)。
6.人工智能和聯(lián)合機器學習
早在2017年，Google引入了分布式學習的概念，該方法使用分散的數(shù)據(jù)對模型進行部分或全部訓練。考慮考慮在計算機上訓練基準模型，然后將模型交付給最終用戶，最終用戶可以訪問數(shù)據(jù)（在他的手機，筆記本電腦，平板電腦上），這些數(shù)據(jù)用于微調(diào)和個性化模型。一旦基線模型滿足某些要求，就可以將模型交付給客戶端，客戶端最終將對其進行培訓，而無需與外部參與者共享任何用戶數(shù)據(jù)。
