業(yè)界 | 真實(shí)與炒作，發(fā)展與失望并存的一年：大咖共同回首2018展望2019

大數(shù)據(jù)文摘出品

編譯：楊威、周家旭、張南星、Aileen

2018即將收尾，2019即將開啟，我們將帶大家縱覽專家們對(duì)AI的分析和預(yù)測(cè)。我們向?qū)＜覀兲崃藗€(gè)問題：你認(rèn)為2018年數(shù)據(jù)科學(xué)與分析的主要進(jìn)展是什么？2019年會(huì)怎樣發(fā)展？

雖然我們討論的是數(shù)據(jù)科學(xué)和數(shù)據(jù)分析，但在大多數(shù)答案中AI都是主要內(nèi)容。這些專家所提到的內(nèi)容包括人工智能的進(jìn)步（真實(shí)情況和炒作參半）；數(shù)據(jù)科學(xué)和數(shù)據(jù)分析的民主化，例如自助分析；以及“萬事皆自動(dòng)化”，例如數(shù)據(jù)科學(xué)，GDPR，AI風(fēng)險(xiǎn)，實(shí)時(shí)分析等等。

專家組名單如下：Meta Brown，Tom Davenport，Carla Gentry，Bob E Hayes，Cassie Kozyrkov，Doug Laney，Bill Schmarzo，Kate Strachnyi，Ronald van Loon，F(xiàn)avio Vazquez和Jen Underwood。以下是他們的簡(jiǎn)介，推特ID以及對(duì)這個(gè)問題的解答。“2018年數(shù)據(jù)科學(xué)和數(shù)據(jù)分析的主要進(jìn)展和2019年發(fā)展趨勢(shì)”問答詞云

Meta Brown（@ metabrown312），《Data Mining for Dummies》（數(shù)據(jù)挖掘入門指南）的作者，A4A Brown.Inc公司總裁，該公司致力于加強(qiáng)管理層和技術(shù)人員之間的溝通。

2018年的熱門分析話題非人工智能（AI）莫屬。印象中，人工智能比其他分析學(xué)應(yīng)用技術(shù)引起了更多的討論。但令人遺憾的是，大部分討論并未產(chǎn)生多大價(jià)值。

計(jì)算機(jī)科學(xué)的先驅(qū)阿蘭·圖靈（Alan Turing）曾展望過，計(jì)算機(jī)智能將匹敵人類智能，即人們無法區(qū)分是在和計(jì)算機(jī)對(duì)話，還是在和人類對(duì)話。

想想我們與現(xiàn)在人工智能應(yīng)用的交互過程。諸如Siri或Alexa的個(gè)人助理雖然挺有用，但和它們溝通的感覺，遠(yuǎn)遠(yuǎn)無法達(dá)到與真人溝通的效果。而在線自助聊天機(jī)器人則更令人失望，如果嘗試問一個(gè)現(xiàn)實(shí)生活中的問題，你將意識(shí)到它背后并沒有真正的“大腦”。

按照?qǐng)D靈的定義，人工智能尚不存在。紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)教授加里·馬庫(kù)斯（Gary Marcus）說，人們對(duì)人工智能的最大誤解就是“我們離人工智能不遠(yuǎn)了”。

的確，我們現(xiàn)實(shí)生活中已經(jīng)應(yīng)用了計(jì)算機(jī)來進(jìn)行邏輯運(yùn)算。雖然它們并不像人一樣思考，但它們足夠快、且連續(xù)性足夠強(qiáng)，這些都是極具價(jià)值的優(yōu)勢(shì)。這些應(yīng)用賦能機(jī)器完成實(shí)際工作，例如標(biāo)記潛在欺詐交易，操作汽車等。

盡管AI技術(shù)的局限顯而易見，但大眾，甚至是科技界都充斥著對(duì)人工智能不切實(shí)際的主張和期望。這些扭曲的觀點(diǎn)在人群中引發(fā)了恐懼，同時(shí)也讓一些人的期望落空，而我們所見之現(xiàn)實(shí)則更令人失望。

湯姆·達(dá)文波特（@tdav），巴布森學(xué)院總統(tǒng)信息技術(shù)和管理部門的特聘教授，國(guó)際分析研究所聯(lián)合創(chuàng)始人，MIT數(shù)字經(jīng)濟(jì)研究所的研究員和Deloitte Analytics公司的高級(jí)指導(dǎo)顧問。

我們?cè)趪?guó)際分析研究所對(duì)技術(shù)年度發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè)分析，下面是我提出的一些觀點(diǎn)：

• 組織機(jī)構(gòu)對(duì)模型部署率關(guān)注度不斷上升-根據(jù)雷克斯數(shù)據(jù)科學(xué)（Rexer Data Science Survey）調(diào)查顯示，只有10％-15％的公司部署率為“幾乎總是”，另外50％的公司僅“經(jīng)常”部署，剩下35％ - 40％的公司成功部署分析模型的幾率只有“偶爾或很少”。我曾遇到過一些組織機(jī)構(gòu)表示他們的成功部署率低于10％。當(dāng)然，未部署的分析模型沒有任何經(jīng)濟(jì)價(jià)值。企業(yè)需要在2019年評(píng)估和提高部署率。

• 民間數(shù)據(jù)科學(xué)家和商業(yè)分析師會(huì)一直存在，且越來越多。可視化和基于搜索分析的興起，以及數(shù)據(jù)科學(xué)前端的機(jī)器學(xué)習(xí)愈加自動(dòng)化，意味著業(yè)余愛好者將產(chǎn)出大量的分析結(jié)果。對(duì)抗這種趨勢(shì)將失敗無疑，所以不如轉(zhuǎn)向賦能，助力其發(fā)展。這也意味著從事量化工作的專業(yè)人員能夠集中注意力于復(fù)雜困難的建模任務(wù)，或者轉(zhuǎn)向理解業(yè)務(wù)，解決組織性變革問題。

Carla Gentry（@ dat_nerd），咨詢數(shù)據(jù)科學(xué)家和Analytical-Solution所有者。
2018年是數(shù)據(jù)分析和數(shù)據(jù)科學(xué)輝煌發(fā)展的一年，但我們也看到了人工智能、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的爆發(fā)，而并不是所有的主張都有相應(yīng)的人才和經(jīng)驗(yàn)支撐。我們也看到了人工智能在醫(yī)療領(lǐng)域和治安領(lǐng)域的應(yīng)用增長(zhǎng)，但同樣的，其背后也許并沒有充分考慮偏見所帶來的風(fēng)險(xiǎn)，以及人才和經(jīng)驗(yàn)的支撐，同時(shí)我認(rèn)為可能有些人忘掉了一個(gè)大原則：在這些情境下，依托著可穿戴設(shè)備和物聯(lián)網(wǎng)（Google Home，Alexa等），數(shù)據(jù)就是一切，并且這樣的趨勢(shì)將持續(xù)不斷。
2019年，業(yè)界將繼續(xù)討論這些流行詞匯，公司將開始落實(shí)它們利用神經(jīng)網(wǎng)絡(luò)從數(shù)以萬計(jì)甚至億計(jì)的實(shí)例中學(xué)到的成果，更糟糕的是，每當(dāng)你想要神經(jīng)網(wǎng)絡(luò)識(shí)別新物體時(shí)，你必須從頭開始（至少時(shí)間的消耗是必須的）-而人才是另一個(gè)問題。除了 Geoffrey Hinton，Yejin Choi或 Yann LeCun，你真的不是一個(gè)神經(jīng)網(wǎng)絡(luò)的專家，所以不要指望著一個(gè)人才池的存在。
數(shù)據(jù)科學(xué)重點(diǎn)在于網(wǎng)羅各種數(shù)據(jù)并從中獲取洞察，并且在一些情況下，希望自身能夠成為AL、機(jī)器學(xué)習(xí)或者神經(jīng)網(wǎng)絡(luò)的專家是不正確的，也沒有這個(gè)必要，因此我們必須細(xì)心研究差異，并且新入者將不得不重新學(xué)習(xí)新技術(shù)，以在新技術(shù)領(lǐng)域具有一些競(jìng)爭(zhēng)力。我擔(dān)心的是，如果沒有真正理解機(jī)器如何學(xué)習(xí)、如何正確應(yīng)用人工智能，一些公司/算法/企業(yè)的弱點(diǎn)將持續(xù)暴露出來。
讓我們歡天喜地地享用這些新技術(shù)吧，但要明白，如果你搞砸了就會(huì)有嚴(yán)重后果！

Bob E. Hayes（@ bobehayes），研究員、作家兼顧問，Business over Broadway的出版人，擁有工業(yè)組織心理學(xué)博士學(xué)位。
數(shù)據(jù)科學(xué)和數(shù)據(jù)分析領(lǐng)域經(jīng)歷了機(jī)器學(xué)習(xí)相關(guān)所有內(nèi)容的熱潮，包括強(qiáng)化學(xué)習(xí)、聊天機(jī)器人及社會(huì)影響研究。
在2019年，我預(yù)計(jì)人們會(huì)越來越關(guān)注人工智能的道德倫理，包括隱私和安全問題。人們?cè)絹碓綇?qiáng)調(diào)對(duì)算法制定特定決策過程的理解；我們不僅需要知道機(jī)器學(xué)習(xí)有助于我們做出決策，而且也需要知道它是如何工作的（它是如何做出決策的）。此外，美國(guó)公司將重點(diǎn)關(guān)注如何使用消費(fèi)者的個(gè)人數(shù)據(jù)。加利福尼亞州通過了“加利福尼亞州消費(fèi)者隱私法”（將于2020年1月生效），我期待并且希望其他州能緊隨其后。
但同時(shí)，我也擔(dān)心人工智能/機(jī)器學(xué)將導(dǎo)致假新聞創(chuàng)造和傳播的增加。Deep fakes（人工智能的深度換臉技術(shù)）表明，人們能夠捏造視頻內(nèi)容，來展示他們從未說過或做過的事情，并且毫無愧疚之意。正如馬克斯·泰格馬克（Max Tegmark）所說，充分認(rèn)識(shí)到人工智能的潛在威脅不在于涅佐，而僅僅是“安全工程”。
現(xiàn)在數(shù)據(jù)從業(yè)者有許多渠道可以學(xué)習(xí)數(shù)據(jù)科學(xué)，諸如集訓(xùn)營(yíng)、MOOC以及大學(xué)課程，但我也希望非數(shù)據(jù)專從業(yè)者（例如，經(jīng)理和一線員工）能夠更多地嘗試學(xué)習(xí)數(shù)據(jù)分析課程。

Cassie Kozyrkov（@ quaesita），Google Cloud首席決策工程師。統(tǒng)計(jì)學(xué)狂熱者，人工智能，數(shù)據(jù)，雙關(guān)語(yǔ)，藝術(shù)，科幻，戲劇，決策科學(xué)。
2018年的主要發(fā)展之一是數(shù)據(jù)科學(xué)的民主化。利用云技術(shù)，人們無需實(shí)現(xiàn)建設(shè)Kubeflow等工具來構(gòu)建數(shù)據(jù)中心，就可以為資源密集型大數(shù)據(jù)和AI應(yīng)用程序提供源源不斷的動(dòng)力，從而為沒有架構(gòu)專業(yè)知識(shí)的人提供可擴(kuò)展數(shù)據(jù)科學(xué)。這種賦能大眾、讓所有人都能獲取數(shù)據(jù)科學(xué)工具的發(fā)展趨勢(shì)將在2019年加速發(fā)酵。

Doug Laney（@ Doug_Laney），Gartner公司副總裁、杰出分析師和首席數(shù)據(jù)官研究員，也是《Infonomics》一書的作者。

Gartner公司剛剛發(fā)布2019年數(shù)據(jù)和分析戰(zhàn)略預(yù)測(cè)報(bào)告。其中提到了一個(gè)觀點(diǎn)：企業(yè)戰(zhàn)略中明確表示信息是企業(yè)的重要資產(chǎn)，而分析是必不可少的能力。不僅IT戰(zhàn)略提到了這一點(diǎn)，企業(yè)戰(zhàn)略和計(jì)劃也提到了類似的內(nèi)容。

此外，我們期望數(shù)據(jù)掃盲計(jì)劃將變得成為常態(tài)，以幫助業(yè)務(wù)人員和數(shù)據(jù)分析專業(yè)人員更好地溝通，尤其是在當(dāng)下數(shù)據(jù)分析需求愈加復(fù)雜的背景之下。隨著信息經(jīng)濟(jì)學(xué)中的原則和實(shí)踐得到廣泛傳播，我們期望首席數(shù)據(jù)官能夠更頻繁地與首席財(cái)務(wù)官們合作，以正式評(píng)估組織的信息資產(chǎn)。這樣做可以為許多客戶帶來重要的信息管理和商業(yè)的好處。但分析和數(shù)字倫理仍然是一個(gè)問題，我們相信組織將開始為他們的數(shù)據(jù)科學(xué)團(tuán)隊(duì)引入專業(yè)行為準(zhǔn)則。

此外，我們預(yù)計(jì)在未來3-5年內(nèi)，大多數(shù)新業(yè)務(wù)系統(tǒng)將通過充分利用實(shí)時(shí)環(huán)境數(shù)據(jù)以實(shí)現(xiàn)持續(xù)智能的應(yīng)用；量子計(jì)算的POC項(xiàng)目（概念驗(yàn)證項(xiàng)目）將會(huì)使計(jì)算機(jī)的分析能力大大超過現(xiàn)狀；智能強(qiáng)化和自動(dòng)化的內(nèi)部分析洞察將取代絕大多數(shù)的預(yù)測(cè)報(bào)告；位置分析的使用率將增長(zhǎng)近10倍；機(jī)器學(xué)習(xí)也將緩解對(duì)數(shù)據(jù)科學(xué)家的人才爭(zhēng)奪。

Gregory Piatetsky，@kdnuggets，KDnuggets總裁，數(shù)據(jù)科學(xué)家，KDD會(huì)議和SIGKDD的聯(lián)合創(chuàng)始人，LinkedIn 2018數(shù)據(jù)科學(xué)與分析領(lǐng)域頂級(jí)發(fā)聲者排名首位。

2018年的主要發(fā)展我認(rèn)為有：

• 通用數(shù)據(jù)保護(hù)條例（GDPR）于2018年5月生效，不僅僅在歐洲，在美國(guó)乃至其他地區(qū)都是數(shù)據(jù)科學(xué)界一個(gè)重要的里程碑，在其影響下許多公司都更新了其隱私政策。但同時(shí)，新條例下的消費(fèi)者隱私權(quán)益保護(hù)是否真的能得到改善，或者在新的保護(hù)政策下，是否還能像往常一樣使用消費(fèi)者隱私數(shù)據(jù)以創(chuàng)造價(jià)值，還有待觀察。

• 數(shù)據(jù)科學(xué)民主化：隨著訪問工具和途徑的增長(zhǎng)，數(shù)據(jù)科學(xué)的民主化仍在繼續(xù)。AWS reinvent發(fā)布的新工具就是其中之一。

• 人工智能風(fēng)險(xiǎn)：自動(dòng)駕汽車的第一次致人死亡的事故原因在于機(jī)器未能分辨推著自行車行走的行人。這一事件吸引了社會(huì)對(duì)于人工智能不可避免風(fēng)險(xiǎn)的關(guān)注。與此同時(shí)人們需要注意，以零誤差作為評(píng)價(jià)自動(dòng)駕駛（和自動(dòng)化AI）的標(biāo)準(zhǔn)是不現(xiàn)實(shí)的，正確看待的方式是其使駕駛風(fēng)險(xiǎn)相對(duì)現(xiàn)在大大降低。例如，人類駕駛的事故率就非常高，僅在2017年，美國(guó)就有37000人喪生于此。

2019年的主要趨勢(shì)：

• 數(shù)據(jù)科學(xué)自動(dòng)化將會(huì)加速發(fā)展，但至少在近幾年內(nèi)，數(shù)據(jù)科學(xué)家的工作還不會(huì)被完全的自動(dòng)化取代。

• 人工智能的進(jìn)步和炒作：盡管人工智能的發(fā)展是真實(shí)的，但人工智能的炒作增長(zhǎng)更為迅速。

• 中國(guó)已經(jīng)成為人工智能的主要參與者，許多中國(guó)公司正開始進(jìn)行自主創(chuàng)新研發(fā)，而不僅僅是從美國(guó)復(fù)制。

• 強(qiáng)化學(xué)習(xí)將在人工智能進(jìn)步中發(fā)揮越來越重要的作用。例如，強(qiáng)化學(xué)習(xí)算法在為解決Montezuma's Revenge Atari game時(shí)，取得了驚人的進(jìn)展，達(dá)到了前所未有的100級(jí)，超越此前人類或計(jì)算所能達(dá)到的最好記錄。

Bill Schmarzo, @schmarzo, Hitachi Vantara 物聯(lián)網(wǎng)與分析首席技術(shù)官

2018年大數(shù)據(jù)、數(shù)據(jù)科學(xué)與分析的主要發(fā)展情況：

• 通過越來越多成功案例的發(fā)布，利益相關(guān)者者對(duì)機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的應(yīng)用潛力有了更深刻的認(rèn)識(shí)。

• 數(shù)據(jù)湖仍然存在投資誤區(qū)。太多機(jī)構(gòu)將數(shù)據(jù)湖視為驅(qū)逐昂貴的數(shù)據(jù)倉(cāng)庫(kù)及縮減ETL成本的一種方式，卻尚未充分理解其作為價(jià)值創(chuàng)造平臺(tái)的潛力，以供利益相關(guān)者和數(shù)據(jù)科學(xué)團(tuán)隊(duì)獲取及商業(yè)價(jià)值驅(qū)動(dòng)。

2019年主要趨勢(shì)：

• 對(duì)于行業(yè)領(lǐng)跑企業(yè)而言，發(fā)展大數(shù)據(jù)和數(shù)據(jù)科學(xué)的主要?jiǎng)右驊?yīng)當(dāng)是來自于業(yè)務(wù)端，而非IT端。龍頭企業(yè)將通過識(shí)別，驗(yàn)證，審查，評(píng)估和優(yōu)化業(yè)務(wù)成果，使大數(shù)據(jù)，物聯(lián)網(wǎng)和數(shù)據(jù)科學(xué)（機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，人工智能）驅(qū)動(dòng)業(yè)務(wù)發(fā)展。

• 除使用數(shù)據(jù)科學(xué)優(yōu)化關(guān)鍵業(yè)務(wù)和運(yùn)營(yíng)流程（仍然是開始獲得誘人的投資回報(bào)率的好地方）以外，龍頭企業(yè)將意識(shí)到，隱藏在數(shù)據(jù)中的客戶、產(chǎn)品和運(yùn)營(yíng)的洞察將是未來機(jī)會(huì)變現(xiàn)的驅(qū)動(dòng)因素。

Kate Strachnyi（@ StorybyData），數(shù)據(jù)可視化專家，《破壞者：數(shù)據(jù)科學(xué)領(lǐng)導(dǎo)者》和《如何成為數(shù)據(jù)科學(xué)家》的作者;人類數(shù)據(jù)科學(xué)視頻播客。

2018年數(shù)據(jù)科學(xué)和分析的主要發(fā)展：

• 通用數(shù)據(jù)保護(hù)條例（GDPR）：2018年5月生效的歐盟法規(guī)為，為歐盟公民提供了一套個(gè)人數(shù)據(jù)保護(hù)規(guī)章制度。這一實(shí)踐推動(dòng)了類似標(biāo)準(zhǔn)在其他地方的設(shè)置。例如，美國(guó)加利福尼亞州通過了自己的數(shù)字隱私法案;，這一法案使消費(fèi)者了解到相關(guān)機(jī)構(gòu)正在收集哪方面的信息，為什么他們要收集這些數(shù)據(jù)以及他們與誰共享數(shù)據(jù)。
  

• 自助式商業(yè)智能（BI）工具：商業(yè)智能分析工具將在數(shù)據(jù)分析師和商業(yè)分析師中變得更加普遍。但是，這些工具的使用者們是否真的了解這些分析場(chǎng)景的真實(shí)含義，我們尚不清晰。在人們學(xué)習(xí)使用拖拽工具、制作圖表的速度，與人們對(duì)真實(shí)業(yè)務(wù)場(chǎng)景的理解之間，尚存在一定差距。

2019年的主要趨勢(shì)：

• 數(shù)據(jù)道德與隱私：在每個(gè)數(shù)據(jù)科學(xué)的環(huán)節(jié)上，使用數(shù)據(jù)的道德和隱私問題將愈發(fā)得到重視。與數(shù)據(jù)起舞的人，需要對(duì)他們所擁有的強(qiáng)大權(quán)力與他們工作可能帶來的廣泛影響有清晰的認(rèn)知。隨著全世界數(shù)字化進(jìn)程的推進(jìn)，這些問題應(yīng)當(dāng)從個(gè)人，公司及政府層面都得到重視。

• 流程自動(dòng)化：公司將繼續(xù)推進(jìn)流程自動(dòng)化，以降低成本并提高效率。這種自動(dòng)化還可能導(dǎo)致相應(yīng)自動(dòng)化流程的個(gè)人面臨失業(yè)問題。因此在未來，人們需要專注于不斷學(xué)習(xí)新技能，以便適應(yīng)瞬息萬變的環(huán)境。

Ronald van Loon（@ Ronald_vanLoon），Adversitement（一家?guī)椭鷶?shù)據(jù)驅(qū)動(dòng)型公司取得成功的公司）總監(jiān)，大數(shù)據(jù)、數(shù)據(jù)科學(xué)、物聯(lián)網(wǎng)、人工智能十大影響人物之一。

2018年，端到端數(shù)據(jù)管理增長(zhǎng)的同時(shí)，公司一邊提高分析能力的成熟度，一邊充分挖掘所有數(shù)據(jù)資源，來獲取值得信賴的洞見，以及建立適應(yīng)于當(dāng)前數(shù)字化經(jīng)濟(jì)的基礎(chǔ)設(shè)施及商業(yè)模型。機(jī)器學(xué)習(xí)被大眾廣泛接受，軟件供應(yīng)商在其解決特定問題的產(chǎn)品應(yīng)用中大量引用了機(jī)器學(xué)習(xí)技術(shù)。

2019年，為支持更加復(fù)雜、級(jí)別更高的深度學(xué)習(xí)應(yīng)用，將會(huì)出現(xiàn)更多的集成硬件、軟件框架，以促進(jìn)更廣泛的創(chuàng)新。深度學(xué)習(xí)應(yīng)用需要全面優(yōu)化的硬件和軟件堆棧，以推進(jìn)全新現(xiàn)代的AI架構(gòu)。我們將會(huì)看到各行各業(yè)供應(yīng)商開始使用者這種全棧方案，以滿足深度學(xué)習(xí)最佳性能和功能的需求。

隨著物聯(lián)網(wǎng)設(shè)備的增長(zhǎng)，實(shí)時(shí)邊緣分析將呈指數(shù)級(jí)增長(zhǎng)，這使得使實(shí)時(shí)分析變得更加容易，也將有助于基于實(shí)時(shí)洞見獲取即時(shí)的反饋。

Favio Vazquez（@ FavioVaz），數(shù)據(jù)科學(xué)家。物理學(xué)家兼計(jì)算工程師，Ciencia y Datos創(chuàng)始人

2018年是數(shù)據(jù)科學(xué)（DS）令人驚嘆的一年，無論是在理論方面還是實(shí)踐方面。業(yè)界提出了數(shù)據(jù)科學(xué)的幾種研究方法，可以幫助將數(shù)據(jù)科學(xué)轉(zhuǎn)換為實(shí)際科學(xué)。我參與其中的討論已經(jīng)一年多了，也在最近看到了更多的人參與討論。相對(duì)與機(jī)器學(xué)習(xí)，自動(dòng)化機(jī)器學(xué)習(xí)的內(nèi)容十分繁雜，其中也包括自動(dòng)化深度學(xué)習(xí)。

2019年的主要趨勢(shì)：

• AutoX：我們將看到越來越多的公司在它們的堆疊技術(shù)以及函數(shù)庫(kù)中使用自動(dòng)化機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的相關(guān)技術(shù)。這里的X意味著將這個(gè)自動(dòng)工具將擴(kuò)展到數(shù)據(jù)攝取，數(shù)據(jù)集成，數(shù)據(jù)清理，探索和部署等各個(gè)方面。自動(dòng)化將存在于此。

• 語(yǔ)義技術(shù)：今年我最有趣的發(fā)現(xiàn)是數(shù)據(jù)科學(xué)和語(yǔ)義之間的關(guān)聯(lián)性。它不是數(shù)據(jù)世界中的新領(lǐng)域，但我發(fā)現(xiàn)越來越多的人對(duì)語(yǔ)義、本體、知識(shí)圖及其與數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的關(guān)聯(lián)性表現(xiàn)出興趣。

• 編程化繁為簡(jiǎn)：這是一件很難定義的事情，但是隨著數(shù)據(jù)分析的每一個(gè)流程實(shí)現(xiàn)自動(dòng)化，我們的日常編程工作將越來越少。我們將擁有用于創(chuàng)建代碼的工具，這些工具將理解我們對(duì)自然語(yǔ)言處理的需求，然后將其轉(zhuǎn)換為查詢、命令和完整程序。我認(rèn)為編程仍然是非常重要的學(xué)習(xí)內(nèi)容，但它很快就會(huì)變得更簡(jiǎn)潔容易。

• 數(shù)字化教育：數(shù)字化教育每年都在增長(zhǎng)，但明年我們將看到比以往更多的人參與到MOOC、數(shù)字課程或在線課程之中。有人將其稱之為“教育民主化”，我在很大程度上同意這種說法，但我想對(duì)所有人說：注意你的學(xué)習(xí)內(nèi)容和方式，在投入時(shí)間和金錢之前對(duì)所學(xué)課程進(jìn)行調(diào)查研究，好的課程將改變你的生活，相反的，它也非常危險(xiǎn)

Jen Underwood（@ idigdata），DataRobot高級(jí)總監(jiān)，Impact Analytix.LLC創(chuàng)始人。

人工智能炒作和轉(zhuǎn)型影響在2018年無處不在。幾年前，大數(shù)據(jù)風(fēng)靡一時(shí)，然后是云技術(shù)，現(xiàn)在機(jī)器學(xué)習(xí)則占據(jù)了主導(dǎo)地位。人工智能在手機(jī)應(yīng)用，機(jī)器人和商業(yè)智能解決方案方面被吹得過了頭。在今天，即便是啤酒，也是人工智能驅(qū)動(dòng)。

今年，我們也看到了自動(dòng)化市場(chǎng)的急速擴(kuò)張。如今，許多機(jī)器學(xué)習(xí)解決方案都在推動(dòng)人工引導(dǎo)的、自動(dòng)化的數(shù)據(jù)分析向整個(gè)全生命周期自動(dòng)化機(jī)器學(xué)習(xí)轉(zhuǎn)化。從簡(jiǎn)單的拖拽、點(diǎn)擊按鈕以創(chuàng)建基本模型，到復(fù)雜的特征工程、模型檢索、參數(shù)調(diào)整、部署、模型的管理和監(jiān)控，自動(dòng)化機(jī)器學(xué)習(xí)的應(yīng)用范圍十分廣泛-結(jié)果也參差不齊。

在2019年，對(duì)數(shù)據(jù)科學(xué)的公共管理，隱私，偏見，道德問題和更深層次的虛假問題將挑戰(zhàn)我們對(duì)人工智能的信心。區(qū)塊鏈等創(chuàng)新技術(shù)將開始改變我們存儲(chǔ)、共享和跟蹤數(shù)據(jù)的方式。我還期待人工智能將變得更加公平、更加透明，并且更加負(fù)責(zé)，使得非數(shù)據(jù)科學(xué)家也能理解、解釋并信任人工智能。目前，在將數(shù)據(jù)科學(xué)術(shù)語(yǔ)轉(zhuǎn)化為普通人可以理解的語(yǔ)言間還存在巨大的差距。許多組織在我們這個(gè)不完美的世界中應(yīng)用人工智能技術(shù)，同時(shí)為民間數(shù)據(jù)科學(xué)家的產(chǎn)生提供了溫床，更多的人需要成為數(shù)據(jù)專家，以保證AI方向沒有走偏。

相關(guān)報(bào)道：

https://www.kdnuggets.com/2018/12/predictions-data-science-analytics-2019.htm