2022年5大數(shù)據(jù)科學(xué)趨勢

上個世紀，數(shù)據(jù)科學(xué)作為一個研究和實際應(yīng)用領(lǐng)域的出現(xiàn)導(dǎo)致了深度學(xué)習(xí)、自然語言處理和計算機視覺等技術(shù)的發(fā)展。從廣義上講，機器學(xué)習(xí)的出現(xiàn)使其成為我們所說的人工智能的一種工作方式，這一技術(shù)領(lǐng)域正在迅速改變我們的工作和生活方式。

數(shù)據(jù)科學(xué)包括理念的理論和實踐應(yīng)用，包括大數(shù)據(jù)、預(yù)測分析和人工智能。如果說數(shù)據(jù)是信息時代的油，而ML（機器學(xué)習(xí)）是引擎，那么數(shù)據(jù)科學(xué)就是數(shù)字領(lǐng)域的物理定律，它可以導(dǎo)致燃燒和活塞移動。

需要記住的一個關(guān)鍵點是，隨著理解如何處理數(shù)據(jù)的重要性的增加，數(shù)據(jù)背后的科學(xué)變得越來越容易理解。新的階段，我們會看到這一趨勢對下文提到的許多趨勢的影響。

1 小數(shù)據(jù)與TinyML

我們正在生成、收集和分析的數(shù)字數(shù)據(jù)量的快速增長通常被稱為大數(shù)據(jù)。然而，不僅僅是數(shù)據(jù)大——我們用來處理數(shù)據(jù)的ML算法也可能相當大。GPT-3是能夠模擬人類語言的最大、最復(fù)雜的系統(tǒng)，由大約1750億個參數(shù)組成。

如果您正在使用無限帶寬的基于云的系統(tǒng)上工作，這很好，但這并不能涵蓋ML能夠增值的所有用例。這就是為什么“小數(shù)據(jù)”的概念已成為一種范式，在時間、帶寬或能量消耗至關(guān)重要的情況下，促進對最重要數(shù)據(jù)的快速認知分析。它與邊緣計算的概念密切相關(guān)。例如，當試圖在緊急情況下避免交通碰撞時，自動駕駛汽車無法依靠從集中式云服務(wù)器發(fā)送和接收數(shù)據(jù)。TinyML指的是機器學(xué)習(xí)算法，其設(shè)計旨在占用盡可能少的空間，以便它們可以在低功耗硬件上運行，接近動作所在的位置。2022年，我們將看到它出現(xiàn)在越來越多的嵌入式系統(tǒng)中——從可穿戴設(shè)備到家用電器、汽車、工業(yè)設(shè)備和農(nóng)業(yè)機械，使它們變得更加智能和有用。

2 數(shù)據(jù)驅(qū)動的客戶體驗

這是企業(yè)如何利用數(shù)據(jù)并使它為我們提供越來越有價值或令人愉快的體驗。這可能意味著減少電子商務(wù)中的摩擦和麻煩，在我們使用的軟件中提供更友好的界面和前端，或者在我們進行客戶服務(wù)聯(lián)系時，減少擱置和在不同部門之間轉(zhuǎn)移的時間。

我們與企業(yè)的互動正變得越來越數(shù)字化——從AI聊天機器人到亞馬遜的無收銀員便利店——這意味著我們參與的每一個方面都可以進行測量和分析，以了解如何使流程變得更加順暢或更加愉快。這也促使企業(yè)為我們提供的商品和服務(wù)實現(xiàn)更高水平的個性化。例如，在線零售技術(shù)的創(chuàng)新，因為企業(yè)希望取代實體購物旅行的親身體驗和觸覺體驗。尋找新的方法和策略，將這些客戶數(shù)據(jù)轉(zhuǎn)化為更好的客戶服務(wù)和新的客戶體驗，將是接下來數(shù)據(jù)科學(xué)領(lǐng)域許多工作人員關(guān)注的焦點。

3 深度偽造、生成人工智能和合成數(shù)據(jù)

今年，當駭人聽聞的真實視頻“deepfake”走紅時，我們中的許多人被欺騙，以為湯姆·克魯斯已經(jīng)開始在TikTok上發(fā)帖了。這背后的技術(shù)被稱為生成人工智能，因為它旨在生成或創(chuàng)造一些現(xiàn)實中不存在的東西——在本例中，湯姆·克魯斯用與米哈伊爾·戈爾巴喬夫會面的故事來款待我們。生成型人工智能很快就融入了藝術(shù)和娛樂業(yè)，我們在《愛爾蘭人》中看到了馬丁·斯科塞斯·德·阿格·羅伯特·德尼羅，在《曼達洛人》中看到了年輕的馬克·哈米爾。

在將來，它將在許多其他行業(yè)和用例中爆發(fā)。例如，它被認為在為其他機器學(xué)習(xí)算法的訓(xùn)練創(chuàng)建合成數(shù)據(jù)方面具有巨大的潛力。可以創(chuàng)建從未存在過的人的合成臉來訓(xùn)練面部識別算法，同時避免使用真實人的臉所涉及的隱私問題。它可以用來訓(xùn)練圖像識別系統(tǒng)，以便在醫(yī)學(xué)圖像中發(fā)現(xiàn)非常罕見和很少被拍攝到的癌癥的跡象。它還可以用于創(chuàng)建語言到圖像的功能，例如，允許建筑師通過簡單地用文字描述建筑物的外觀來生成建筑物的概念圖像。

4 匯聚

人工智能、物聯(lián)網(wǎng)（IoT）、云計算和5G等超高速網(wǎng)絡(luò)是數(shù)字轉(zhuǎn)型的基石，而數(shù)據(jù)是它們創(chuàng)造成果的燃料。所有這些技術(shù)都是單獨存在的，但都是結(jié)合在一起的；它們使彼此能夠做更多的事情。人工智能使物聯(lián)網(wǎng)設(shè)備動作智能，相互交互，盡可能不需要人為干擾——推動自動化浪潮，創(chuàng)造智能家居和智能工廠，一直到智能城市。5G和其他超高速網(wǎng)絡(luò)不僅僅允許以更高的速度傳輸數(shù)據(jù)；它們將使新類型的數(shù)據(jù)傳輸變得司空見慣（就像超高速寬帶和3G使移動視頻流成為日常現(xiàn)實一樣），數(shù)據(jù)科學(xué)家創(chuàng)建的人工智能算法在這方面發(fā)揮著關(guān)鍵作用，從路由流量以確保最佳傳輸速度到云數(shù)據(jù)中心的自動化環(huán)境控制。2022年，越來越多令人興奮的數(shù)據(jù)科學(xué)工作將在這些變革性技術(shù)的交匯處進行，確保它們相互補充，并很好地發(fā)揮作用。

5 AutoML

AutoML是“自動機器學(xué)習(xí)”的縮寫，是一種令人興奮的趨勢，它推動了本文導(dǎo)言中提到的數(shù)據(jù)科學(xué)的“民主化”。autoML解決方案的開發(fā)人員旨在創(chuàng)建任何人都可以用來創(chuàng)建自己的ML應(yīng)用程序的工具和平臺。特別是，它的目標是主題專家，他們的專業(yè)知識和見解使他們能夠理想地為其特定領(lǐng)域中最緊迫的問題開發(fā)解決方案，但他們通常缺乏將AI應(yīng)用于這些問題所需的編碼知識。

通常，數(shù)據(jù)科學(xué)家的大部分時間將用于數(shù)據(jù)清理和準備——這些任務(wù)需要數(shù)據(jù)技能，而且往往是重復(fù)和平凡的。AutoML最基本的功能是實現(xiàn)這些任務(wù)的自動化，但它也越來越多地意味著建立模型、創(chuàng)建算法和神經(jīng)網(wǎng)絡(luò)。其目的是，任何人只要有需要解決的問題，或者有想要測試的想法，都能夠通過簡單、用戶友好的界面應(yīng)用機器學(xué)習(xí)，讓人們看不到ML的內(nèi)部工作原理，讓他們自由地專注于解決方案。2022年很可能會看到我們離這一日常現(xiàn)實又近了一大步。

數(shù)據(jù)科學(xué)：是將數(shù)據(jù)轉(zhuǎn)化為決策和行動的藝術(shù)，是人和計算機一起工作將數(shù)據(jù)轉(zhuǎn)化為知識發(fā)現(xiàn)的工具、技術(shù)和流程的整合。數(shù)據(jù)學(xué)科通過收集數(shù)據(jù)、描述數(shù)據(jù)、發(fā)現(xiàn)知識，進而進行合理的有針對性的預(yù)測和建議。

機器學(xué)習(xí)：機器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

它是人工智能核心，是使計算機具有智能的根本途徑。