Get best of the week

Prognosen für 2020 im Bereich KI, maschinelles Lernen und Roboterautomatisierung


Am Ende eines jeden Jahres veröffentlicht die eWEEK- Online-Publikation die Ideen der IT-Verantwortlichen zu ihren Erwartungen für das kommende Jahr: neue Produkte, innovative Dienstleistungen, Trends usw. Wir machen Sie auf eine Übersetzung von Material für das kommende Jahr 2020 aufmerksam. Und ja, wir erinnern uns, dass es bereits März ist, aber diese Prognosen sind immer noch relevant.

Dongyan Wang, Vizepräsident für KI-Transformation bei Landing AI


Die Einführung von KI im Nichtverbrauchersektor der Internetbranche befindet sich noch in einem frühen Stadium. Viele Projekte stecken auf Pilotebene aufgrund von Schwierigkeiten fest, die von Datenmangel bis zu mangelndem Wissen über die Verwaltung komplexer maschineller Lernprozesse reichen. Im Jahr 2020 werden wir Zeuge der Entwicklung von durchgängigen vertikalen KI-Plattformen sein , mit denen Kunden ihre KI-Projekte aus der Pilotphase zurückziehen und ins Ziel bringen können.

Bruce Milne, Pivot 3


Der IT-Markt wird sich der Möglichkeiten der Videoverarbeitung bewusst . Im Jahr 2020 werden sich mit der Verbesserung der Videoanalyse unbegrenzte Möglichkeiten für die IT eröffnen. Heute erreicht der Anteil der Videodaten 60% aller gesammelten Informationen. In früheren Jahren betrachteten Unternehmen die Speicherung dieser Daten nur als Pflicht und zusätzliche Kosten. Und dieses Jahr werden wir eine Verschiebung erleben: Unternehmen werden beginnen, Videodaten zu analysieren, um ihre Produkte zu optimieren oder strategische Initiativen zu verstärken. Mithilfe von Videos können Städte beispielsweise nicht nur die Sicherheit ihrer Verkehrssysteme erhöhen, sondern auch Videoanalysetechniken implementieren, um wichtige Schlussfolgerungen zu ziehen, beispielsweise über den Bandbreitenbedarf.

Matt Kunkel, CEO von LogicGate


Robotic Process Automation (RPA) wird die KI in Bezug auf Risikomanagement und Einhaltung gesetzlicher Vorschriften übertreffen . Der Grund dafür ist, dass bei der Analyse großer Datenmengen für Fortune 500-Unternehmen die verfügbaren Informationen einfach nicht ausreichen, um die Relevanz der Prognose mithilfe von KI sicherzustellen. Der RPA wird zu Ergebnissen führen, da viele der Funktionen im Zusammenhang mit dem Risikomanagement und der Einhaltung gesetzlicher Vorschriften im Einklang mit formalen Prozessen stehen. Und je mehr Informationen Unternehmen bestimmte Prozesse durchlaufen, desto klarer wird, wie sie automatisiert werden können. Es bleibt die Frage, wie solche Systeme optimiert und iteriert werden können.

Die Automatisierung von Roboterprozessen wird in Bereichen wie dem Risikomanagement Dritter eingesetzt. ES Gestaltung von Richtlinien und Verfahren; interne Anhörung.

David Jones, Vizepräsident für Marketing bei AODocs


AI ist keine universelle Informationsmanagementlösung . Wir neigen dazu, AI als universelles Werkzeug zu betrachten, das alle Probleme eines Unternehmens durch die Implementierung eines einzigen Algorithmus lösen kann. Es ist eine Täuschung. Es ist Zeit, die Idee zu verwerfen, dass dies die Kraft eines leistungsstarken KI-Algorithmus ist. Wir müssen zum Konzept zahlreicher KI-Bots übergehen, die zusammen zuvor gesammelte Daten optimieren. Im Jahr 2020 wird AI auf alte Datenbanken angewendet, um herauszufinden, welche Daten übrig bleiben sollten und welche als unnötig gelöscht werden können, und um die erweiterten Metadaten zu verwenden, um eine bessere Suche und vereinfachte Speicherung von Datensätzen zu erstellen. Nicht ein großer Algorithmus wird damit fertig, sondern eine Reihe miteinander verbundener Algorithmen.

Cheryl Wiebe, Praxisleiterin, Industrial Intelligence Advisor bei Teradata


- Was die Welt 2020 KI nennt, wird in mehrere Bereiche unterteilt, in denen Vermarkter wahrscheinlich aussagekräftigere Namen finden werden. Dies umfasst die Automatisierung von Roboterprozessen; automatisierte Auswahl und Entwicklung von Funktionen; Wahrnehmungs-KI (Wahrnehmungs-KI), die die physische Wahrnehmung automatisiert und verbessert; und auch KI für die Ressourcenzuweisung, die Optimierungstechnologien kombiniert, um Anforderungen in Echtzeit wahrzunehmen und darauf zu reagieren.

- AI wird beginnen, den Datenverwaltungsprozess selbst zu verbessern. Zum Beispiel unter dem Gesichtspunkt der Verteilung von Systemressourcen, des computergestützten Entwurfs von Funktionen, der Erfassung von Betriebsmetadaten und eines besseren Wissensmanagements (wie Tagging).

Jeff Catlin, CEO von Lexalytics


Die Verarbeitung natürlicher Sprache und die Textanalyse werden in RPA-Lösungen eine wichtigere Rolle spielen . Laut Forrester und Gartner bleiben viele RPA-Entwickler bei der Unterstützung von Trends bei der Verwendung der Textanalyse zurück. Ihren Lösungen fehlt die Fähigkeit, „unstrukturierte Dokumente“, einschließlich PDF, zu verwenden. Beim Einbetten von Komponenten der Textanalyse und der Verarbeitung natürlicher Sprache in verschiedene Umgebungen treten Probleme auf. Da Unternehmen immer größere Prozesse automatisieren, bieten Entwickler von Tools zur Verarbeitung natürlicher Sprache vielversprechende Lösungen, die die Anforderungen von RPA erfüllen: lokale oder Hybrid-Cloud-Bereitstellung, einfach zu integrierende APIs, Anpassbarkeit und schnelle Kapitalrendite.

Chad Meley, Vizepräsident Marketing, Teradata


- Nach dem Erscheinen mehrerer erfolgreicher KI-Piloten in den letzten Jahren werden sich die Unternehmen wieder auf das Management und die Integration von Unternehmensdaten konzentrieren , was die Grundlage für die Entwicklung von Hunderten und Tausenden spezifischer Methoden zur Verwendung von KI bilden wird. Alle Arten von maschineller Intelligenz, die uns heute umgeben, sind begrenzte künstliche Intelligenz. Im Jahr 2020 werden erfolgreiche KI-Initiativen von Unternehmen die Entwicklung von Hunderten, wenn nicht Tausenden von Anwendungen ermöglichen, und für jede von ihnen wird ein hochspezialisierter Algorithmus erstellt.

- Der Erstellung und Implementierung von „No-Code-Analysen“ wird große Aufmerksamkeit gewidmet.. Wir erleben einen stetigen Demokratisierungsprozess fortschrittlicher Analysen durch die Automatisierung einiger zeitaufwändiger Aspekte wie das Entwerfen von Funktionen und das Auswählen von Modellen. Die wahre Verbreitung fortgeschrittener Analysen wird jedoch durch die Entwicklung von maschinellem Lernen und anderen fortgeschrittenen prozeduralen Analysetechniken erleichtert, wenn sie keinerlei Programmierkenntnisse oder Arbeiten mit SQL erfordern. Analysen ohne Programmierung werden in Workflows eingebettet oder über einfache Dropdown-Menüs aufgerufen. Dies wird nicht zu einer Veralterung der Programmierung in der Welt der Analytik führen, sondern die Methoden ihrer Anwendung in großen Unternehmen um das Hundertfache erweitern.

Jeff Catlin, CEO von Lexalytics


Die wichtigsten Erfolge in der KI-Forschung werden theoretischer Natur sein . In den letzten fünf Jahren hat der Einsatz von KI unser Verständnis der Funktionsweise bei weitem übertroffen. Angesichts der großen praktischen Veränderungen in der zweiten Hälfte des Jahres 2019 gehe ich davon aus, dass die Entwicklung von Algorithmen in diesem Jahr weniger bahnbrechend sein wird, aber wir werden in der Theorie, die die Funktionsweise des maschinellen Lernens erklärt, weiter gehen. Dieser Bereich entwickelt sich rasant und bis Ende 2020 wird sich das Gleichgewicht wieder in Richtung einer Theorie verschieben, die den Weg für eine neue Generation von Algorithmen ebnen wird.

Jeff Catlin, CEO von Lexalytics


Weniger Magie und mehr Entscheidungen . Es wird ein gutes Jahr für AI, es wird seine Position bei der Definition von Technologie für das nächste Jahrzehnt stärken. Lieferanten sind schlauer und fördern KI nicht mehr als magisches Werkzeug. Stattdessen sagen sie richtig, dass KI Menschen helfen kann, schneller und besser zu arbeiten.

Muddu Sudhakar, CEO von Aisera.com


AIOps zerstören traditionelle IT / Clouds / DevOps. Das Herzstück von DevOps ist eine verbesserte Reaktionsfähigkeit und Flexibilität: AIOps kann dabei helfen, wichtige Schritte von der Entwicklung bis zum Betrieb zu automatisieren, Betriebsergebnisse vorherzusagen und Reaktionen auf Änderungen in der Betriebsumgebung zu automatisieren. Trotz der Tatsache, dass Microservices, Hybrid Clouds, Peripherie-Computing und IoT die Komplexität von Anwendungen erhöhen und das Protokollvolumen erhöhen, in dem Sie nach den Ursachen verschiedener Ereignisse suchen müssen, vereinfacht AIOps die Aggregation von Daten aus verschiedenen Systemen, während DevOps die Effizienz durch die Integration zuvor unterschiedlicher Systeme verbessert Systeme. Wie DevOps stimuliert AIOps den kulturellen Wandel, da das gesamte System evaluiert werden muss, anstatt sich auf bestimmte Technologien oder Infrastrukturebenen zu konzentrieren. Es erfordert auch ein komfortables Niveau mit einem hohen Automatisierungsgrad.

Jeff Catlin, CEO von Lexalytics


Selbstkontrolle ... wir müssen lange darauf warten . Im Allgemeinen wird die KI ihre beste Seite zeigen, aber es wird eine Reihe bemerkenswerter Fehler geben, zum Beispiel im Bereich selbstfahrender Autos. Smart Summon, Teslas neues Modell, ist sehr beeindruckend, hat aber noch eine lange Entwicklung vor sich. Die weit verbreitete Verbreitung dieses Modells in der Tesla-Community wird zur Entstehung zahlreicher Videos von Unfällen mit niedriger Geschwindigkeit führen. In diesen Videos stoßen Autos gegen andere Autos, Laternenpfähle und Menschen.

More articles:


All Articles